CN114897383A - 一种基于数据填补的渔情数据处理方法 - Google Patents

一种基于数据填补的渔情数据处理方法 Download PDF

Info

Publication number
CN114897383A
CN114897383A CN202210554107.5A CN202210554107A CN114897383A CN 114897383 A CN114897383 A CN 114897383A CN 202210554107 A CN202210554107 A CN 202210554107A CN 114897383 A CN114897383 A CN 114897383A
Authority
CN
China
Prior art keywords
data
environmental
filling
chl
sst
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.)
Pending
Application number
CN202210554107.5A
Other languages
English (en)
Inventor
范江涛
陈作志
周星星
冯雪
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.)
South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
Original Assignee
South China Sea Fisheries Research Institute Chinese Academy 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 South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences filed Critical South China Sea Fisheries Research Institute Chinese Academy Fishery Sciences
Priority to CN202210554107.5A priority Critical patent/CN114897383A/zh
Publication of CN114897383A publication Critical patent/CN114897383A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • 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

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

Abstract

本发明公开了一种基于数据填补的渔情数据处理方法，包括以下步骤：S1：收集环境数据；S2：基于时间分辨率和反距离权重插值法对环境数据进行填补；S3：对填补后的环境数据进行分类，检测异常数据并进行填补；S4：基于环境数据，建立适宜性指数值模型和栖息地综合指数模型，获得环境因子的最适值。本发明的有益效果是：能检测并优化环境数据空缺值和异常值，获得环境因子的最适值。

Description

一种基于数据填补的渔情数据处理方法
技术领域
本发明涉及渔情数据处理技术领域，特别涉及一种基于数据填补的渔情数据处理方法。
背景技术
因为寒暖流交汇，使海水发生扰动，上泛的海水将营养盐类带到海洋表层，使浮游生物繁盛，进而为鱼类提供丰富的饵料，渔业资源丰富。另外寒暖流交汇可产生“水障”，阻止鱼群游动，由于这些原因形成大的渔场。渔场生物对海洋环境的变动较为敏感，其栖息地环境的变化直接影响其分布和产量，掌握栖息环境和变化规律既可以有效的指导生产，降低生产成本，提高捕捞效率，通过有限且有效的数据掌握栖息环境和变化规律是很有必要的。
现有技术中，渔场通过传感装置等途径获取的数据会出现部分空缺值，这些问题数据轻则影响模型运行效率，重则影响运行结果，常用的处理方法为删除空缺值，但是这种方法最大的局限就是它是以减少历史数据来换取数据的完备，会造成资源的大量浪费，尤其在数据集本身就少的情况下，删除记录可能会直接影响分析结果的客观性和准确性。
例如，一种在中国专利文献上公开的“一种鳀冬季渔场模型筛选预测方法”，其公告号：CN111523732A，其申请日：2020年04月25日，该发明选择预测鳀鱼分布的环境因子；对环境因子进行时空尺度的设置，得到环境数据；将每个特定日期的环境数据与渔业数据进行匹配，以获得渔业捕捞位置和环境数据对应的渔业捕捞数据库；使用逐步增加环境因子的方法构建GLM、GAM和RF三种预测模型，并从每个预测模型中选择最佳模型；从GLM、GAM和RF三种预测模型的最佳模型中选择出终极最佳鳀渔场的预测模型；根据终极最佳渔场的预测模型预测鳀冬季渔场分布，但是存在不能对空缺值进行处理且不能获得环境因子的最适值的问题。
发明内容
针对现有技术不能对空缺值进行处理且不能获得环境因子的最适值的不足，本发明提出了一种基于数据填补的渔情数据处理方法，能检测并优化环境数据空缺值和异常值，获得环境因子的最适值。
以下是本发明的技术方案，一种基于数据填补的渔情数据处理方法，包括以下步骤：
S1：收集环境数据；
S2：基于时间分辨率和反距离权重插值法对环境数据进行填补；
S3：对填补后的环境数据进行分类，检测异常数据并进行填补；
S4：基于环境数据，建立适宜性指数值模型和栖息地综合指数模型，获得环境因子的最适值。
本方案中，基于时间分辨率和反距离权重插值法对环境数据进行填补，对填补后的环境数据进行分类，检测异常数据并进行填补，处理环境数据的空缺值和异常值，基于环境数据，建立适宜性指数值模型和栖息地综合指数模型，获得环境因子的最适值，处理后的环境数据具有正确性和完备性，提高模型的精度，从而提高环境因子的精度。
作为优选，所述环境数据通过遥感影像进行获取。
本方案中，通过遥感影像获取环境数据，降低环境数据获取的难度，提高环境数据的精度，从而保证模型输出的精度。
作为优选，稳定性较强的环境数据选择更大时间尺度获取有效数据进行填补，实时性较强的环境数据选择拉长步长的长度获取有效数据进行填补，若仍存在空值采用反距离权重插值法进行填补。
本方案中，稳定性较强的环境数据选择更大时间尺度的有效数据进行填补，因为稳定性较强的数据短时间内变化较低，选择更大的时间尺度有利于快速准确找到有效数据，实时性较强的环境数据选择拉长步长的长度获取有效数据进行填补，因为实时性较强的数据短时间内变化较快，通过拉长步长的长度有利于快速准确地找到有效数据，若仍存在空值采用反距离权重插值法进行填补，一般来说通过改变时间分辨率的处理数据不会出现仍有空缺值的情况，为了确保环境数据的准确性，使用反距离权重插值法对空缺值进行填补，进一步保证环境数据的有效性和准确性。
作为优选，同时使用聚类算法和Z分数检测算法对所述环境数据进行异常数据筛选，清空所述异常数据后使用支持向量回归算法对所述异常数据进行填补。
本方案中，通过聚类算法将环境数据进行分类，数据量较大的类别数据为正常数据，数据量较小的类别数据为异常数据，使用Z分数检测算法检测各个环境数据的指标的异常值情况，单独使用聚类算法或Z分数检测算法进行异常数据筛选存在一定的误差，但同时使用聚类算法和Z分数检测算法对环境数据进行异常数据筛选，筛选出的异常数据准确性较高。将该异常数据清空，使用支持向量回归算法对该异常数据进行填补，保证环境数据的有效性和准确性。
作为优选，所述适宜性指数值模型如下：
Figure BDA0003654203860000021
式中，SIi为各环境因子的适宜性指数值，C为该时空方案下的捕捞渔获量，Cmax为该时空方案下的最大单位捕捞渔获量，i为环境因子。
作为优选，所述环境因子包括海表温度距平指数、海表面温度和叶绿素浓度。
本方案中，栖息地综合指数的环境因子主要为海表温度距平指数、海表面温度和叶绿素浓度。
作为优选，基于季节建立环境因子的适宜性指数值模型，春季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-8.926×(SST-30.676)2)；
SISSTA＝EXP(-11.125×(SSTA-1.054)2)；
SICHL＝EXP(-7310.241×(CHL-0.071)2)；
夏季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-20.191×(SST-30.191)2)；
SISSTA＝EXP(-37.899×(SSTA-1.050)2)；
SICHL＝EXP(-1261.593×(CHL-0.233)2)；
秋季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-31.082×(SST-29.035)2)；
SISSTA＝EXP(-12.429×(SSTA-1.130)2)；
SICHL＝EXP(-214.695×(CHL-0.140)2)；
冬季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-6.265×(SST-27.341)2)；
SISSTA＝EXP(-5.198×(SSTA-0.880)2)；
SICHL＝EXP(-28883.236×(CHL-0.190)2)；
式中，SISST为海表面温度的适宜性指数值模型，SISSTA为海表温度距平指数的适宜性指数值模型，SICHL为叶绿素浓度的适宜性指数值模型，SST为海表面温度，SSTA为海表温度距平指数的，CHL为叶绿素浓度。
本方案中，不同季节的环境因子的适宜性指数值模型不同。春季SST最适值为30.68℃，最适范围为30.40～30.90℃，SSTA最适值为1.054℃，最适范围为0.84～1.27℃，CHL最适值为0.07mg/m3，最适范围为0.06～0.08mg/m3；夏季SST最适值为30.19℃，最适范围为30.05～30.35℃，SSTA最适值为1.05℃，最适范围为0.94～1.17℃，CHL最适值为0.23mg/m3，最适范围为0.21～0.25mg/m3；秋季SST最适值为29.03℃，最适范围为28.90～29.15℃，SSTA最适值为1.13℃，最适范围为0.93～1.32℃，CHL最适值为0.14mg/m3，最适范围为0.09～0.19mg/m3；冬季SST最适值为27.34℃，最适范围为27.07～27.63℃，SSTA最适值为0.88℃，最适范围为0.58～1.18℃，CHL最适值为0.19mg/m3，最适范围为0.18～0.19mg/m3。
作为优选，所述栖息地综合指数模型如下：
Figure BDA0003654203860000041
式中，HSI为栖息地综合指数，SISST为海表面温度的适宜性指数值，SISSTA为海表温度距平的适宜性指数值，SICHL叶绿素浓度的适宜性指数值。
作为优选，在适宜性指数值接近1时获取所述环境因子的最适值，在栖息地综合指数大于或等于0.6时获取最适值范围。
本方案中，保证环境因子的最适値和最适値范围的准确性和有效性。
本发明的有益效果是：能检测并优化环境数据空缺值和异常值，获得环境因子的最适值。
附图说明
图1本发明一种基于数据填补的渔情数据处理方法的流程图。
图2本发明一种基于数据填补的渔情数据处理方法的环境数据填补流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：如图1和图2所示，一种基于数据填补的渔情数据处理方法，包括以下步骤：
S1：收集环境数据。
S2：基于时间分辨率和反距离权重插值法对环境数据进行填补。
S3：对填补后的环境数据进行分类，检测异常数据并进行填补。
S4：基于环境数据，建立适宜性指数值模型和栖息地综合指数模型，获得环境因子的最适值。
S1：收集环境数据。
具体的，环境数据包括海洋环境数据、海表生物数据和海表非生物数据。由于鱼群对海洋生态环境具有极大的依赖性，水温、海流、风场、盐度等海洋环境数据及其变化控制着鱼类的生存、繁殖、洄游、分布，影响着中心渔场性质、渔汛早晚和捕获量，因此可以利用卫星遥感技术对海表生物数据和非生物数据进行连续的大范围、快速、同步地采集，从而评估海洋生态资源量和生态环境，监测各海区的作业船只以了解实际的渔获量，合理开发与管理渔业资源。其中，海表生物数据包括：叶绿素浓度、荧光和初级生产力，海表非生物数据包括：流、涡、水温、风、波浪、海面高度和透明度。由于云层遮挡、大气折射、电离层延迟和海况影响，遥感影像反演出的数据会出现部分空缺值，这些问题数据轻则影响模型运行效率，重则影响运行结果，因此数据缺失值处理工作必不可少。
S2：基于时间分辨率和反距离权重插值法对环境数据进行填补。
具体的，基于时间分辨率和反距离权重插值法对环境数据进行填补，根据不同环境因子的特性和用途，选择反距离权重插值法与降低时间分辨率的先后顺序，可以提高空缺值填补的准确度。此外，由于环境数据是对遥感影像进行再分析，反演出的数据呈均匀分布的矩阵，因此适用于反距离权重插值法。对于稳定性较强的数据，例如叶绿素浓度(Chlorophyl，Chl)和初级生产力，这类数据一定时间内变化较小，在数据出现空缺时优先选择时间尺度更大的数据进行填补。原时间分辨率为天的数据，考虑采用时间分辨率为3天的数据进行填补；原时间分辨率为3天的数据，考虑采用时间分辨率为周的数据进行填补；原时间分辨率为周的数据，考虑采用时间分辨率为月的数据进行填补。如数据还有空缺，则采用反距离权重插值法进行空间插值进而填补数据。对于实时性较强的数据，例如海表面盐度、海表面温度(Sea Surface Temperature,SST)和海表面高度，这类数据短时间内可能存在较大的变化，因此在两倍步长范围内存在大于或等于两个有效值时，采用空间插值的方法对数据进行填补，若不满足前提条件，则拉长步长的长度，直至在两倍步长范围内存在大于或等于两个有效值，采用反距离权重插值法对数据进行填补。
S3：对填补后的环境数据进行分类，检测异常数据并进行填补。
具体的，通过聚类算法将环境数据进行分类，数据量较大的类别数据为正常数据，数据量较小的类别数据为异常数据，使用Z分数检测算法检测各个环境数据的指标的异常值情况，单独使用聚类算法或Z分数检测算法进行异常数据筛选存在一定的误差，但同时使用聚类算法和Z分数检测算法对环境数据进行异常数据筛选，筛选出的异常数据准确性较高。将该异常数据清空，使用支持向量回归算法对该异常数据进行填补。
在对用于预测或验证的环境数据进行填补时，只需将环境数据填补至一定的比例即可，利用部分的环境数据得到部分渔场点数据，而整个渔场数据则由达到了一定比例的渔场点数据进行空间插值得到。
S4：基于环境数据，建立适宜性指数值模型和栖息地综合指数模型，获得环境因子的最适值。
具体的，环境数据经过缺失值填补和异常值处理后，具有较高的真实性，基于环境数据建立模型，用于分析渔场的适宜性。
建立各环境因子的适宜性指数值计算，算式如下：
Figure BDA0003654203860000061
式中，SIi为各环境因子的适宜性指数值，C为该时空方案下的捕捞渔获量，Cmax为该时空方案下的最大单位捕捞渔获量，i为环境因子。SIi的取值范围为0-1，SIi值为1时，该时空方案下的捕捞渔获量最高的海域则认为是鸢乌贼资源最丰富的海域，即其适宜性最好；SIi值为0时，该时空方案下的捕捞渔获量最低的海域则是认为是鸢乌贼资源最贫瘠的海域。
分别建立适宜性指数值与海表温度距平指数(Sea SurfaceTemperatureAnomalies，SSTA)、海表面温度和叶绿素浓度的一元非线性回归关系模型，如表1所示。
春季不同环境因子的适宜性指数值模型如下：
SISST＝EXP(-8.926×(SST-30.676)2)；
SISSTA＝EXP(-11.125×(SSTA-1.054)2)；
SICHL＝EXP(-7310.241×(CHL-0.071)2)；
式中，SISST为海表面温度的适宜性指数值模型，SISSTA为海表温度距平指数的适宜性指数值模型，SICHL为叶绿素浓度的适宜性指数值模型，SST为海表面温度，SSTA为海表温度距平指数的，CHL为叶绿素浓度。
夏季不同环境因子的适宜性指数值模型如下：
SISST＝EXP(-20.191×(SST-30.191)2)；
SISSTA＝EXP(-37.899×(SSTA-1.050)2)；
SICHL＝EXP(-1261.593×(CHL-0.233)2)；
式中，SISST为海表面温度的适宜性指数值模型，SISSTA为海表温度距平指数的适宜性指数值模型，SICHL为叶绿素浓度的适宜性指数值模型，SST为海表面温度，SSTA为海表温度距平指数的，CHL为叶绿素浓度。
秋季不同环境因子的适宜性指数值模型如下：
SISST＝EXP(-31.082×(SST-29.035)2)；
SISSTA＝EXP(-12.429×(SSTA-1.130)2)；
SICHL＝EXP(-214.695×(CHL-0.140)2)；
式中，SISST为海表面温度的适宜性指数值模型，SISSTA为海表温度距平指数的适宜性指数值模型，SICHL为叶绿素浓度的适宜性指数值模型，SST为海表面温度，SSTA为海表温度距平指数的，CHL为叶绿素浓度。
冬季不同环境因子的适宜性指数值模型如下：
SISST＝EXP(-6.265×(SST-27.341)2)；
SISSTA＝EXP(-5.198×(SSTA-0.880)2)；
SICHL＝EXP(-28883.236×(CHL-0.190)2)；
式中，SISST为海表面温度的适宜性指数值模型，SISSTA为海表温度距平指数的适宜性指数值模型，SICHL为叶绿素浓度的适宜性指数值模型，SST为海表面温度，SSTA为海表温度距平指数的，CHL为叶绿素浓度。
表1：最适时空尺度下环境因子的适宜性指数值模型。
Figure BDA0003654203860000071
采用几何平均法计算栖息地综合指数，其计算公式如下：
Figure BDA0003654203860000072
式中，HSI为栖息地综合指数，SISST为海表面温度的适宜性指数值，SISSTA为海表温度距平的适宜性指数值，SICHL叶绿素浓度的适宜性指数值。
各季节的各环境因子的最适值在SI接近于1时取得，最适值范围在HSI大于或等于0.6时取得。理论值与实际值的差值小于0.3，即认为结果准确，否则结果不准确。春季SST最适值为30.68℃，最适范围为30.40～30.90℃，SSTA最适值为1.054℃，最适范围为0.84～1.27℃，CHL最适值为0.07mg/m3，最适范围为0.06～0.08mg/m3；夏季SST最适值为30.19℃，最适范围为30.05～30.35℃，SSTA最适值为1.05℃，最适范围为0.94～1.17℃，CHL最适值为0.23mg/m3，最适范围为0.21～0.25mg/m3；秋季SST最适值为29.03℃，最适范围为28.90～29.15℃，SSTA最适值为1.13℃，最适范围为0.93～1.32℃，CHL最适值为0.14mg/m3，最适范围为0.09～0.19mg/m3；冬季SST最适值为27.34℃，最适范围为27.07～27.63℃，SSTA最适值为0.88℃，最适范围为0.58～1.18℃，CHL最适值为0.19mg/m3，最适范围为0.18～0.19mg/m3。

Claims (9)

1.一种基于数据填补的渔情数据处理方法，其特征在于，包括以下步骤：
S1：收集环境数据；
S2：基于时间分辨率和反距离权重插值法对环境数据进行填补；
S3：对填补后的环境数据进行分类，检测异常数据并进行填补；
S4：基于环境数据，建立适宜性指数值模型和栖息地综合指数模型，获得环境因子的最适值。
2.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，所述环境数据通过遥感影像进行获取。
3.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，稳定性较强的环境数据选择更大时间尺度获取有效数据进行填补，实时性较强的环境数据选择拉长步长的长度获取有效数据进行填补，若仍存在空值采用反距离权重插值法进行填补。
4.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，同时使用聚类算法和Z分数检测算法对所述环境数据进行异常数据筛选，清空所述异常数据后使用支持向量回归算法对所述异常数据进行填补。
5.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，所述适宜性指数值模型如下：
Figure FDA0003654203850000011
式中，SIi为各环境因子的适宜性指数值，C为该时空方案下的捕捞渔获量，Cmax为该时空方案下的最大单位捕捞渔获量，i为环境因子。
6.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，所述环境因子包括海表温度距平指数、海表面温度和叶绿素浓度。
7.根据权利要求1或6所述的一种基于数据填补的渔情数据处理方法，其特征在于，基于季节建立环境因子的适宜性指数值模型，春季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-8.926×(SST-30.676)2)；
SISSTA＝EXP(-11.125×(SSTA-1.054)2)；
SICHL＝EXP(-7310.241×(CHL-0.071)2)；
夏季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-20.191×(SST-30.191)2)；
SISSTA＝EXP(-37.899×(SSTA-1.050)2)；
SICHL＝EXP(-1261.593×(CHL-0.233)2)；
秋季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-31.082×(SST-29.035)2)；
SISSTA＝EXP(-12.429×(SSTA-1.130)2)；
SICHL＝EXP(-214.695×(CHL-0.140)2)；
冬季所述环境因子的适宜性指数值模型如下：
SISST＝EXP(-6.265×(SST-27.341)2)；
SISSTA＝EXP(-5.198×(SSTA-0.880)2)；
SICHL＝EXP(-28883.236×(CHL-0.190)2)；
式中，SISST为海表面温度的适宜性指数值模型，SISSTA为海表温度距平指数的适宜性指数值模型，SICHL为叶绿素浓度的适宜性指数值模型，SST为海表面温度，SSTA为海表温度距平指数的，CHL为叶绿素浓度。
8.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，所述栖息地综合指数模型如下：
Figure FDA0003654203850000021
式中，HSI为栖息地综合指数，SISST为海表面温度的适宜性指数值，SISSTA为海表温度距平的适宜性指数值，SICHL叶绿素浓度的适宜性指数值。
9.根据权利要求1所述的一种基于数据填补的渔情数据处理方法，其特征在于，在适宜性指数值接近1时获取所述环境因子的最适值，在栖息地综合指数大于或等于0.6时获取最适值范围。
CN202210554107.5A 2022-05-20 2022-05-20 一种基于数据填补的渔情数据处理方法 Pending CN114897383A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210554107.5A CN114897383A (zh) 2022-05-20 2022-05-20 一种基于数据填补的渔情数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210554107.5A CN114897383A (zh) 2022-05-20 2022-05-20 一种基于数据填补的渔情数据处理方法

Publications (1)

Publication Number Publication Date
CN114897383A true CN114897383A (zh) 2022-08-12

Family

ID=82723390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210554107.5A Pending CN114897383A (zh) 2022-05-20 2022-05-20 一种基于数据填补的渔情数据处理方法

Country Status (1)

Country Link
CN (1) CN114897383A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040160526A1 (en) * 2002-09-04 2004-08-19 Vima Microsystems Corporation Deinterlacer using block-based motion detection
CN107478963A (zh) * 2017-09-30 2017-12-15 山东海兴电力科技有限公司 基于电网大数据的小电流接地系统单相接地故障选线方法
FR3060795A1 (fr) * 2016-12-21 2018-06-22 Meteo-France Procede de construction d’une representation tridimensionnelle d’une atmosphere, dispositif et programme correspondant
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
CN109472321A (zh) * 2018-12-03 2019-03-15 北京工业大学 一种面向时间序列型地表水质大数据的预测与评估模型构建方法
CN114021389A (zh) * 2021-11-28 2022-02-08 上海海洋大学 基于栖息地指数模型的印度洋鸢乌贼渔情预报方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040160526A1 (en) * 2002-09-04 2004-08-19 Vima Microsystems Corporation Deinterlacer using block-based motion detection
FR3060795A1 (fr) * 2016-12-21 2018-06-22 Meteo-France Procede de construction d’une representation tridimensionnelle d’une atmosphere, dispositif et programme correspondant
CN107478963A (zh) * 2017-09-30 2017-12-15 山东海兴电力科技有限公司 基于电网大数据的小电流接地系统单相接地故障选线方法
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
CN109472321A (zh) * 2018-12-03 2019-03-15 北京工业大学 一种面向时间序列型地表水质大数据的预测与评估模型构建方法
CN114021389A (zh) * 2021-11-28 2022-02-08 上海海洋大学 基于栖息地指数模型的印度洋鸢乌贼渔情预报方法

Similar Documents

Publication Publication Date Title
Sleeman et al. Biophysical correlates of relative abundances of marine megafauna at Ningaloo Reef, Western Australia
Barnett et al. Distribution of ichthyoplankton off San Onofre, California, and methods for sampling very shallow coastal waters
Korponai et al. Paleolimnological reconstruction of the trophic state in Lake Balaton (Hungary) using Cladocera remains
Berry et al. Puget Sound submerged vegetation monitoring project: 2000-2002 monitoring report
Jacobson et al. Morphological variation of cisco across gradients of lake productivity
CN111222748A (zh) 一种金枪鱼栖息地量化评估方法
Li et al. Depth distribution of ostracods in a large fresh-water lake on the Qinghai–Tibet Plateau and its ecological and palaeolimnological significance
Kaiser et al. Predicting the displacement of common scoter Melanitta nigra from benthic feeding areas due to offshore windfarms
CN114897383A (zh) 一种基于数据填补的渔情数据处理方法
Röckmann et al. Rebuilding the Eastern Baltic cod stock under environmental change–a preliminary approach using stock, environmental, and management constraints
Boussarie et al. BichiCAM, an underwater automated video tracking system for the study of migratory dynamics of benthic diadromous species in streams
Thirion Module E: Macro-Invertebrate response assessment index (MIRAI)
Collier Creating a Spatially-Explicit Habitat Suitability Index Model for Lake Sturgeon (Acipenser fulvescens) in the Maumee River, Ohio
King et al. Assessment of three methods to evaluate the distribution of submersed aquatic vegetation in western Lake Erie
Litts et al. Mapping potential spawning substrate for Shortnose and Atlantic sturgeon in coastal plain rivers of Georgia using low-cost side-scan sonar
Spires The exchange of eastern oyster (Crassostrea virginica) larvae between subpopulations in the choptank and little choptank rivers: Model simulations, the influence of salinity, and implications for restoration
Longenecker et al. Reproduction, catch, and size structure of exploited reef-fishes at Kamiali Wildlife Management Area, Papua New Guinea
Cummings Habitat suitability and availability for Rainbow Trout (Oncorhynchus mykiss) in the Canyon Reservoir tailrace and evaluation of side scan sonar for habitat mapping in a semi-wadable river
Dixon et al. Extent of Suitable Habitats for Juvenile Striped Bass: Dynamics and Implications for Recruitment in Chesapeake Bay
Bohlen Evaluation of a Habitat Suitability Model to predict the geospatial distribution of Olympia oyster presence in Yaquina Bay, Oregon
Crane et al. Muskellunge egg incubation habitat in the upper Niagara River
Bakke Testing Structure-from-Motion imaging technique to quantify Blue mussels (Mytilus spp.) abundance
Wilkins Bottlenose dolphins (Tursiops truncatus) in the Texas Coastal Bend: Population abundance estimation using photo-identification
Bueno et al. The application of unoccupied aerial systems (UAS) for monitoring intertidal oyster density and abundance
Fletcher Developing, Validating, and Applying Fish Habitat Assessment Methodology for Littoral Habitat in Boatable Waterbodies

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