CN113554285B - 暴发水母种群波动对渔业资源风险影响的量化评估方法 - Google Patents

暴发水母种群波动对渔业资源风险影响的量化评估方法 Download PDF

Info

Publication number
CN113554285B
CN113554285B CN202110758003.1A CN202110758003A CN113554285B CN 113554285 B CN113554285 B CN 113554285B CN 202110758003 A CN202110758003 A CN 202110758003A CN 113554285 B CN113554285 B CN 113554285B
Authority
CN
China
Prior art keywords
jellyfish
outbreak
population
investigation
station
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
Application number
CN202110758003.1A
Other languages
English (en)
Other versions
CN113554285A (zh
Inventor
朱玲
戴芳群
孙安琪
李蒙
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.)
Yellow Sea Fisheries Research Institute Chinese Academy of Fishery Sciences
Original Assignee
Yellow Sea Fisheries Research Institute Chinese Academy of Fishery Sciences
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 Yellow Sea Fisheries Research Institute Chinese Academy of Fishery Sciences filed Critical Yellow Sea Fisheries Research Institute Chinese Academy of Fishery Sciences
Priority to CN202110758003.1A priority Critical patent/CN113554285B/zh
Publication of CN113554285A publication Critical patent/CN113554285A/zh
Application granted granted Critical
Publication of CN113554285B publication Critical patent/CN113554285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (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)

Abstract

本发明涉及海洋动物学、渔业资源学、海洋动物生态学、水生动物保护学、渔业资源调查与评价和海洋环境生态学等相关领域，建立了一种暴发水母种群波动对渔业资源风险影响的量化评估方法，即引入表征暴发水母种群异常波动强弱的指标‑竞争优势度指数CAI。该指数通过评估暴发水母种群在渔业资源群落中的竞争优势度对渔业资源风险影响进行量化评估。本发明填补了暴发水母种群异常波动对渔业资源风险影响程度缺乏量化评估方法的空白，具有操作便捷、快速，可行性高的特点。

Description

暴发水母种群波动对渔业资源风险影响的量化评估方法
技术领域
本发明涉及海洋动物学、渔业资源学、海洋动物生态学、水生动物保护学、渔业资源调查与评价和海洋环境生态学等相关领域，建立了一种暴发水母种群异常波动对渔业资源风险影响的量化评估方法。
背景技术
近年来，全球海洋水母数量呈增加趋势，许多海域出现水母大规模暴发现象。我国近海是全球海域大型水母暴发的“重灾区”，渤海、黄海及东海，都出现了以沙海蜇、海月水母为代表的水母种群连续暴发现象。水母暴发不但对我国近海生态系统稳定和生态环境安全产生重要影响，也对我国海洋经济和社会造成巨大灾难。水母灾害已成为继有害藻华之后，由游泳动物引发的、最大的海洋生态灾害。中国高度重视海洋生态安全，国家层面上先后组织开展了“中国近海水母暴发的关键过程、机理及生态环境效应”，“我国近海水母灾害的形成机理、监测预测及评估防治技术”等相关研究。水母暴发对海洋生态系统的生态影响风险评估已成为国际海洋生态环境安全关注的核心科学问题之一。
目前，关于暴发水母种群异常波动对渔业资源风险影响的量化评估方法还未有研究，因此，亟需建立一种简单，便捷、易执行且较精准的风险量化指标，为深入解析我国近海水母暴发对渔业资源的影响，有针对性监测暴发水母、科学制定海洋水母暴发预警预报级别、制定有效的防控对策提供科学依据和技术支撑。
发明内容
本发明旨在运用海洋动物学、渔业资源学、海洋动物生态学和渔业资源调查与评价的原理，建立一种简单，便捷、易执行且较精准的风险量化指标评估暴发水母种群异常波动对渔业资源的影响，填补暴发水母种群异常波动对渔业资源风险影响程度缺乏量化评估方法的空白。
为实现上述发明目的，本发明采用下述技术方案予以实现：
通过计算暴发水母种群的竞争优势度指数CAI量化评估暴发水母种群异常波动对渔业资源的风险影响，其中，CAI根据以下公式计算：
CAI＝IRIj/IRI
式中，IRIj为调查站位暴发水母种群的相对重要性指数；IRI为调查站位所有网获物群落的相对重要性指数。
IRIj根据以下公式计算：
IRIj＝(Nj+Wj)×Fj×10000
式中，Nj为暴发水母的数目百分比，即Nj＝nj/N，其中nj为调查站位暴发水母的总数量，N为调查站位所有网货物群落的总数量；Wj为暴发水母的重量百分比，即Wj＝wj/W，其中wj为调查站位暴发水母的总重量，W为调查站位所有网货物群落的总重量；Fj为暴发水母的频率百分比，即Fj＝fj/F，其中fj为暴发水母出现站位的数量，F为所有调查站位数量。
IRI根据以下公式计算：
IRI＝∑IRIi
式中，IRIi为调查站位网货物种i的相对重要性指数，根据以下公式计算：
IRIi＝(Ni+Wi)×Fi×10000
Ni为调查站位网货物种i的数目百分比，即Ni＝ni/N，其中ni为调查站位网货物种i的总数量，N为调查站位所有网货物群落的总数量；Wi为调查站位网货物种i的重量百分比，即Wi＝wi/W，其中wi为调查站位网货物种i的总重量，W为调查站位所有网货物群落的总重量；Fi为调查站位网货物种i的频率百分比，即Fi＝fi/F，其中fi为调查站位网货物种i的出现站位数量，F为所有调查站位数量。
计算暴发水母种群的竞争优势度指数CAI所选择的调查站位数量至少为6个，调查站位设置为：(1)大型底拖网调查船：平均拖速3.0kn/h，每站拖曳0.5-lh；网具规格：网口高度6±1m，囊网网目2±0.4cm；(2)小型双拖渔船：平均拖速3.0kn/h，每站拖曳0.5-l h；网具规格：网口高度6±1m，囊网网目2±0.4cm；
CAI值越大，表示暴发水母种群对渔业资源的风险影响越大，暴发水母种群异常波动对渔业资源的风险影响可划分为四个等级，即：(i)0.15<CAI≤0.30；(ii)0.30<CAI≤0.45；(iii)0.45<CAI≤0.60；(ⅳ)0.60<CAI；
当暴发水母种群异常波动对渔业资源的风险影响等级为i时，可归类为暴发水母种群轻度异常波动，对渔业资源的风险影响轻度，标识色可采用黄色；
当暴发水母种群异常波动对渔业资源的风险影响等级为ii时，可归类为暴发水母种群中度异常波动，对渔业资源的风险影响较严重，标识色可采用橙黄色；
当暴发水母种群异常波动对渔业资源的风险影响等级为iii时，可归类为暴发水母种群高度异常波动，可定义为水母暴发，对渔业资源的风险影响严重，标识色可采用橙色；
当暴发水母种群异常波动对渔业资源的风险影响等级为ⅳ时，可归类为暴发水母种群严重异常波动，可定义为重度水母暴发，对渔业资源的风险影响非常严重，标识色可采用红色。
本发明的优点和积极效果是：
本发明提供的暴发水母种群的竞争优势度指数CAI综合考虑了暴发水母种群的数量、重量及出现频率对渔业资源的风险影响，填补了暴发水母种群异常波动对渔业资源的风险影响没有量化评估方法的空白，具有操作便捷、快速，可行性高的特点。
附图说明
图1为不同暴发水母种群异常波动对渔业资源风险影响的结构图。
具体实施方式
本发明提出一种暴发水母种群异常波动对渔业资源风险影响的量化评估方法，通过计算暴发水母种群的竞争优势度指数CAI,对暴发水母种群的竞争优势度指数进行分级，根据暴发水母种群的竞争优势度指数量化评估暴发水母种群异常波动对渔业资源的风险影响程度。
其中，CAI根据以下公式计算：
CAI＝IRIj/IRI
其中，IRIj为调查站位暴发水母种群的相对重要性指数；IRI为调查站位所有网获物群落的相对重要性指数。
进一步的，IRIj根据以下公式计算：
IRIj＝(Nj+Wj)×Fj×10000
式中，Nj为暴发水母的数目百分比，即Nj＝nj/N，其中nj为调查站位暴发水母的总数量，N为调查站位所有网货物群落的总数量；Wj为暴发水母的重量百分比，即Wj＝wj/W，其中wj为调查站位暴发水母的总重量，W为调查站位所有网货物群落的总重量；Fj为暴发水母的频率百分比，即Fj＝fj/F，其中fj为暴发水母出现站位的数量，F为所有调查站位数量。
进一步的，IRI根据以下公式计算：
IRI＝∑IRIi
式中，IRIi为调查站位网货物种i的相对重要性指数，根据以下公式计算：
IRIi＝(Ni+Wi)×Fi×10000
Ni＝ni/N；
Ni为调查站位网货物种i的数目百分比；
ni为调查站位网货物种i的总数量，N为调查站位所有网货物群落的总数量；
Wi＝wi/W，
其中，Wi为调查站位网货物种i的重量百分比，wi为调查站位网货物种i的总重量，W为调查站位所有网货物群落的总重量；
Fi＝fi/F，
Fi为调查站位网货物种i的频率百分比，fi为调查站位网货物种i的出现站位数量，F为所有调查站位数量。
进一步的，计算暴发水母种群的竞争优势度指数CAI所选择的调查站位数量至少为6个，调查站位设置为：大型底拖网调查船：平均拖速3.0kn/h，每站拖曳0.5-l h；网具规格：网口高度6±1m，囊网网目2±0.4cm；(2)小型双拖渔船：平均拖速3.0kn/h，每站拖曳0.5-l h；网具规格：网口高度6±1m，囊网网目2±0.4cm。
进一步的，暴发水母种群异常波动对渔业资源的风险影响程度划分为四个等级：
(i)0.15<CAI≤0.30；
(ii)0.30<CAI≤0.45；
(iii)0.45<CAI≤0.60；
(ⅳ)0.60<CAI；
其中，当暴发水母种群异常波动对渔业资源的风险影响等级为i级时，归类为暴发水母种群轻度异常波动，对渔业资源的风险影响轻度，标识色采用黄色；
当暴发水母种群异常波动对渔业资源的风险影响等级为ii级时，归类为暴发水母种群中度异常波动，对渔业资源的风险影响较严重，标识色采用橙黄色；
当暴发水母种群异常波动对渔业资源的风险影响等级为iii级时，归类为暴发水母种群高度异常波动，定义为水母暴发，对渔业资源的风险影响严重，标识色采用橙色；
当暴发水母种群异常波动对渔业资源的风险影响等级为ⅳ级时，归类为暴发水母种群严重异常波动，定义为重度水母暴发，对渔业资源的风险影响非常严重，标识色采用红色。
为验证暴发水母种群异常波动对渔业资源风险影响量化评估方法的可行性，我们分别于2012-2014年，在黄海南部利用大型底拖网调查船共调查27个站位,调查参数为:平均拖速3.0kn/h，每站拖曳0.5-l h；网具规格：网口高度6±1m，囊网网目2±0.4cm。
分别记录每个调查站位网货物的物种数，每个物种(包含暴发水母)的数量、重量，分别计算每年调查站位所有网获物群落中每个物种的频率F、数量百分比N、重量百分比W及相对重要性指数IRI和暴发水母种群的相对重要性指数IRIj。
数据列表如下：
表1：2012年暴发水母种群异常波动对渔业资源风险影响的相关分析
表2：2013年暴发水母种群异常波动对渔业资源风险影响的相关分析
表3：2014年暴发水母种群异常波动对渔业资源风险影响的相关分析
表4：暴发水母种群的竞争优势度指数比较
时间 2012 2013 2014
CAI 0.525848 0.327092 0.212934
风险等级 iii ii i
评估结果 Bloom Moderate fluctuation Light fluctuation
标识色 橙色 橙黄色 黄色

Claims (1)

1.一种暴发水母种群波动对渔业资源风险影响的量化评估方法，其特征在于，计算暴发水母种群的竞争优势度指数CAI，对暴发水母种群的竞争优势度指数进行分级，根据暴发水母种群的竞争优势度指数量化评估暴发水母种群异常波动对渔业资源的风险影响程度；
其中，CAI根据以下公式计算：
CAI＝IRIj/IRI
其中，IRIj为调查站位暴发水母种群的相对重要性指数；IRI为调查站位所有网获物群落的相对重要性指数；
IRIj根据以下公式计算：
IRIj＝(Nj+Wj)×Fj×10000
式中，Nj为暴发水母的数目百分比，即Nj＝nj/N，其中nj为调查站位暴发水母的总数量，N为调查站位所有网货物群落的总数量；Wj为暴发水母的重量百分比，即Wj＝wj/W，其中wj为调查站位暴发水母的总重量，W为调查站位所有网货物群落的总重量；Fj为暴发水母的频率百分比，即Fj＝fj/F，其中fj为暴发水母出现站位的数量，F为所有调查站位数量；
IRI根据以下公式计算：
IRI＝∑IRIi
式中，IRIi为调查站位网货物种i的相对重要性指数，根据以下公式计算：
IRIi＝(Ni+Wi)×Fi×10000
Ni＝ni/N；
Ni为调查站位网货物种i的数目百分比；
ni为调查站位网货物种i的总数量，N为调查站位所有网货物群落的总数量；
Wi＝wi/W，
其中，Wi为调查站位网货物种i的重量百分比，wi为调查站位网货物种i的总重量，W为调查站位所有网货物群落的总重量；
Fi＝fi/F，
Fi为调查站位网货物种i的频率百分比，fi为调查站位网货物种i的出现站位数量，F为所有调查站位数量；计算暴发水母种群的竞争优势度指数CAI所选择的调查站位数量至少为6个，调查站位设置为：大型底拖网调查船：平均拖速3.0kn/h，每站拖曳0.5-1h；网具规格：网口高度6±1m，囊网网目2±0.4cm；(2)小型双拖渔船：平均拖速3.0kn/h，每站拖曳0.5-1h；网具规格：网口高度6±1m，囊网网目2±0.4cm；
暴发水母种群异常波动对渔业资源的风险影响程度划分为四个等级：
(i)0.15＜CAI≤0.30；
(ii)0.30＜CAI≤0.45；
(iii)0.45＜CAI≤0.60；
(iv)0.60＜CAI；
其中，当暴发水母种群波动对渔业资源的风险影响等级为i级时，归类为暴发水母种群轻度异常波动，对渔业资源的风险影响轻度，标识色采用黄色；
当暴发水母种群异常波动对渔业资源的风险影响等级为ii级时，归类为暴发水母种群中度异常波动，对渔业资源的风险影响较严重，标识色采用橙黄色；
当暴发水母种群异常波动对渔业资源的风险影响等级为iii级时，归类为暴发水母种群高度异常波动，定义为水母暴发，对渔业资源的风险影响严重，标识色采用橙色；
当暴发水母种群异常波动对渔业资源的风险影响等级为iv级时，归类为暴发水母种群严重异常波动，定义为重度水母暴发，对渔业资源的风险影响非常严重，标识色采用红色。
CN202110758003.1A 2021-07-05 2021-07-05 暴发水母种群波动对渔业资源风险影响的量化评估方法 Active CN113554285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110758003.1A CN113554285B (zh) 2021-07-05 2021-07-05 暴发水母种群波动对渔业资源风险影响的量化评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110758003.1A CN113554285B (zh) 2021-07-05 2021-07-05 暴发水母种群波动对渔业资源风险影响的量化评估方法

Publications (2)

Publication Number Publication Date
CN113554285A CN113554285A (zh) 2021-10-26
CN113554285B true CN113554285B (zh) 2024-04-26

Family

ID=78102733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110758003.1A Active CN113554285B (zh) 2021-07-05 2021-07-05 暴发水母种群波动对渔业资源风险影响的量化评估方法

Country Status (1)

Country Link
CN (1) CN113554285B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101720682A (zh) * 2008-10-24 2010-06-09 中国科学院水生生物研究所 湖泊鳜鱼规模化养殖方法
CN106845097A (zh) * 2017-01-12 2017-06-13 上海海洋大学 一种多生境条件下鱼类资源的抽样方法
CN106991533A (zh) * 2017-04-07 2017-07-28 杭州火剧科技有限公司 预测影视作品投资风险的方法和服务器
CN111340643A (zh) * 2020-04-11 2020-06-26 黑龙江省林业科学院 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法
CN111340644A (zh) * 2020-04-11 2020-06-26 黑龙江省林业科学院 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法
CN111836905A (zh) * 2018-02-13 2020-10-27 特温斯特兰德生物科学有限公司 用于检测和评估基因毒性的方法和试剂
CN112613239A (zh) * 2020-11-24 2021-04-06 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心） 一种水母灾害预警模型的构建方法
CN112801471A (zh) * 2021-01-15 2021-05-14 江苏大学 入侵植物竞争优势度量化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10255574B2 (en) * 2012-08-14 2019-04-09 Prashant Kakade Systems and methods for business impact analysis and disaster recovery

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101720682A (zh) * 2008-10-24 2010-06-09 中国科学院水生生物研究所 湖泊鳜鱼规模化养殖方法
CN106845097A (zh) * 2017-01-12 2017-06-13 上海海洋大学 一种多生境条件下鱼类资源的抽样方法
CN106991533A (zh) * 2017-04-07 2017-07-28 杭州火剧科技有限公司 预测影视作品投资风险的方法和服务器
CN111836905A (zh) * 2018-02-13 2020-10-27 特温斯特兰德生物科学有限公司 用于检测和评估基因毒性的方法和试剂
CN111340643A (zh) * 2020-04-11 2020-06-26 黑龙江省林业科学院 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法
CN111340644A (zh) * 2020-04-11 2020-06-26 黑龙江省林业科学院 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法
CN112613239A (zh) * 2020-11-24 2021-04-06 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心） 一种水母灾害预警模型的构建方法
CN112801471A (zh) * 2021-01-15 2021-05-14 江苏大学 入侵植物竞争优势度量化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Hanguen Kim ; Jungmo Koo ; Donghoon Kim ; Sungwook Jung ; Jae-Uk Shin ; Serin Lee ; Hyun Myung .Image-Based Monitoring of Jellyfish Using Deep Learning Architecture.IEEE Sensors Journal.2016,第 2215 - 2216页. *
林香红 ; 郑莉 ; 高健.我国渔业科技发展现状及问题研究.海洋信息.2017,第58-64页. *
黄海南部大型水母暴发区中小型浮游动物生态特征;熊瑛;王云龙;汤建华;刘培廷;仲霞铭;吴磊;高银生;;生态学杂志;20091015(10);第2463-2468页 *

Also Published As

Publication number Publication date
CN113554285A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
Jiang et al. The seasonal and spatial variations of phytoplankton community and their correlation with environmental factors in a large eutrophic Chinese lake (Lake Chaohu)
CN110929592A (zh) 一种用于海上养殖区外边界的提取方法及系统
Guan et al. Monitoring, modeling and projection of harmful algal blooms in China
Sun et al. Disentangling effects of river inflow and marine diffusion in shaping the planktonic communities in a heavily polluted estuary
Wu et al. The spatial and temporal characteristics of harmful algal blooms in the southwest Bohai sea
Navas et al. Spatial modeling of environmental vulnerability of marine finfish aquaculture using GIS-based neuro-fuzzy techniques
Ferreira et al. Progressing aquaculture through virtual technology and decision-support tools for novel management
CN113554285B (zh) 暴发水母种群波动对渔业资源风险影响的量化评估方法
CN115186959A (zh) 一种面向海洋科考调查的海浪风险评估方法
Chen et al. Mapping the fishing intensity in the coastal waters off Guangdong province, China through AIS data
Feng et al. The study of identification of fishing vessel behavior based on VMS data
Tu et al. Biodiversity assessment in the near-shore waters of Tianjin city, China based on the Pressure-State-Response (PSR) method
Shao et al. Identifying priority areas of Four Major Chinese carps’ species in the Pearl River basin based on the MaxEnt model
Zahir et al. A review on monitoring, forecasting, and early warning of harmful algal bloom
CN116631169B (zh) 一种多功能海洋环境监测预警智能系统
CN116911661A (zh) 一种适用于黄河流域的水生态环境质量评价与监管体系
CN116502903A (zh) 基于层次分析法的底播扇贝养殖区选址适宜性评价方法
Vlamis et al. Climate influence on Dinophysis spp. spatial and temporal distributions in Greek coastal water
CN115239110A (zh) 一种基于改进topsis方法的通航风险评价方法
Mayerle et al. Spatial planning of marine finfish aquaculture facilities in Indonesia
Miswar et al. Analysis of social and economic aspects of management of marine and coastal resources based on EAFM (Ecosystem Approach to Fisheries Management) method in Banda Aceh City
Dabrowski et al. Ocean modelling for aquaculture and fisheries in Irish waters
Kaya et al. Characterization of Fisheries Violations From the Türkiye's Mediterranean Coasts Within the Scope of Fisheries Law No. 1380.
Qin et al. Suitable Area of Invasive Species Nitzschiella closterium under Climate Change Scenarios in China Sea Areas.
Ortiz Evaluation of temporal and spatial indicators of regime shifts in shallow lakes

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