CN112434465A - 基于船位数据提取毛虾网有效布网网长的方法 - Google Patents

基于船位数据提取毛虾网有效布网网长的方法 Download PDF

Info

Publication number
CN112434465A
CN112434465A CN202011303906.2A CN202011303906A CN112434465A CN 112434465 A CN112434465 A CN 112434465A CN 202011303906 A CN202011303906 A CN 202011303906A CN 112434465 A CN112434465 A CN 112434465A
Authority
CN
China
Prior art keywords
net
fishing
length
effective
shrimp
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.)
Granted
Application number
CN202011303906.2A
Other languages
English (en)
Other versions
CN112434465B (zh
Inventor
熊瑛
李国东
仲霞铭
汤建华
吴磊
施金金
闫欣
王燕平
宋大德
康中杰
汤晓建
王储庆
葛慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JIANGSU MARINE FISHERIES RESEARCH INSTITUTE
Original Assignee
JIANGSU MARINE FISHERIES RESEARCH INSTITUTE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JIANGSU MARINE FISHERIES RESEARCH INSTITUTE filed Critical JIANGSU MARINE FISHERIES RESEARCH INSTITUTE
Priority to CN202011303906.2A priority Critical patent/CN112434465B/zh
Publication of CN112434465A publication Critical patent/CN112434465A/zh
Application granted granted Critical
Publication of CN112434465B publication Critical patent/CN112434465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)

Abstract

本发明涉及一种基于船位数据提取毛虾网有效布网网长的方法，包括以下步骤：将毛虾网渔船各航次的行为分为5个阶段，其中捕捞作业阶段分为3种状态；运用jenks最佳自然断裂法确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行状态的速度阈值，运用SQL语句提取渔船处于抛锚布网状态的点集，进而运用DBSCAN聚类算法提取抛锚布网点集的所属网次；基于经纬度信息，运用半正矢公式计算该网次的实际布网距离；结合毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长的距离的相关关系，计算该网次的实际有效网长。本发明能够提高提取毛虾网不同网次的有效布网网长的准确性，为提高捕捞努力量量化提供更高精度的方法支撑。

Description

基于船位数据提取毛虾网有效布网网长的方法
技术领域
本发明属于渔船船位数据应用的技术领域，特别是涉及一种基于船位数据提取毛虾网有效布网网长的方法。
背景技术
随着毛虾资源面临衰退的严峻局面，限额捕捞制度成为毛虾资源可持续发展的重要保障，而捕捞努力量的计算成为限额捕捞制度深入落实的关键。渔船监测系统(VMS，Vessel Monitoring System)是通过卫星获取船位数据的系统，能提供定位时间、渔船位置的经纬度信息、航速及航向信息。基于船舶自动识别系统、北斗卫星船位监控系统等技术，我国已经初步实现对渔船位置的联络追踪。
目前，在基于船位数据的张网捕捞努力量量化方法上，主要是通过捕捞时长与统一固定的最大网长所对应的海流横截面面积相乘，从而得到捕捞努力量。然而，毛虾网具虽属张网类，但其网具结构与其它张网存在明显差异，其兼捕率较低，对毛虾选择性极高，为毛虾捕捞的专属网具。加之不同网次的有效布网网长会随着实际生产捕捞情况、时间天气、海域环境等状况发生改变，故据此方法计算得到的毛虾捕捞努力量精度较低，与实际捕捞努力量数值相比明显偏大。因此，需要结合毛虾网网具特征，找到基于船位数据提取不同毛虾网网次的有效布网网长方法，提高捕捞努力量计算准确性，为统计单位捕捞努力量渔获量、研究毛虾资源丰度时空分布以及限额捕捞政策中关于毛虾可捕总量的制定提供更高精度的数据支撑。
发明内容
本发明所要解决的技术问题是提供一种基于船位数据提取毛虾网有效布网网长的方法，提高提取毛虾网不同网次的有效布网网长的准确性，为提高捕捞努力量量化提供更高精度的数据支撑。
本发明解决其技术问题所采用的技术方案是提供一种基于船位数据提取毛虾网有效布网网长的方法，包括以下步骤：
(1)将毛虾网渔船各航次的行为分为渔港出发、捕捞作业、停航休息、转场探寻及返回渔港这5个阶段，其中捕捞作业阶段具体分为抛锚布网、等待渔获和起网收渔获3种状态；
(2)经统计毛虾网生产渔船的航速情况，依据毛虾网渔船在上述各种阶段和各种状态的速度比较特征，运用jenks最佳自然断裂法确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行状态的速度阈值，运用SQL语句提取渔船处于抛锚布网状态的点集，进而运用DBSCAN聚类算法提取抛锚布网点集的所属网次；
(3)基于经纬度信息，运用半正矢公式计算同一网次中第一个布网点与最后一个布网点的距离，即为该网次的实际布网距离；
(4)结合毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长的距离的相关关系，计算实际布网产生距离所对应的网长，即为该网次的实际有效网长。
运用jenks最佳自然断裂法进行航速分组，是基于航速数值的自然分组，即对分类间隔加以识别，对相近的航速值进行合适的分类，最终使得航速组内差异最小、航速组间差异最大，再结合毛虾网渔船各种状态的速度比较特征，确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行四种渔船状态的速度阈值。
渔船在进出港口或者进行转场探寻毛虾资源时存在快速航行状态。
基于同一网次的第一个布网点A与最后一个布网点B经纬度信息，运用公式计算A、B两点之间的距离
Figure BDA0002787501490000021
即为该实际布网距离，其中，R为地球平均半径，Alat为A点纬度，Alon为A点经度，Blat为B点纬度，Blon为B点经度。
基于毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长距离的相关关系公式：所有网具有效网长LA/布下所有网具产生的距离DA＝第i网次有效网长Li/第i网次实际布网距离Di，即
Figure BDA0002787501490000022
计算得到毛虾网第i网次的实际有效网长。
有益效果
本发明基于船位数据提取毛虾网有效布网网长的方法，结合到实际毛虾网网具结构特点，提取得到的有效布网网长与实际毛虾捕捞作业情况更加相符，能够提高提取毛虾网的有效布网网长的准确性，可为毛虾限额捕捞中捕捞努力量计算提供更加精确的数据支撑。同时该方法也适合批量提取毛虾网渔船不同航次不同网次的有效布网网长，与传统渔民人工记录渔捞日志布网网数方法相比，具有更好的及时性、真实性及应用前景。
附图说明
图1为本发明实施例渔船011船位点数据分布图。
图2为本发明实施例渔船011捕捞阶段点数据分布图。
图3为毛虾网局部结构示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种基于船位数据提取毛虾网有效布网网长的方法，包括以下步骤：
(1)将毛虾网渔船各航次的行为分为渔港出发、捕捞作业、停航休息、转场探寻及返回渔港这5个阶段，其中捕捞作业阶段具体分为抛锚布网、等待渔获和起网收渔获3种状态；
(2)经统计毛虾网生产渔船的航速情况，依据毛虾网渔船在上述各种阶段和各种状态的速度比较特征，运用jenks最佳自然断裂法确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行状态的速度阈值，运用SQL语句提取渔船处于抛锚布网状态的点集，进而运用DBSCAN聚类算法提取抛锚布网点集的所属网次；
(3)基于经纬度信息，运用半正矢公式计算同一网次中第一个布网点与最后一个布网点的距离，即为该网次的实际布网距离；
(4)结合毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长的距离的相关关系，计算实际布网产生距离所对应的网长，即为该网次的实际有效网长。
运用jenks最佳自然断裂法进行航速分组，是基于航速数值的自然分组，即对分类间隔加以识别，对相近的航速值进行合适的分类，最终使得航速组内差异最小、航速组间差异最大，再结合毛虾网渔船各种状态的速度比较特征，确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行四种渔船状态的速度阈值。
渔船在进出港口或者进行转场探寻毛虾资源时存在快速航行状态。
基于同一网次的第一个布网点A与最后一个布网点B经纬度信息，运用公式计算A、B两点之间的距离
Figure BDA0002787501490000031
即为该实际布网距离，其中，R为地球平均半径，Alat为A点纬度，Alon为A点经度，Blat为B点纬度，Blon为B点经度。
基于毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长距离的相关关系公式：所有网具有效网长LA/布下所有网具产生的距离DA＝第i网次有效网长Li/第i网次实际布网距离Di，即
Figure BDA0002787501490000041
计算得到毛虾网第i网次的实际有效网长。
下面以具体的实施例来进一步说明本发明，一艘毛虾网渔船011在2020年6月15日-2020年7月15日船位点的空间分布如图1，按照发生时间排序组成空间轨迹。
1.毛虾网渔船状态划分
由于毛虾网渔船作业过程中的抛锚时间极快，是同时把网具连带布下，所以与布网结合为同一个状态。另外，起网收网具与收渔获处于同时发生状态，故这两者结合为起网收渔获状态。所以，毛虾网作业过程包括抛锚布网、等待渔获以及起网收渔获状态。这3种状态中，抛锚放网状态的航速最快，耗时一般为0.5-1h；等待渔获状态时渔船由于有铁锚固定，航速最慢，基本处于不动或微漂状态，耗时一般为2h左右；起网收渔获状态的航速较慢，耗时一般为3h。此外，渔船在进出港口或者进行转场探寻毛虾资源时存在快速航行状态，以及晚上非捕捞作业时处于停航休息状态。因此，毛虾网渔船每个航次一共可划分为快速航行、抛锚布网、等待渔获、起网收渔获及停航休息这5种状态。
2.抛锚布网状态点集提取
由于毛虾渔船在等待渔获状态及停航休息状态段均有铁锚固定，这2种状态的航速大小差异较小，因此运用jenks最佳自然断裂法设置4个类，结合毛虾渔船各种状态的速度比较特征，得到抛锚布网状态的速度阈值为3.69-7.58节(1节≈0.51m/s)，等待渔获状态及停航休息状态的速度阈值为0-0.78节，起网收渔获状态的速度阈值为0.78-3.69节，快速航行状态的速度阈值为7.58-11.86节。运用SQL查询语句，提取抛锚布网状态的点集及其它状态点集(图2)。
3.抛锚布网点集所属网次的标记
基于提取到的抛锚布网点集，现运用DBSCAN聚类算法提取抛锚布网点集的所属网次。北斗时间分辨率为3min，检索点3min前后应该各包含1个抛锚布网点，即MinPts＝3。同时依据渔船抛锚布网状态下船速最大阈值3.87m/s与时间分辨率的乘积作为邻域Eps的值，即设置Eps＝697m。由于同一艘渔船在不同时间的网次可能在同一区域进行捕捞作业，结合同一网次抛锚布网耗时情况，需要设置时间阈值T＝60min。因此设置MinPts＝3，Eps＝697m，T＝60min进行聚类，即可标记出抛锚布网点集的所属网次。
4.网次实际布网距离提取
渔船在捕捞毛虾时，不同网次的布网距离依据实际海域环境、已有生产捕捞状况、时间天气等情况而决定。由于抛锚布网状态下航速极快，网具位置受到铁锚固定，同一网次的起止点用抛锚布网的起止点表示。假设同一网次的抛锚布网起始点为A，抛锚布网终止点为B，运用公式
Figure BDA0002787501490000051
其中公式中的R为地球平均半径6378145m，从而计算得到AB两点的实地距离，即为该网次的实际布网距离。同理运用该公式，基于不同网次抛锚布网起止点的经纬度信息，可计算得到该渔船所有网次的实际布网距离。
5.网次有效布网网长提取
结合毛虾网网具的特点(图3)，毛虾网有效布网网长与实际布网距离并不相等，它们呈现一定的相关关系公式：所有网具有效网长LA/布下所有网具产生的距离DA＝第i网次有效网长Li/第i网次实际布网距离Di，即
Figure BDA0002787501490000052
运用此公式即可计算得到毛虾网渔船不同网次的有效布网网长。
6.渔船毛虾网总有效网长提取
在计算出毛虾网渔船011每次捕捞作业的有效布网网长后，依据公式
Figure BDA0002787501490000053
渔船在2020年6月15日-2020年7月15日期间所有网次的有效布网网长求和并提取，即得到渔船011在该期间总有效布网网长。

Claims (5)

1.一种基于船位数据提取毛虾网有效布网网长的方法，包括以下步骤：
(1)将毛虾网渔船各航次的行为分为渔港出发、捕捞作业、停航休息、转场探寻及返回渔港这5个阶段，其中捕捞作业阶段具体分为抛锚布网、等待渔获和起网收渔获3种状态；
(2)经统计毛虾网生产渔船的航速情况，依据毛虾网渔船在上述各种阶段和各种状态的速度比较特征，运用jenks最佳自然断裂法确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行状态的速度阈值，运用SQL语句提取渔船处于抛锚布网状态的点集，进而运用DBSCAN聚类算法提取抛锚布网点集的所属网次；
(3)基于经纬度信息，运用半正矢公式计算同一网次中第一个布网点与最后一个布网点的距离，即为该网次的实际布网距离；
(4)结合毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长的距离的相关关系，计算实际布网产生距离所对应的网长，即为该网次的实际有效网长。
2.根据权利要求1所述的一种基于船位数据提取毛虾网有效布网网长的方法，其特征在于：运用jenks最佳自然断裂法进行航速分组，是基于航速数值的自然分组，即对分类间隔加以识别，对相近的航速值进行合适的分类，最终使得航速组内差异最小、航速组间差异最大，再结合毛虾网渔船各种状态的速度比较特征，确定抛锚布网、等待渔获或停航休息、起网收渔获、快速航行四种渔船状态的速度阈值。
3.根据权利要求1或2所述的一种基于船位数据提取毛虾网有效布网网长的方法，其特征在于：渔船在进出港口或者进行转场探寻毛虾资源时存在快速航行状态。
4.根据权利要求1所述的一种基于船位数据提取毛虾网有效布网网长的方法，其特征在于：基于同一网次的第一个布网点A与最后一个布网点B经纬度信息，运用公式计算A、B两点之间的距离
Figure FDA0002787501480000011
即为该实际布网距离，其中，R为地球平均半径，Alat为A点纬度，Alon为A点经度，Blat为B点纬度，Blon为B点经度。
5.根据权利要求1所述的一种基于船位数据提取毛虾网有效布网网长的方法，其特征在于：基于毛虾网网具的特点、布下所有网具产生的距离与其有效布网网长距离的相关关系公式：所有网具有效网长LA/布下所有网具产生的距离DA＝第i网次有效网长Li/第i网次实际布网距离Di，即
Figure FDA0002787501480000012
计算得到毛虾网第i网次的实际有效网长。
CN202011303906.2A 2020-11-19 2020-11-19 基于船位数据提取毛虾网有效布网网长的方法 Active CN112434465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011303906.2A CN112434465B (zh) 2020-11-19 2020-11-19 基于船位数据提取毛虾网有效布网网长的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011303906.2A CN112434465B (zh) 2020-11-19 2020-11-19 基于船位数据提取毛虾网有效布网网长的方法

Publications (2)

Publication Number Publication Date
CN112434465A true CN112434465A (zh) 2021-03-02
CN112434465B CN112434465B (zh) 2021-11-09

Family

ID=74692730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011303906.2A Active CN112434465B (zh) 2020-11-19 2020-11-19 基于船位数据提取毛虾网有效布网网长的方法

Country Status (1)

Country Link
CN (1) CN112434465B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113887562A (zh) * 2021-09-06 2022-01-04 江苏省海洋水产研究所 一种基于船位数据提取毛虾网船捕捞行为特征的方法
CN113917852A (zh) * 2021-09-30 2022-01-11 北京星网宇达科技股份有限公司 一种靶机的模拟控制方法、装置、设备及存储介质
CN113987838A (zh) * 2021-11-19 2022-01-28 上海海洋大学 一种基于船位数据提取灯光敷网网次数的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279702A (zh) * 2015-09-23 2016-01-27 中国水产科学研究院东海水产研究所 一种基于北斗卫星数据拖网捕捞累计值获取方法
CN108427824A (zh) * 2018-01-29 2018-08-21 中国水产科学研究院东海水产研究所 一种利用船位数据提取刺网网长与角度的方法
CN208012721U (zh) * 2018-03-16 2018-10-26 江苏省海洋水产研究所 渔获信息采集系统
CN109214107A (zh) * 2018-09-26 2019-01-15 大连海事大学 一种船舶航行行为在线预测方法
CN109389186A (zh) * 2018-11-23 2019-02-26 中国水产科学研究院东海水产研究所 基于dbscan的vms定置刺网渔船网次提取方法
CN110135559A (zh) * 2019-04-28 2019-08-16 中国水产科学研究院东海水产研究所 一种基于船位数据获取张网网位和捕捞努力量的方法
CN110377673A (zh) * 2019-06-05 2019-10-25 中国水产科学研究院南海水产研究所 灯光罩网渔船作业数据处理方法、系统、装置和存储介质
KR102108270B1 (ko) * 2019-08-10 2020-05-08 정기혁 예인망

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279702A (zh) * 2015-09-23 2016-01-27 中国水产科学研究院东海水产研究所 一种基于北斗卫星数据拖网捕捞累计值获取方法
CN108427824A (zh) * 2018-01-29 2018-08-21 中国水产科学研究院东海水产研究所 一种利用船位数据提取刺网网长与角度的方法
CN208012721U (zh) * 2018-03-16 2018-10-26 江苏省海洋水产研究所 渔获信息采集系统
CN109214107A (zh) * 2018-09-26 2019-01-15 大连海事大学 一种船舶航行行为在线预测方法
CN109389186A (zh) * 2018-11-23 2019-02-26 中国水产科学研究院东海水产研究所 基于dbscan的vms定置刺网渔船网次提取方法
CN110135559A (zh) * 2019-04-28 2019-08-16 中国水产科学研究院东海水产研究所 一种基于船位数据获取张网网位和捕捞努力量的方法
CN110377673A (zh) * 2019-06-05 2019-10-25 中国水产科学研究院南海水产研究所 灯光罩网渔船作业数据处理方法、系统、装置和存储介质
KR102108270B1 (ko) * 2019-08-10 2020-05-08 정기혁 예인망

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
裴凯洋等: "《水产学报》", 21 July 2020 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113887562A (zh) * 2021-09-06 2022-01-04 江苏省海洋水产研究所 一种基于船位数据提取毛虾网船捕捞行为特征的方法
CN113917852A (zh) * 2021-09-30 2022-01-11 北京星网宇达科技股份有限公司 一种靶机的模拟控制方法、装置、设备及存储介质
CN113917852B (zh) * 2021-09-30 2024-04-26 北京星网宇达科技股份有限公司 一种靶机的模拟控制方法、装置、设备及存储介质
CN113987838A (zh) * 2021-11-19 2022-01-28 上海海洋大学 一种基于船位数据提取灯光敷网网次数的方法

Also Published As

Publication number Publication date
CN112434465B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN112434465B (zh) 基于船位数据提取毛虾网有效布网网长的方法
Barlow et al. Abundance and population density of cetaceans in the California Current ecosystem
KR102401337B1 (ko) 항적 데이타를 이용한 어선 조업 판별 방법
CN110135559A (zh) 一种基于船位数据获取张网网位和捕捞努力量的方法
CN109389186B (zh) 基于dbscan的vms定置刺网渔船网次提取方法
McGowan et al. Bluefin tuna, Thunnus thynnus, larvae in the Gulf Stream off the Southeastern United States: satellite and shipboard observations of their environment.
CN114444819A (zh) 一种渔业资源预测方法、装置、存储介质以及电子设备
CN109188464A (zh) 一种基于北斗船位数据的渔船在港和出海时间的分析方法
CN112784180A (zh) 一种金枪鱼围网渔船捕捞强度空间信息提取方法
CN116150618A (zh) 一种基于深度学习神经网络的渔船作业类型识别方法
CN103678902B (zh) 一种北斗船位数据提取拖网捕捞状态的方法
Biggs et al. Population density of gelatinous macrozooplankton: in situ estimation in oceanic surface waters
CN113393027B (zh) 一种基于深度学习的航标漂移智能预测方法
CN114155446A (zh) 一种基于语义特征向量的渔船类型识别方法
CN105279702A (zh) 一种基于北斗卫星数据拖网捕捞累计值获取方法
Zong et al. Recognizing fishing activities via VMS trace analysis based on mathematical morphology
CN112699144B (zh) 一种运输船转载特征信息提取方法
CN117077822A (zh) 一种渔业资源预测方法
Lee et al. Artificial neural network for glider detection in a marine environment by improving a cnn vision encoder
CN114219039A (zh) 一种基于船舶行为特征的船舶轨迹压缩方法及其系统
CN113887562B (zh) 一种基于船位数据提取毛虾网船捕捞行为特征的方法
Stevenson et al. Inshore trawl survey of the west coast of the South Island and Tasman and Golden Bays, March–April 2009 (KAH0904)
Wang et al. Developing machine learning methods for automatic recognition of fishing vessel behaviour in the Scomber japonicus fisheries
Katara et al. Some news approaches for standardizing tropical purse seiners CPUEs
Siwicke et al. The 2022 longline survey of the Gulf of Alaska and eastern Aleutian Islands on the FV Alaskan leader: cruise report AL-22-01

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