CN111680844B - 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 - Google Patents
一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 Download PDFInfo
- Publication number
- CN111680844B CN111680844B CN202010539366.1A CN202010539366A CN111680844B CN 111680844 B CN111680844 B CN 111680844B CN 202010539366 A CN202010539366 A CN 202010539366A CN 111680844 B CN111680844 B CN 111680844B
- Authority
- CN
- China
- Prior art keywords
- fishing
- argentina
- atlantic
- different
- southwest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 67
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 29
- 241000238366 Cephalopoda Species 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000013535 sea water Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 241000894007 species Species 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000452011 Argentina silus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，包括以下步骤：S1.对西南大西洋阿根廷滑柔鱼鱿钓船的渔业捕捞数据，S2.利用频次分布法来计算基于不同水层水温因子的适应性指数，S3.绘制频率分布直方图并进行非线性拟合，S4.将不同时间的环境数据带入拟合出的方程中，S5.设置N种权重方案，S6.计算各月份不同HSI区间内对应的阿根廷滑柔鱼产量、捕捞努力量与单位捕捞努力量渔获量CPUE，S7.将得到的最优HSI模型与渔业数据和环境数据结合进行预测分析。通过该发明能准确探明阿根廷外海海域阿根廷滑柔鱼的渔场时空分布，有利于精准定位渔场位置，提高企业捕捞效率和产量。
Description
技术领域
本发明涉及西南大西洋阿根廷滑柔鱼栖息地评估和预测方法，尤其是一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测方法。
背景技术
阿根廷滑柔鱼是广泛分布在大西洋重要的经济头足类种类，其中栖息于西南大西洋公海渔场附近的南部巴塔哥尼亚种群(South Patagonic Stock,SPS)是我国鱿钓渔船的重要捕捞对象，每年产量高达十几万吨左右，是我国远洋渔业尤其是鱿钓渔业重要组成部分。阿根廷滑柔鱼作为短生命周期种类，其产量具有显著产间变化，究其原因，主要是该种类生活史过程与栖息地的海洋物理环境变化有重要关联，当环境变化剧烈时产量波动幅度极大。水温垂直结构作为其中一个关键的海洋环境因子显著影响了西南大西洋阿根廷滑柔鱼资源丰度和空间分布，因此，建立水温垂直结构与阿根廷滑柔鱼种群的关系模型，并对阿根廷滑柔鱼栖息地进行评估及预测，对分布在西南大西洋公海海域的几百艘鱿钓渔船精准定位渔场进行高效捕捞作业以及提高捕捞效率具有重要指导作用。
目前已有学者结合阿根廷滑柔鱼资源状况和栖息地环境进行模拟分析，考虑的环境因子主要包括海表温度(SST)、叶绿素a(Chl-a)浓度、海面高度(SSH)等，基本未涉及评估水温垂直结构对阿根廷滑柔鱼资源的影响。阿根廷滑柔鱼成体主要栖息水深在50-200m左右，且具有明显的垂直洄游习性，因此仅考虑SST等海表环境因子预测阿根廷滑柔鱼的栖息地存在较大误差，极大降低了渔场预测的准确度和可靠性。本发明基于水温垂直结构并充分考虑了不同水层水温的影响差异构建了西南大西洋阿根廷滑柔鱼综合栖息地模型，极大提升阿根廷滑柔鱼渔场的模型预测性能，该模型技术可用于中国鱿钓技术组来预报大西洋公海范围内阿根廷滑柔鱼的渔场。
发明内容
本发明基于西南大西洋阿根廷滑柔鱼渔业数据及不同水层水温数据，提出一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法。
本发明解决上述技术问题所采用的技术方案是：
一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，包括以下步骤：
S1.对西南大西洋阿根廷滑柔鱼鱿钓船的渔业捕捞数据(包含产量、捕捞努力量、作业位置、作业时间)，以及不同水深水温的环境数据进行处理，并进行匹配，得到一一对应的经纬度数据，渔业捕捞数据与环境数据，
S2.对于中国鱿钓渔业，捕捞努力量定义为捕捞天数，其值高低及分布位置可以反映头足类的资源丰度和空间分布，因此本发明将可以指示渔船作业重心位置的捕捞努力量与不同水层水温进行关联，利用频次分布法来计算基于不同水层水温因子的适应性指数，用SI代表，
S3.将不同深度的海水水温按照一定间隔进行划分，并依据频次分布法，以温度为横坐标，SI值为纵坐标绘制频率分布直方图并进行非线性拟合，得到符合SI值分布规律的方程，
S4.将不同时间的环境数据带入拟合出的方程中，计算出与经纬度和渔业数据一一对应的SI值，
S5.改变不同水深水温的SI值所占比例，设置N种权重方案，并计算N种方案对应的西南大西洋阿根廷滑柔鱼公海渔场的HSI值，
S6.计算各月份不同HSI区间内对应的阿根廷滑柔鱼产量、捕捞努力量与单位捕捞努力量渔获量CPUE，对结果进行对比并选取不同月份的最优方案，筛选出拟合结果最好的HSI模型作为最优HSI模型，
S7.将得到的最优HSI模型与渔业数据和环境数据结合进行预测分析，比较预测结果与实际结果并评价模型的精度，供西南大西洋阿根廷滑柔鱼栖息地评估与预测使用。
优选地，所述步骤S2将可以指示渔船作业重心位置的捕捞努力量作为计算适应性指数SI的指标，具体是，设定在每一经纬度相对应的月份中最高捕捞努力量为西南大西洋阿根廷滑柔鱼资源分布最多的海域，SI值为1；捕捞努力量为0时，则认为是阿根廷滑柔鱼资源分布最少的区域，SI值为0，根据指标建立SI模型；根据模型拟合出的方程与不同水深的水温数据，计算不同时间、不同地理位置、不同水深的SI值；所述步骤S5中，与以往的算术平均法或使用单一权重计算HSI值不同，本发明改变54m、96m、193m水深水温的SI值所占比例，设置10种权重方案，比较分析不同水深水温对资源的影响程度，并使筛选得到的HSI模型效果更好，结果更为科学；所述步骤S6将产量、捕捞努力量与单位捕捞努力量渔获量CPUE共同作为筛选最优权重模型的标准，综合不同月份的最优权重得到最优HSI模型；如所述步骤S7所示，本发明将模型的建立与预测结合，通过将实际产量与预测的HSI值进行叠加验证模型的精度与准确性，模型结果更为可靠。
优选地，所述步骤S5为改变不同水深水温的SI值所占比例，设置10种权重方案，并计算10种方案对应的西南大西洋阿根廷滑柔鱼公海渔场的HSI值。
本发明的有益效果在于：
(1)本发明利用水温垂直结构评估和预测西南大西洋阿根廷滑柔鱼栖息地，通过该发明能准确探明阿根廷外海海域阿根廷滑柔鱼的渔场时空分布，有利于精准定位渔场位置，提高企业捕捞效率和产量；
(2)相对于传统的算术平均法模型，本发明利用SI模型建立综合HSI模型时，针对环境因子选取10种不同的权重分配方案，探究不同水深水温对栖息地评估的影响差异，模型结果更接近实际情况，预测效果更为准确。
附图说明
图1为本发明一实施例中水深为54m时，水温与SI值的频率分布直方图与最小二乘法拟合的曲线。
图2为本发明一实施例中水深为96m时，水温与SI值的频率分布直方图与最小二乘法拟合的曲线。
图3为本发明一实施例中水深为193m时，水温与SI值的频率分布直方图与最小二乘法拟合的曲线。
图4为本发明一实施例中2013-2016年西南大西洋公海渔场综合HSI模型权重方案4的HSI值空间分布与实际捕捞努力量分布图。
图5为本发明一实施例中基于权重方案4综合HSI模型预测的2017年西南大西洋公海渔场HSI值与实际捕捞努力量叠加分布图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
为了更好地阐述与理解本发明的技术方案和优点，下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，但本发明的内容不仅仅局限于下面的实施案例。
以下的说明选取西南大西洋2013～2017年1～4月的阿根廷滑柔鱼栖息地的评估和预测作为实施案例，空间分辨率为0.5°×0.5°，覆盖范围为56°～61°W，42°～48°S。
1.数据来源与SI模型的构建
本专利中的阿根廷滑柔鱼生产统计数据来自上海海洋大学中国远洋渔业数据中心。选取2013～2017年的西南大西洋海域的阿根廷滑柔鱼渔业捕捞数据，统计其产量、捕捞努力量与单位捕捞努力量渔获量(CPUE)，时间尺度为月，空间分辨率为0.5°×0.5°。不同水深海水温度数据来自亚太数据研究中心(http://apdrc.soest.hawaii.edu/las_ofes/v6/ dataset？catitem＝71)，将环境数据进行转化并与渔业数据进行匹配，时间尺度为月，空间分辨率为0.5°×0.5°。
依据频率分布法，将不同深度的海水水温按照区间进行划分，将捕捞努力量作为计算适应性指数(SI)的指标，即假定在每一经纬度相对应的月份中最高捕捞努力量为西南大西洋阿根廷滑柔鱼资源分布最多的海域，SI值为1；捕捞努力量为0时，则认为是阿根廷滑柔鱼资源分布最少的区域，SI值为0，根据指标建立SI模型，计算公式如下：
其中Effort指特定时间特定地理位置的捕捞努力量，Max(Effort)指特定时间内的最大捕捞努力量。将SI与不同深度的海水水温区间作为输入值进行拟合，其拟合公式为：
SIT＝exP[a×(T|b)2] (2)
其中a，b为应用最小二乘法估计的模型参数，使观测值与预测值的残差最小；T为不同深度的海水水温；SI值在0-1之间。频率分布直方图与拟合曲线如图1，图2，图3所示，SI模型拟合和统计结果如表1所示。
表1 1-4月阿根廷滑柔鱼适应性指数模型
2.综合HSI模型的构建
在已建立好的SI模型基础上，赋予不同水深水温以不同的权重(权重设置方案见表2)，综合54m、96m、193m水深的SI模型建立HSI模型，HSI值的计算公式如下：
HSI＝K54m×SI54m+K96m×SI96m+K193m×SI193m (3)
其中，K54m、K96m、K193m为54m、96m、193m水深水温SI值的权重；SI54m、SI96m、SI193m为54m、96m、193m水深水温SI值。
表2不同水深水温的不同权重方案
3.模型的验证与筛选
根据上述建立的不同权重下的HSI模型，分别计算2013-2016年1-4月的HSI值，其范围在0-1之间。分别将HSI≤0.2，0.2<HSI<0.6，HSI≥0.6定义为阿根廷滑柔鱼种群的不适宜栖息地，普通栖息地与适宜栖息地，并计算三种类型栖息地的产量占比、捕捞努力量占比、单位捕捞努力量渔获量(CPUE)，CPUE的单位为t/d，计算公式如下：
计算结果如表3、表4所示：
表3 2013-2016年1-4月不同权重栖息地模型预测的HSI各区间内对应的产量和捕捞努力量的比例
表4 2013-2016年1-4月不同权重栖息地模型预测的HSI各区间内对应的CPUE值
综合比较产量、捕捞努力量所占比例(0.6-1.0所占比例越高，模型预测性能越好)，CPUE值(0-0.2，0.2-0.6，0.6-1.0的CPUE值呈递增趋势且0.6-1.0的CPUE值越高，模型预测性能越好)，1-4月的最优模型权重方案为模型4，即54m、96m、193mSI值权重比例为0.1:0.1:0.8，193m水深水温所占比重最高。
将2017年的渔业数据与环境数据带入方案4，得到的结果如表5所示：
表5 2017年1-4月方案4预测结果
根据表5结果可知，1-4月份在HSI值区间为0.6-1.0的产量与捕捞努力量比例均超过50％，2月与4月超过90％；CPUE值在HSI值区间0-0.2，0.2-0.6，0.6-1.0基本符合递增趋势。说明综合HSI模型的权重方案模型4可以较好的评估和预测西南大西洋阿根廷滑柔鱼的栖息地情况。
如图4所示，为2013-2016年西南大西洋公海渔场综合HSI模型权重方案4的HSI值空间分布与捕捞努力量分布图。如图5所示，为2017年预测的HSI值空间分布与实际捕捞努力量分布叠加图。由图4、图5可以看出，进行模型建立2013-2016年与进行预测的2017年捕捞努力量大部分集中在HSI值高的区域。说明综合HSI模型的权重方案4可以较好的评估和预测西南大西洋阿根廷滑柔鱼的栖息地情况，且193m水深水温SI值在模型中所占比重最大，193m水深水温对阿根廷滑柔鱼栖息地的影响最大。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，其特征在于，包括以下步骤：
S1.对西南大西洋阿根廷滑柔鱼鱿钓船的渔业捕捞数据，以及不同水深水温的环境数据进行处理，并进行匹配，得到一一对应的经纬度数据，渔业捕捞数据与环境数据，
S2.利用频次分布法来计算基于不同水层水温因子的适应性指数，用SI代表，根据指标建立SI模型，计算公式如下：
其中Effort指特定时间特定地理位置的捕捞努力量，Max(Effort)指特定时间内的最大捕捞努力量，
S3.将不同深度的海水水温按照一定间隔进行划分，并依据频次分布法，以温度为横坐标，SI值为纵坐标绘制频率分布直方图并进行非线性拟合，得到符合SI值分布规律的方程，
SIT＝exp[a×(T|b)2] (2)
其中a，b为应用最小二乘法估计的模型参数，使观测值与预测值的残差最小；T为不同深度的海水水温；SI值在0-1之间，
S4.将不同时间的环境数据带入拟合出的方程中，计算出与经纬度和渔业数据一一对应的SI值，
S5.改变不同水深水温的SI值所占比例，设置N种权重方案，并计算N种方案对应的西南大西洋阿根廷滑柔鱼公海渔场的HSI值，HSI值的计算公式如下：
其中，K54m、K96m、K193m为54m、96m、193m水深水温SI值的权重；SI54m、SI96m、SI193m为54m、96m、193m水深水温SI值，
S6.计算各月份不同HSI区间内对应的阿根廷滑柔鱼产量、捕捞努力量与单位捕捞努力量渔获量CPUE，对结果进行对比并选取不同月份的最优方案，筛选出拟合结果最好的HSI模型作为最优HSI模型，
S7.将得到的最优HSI模型与渔业数据和环境数据结合进行预测分析，比较预测结果与实际结果并评价模型的精度，供西南大西洋阿根廷滑柔鱼栖息地评估与预测使用。
2.根据权利要求1所述的一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，其特征在于，所述步骤S2将可以指示渔船作业重心位置的捕捞努力量作为计算SI的指标。
3.根据权利要求2所述的一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，其特征在于，步骤S2将可以指示渔船作业重心位置的捕捞努力量作为计算SI的指标，具体是指：设定在每一经纬度相对应的月份中最高捕捞努力量为西南大西洋阿根廷滑柔鱼资源分布最多的海域，SI值为1；捕捞努力量为0时，则认为是阿根廷滑柔鱼资源分布最少的区域，SI值为0，根据指标建立SI模型；根据模型拟合出的方程与不同水深的水温数据，计算不同时间、不同地理位置、不同水深的SI值。
4.根据权利要求1所述的一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，其特征在于，所述步骤S1中的渔业捕捞数据包含产量、捕捞努力量、作业位置、作业时间。
5.根据权利要求1所述的一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法，其特征在于，所述步骤S5为改变不同水深水温的SI值所占比例，设置10种权重方案，并计算10种方案对应的西南大西洋阿根廷滑柔鱼公海渔场的HSI值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010539366.1A CN111680844B (zh) | 2020-06-14 | 2020-06-14 | 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010539366.1A CN111680844B (zh) | 2020-06-14 | 2020-06-14 | 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111680844A CN111680844A (zh) | 2020-09-18 |
| CN111680844B true CN111680844B (zh) | 2024-01-05 |
Family
ID=72455007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010539366.1A Active CN111680844B (zh) | 2020-06-14 | 2020-06-14 | 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111680844B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214717B (zh) * | 2020-10-23 | 2021-07-02 | 中国水产科学研究院东海水产研究所 | 一种利用声呐数据捕捞深度估计方法 |
| CN112329998A (zh) * | 2020-10-26 | 2021-02-05 | 上海海洋大学 | 一种基于分层水温的渔业资源丰度的预测方法及其应用 |
| CN113971377B (zh) * | 2021-05-25 | 2024-05-03 | 上海海洋大学 | 一种东太平洋赤道海域涡旋的判别及其对茎柔鱼渔场影响评估的技术方法 |
| CN114794035B (zh) * | 2022-03-25 | 2023-01-17 | 中国水产科学研究院东海水产研究所 | 一种金枪鱼围网中心渔场范围自动识别算法和渔场探寻路线方法 |
| CN114444819B (zh) * | 2022-04-11 | 2022-06-28 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种渔业资源预测方法、装置、存储介质以及电子设备 |
| CN115456490B (zh) * | 2022-11-14 | 2023-03-24 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004272890A (ja) * | 2003-02-17 | 2004-09-30 | Masamitsu Tonegawa | Ｈｓｉモデルの構築方法、生態系定量評価方法及び環境保全措置方法 |
| CN106056240A (zh) * | 2016-05-26 | 2016-10-26 | 上海海洋大学 | 基于sar识别茎柔鱼空间分布及海洋环境影响的方法 |
| WO2017002533A1 (ja) * | 2015-06-29 | 2017-01-05 | 国立研究開発法人海洋研究開発機構 | 漁場予測装置、漁場予測システム、海洋環境データ共有装置および海洋環境データ共有システム |
| CN107578125A (zh) * | 2017-08-29 | 2018-01-12 | 上海海洋大学 | 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法 |
| CN107609691A (zh) * | 2017-08-29 | 2018-01-19 | 上海海洋大学 | 基于栖息地指数的毛里塔尼亚头足类渔场预报方法 |
| KR101836813B1 (ko) * | 2017-06-27 | 2018-03-12 | 대한민국 | 가을철(秋季) 남해안의 멸치 어황 예측방법 |
| CN109165766A (zh) * | 2018-06-26 | 2019-01-08 | 中国水产科学研究院南海水产研究所 | 一种南海鸢乌贼渔情预报的方法 |
| CN111222748A (zh) * | 2019-11-27 | 2020-06-02 | 上海海洋大学 | 一种金枪鱼栖息地量化评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190272598A1 (en) * | 2017-08-29 | 2019-09-05 | Shanghai Ocean University | Cephalopod fishery forecasting method in northwest african waters based on environmental factors |
-
2020
- 2020-06-14 CN CN202010539366.1A patent/CN111680844B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004272890A (ja) * | 2003-02-17 | 2004-09-30 | Masamitsu Tonegawa | Ｈｓｉモデルの構築方法、生態系定量評価方法及び環境保全措置方法 |
| WO2017002533A1 (ja) * | 2015-06-29 | 2017-01-05 | 国立研究開発法人海洋研究開発機構 | 漁場予測装置、漁場予測システム、海洋環境データ共有装置および海洋環境データ共有システム |
| CN106056240A (zh) * | 2016-05-26 | 2016-10-26 | 上海海洋大学 | 基于sar识别茎柔鱼空间分布及海洋环境影响的方法 |
| KR101836813B1 (ko) * | 2017-06-27 | 2018-03-12 | 대한민국 | 가을철(秋季) 남해안의 멸치 어황 예측방법 |
| CN107578125A (zh) * | 2017-08-29 | 2018-01-12 | 上海海洋大学 | 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法 |
| CN107609691A (zh) * | 2017-08-29 | 2018-01-19 | 上海海洋大学 | 基于栖息地指数的毛里塔尼亚头足类渔场预报方法 |
| CN109165766A (zh) * | 2018-06-26 | 2019-01-08 | 中国水产科学研究院南海水产研究所 | 一种南海鸢乌贼渔情预报的方法 |
| CN111222748A (zh) * | 2019-11-27 | 2020-06-02 | 上海海洋大学 | 一种金枪鱼栖息地量化评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于海表温度和光合有效辐射的西北太平洋柔鱼冬春生群体栖息地热点预测;温健;陆鑫一;陈新军;余为;;上海海洋大学学报(03);全文 * |
| 基于约束线性回归的柔鱼栖息地指数渔场预报模型构建;崔雪森;周为峰;唐峰华;戴阳;张胜茂;程田飞;;渔业科学进展(01);全文 * |
| 西北太平洋柔鱼冬春生群对气候与环境变化的响应机制研究;余为;中国博士学位论文全文数据库农业科技辑;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111680844A (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111680844B (zh) | 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 | |
| DeMartini et al. | Spatial patterns of endemism in shallow-water reef fish populations of the Northwestern Hawaiian Islands | |
| WO2018001338A1 (zh) | 基于灰色系统的大洋性鱿鱼类资源丰度预测方法 | |
| Weigelt et al. | Quantifying island isolation–insights from global patterns of insular plant species richness | |
| Kogovšek et al. | Recurrence of bloom-forming scyphomedusae: wavelet analysis of a 200-year time series | |
| CN111199270B (zh) | 一种基于深度学习的区域波高预报方法及终端 | |
| AU2020103524A4 (en) | A technical method for evaluating and predicting the habitat suitablity of Illex argentinus in the southwest Atlantic Ocean based on the vertical water temperature structure | |
| CN110081884B (zh) | 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 | |
| Nadon | Stock assessment of the coral reef fishes of Hawaii, 2016 | |
| Whitehead et al. | Current global population size, post-whaling trend and historical trajectory of sperm whales | |
| Wedding et al. | Habitat-based predictive mapping of rockfish density and biomass off the central California coast | |
| Straley et al. | Assessment of mark–recapture models to estimate the abundance of a humpback whale feeding aggregation in Southeast Alaska | |
| AU2021100058A4 (en) | Technical Method for Evaluating and Predicting Habitat Suitability for Scomber Japonicus in East China Sea Based on Water Temperature at Different Depths | |
| CN111784034A (zh) | 一种影响智利海域美洲赤鱿渔场的关键环境因子的筛选及探测技术 | |
| Hari et al. | Spatial modeling of deep-sea ferromanganese nodules with limited data using neural networks | |
| Barlow et al. | Predictive modeling of cetacean densities in the eastern Pacific Ocean | |
| Yu et al. | Environmental factors affecting the spatiotemporal distribution of Decapterus maruadsi in the western Guangdong waters, China. | |
| CN117744031A (zh) | 一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法 | |
| CN112329998A (zh) | 一种基于分层水温的渔业资源丰度的预测方法及其应用 | |
| AU2021100973A4 (en) | Method for Predicting Winter-Spring Stock Abundance of Ommastrephes Bartramii in the Northwest Pacific Ocean Based on Grey System | |
| Southwell et al. | Predicting the distribution of crabeater seals Lobodon carcinophaga off east Antarctica during the breeding season | |
| Becker et al. | Abundance, distribution, and seasonality of cetaceans within the US exclusive economic zone around the Hawaiian archipelago based on species distribution models | |
| Kai | Spatio-temporal model for CPUE standardization: Application to shortfin mako caught by Japanese offshore and distant water shallow-set longliner in the western and central North Pacific | |
| Kai | Updated CPUE of shortfin mako, Isurus oxyrinchus, caught by Japanese shallow-set longliner in the North Pacific | |
| Hanselman et al. | Application of an acoustic–trawl survey design to improve estimates of rockfish biomass |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |