CN113837534A - 一种基于栖息地特征的鱼类资源调查与评估方法 - Google Patents
一种基于栖息地特征的鱼类资源调查与评估方法 Download PDFInfo
- Publication number
- CN113837534A CN113837534A CN202110944658.8A CN202110944658A CN113837534A CN 113837534 A CN113837534 A CN 113837534A CN 202110944658 A CN202110944658 A CN 202110944658A CN 113837534 A CN113837534 A CN 113837534A
- Authority
- CN
- China
- Prior art keywords
- species
- habitat
- area
- fish
- grid
- 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
Links
- 238000011835 investigation Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 title claims abstract description 9
- 241000894007 species Species 0.000 claims abstract description 91
- 238000005070 sampling Methods 0.000 claims abstract description 49
- 241000251468 Actinopterygii Species 0.000 claims abstract description 28
- 238000011160 research Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000002028 Biomass Substances 0.000 claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000003205 fragrance Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000021120 animal protein Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于栖息地特征的鱼类资源调查与评估方法，属于水生生物资源开发与利用及保护生物学领域。所述方法依据研究区域的环境特征异同，划分出不同栖息地类型，合理选择调查样点，获取适应各种栖息地生境类型的样品，并依据面积‑丰度/重量对应关系计算鱼类多样性和生物量，结果更具代表性，更全面真实地反映调查区域的鱼类资源。该方法在样品采集最小投入背景下获取最大程度的代表性样品组成，可有效提高对研究区域的物种多样性和资源评估的精准度，完善了我国鱼类资源评估的技术研究体系。
Description
技术领域
本发明涉及一种基于栖息地特征的鱼类资源调查与评估方法，属 于水生生物资源开发与利用及保护生物学领域。
背景技术
随社会的经济发展需求，资源的有效保护和可持续性开发利用是 全球重要的研究课题。我国内陆水系发达，生物栖息地环境多样，孕 育了丰富的鱼类，是人类直接食用的动物蛋白质的重要来源。
对于鱼类资源的现状调查是合理利用的前提基础，鱼类资源调查 可以为评估鱼类种群数量、捕捞限额制度、确定禁渔区域和禁渔期时 间、发放养殖许可证、以及管理提供科学依据。鱼类资源调查方式以 现场捕获法为主，辅助以渔获物调查法、补充调查法等，其中现场样 点选择基本依据水系网结构和水环境控制单元进行初步设定，通过实 地踏勘确定调查采样区和样点。但在研究区域较大的情况下，过于密 集、过于疏散、等距等样点设置均有各自的缺陷：密集布点导致工作 量庞大，疏散布点使得样品采集不充分，等距布点的样品收集缺乏代 表性。
发明内容
本发明要解决的技术问题在于在于提供一种基于栖息地特征的 鱼类资源调查与评估方法，所述方法依据研究区域的环境特征异同， 划分出不同栖息地类型，合理选择调查样点，获取适应各种栖息地生 境类型的样品，并依据面积-丰度/重量对应关系计算鱼类多样性和生 物量，结果更具代表性，更全面真实地反映调查区域的鱼类资源。该 方法在样品采集最小投入背景下获取最大程度的代表性样品组成，可 有效提高对研究区域的物种多样性和资源评估的精准度，完善了我国 鱼类资源评估的技术研究体系，对于鱼类资源保护和可持续性利用具 有重要指导意义。
本发明的一种基于栖息地特征的鱼类资源调查与评估方法，该方 法具体包括如下步骤：
1)绘制调查区域环境特征图：对研究区域的数字地形数据进行 栖息地地质特征提取和拼接，对气象数据进行栖息地物理特征提取并 插值，对水质监测数据进行栖息地化学特征提取并插值；
2)区域网格化处理：按照调查区域面积，选取不同经纬度水平 进行区域网格化：1°×1°，0.5°×0.5°，0.25°×0.25°；
3)计算网格环境特征值：应用ArcGIS软件，对每个网格各栖息 地特征的最大值、最小值、均值、变幅、标准差进行求解；
4)构建研究区域环境数据表：以网格为行、栖息地特征为列， 构建网格-栖息地特征二维数据表；
5)判识栖息地类型：依据网格-栖息地特征二维数据表，以网格 为单元，应用单连接聚合聚类方法，参考预设工作量选取聚类相似性 指数标准(>60％)，进行聚类分析，得出不同栖息地类型；
6)计算栖息地面积：分别计算同一栖息地类型的网格内水面面 积，求和得出不同类型栖息地的水面面积；
7)选择代表性采样点：对应不同栖息地类型，每种类型至少选 取一个采样点根据栖息地类型面积大小和分布情况确定增加采样点 数；
8)样品数据获取：进行样品采集，记录采样时间和面积，按采 样点进行物种分类学鉴定，分别计量每个物种的数量，对同一物种内 每个个体进行称重；
9)构建物种分布表：以采样点为行、物种为列，分别构建物种 分布0-1(物种有无)、0-n(物种丰度)、0-w(物种重量)二维数据 表；
10)鱼类物种多样性计算：
丰富度指数S＝n
其中n为物种种类数；
香浓多样性指数H’＝-∑(Pi×lnPi)
其中Pi为i物种个体数占总个体数比例；
11)鱼类资源丰度计算：
依据面积-丰度曲线，计算研究区域的物种总丰度：
其中：采样点j中，i为物种，n为物种种类数，Ni为i物种的个 体数；Aj为采样点j的面积，At为采样点j所属栖息地类型的总面积， h为栖息地类型，m为总栖息地类型数；
12)资源生物量计算：
依据面积-生物量曲线，计算研究区域的物种总生物量：
其中：采样点j中，i为物种，n为物种种类数，Wi为i物种的重 量；Aj为采样点j的面积，At为采样点j所属栖息地类型的总面积，h 为栖息地类型，m为总栖息地类型数。
进一步，所述的地质特征提取包括经度、维度和海拔数据；
进一步，将地理坐标系转换为投影坐标系。
进一步，所述的物理特征提取为获取包括温度、降水、水深和浊 度在内的信息。
进一步，所述化学特征提取为获取研究区域内水质监测站点数据， 包括酸碱度、硬度和碱度。
进一步，所述的计算网格环境特征值，打开网格的属性表，添加 如下字段：网格编号(ID)，经度(Longitude)，纬度(Latitude)，进 行地理计算各个网格中心的经纬度坐标。
本发明与现有技术相比的有益效果：
本方法充分考虑到栖息地-生物之间关系，采用以栖息地特征为 指导的采样点设计，可最大程度上反应研究区域的鱼类多样性及资源 状况。在同等采样努力量的情况下显著优于随机布点、等距布点等传 统方法，结果更趋真实有效。对区系研究、多样性保护、保护区选址、 资源开发与利用等提供科学依据并具有实践指导作用。本方法充分考 虑到栖息地-生物之间关系，采用以栖息地特征为指导的采样点设计， 可最大程度上反应研究区域的鱼类多样性及资源状况。在同等采样努 力量的情况下显著优于随机布点、等距布点等传统方法，结果更趋真 实有效。对区系研究、多样性保护、保护区选址、资源开发与利用等提供科学依据并具有实践指导作用。
附图说明
图1.研究区域环境特征示意图。a.海拔；b.温度；c.硬度；
图2.研究区域网格图。a.网格划分图：数字表示网格号；b.样 点设计图：数字表示栖息地类型，黑色圆点表示采样点。
具体实施方式
下面通过实施例结合附图来对本发明的技术方案做进一步解释， 但本发明的保护范围不受实施例任何形式上限制。
实施例1
一种基于栖息地特征的鱼类资源调查与评估方法，本实施例通过 对调查区闽江流域内环境栖息地地质、物理、化学多维特征进行聚类， 划分出不同栖息地类型，合理选择代表性调查样点，获取覆盖多种栖 息地类型的样品，更全面真实地反映调查区域的鱼类物种多样性和资 源。
1)绘制调查区域环境特征图：
A、地质特征提取：从NASA(2020年2月18日发布)下载覆盖 研究区域的DEM数据(精度30m)，进行地形地貌分析。主要包括：
使用ArcGIS 10.0打开DEM数据(hgt文件)，选择像素类型 16_BIT_SIGNED，拼接为一个完整的tif文件，提取经度、维度、海拔 数据；
将地理坐标系(以degree为单位)转换为投影坐标系(以meter 为单位)：根据所在区域的中央经度数据计算通用横轴墨卡托(UTM, Universal Transverse Mercator)的投影参数：带号＝(经度整数位/6)的整 数部分+31，提取坡度数据；
B、物理特征提取：从中国气象数据网(http://data.cma.cn)申 请获取气象数据产品，在ArcMap中打开气象站点经纬度信息和气候 数据，主要包括：温度、降水、水深、浊度；
应用ArcGIS的Geostatistical Analyst模块进行Kriging插值分析， 得出结果，输出为栅格Raster文件；
C、化学特征提取：获取研究区域内水质监测站点数据，主要包 括：酸碱度、硬度、碱度；
应用Arcmap进行反距离权重(IDW)插值分析，得出结果，输出 为栅格Raster文件；
D、按照地图制图要求，选择色彩、设置图例、比例尺等，绘制 地质特征空间特征图(图1)；
2)区域网格化处理：
设定采样区域经纬度范围，按精度0.5°×0.5°标准，运用ArcGIS 生成fishnet网格，共生成含水系分布的网格68个(图2a)；
3)计算网格环境特征值：
打开网格的属性表，添加如下字段：网格编号(ID)，经度 (Longitude)，纬度(Latitude)，进行地理计算各个网格中心的经纬 度坐标；
打开需要提取数据的栅格文件，使用ArcGIS的Spatial Analyst Tools按网格计算各个环境特征，主要包括：最大值、最小值、均值、 变幅、标准差；
4)构建研究区域环境数据表
将网格环境特征数据以ID为行、栖息地特征为列，导出网格-栖 息地特征二维数据表，表格设计如表1所示。
表1.网格-栖息地特征二维数据表
5)判识栖息地类型：
应用R软件对网格-栖息地特征二维数据表进行聚类分析，采用 单连接聚合聚类(Single linkage agglomerative clustering)法，依据最 短的成对距离(或最大的相似性)聚合网格，得出聚类分析树；
选取聚类相异性指数75％为标准，划分聚类组数，共得到8组类 型栖息地，
绘制栖息地空间分布图(图2b)；
6)计算栖息地面积：
从中科院资源环境数据中心获取研究区域遥感影像数据，对同一 栖息地类型内每个网格内的水系面积进行计算，对此类栖息地类型水 域面积求和；
7)选择代表性采样点：
对每种栖息地类型选取至少一个采样点，对面积较大的某一类型 栖息地，或者以分散状态分布的某一类型栖息地可适宜增加采样点数， 本次采样共选取16个采样点，其中栖息地类型1、2、3、4各有3 个采样点，栖息地类型5、6、7、8各有1个采样点(图2)，构建采 样点栖息地特征数据表，如表2所示：
表2.采样点栖息地特征数据表
8)样品数据获取：
每个点采样面积根据实际水面宽度而定，为50-100m2，采样时 间持续1小时
对采集的样品依照《中国动物志》进行物种分类学鉴定，并使用 Catalog ofFishes数据库进行分类信息校正；
计量每个采样点每个物种的数量；
称量每个采样点每个物种的每个个体的重量，精确到0.1g；
9)构建物种分布表：
以采样点为行，物种为列，构建物种分布0-1(物种有无)、0-n(物 种丰度，尾)、0-W(物种生物量，克)二维数据表，表格设计如表3 所示：
表3.物种分布表
10)鱼类物种多样性计算：
A、计算每个采样点的物种多样性，包括：
物种丰富度Sj＝nj；
其中j为站点，nj为物种种类数；
香浓多样性指数H’j＝-∑Pi×LnPi；
其中Pi为i物种个体数占总个体数比例；各个采样点的物种丰富 度和香浓多样性见表4所示。
表4.各个采样点的物种丰富度和香浓多样性
| 样点 | 物种丰富度(尾) | 香浓多样性 |
| 1-1 | 16 | 2.158 |
| 1-2 | 9 | 1.867 |
| 1-3 | 5 | 0.945 |
| 2-1 | 13 | 2.296 |
| 2-2 | 11 | 1.930 |
| 2-3 | 5 | 1.335 |
| 3-1 | 13 | 1.890 |
| 3-2 | 6 | 1.276 |
| 3-3 | 10 | 1.509 |
| 4-1 | 4 | 0.837 |
| 4-2 | 4 | 1.386 |
| 4-3 | 6 | 1.297 |
| 5-1 | 5 | 0.945 |
| 6-1 | 10 | 1.847 |
| 7-1 | 9 | 1.911 |
| 8-1 | 15 | 2.256 |
B、汇总每一类型栖息地的样品，计算栖息地类型的物种多样性， 包括：
物种丰富度Sh＝nh；
其中h为栖息地类型，nh为物种种类数；
香浓多样性指数H’h＝-∑Pi×LnPi；
其中Pi为i物种个体数占总个体数比例；
各个栖息地的物种丰富度和香浓多样性见表5所示。
表5.各个栖息地的物种丰富度和香浓多样性
| 栖息地类型 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 物种丰富度(尾) | 30 | 29 | 29 | 14 | 5 | 10 | 9 | 15 |
| 香浓多样性 | 2.646 | 2.590 | 2.242 | 1.876 | 0.945 | 1.847 | 1.911 | 2.256 |
C、汇总研究区域采集的所有样品，计算总物种多样性，包括：
丰富度指数S＝n
其中n为物种总种类数；
香浓多样性指数H’＝-∑Pi×LnPi；
其中Pi为i物种个体数占总个体数比例；
物种丰富度43(尾)，香浓多样性3.048。
11)鱼类资源丰度计算：
A、计算采样点j的物种丰度：
其中i为物种，n为物种数，Ni为i物种的个体数；各采样点的 物种丰富度见表6所示。
表6.各采样点的物种丰富度
| 样点 | 1-1 | 1-2 | 1-3 | 2-1 | 2-2 | 2-3 | 3-1 | 3-2 | 3-3 | 4-1 | 4-2 | 4-3 | 5-1 | 6-1 | 7-1 | 8-1 |
| 物种丰富度(尾) | 111 | 78 | 34 | 34 | 89 | 17 | 86 | 23 | 55 | 12 | 4 | 41 | 34 | 50 | 127 | 156 |
B、依据面积-丰度曲线关系，计算同一栖息地类型的物种总丰度：
其中Aj为采样点j的面积，At为采样点j所属栖息地类型的总面 积；
各栖息地的物种丰富度如表7所示。
表7.各栖息地的物种丰富度
| 栖息地类型 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 物种丰富度(尾) | 722889 | 6701 | 635641 | 53115 | 1916 | 989 | 2000 | 1154 |
C、计算研究区物种总丰度：
其中h为栖息地类型，m为总栖息地类型数；
最后获得研究区物种总丰富度1424407(尾)。
步骤12：资源生物量计算
A、计算采样点j的物种生物量：
其中i为物种，n为物种数，Wi为i物种的所有个体的总重量；
各采样点的资源生物量见表8所示。
表8.各采样点的资源生物量
| 样点 | 1-1 | 1-2 | 1-3 | 2-1 | 2-2 | 2-3 | 3-1 | 3-2 | 3-3 | 4-1 | 4-2 | 4-3 | 5-1 | 6-1 | 7-1 | 8-1 |
| 生物量(克) | 417 | 191 | 30 | 1109 | 450 | 888 | 249 | 879 | 412 | 39 | 9 | 106 | 30 | 689 | 320 | 636 |
B、依据面积-生物量曲线关系，计算同一栖息地类型的物种生物 量：
其中Aj为采样点j的面积，At为采样点j所属栖息地类型的总面 积；各个栖息地的物种生物量见表9所示。
表9.各个栖息地的物种生物量
| 栖息地类型 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 物种生物量(克) | 1537586 | 54660 | 3264014 | 27071 | 567 | 6814 | 6391 | 7336 |
C、计算研究区物种总生物量：
其中h为栖息地类型，m为总栖息地类型数。最后获得研究区物 种总生物量4904439(克)。
Claims (6)
1.一种基于栖息地特征的鱼类资源调查与评估方法，其特征在于所述方法具体包括如下步骤：
1)绘制调查区域环境特征图：对研究区域的数字地形数据进行栖息地地质特征提取和拼接，对气象数据进行栖息地物理特征提取并插值，对水质监测数据进行栖息地化学特征提取并插值；
2)区域网格化处理：按照调查区域面积，选取不同经纬度水平进行区域网格化：1°×1°，0.5°×0.5°，0.25°×0.25°；
3)计算网格环境特征值：应用ArcGIS软件，对每个网格各栖息地特征的最大值、最小值、均值、变幅、标准差进行求解；
4)构建研究区域环境数据表：以网格为行、栖息地特征为列，构建网格-栖息地特征二维数据表；
5)判识栖息地类型：依据网格-栖息地特征二维数据表，以网格为单元，应用单连接聚合聚类方法，参考预设工作量选取聚类相似性指数标准，相似度>60％，进行聚类分析，得出不同栖息地类型；
6)计算栖息地面积：分别计算同一栖息地类型的网格内水面面积，求和得出不同类型栖息地的水面面积；
7)选择代表性采样点：对应不同栖息地类型，每种类型至少选取一个采样点根据栖息地类型面积大小和分布情况确定增加采样点数；
8)样品数据获取：进行样品采集，记录采样时间和面积，按采样点进行物种分类学鉴定，分别计量每个物种的数量，对同一物种内每个个体进行称重；
9)构建物种分布表：以采样点为行、物种为列，分别构建物种分布0-1表述物种有无、0-n表示物种丰度、0-w表示物种重量二维数据表；
10)鱼类物种多样性计算：
丰富度指数S＝n
其中n为物种种类数；
香浓多样性指数H′＝-∑(Pi×lnPi)
其中Pi为i物种个体数占总个体数比例；
11)鱼类资源丰度计算：
依据面积-丰度曲线，计算研究区域的物种总丰度：
其中：采样点j中，i为物种，n为物种种类数，Ni为i物种的个体数；Aj为采样点j的面积，At为采样点j所属栖息地类型的总面积，h为栖息地类型，m为总栖息地类型数；
12)资源生物量计算：
依据面积-生物量曲线，计算研究区域的物种总生物量：
其中：采样点j中，i为物种，n为物种种类数，Wi为i物种的重量；Aj为采样点j的面积，At为采样点j所属栖息地类型的总面积，h为栖息地类型，m为总栖息地类型数。
2.根据权利要求1所述的方法，其特征在于所述的地质特征提取包括经度、维度和海拔数据。
3.根据权利要求1所述的方法，其特征在于将地理坐标系转换为投影坐标系。
4.根据权利要求1所述的方法，其特征在于所述的物理特征提取为获取包括温度、降水、水深和浊度在内的信息。
5.根据权利要求1所述的方法，其特征在于所述化学特征提取为获取研究区域内水质监测站点数据，包括酸碱度、硬度和碱度。
6.根据权利要求1所述的方法，其特征在于所述的计算网格环境特征值，打开网格的属性表，添加如下字段：网格编号、经度和纬度，进行地理计算各个网格中心的经纬度坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110944658.8A CN113837534B (zh) | 2021-08-17 | 2021-08-17 | 一种基于栖息地特征的鱼类资源调查与评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110944658.8A CN113837534B (zh) | 2021-08-17 | 2021-08-17 | 一种基于栖息地特征的鱼类资源调查与评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113837534A true CN113837534A (zh) | 2021-12-24 |
| CN113837534B CN113837534B (zh) | 2023-11-24 |
Family
ID=78960658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110944658.8A Active CN113837534B (zh) | 2021-08-17 | 2021-08-17 | 一种基于栖息地特征的鱼类资源调查与评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837534B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116235807A (zh) * | 2023-03-14 | 2023-06-09 | 中国水产科学研究院珠江水产研究所 | 一种鱼类多样性保护的研究方法 |
Citations (7)
| 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 |
| 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 |
| CN107563610A (zh) * | 2017-08-14 | 2018-01-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种闸坝调控对鱼类栖息地空间特性影响的量化分析方法 |
| CN107609290A (zh) * | 2017-09-22 | 2018-01-19 | 长江水利委员会长江科学院 | 一种以底栖生物多样性为目标的河流生态流量确定方法 |
| CN109615076A (zh) * | 2018-12-13 | 2019-04-12 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种面向鱼类生境保护的河流生态流量过程推求方法 |
| CN109657940A (zh) * | 2018-12-05 | 2019-04-19 | 北京师范大学 | 基于鱼类响应确定栖息地生态系统恢复因子优先级的方法 |
| US20200250712A1 (en) * | 2017-11-02 | 2020-08-06 | Fujitsu Limited | Animal habitat value evaluation system, animal habitat value evaluation method, and computer-readable recording medium recording animal habitat value evaluation program |
-
2021
- 2021-08-17 CN CN202110944658.8A patent/CN113837534B/zh active Active
Patent Citations (7)
| 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 |
| 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 |
| CN107563610A (zh) * | 2017-08-14 | 2018-01-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种闸坝调控对鱼类栖息地空间特性影响的量化分析方法 |
| CN107609290A (zh) * | 2017-09-22 | 2018-01-19 | 长江水利委员会长江科学院 | 一种以底栖生物多样性为目标的河流生态流量确定方法 |
| US20200250712A1 (en) * | 2017-11-02 | 2020-08-06 | Fujitsu Limited | Animal habitat value evaluation system, animal habitat value evaluation method, and computer-readable recording medium recording animal habitat value evaluation program |
| CN109657940A (zh) * | 2018-12-05 | 2019-04-19 | 北京师范大学 | 基于鱼类响应确定栖息地生态系统恢复因子优先级的方法 |
| CN109615076A (zh) * | 2018-12-13 | 2019-04-12 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种面向鱼类生境保护的河流生态流量过程推求方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙志毅;: "基于栖息地生态适宜度指数模型的河流鱼类生境模拟分析", 水利规划与设计, no. 06, pages 89 - 93 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116235807A (zh) * | 2023-03-14 | 2023-06-09 | 中国水产科学研究院珠江水产研究所 | 一种鱼类多样性保护的研究方法 |
| CN116235807B (zh) * | 2023-03-14 | 2024-04-30 | 中国水产科学研究院珠江水产研究所 | 一种鱼类多样性保护的研究方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113837534B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lyons et al. | Monitoring large and complex wildlife aggregations with drones | |
| Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
| LaGro | Assessing patch shape in landscape mosaics | |
| Hietel et al. | Statistical modeling of land-cover changes based on key socio-economic indicators | |
| Paul et al. | Investigating the influence of roughness length for heat transport (zoh) on the performance of SEBAL in semi-arid irrigated and dryland agricultural systems | |
| CN108153861B (zh) | 基于gis的河口渔业资源集群分布分析方法 | |
| CN110580474B (zh) | 一种基于多源数据的农田重金属高风险区遥感快速识别方法 | |
| Perzia et al. | Swordfish monitoring by a GIS-based spatial and temporal distribution analysis on harpoon fishery data: A case of study in the central Mediterranean Sea | |
| Bertin et al. | Effects of wind‐driven spatial structure and environmental heterogeneity on high‐altitude wetland macroinvertebrate assemblages with contrasting dispersal modes | |
| Pei et al. | An improved phenology-based CASA model for estimating net primary production of forest in central China based on Landsat images | |
| Yang et al. | Remote-sensing monitoring of grassland degradation based on the GDI in Shangri-La, China | |
| Yu et al. | Multi-temporal remote sensing of land cover change and urban sprawl in the coastal city of Yantai, 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 | |
| CN113837534B (zh) | 一种基于栖息地特征的鱼类资源调查与评估方法 | |
| Hao et al. | Methodology for optimizing quadrat size in sparse vegetation surveys: A desert case study from the Tarim Basin | |
| Zhang et al. | A method for calculating the leaf inclination of soybean canopy based on 3D point clouds | |
| Chemin et al. | Spatiotemporal fusion of rice actual evapotranspiration with genetic algorithms and an agrohydrological model | |
| Amici et al. | Effects of an afforestation process on plant species richness: a retrogressive analysis | |
| McGillicuddy Jr et al. | Evaluating the synopticity of the US GLOBEC Georges Bank broad-scale sampling pattern with observational system simulation experiments | |
| Valavanis et al. | Marine GIS: identification of mesoscale oceanic thermal fronts | |
| Xu et al. | Spatiotemporal distribution of cage and raft aquaculture in China's offshore waters using object-oriented random forest classifier | |
| Ping et al. | Oceanic primary production estimation based on machine learning | |
| CN114970934A (zh) | 一种基于特征集成学习的土壤厚度类型预测方法 | |
| Little | Sampling and analyzing wetland vegetation | |
| Zhao et al. | Impacts of LiDAR sampling methods and point spacing density on DEM generation |
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 |