CN113111956A - 一种精确定位鱼类产卵场位置的方法 - Google Patents

一种精确定位鱼类产卵场位置的方法 Download PDF

Info

Publication number
CN113111956A
CN113111956A CN202110433077.8A CN202110433077A CN113111956A CN 113111956 A CN113111956 A CN 113111956A CN 202110433077 A CN202110433077 A CN 202110433077A CN 113111956 A CN113111956 A CN 113111956A
Authority
CN
China
Prior art keywords
fish
spawning
data
cluster
hydrokinetic
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
CN202110433077.8A
Other languages
English (en)
Other versions
CN113111956B (zh
Inventor
周华彬
余春雪
杨盈
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.)
Dongguan University of Technology
Original Assignee
Dongguan University of Technology
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 Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN202110433077.8A priority Critical patent/CN113111956B/zh
Publication of CN113111956A publication Critical patent/CN113111956A/zh
Application granted granted Critical
Publication of CN113111956B publication Critical patent/CN113111956B/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
    • 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
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Farming Of Fish And Shellfish (AREA)

Abstract

本发明公开了一种精确定位鱼类产卵场位置的方法，通过实测产卵期该河道范围的水文水动力数据，利用聚类分析方法根据相似性将所有测点划分到k个类簇中，考虑了不同水文水动力因子对鱼类产卵的影响，避免对鱼类产卵场定位的主观性。在现有大致产卵河道范围的基础上，实测鱼类产卵场流场等水文水动力数据，分析了鱼类产卵场水文水力学特征，对比鱼类产卵期对水文水动力因子的需求，利用聚类分析方法将该河道范围划分为k个类簇，对比每一类簇影响因子的特征与鱼类产卵期对各种影响因子的需求，确定某些类簇比较适合鱼类产卵，不只是纵向确定产卵场的范围，并在横向上确定鱼类产卵的位置。

Description

一种精确定位鱼类产卵场位置的方法
技术领域
本发明涉及定位技术领域，特别是一种精确定位鱼类产卵场位置的方法。
背景技术
随着大量水利水电工程的开发和运行，河流水文和水动力条件发生了变化，鱼类生境分布和生存环境受到影响。产卵场是鱼类重要和敏感的栖息场所，是鱼类交配、产卵和繁殖的场所，与鱼类种群繁衍密切相关。所以，准确推算鱼类产卵场的位置，是鱼类保护生态学研究的重点，也是当前涉水工程的重点之一。
目前产卵场位置确定的方法主要有两种，分别是经验法和流速推算法。
经验法以渔夫提供的捕捞信息和历史鱼类资料为基础，通过对目标鱼产卵场地形特征的分析，经验性地确定产卵场的位置。但是经验法有较大的主观性，对复杂的数量变动关系单凭人脑记忆和判断，容易出现疏漏和失误；定量分析不够精确，无法界定鱼类产卵场的边界。
流速推算法以河段平均流速规律为基础，通过在下游采集卵苗，识别和区分各种鱼卵、幼苗不同生长阶段的形态特征及所经历的时间，并与河段平均流速相结合，利用河段平均流速乘积卵苗的发育时间，得出鱼卵、幼苗的漂流距离，从而可根据采集点和漂流距离对上游产卵场位置进行反推。计算公式如下：S＝V·T，S为产卵场与采集点之间的距离(m)；V为鱼卵在漂流河段平均流速(m/s)；T为鱼卵、幼苗发育所经历的时间(S)。但是流速推算法具有一定的偶然性和不确定性，如河段流速的变化、鱼卵发育时间的鉴别准确性、水温变化引起的鱼卵胚胎发育速度的变化、鱼卵采样点的数目及分布等，对判定产卵场的位置均有影响。
发明内容
本发明的目的是为了解决背景技术中经验法主观性强，容易出现疏漏和失误、定量分析不够精确和无法界定鱼类产卵场的边界等问题，以及流速推算法中具有一定的偶然性和不确定性等问题，发明了一种精确定位鱼类产卵场位置的方法。
为了实现上述目的，本发明的技术方案为，一种精确定位鱼类产卵场位置的方法，包括以下步骤：
步骤1：资料调研：鱼类历史产卵信息与水文信息框定大致的产卵河道范围和确定鱼类产卵期；
步骤2：预先布设断面和测点：在大致的产卵河道范围从下游向上游布预置若干个断面；
步骤3：数据采集：利用GPS进行导航测量，采用走航式ADCP测定每个测点的水文水动力数据；
步骤4：数据筛选：根据步骤3中测得的水文水动力数据，通过主成分分析法等统计学方法，筛选出主要的影响因子；
步骤5：数据聚类分析：对步骤4中筛选出来测点的特征数据进行聚类分析，采用K－means聚类算法，输入包含n个测点数据的数据集，聚类类簇数为k，输出k个相互独立的类群集；
步骤6：确定鱼类产卵场需求：确定鱼类产卵所需水文和水力因子的适宜条件范围；
步骤7：对比每一类簇影响因子的特征与鱼类产卵期需求：采用计算公式计算每一类簇影响因子综合适宜值Di；
步骤8：分析综合适宜值，确定鱼类产卵位置。
为了对本技术方案进行进一步补充，步骤2中每个断面上等距离布设采样垂线，采样垂线上统一的位置布设测点；
为了对本技术方案进行进一步补充，步骤3中水文水动力数据包括流速、水深、弗洛德数、涡量和水温。
为了对本技术方案进行进一步补充，步骤4中所述影响因子代表测点的特征数据。
为了对本技术方案进行进一步补充，步骤6中把最佳范围的适宜性概化为1，适宜范围以外的适宜性为0。
为了对本技术方案进行进一步补充，步骤7中所述计算公式如图2所示，其中i＝1，2，3，，k。
为了对本技术方案进行进一步补充，计算公式A影响因子为各个影响因子的适宜值。
为了对本技术方案进行进一步补充，计算公式中m为影响因子的个数。
为了对本技术方案进行进一步补充，步骤8中所述综合适宜值越大，越适合鱼类产卵，则为鱼类产卵的位置，反之，综合适宜值越小，越不适合鱼类产卵，则不是鱼类产卵的位置。
为了对本技术方案进行进一步补充，所述步骤5中的算法步骤包括：
S1：从数据集中随机选取k个数据对象作为初始类簇中心点；
S2：计算数据集中测点数据和k个类簇中心点之间的相似性程度，即采用欧几里德距离法，将数据对象分配给类簇中心点所代表的最相似的类簇；
S3：对每个类簇中的测点数据信息进行统计，取均值作为新的类簇中心点，更新类簇中心点；
S4：迭代执行步骤S2和S3，直到类簇中心点不再改变。
有益效果：
本发明通过实测产卵期该河道范围的水文水动力数据，利用聚类分析方法根据相似性将所有测点划分到k个类簇中，考虑了不同水文水动力因子对鱼类产卵的影响，避免对鱼类产卵场定位的主观性。在现有大致产卵河道范围的基础上，实测鱼类产卵场流场等水文水动力数据，分析了鱼类产卵场水文水力学特征，对比鱼类产卵期对水文水动力因子的需求，利用聚类分析方法将该河道范围划分为k个类簇，对比每一类簇影响因子的特征与鱼类产卵期对各种影响因子的需求，确定某些类簇比较适合鱼类产卵，不只是纵向确定产卵场的范围，并在横向上确定鱼类产卵的位置。
附图说明
图1是本发明一种精确定位鱼类产卵场位置的方法的步骤流程示意图；
图2是计算每一类簇影响因子综合适宜值Di的计算公式示意图。
具体实施方式
下面结合附图对本发明进行具体描述，如图1所示，一种精确定位鱼类产卵场位置的方法，包括以下步骤：
步骤1：资料调研：通过鱼类历史产卵信息与水文信息框定大致的产卵河道范围和确定鱼类产卵期。
步骤2：预先布设断面和测点：在大致的产卵河道范围从下游向上游布预置若干个断面，每个断面上等距离布设采样垂线，采样垂线上统一的位置布设测点；预置断面、垂线以及垂测点可根据实际情况设置，例如在西江主干流中可以200米设置一个断面，断面上每50米布设一条垂线，测点可根据目标鱼种产卵特性布设(如产漂流卵鱼种可在水面下0.5米处布设测点)，以代表测点为中心取左右各25米及上下游断面与本断面距离中点所围成的四边形为一个单元。整个单元的流态由中心测点的值代表。(这样将预测河道划分为一个个50米乘以200米的格子)。
步骤3：数据采集：利用GPS进行导航测量，采用走航式ADCP测定每个测点的流速，水深，弗洛德数，涡量，水温等水文水动力数据。
步骤4：数据筛选：根据步骤3中测得的水文水动力数据，通过主成分分析法等统计学方法，筛选出主要的影响因子，这些影响因子代表测点的特征数据。
步骤5：数据聚类分析：对步骤4中筛选出来测点的特征数据进行聚类分析，采用K－means聚类算法，输入包含n个测点数据的数据集，聚类类簇数为k，输出k个相互独立的类群集，算法步骤包括：
S1：从数据集中随机选取k个数据对象作为初始类簇中心点；
S2：计算数据集中测点数据和k个类簇中心点之间的相似性程度，即采用欧几里德距离法，将数据对象分配给类簇中心点所代表的最相似的类簇；
S3：对每个类簇中的测点数据信息进行统计，取均值作为新的类簇中心点，更新类簇中心点；
S4：迭代执行步骤S2和S3，直到类簇中心点不再改变。
步骤6：确定鱼类产卵场需求：查阅文献资料，确定鱼类产卵所需水文、水力因子的适宜条件范围，把最佳范围的适宜性概化为1，适宜范围以外的适宜性为0；例如易雨君等认为四大家鱼产卵偏好流速为0.2m/s～0.9m/s，那么本发明认为四大家鱼产卵期0.2m/s～0.9m/s的流速适宜值为1，其他范围为0。
步骤7：对比每一类簇影响因子的特征与鱼类产卵期对各种影响因子的需求：如图2计算每一类簇影响因子综合适宜值Di，其中Di为每一类簇影响因子综合适宜值(i＝1，2，3，k)，A影响因子为各个影响因子的适宜值，m为影响因子的个数。
步骤8：分析综合适宜值，确定鱼类产卵位置：综合适宜值越大，越适合鱼类产卵，则为鱼类产卵的位置，反之，综合适宜值越小，越不适合鱼类产卵，则不是鱼类产卵的位置。
本方法通过实测产卵期该河道范围的水文水动力数据，利用聚类分析方法根据相似性将所有测点划分到k个类簇中，考虑了不同水文水动力因子对鱼类产卵的影响，避免对鱼类产卵场定位的主观性。在现有大致产卵河道范围的基础上，实测鱼类产卵场流场等水文水动力数据，分析了鱼类产卵场水文水力学特征，对比鱼类产卵期对水文水动力因子的需求，利用聚类分析方法将该河道范围划分为k个类簇，对比每一类簇影响因子的特征与鱼类产卵期对各种影响因子的需求，确定某些类簇比较适合鱼类产卵，不只是纵向确定产卵场的范围，并在横向上确定鱼类产卵的位置。

Claims (10)

1.一种精确定位鱼类产卵场位置的方法，其特征在于，包括以下步骤：
步骤1：资料调研：鱼类历史产卵信息与水文信息框定产卵河道范围和确定鱼类产卵期；
步骤2：预先布设断面和测点：在大致的产卵河道范围从下游向上游布预置若干个断面；
步骤3：数据采集：利用GPS进行导航测量，采用走航式ADCP测定每个测点的水文水动力数据；
步骤4：数据筛选：根据步骤3中测得的水文水动力数据，通过主成分分析法等统计学方法，筛选出主要的影响因子；
步骤5：数据聚类分析：对步骤4中筛选出来测点的特征数据进行聚类分析，采用K－means聚类算法，输入包含n个测点数据的数据集，聚类类簇数为k，输出k个相互独立的类群集；
步骤6：确定鱼类产卵场需求：确定鱼类产卵所需水文和水力因子的适宜条件范围；
步骤7：对比每一类簇影响因子的特征与鱼类产卵期需求：采用计算公式计算每一类簇影响因子综合适宜值Di；
步骤8：分析综合适宜值，确定鱼类产卵位置。
2.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，步骤2中每个断面上等距离布设采样垂线，采样垂线上统一的位置布设测点。
3.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，步骤3中水文水动力数据包括流速、水深、弗洛德数、涡量和水温。
4.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，步骤4中所述影响因子代表测点的特征数据。
5.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，步骤6中把最佳范围的适宜性概化为1，适宜范围以外的适宜性为0。
6.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，步骤7中所述计算公式如图2所示，其中i＝1，2，3，，k。
7.根据权利要求6所述的一种精确定位鱼类产卵场位置的方法，其特征在于，计算公式A影响因子为各个影响因子的适宜值。
8.根据权利要求6所述的一种精确定位鱼类产卵场位置的方法，其特征在于，计算公式中m为影响因子的个数。
9.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，步骤8中所述综合适宜值越大，越适合鱼类产卵，则为鱼类产卵的位置，反之，综合适宜值越小，越不适合鱼类产卵，则不是鱼类产卵的位置。
10.根据权利要求1所述的一种精确定位鱼类产卵场位置的方法，其特征在于，所述步骤5中的算法步骤包括：
S1：从数据集中随机选取k个数据对象作为初始类簇中心点；
S2：计算数据集中测点数据和k个类簇中心点之间的相似性程度，即采用欧几里德距离法，将数据对象分配给类簇中心点所代表的最相似的类簇；
S3：对每个类簇中的测点数据信息进行统计，取均值作为新的类簇中心点，更新类簇中心点；
S4：迭代执行步骤S2和S3，直到类簇中心点不再改变。
CN202110433077.8A 2021-04-21 2021-04-21 一种精确定位鱼类产卵场位置的方法 Active CN113111956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110433077.8A CN113111956B (zh) 2021-04-21 2021-04-21 一种精确定位鱼类产卵场位置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110433077.8A CN113111956B (zh) 2021-04-21 2021-04-21 一种精确定位鱼类产卵场位置的方法

Publications (2)

Publication Number Publication Date
CN113111956A true CN113111956A (zh) 2021-07-13
CN113111956B CN113111956B (zh) 2022-05-20

Family

ID=76719292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110433077.8A Active CN113111956B (zh) 2021-04-21 2021-04-21 一种精确定位鱼类产卵场位置的方法

Country Status (1)

Country Link
CN (1) CN113111956B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117892980A (zh) * 2024-03-14 2024-04-16 长江水资源保护科学研究所 一种针对圆口铜鱼的生态调度方法和装置
CN117892980B (zh) * 2024-03-14 2024-05-24 长江水资源保护科学研究所 一种针对圆口铜鱼的生态调度方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020102207A1 (en) * 2001-02-01 2002-08-01 Ronald Secor Method of chemical marking for identifying fish stocks such as salmon using strontium chloride or hygroscopic compounds, thereof
US20130036983A1 (en) * 2010-01-20 2013-02-14 Children's Medical Center Corporation Method and System for Mass Production of Fish Embryos
CN108932377A (zh) * 2018-05-31 2018-12-04 中国水产科学研究院珠江水产研究所 一种鱼类产卵场精确定位方法及系统
US20200315144A1 (en) * 2017-06-05 2020-10-08 Yunnan University A reservoir tail reverse regulation method for native fish protection
CN111802287A (zh) * 2020-08-06 2020-10-23 重庆交通大学 基于漂流性鱼卵胚体发育时间的产卵场定位反演模拟方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020102207A1 (en) * 2001-02-01 2002-08-01 Ronald Secor Method of chemical marking for identifying fish stocks such as salmon using strontium chloride or hygroscopic compounds, thereof
US20130036983A1 (en) * 2010-01-20 2013-02-14 Children's Medical Center Corporation Method and System for Mass Production of Fish Embryos
US20200315144A1 (en) * 2017-06-05 2020-10-08 Yunnan University A reservoir tail reverse regulation method for native fish protection
CN108932377A (zh) * 2018-05-31 2018-12-04 中国水产科学研究院珠江水产研究所 一种鱼类产卵场精确定位方法及系统
CN111802287A (zh) * 2020-08-06 2020-10-23 重庆交通大学 基于漂流性鱼卵胚体发育时间的产卵场定位反演模拟方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周华彬等: "考虑鱼类产卵场健康的生态需水核算――以西江东塔产卵场为例", 《人民珠江》 *
苏洪洋: "大伙房水库下游鱼类产卵场生境要素及环境适宜性评价分析", 《水利规划与设计》 *
韩仕清等: "基于鱼类产卵场水力学与生态水文特征的生态流量过程研究", 《水电能源科学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117892980A (zh) * 2024-03-14 2024-04-16 长江水资源保护科学研究所 一种针对圆口铜鱼的生态调度方法和装置
CN117892980B (zh) * 2024-03-14 2024-05-24 长江水资源保护科学研究所 一种针对圆口铜鱼的生态调度方法和装置

Also Published As

Publication number Publication date
CN113111956B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
Clausen et al. Relationships between benthic biota and hydrological indices in New Zealand streams
Longley et al. Fractal measurement and line generalization
CN109271694B (zh) 基于鱼类个体动态模拟技术的栖息地识别方法
Kondolf et al. Measuring and modeling the hydraulic environment for assessing instream flows
Andreassen et al. Ice thickness measurements and volume estimates for glaciers in Norway
CN108932377B (zh) 一种鱼类产卵场精确定位方法及系统
Barnett et al. Improving estimates of species distribution change by incorporating local trends
CN111477266B (zh) 一种天然水域鱼类产卵场判识方法
Kalogiros et al. Analysis of root growth from a phenotyping data set using a density-based model
CN115082809B (zh) 一种基于遥感影像大数据的潮滩演变监测新方法
CN109883405B (zh) 一种推求江河产漂流性卵鱼类的产卵场位置的方法
Zhu et al. Loess terrain segmentation from digital elevation models based on the region growth method
Cheng et al. Improvement and comparison of the rainfall–runoff methods in SWAT at the monsoonal watershed of Baocun, Eastern China
CN114169161A (zh) 一种土壤有机碳时空变异和固碳潜力估计方法和系统
Cole et al. The Ornithodolite as a tool to quantify animal space use and habitat selection: a case study with birds diving in tidal waters
CN107831516A (zh) 融合gnss和地面监测网获取大坝实时高精度位移的方法
CN113111956B (zh) 一种精确定位鱼类产卵场位置的方法
Wu et al. The influence of water conveyances on restoration of vegetation to the lower reaches of Tarim River
Bouadila et al. Streamflow Simulation in Semiarid Data-Scarce Regions: A Comparative Study of Distributed and Lumped Models at Aguenza Watershed (Morocco)
Li et al. Influencing factors of the spatial–temporal variation of layered soils and sediments moistures and infiltration characteristics under irrigation in a desert oasis by deterministic spatial interpolation methods
Kang et al. Palaeolake isolation and biogeographical process of freshwater fishes in the Yellow River
CN116467555B (zh) 一种海洋剖面观测数据质量控制方法及系统
CN110175215A (zh) 一种划分地理过渡带的方法
Pinna A novel approach to model the macroinvertebrates distribution in braided rivers
Chaulagain An Investigation of Emerging Technologies to Advance the Understanding of Dynamics Between the Floodplain and Main Channel Due to Riparian Vegetation

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