CN115152671A - 改善珍稀鱼类种群生境的水利工程调控系统及调控方法 - Google Patents
改善珍稀鱼类种群生境的水利工程调控系统及调控方法 Download PDFInfo
- Publication number
- CN115152671A CN115152671A CN202211022511.4A CN202211022511A CN115152671A CN 115152671 A CN115152671 A CN 115152671A CN 202211022511 A CN202211022511 A CN 202211022511A CN 115152671 A CN115152671 A CN 115152671A
- Authority
- CN
- China
- Prior art keywords
- spawning
- potential
- habitat
- river
- rare
- 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
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 370
- 230000033228 biological regulation Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000758 substrate Substances 0.000 claims abstract description 142
- 230000000694 effects Effects 0.000 claims abstract description 112
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 31
- 239000002245 particle Substances 0.000 claims abstract description 29
- 238000009395 breeding Methods 0.000 claims abstract description 25
- 230000001488 breeding effect Effects 0.000 claims abstract description 25
- 230000001105 regulatory effect Effects 0.000 claims abstract description 18
- 230000001276 controlling effect Effects 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 51
- 230000003578 releasing effect Effects 0.000 claims description 45
- 239000011664 nicotinic acid Substances 0.000 claims description 41
- 230000005012 migration Effects 0.000 claims description 29
- 238000013508 migration Methods 0.000 claims description 29
- 230000035755 proliferation Effects 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000006872 improvement Effects 0.000 claims description 12
- 238000012886 linear function Methods 0.000 claims description 12
- 238000000926 separation method Methods 0.000 claims description 10
- 239000003550 marker Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 239000013049 sediment Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 2
- 230000000644 propagated effect Effects 0.000 claims description 2
- 238000007599 discharging Methods 0.000 abstract 1
- 241000883303 Acipenser sinensis Species 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004936 stimulating effect Effects 0.000 description 7
- 238000013136 deep learning model Methods 0.000 description 6
- 235000013601 eggs Nutrition 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000969 carrier Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000000366 juvenile effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000017448 oviposition Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 108091092878 Microsatellite Proteins 0.000 description 1
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000002710 gonadal effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000004681 ovum Anatomy 0.000 description 1
- 239000013612 plasmid Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明涉及鱼类保护技术领域，公开了改善珍稀鱼类种群生境的水利工程调控系统及调控方法，多源时空数据引擎组件获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；繁殖生境识别组件确定历史活动流域中的历史产卵场以及当前活动流域中的潜在产卵场；并确定潜在产卵场对应的产卵窗口期；生境调控组件根据第一底质级配数据与第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒；并监测潜在产卵场对应的当前生境因子，根据当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案。实现对珍稀鱼类的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
Description
技术领域
本发明实施例涉及鱼类保护技术领域，尤其涉及改善珍稀鱼类种群生境的水利工程调控系统及调控方法。
背景技术
大江大河水情条件复杂，是鱼类物种资源库，也孕育了多种珍稀鱼类，丰富了水生生物多样性，但近年来，珍稀鱼类的适宜生存空间日益压缩，呈现持续性衰退趋势。
珍稀鱼类自然繁殖过程受到严重干扰是物种资源衰退的主要原因。以中华鲟为例，因葛洲坝水利枢纽工程完成大江截流，被阻隔在坝下，原产卵场的功能不能实现，目前物种资源急剧衰退，面临严峻的生存风险，2017年后连续多年未监测到自然繁殖，对自然繁殖中断发出了特征信号。
鱼类人工增殖放流与生态调度是恢复野生渔业资源、保护珍稀鱼类种群的主要手段。但因受多种因素影响，目前的技术方案还存在着不足，没有完全改变中华鲟等珍稀鱼类衰退的趋势，珍惜鱼类的保护目前仍可能存在以下难题，如人工增殖放流缺乏与野生鱼类洄游的密切配合，在放流时机和地点缺少明确科学支撑，同时对于珍稀鱼类的水库调度方案尚未紧密结合不同珍稀鱼类种群的自然规律，调控目标往往不明，实际成效往往不佳。
因此，开展珍惜鱼类物种保护，实现自然种群恢复，研发改善珍稀鱼类种群生境的水利水电工程调控系统，对珍稀鱼类产卵场精准识别，对洄游生境的精准调查，以提高鱼类增殖放流的效果，是实现我国长江珍稀鱼类保护的现实需求。
发明内容
有鉴于此，本发明实施例提供了一种改善珍稀鱼类种群生境的水利工程调控系统及调控方法，旨在解决现有技术无法对珍稀鱼类种群生境进行改善的问题。
根据第一方面，本发明实施例提供了一种改善珍稀鱼类种群生境的水利工程调控系统，调控系统包括多源时空数据引擎组件、繁殖生境识别组件以及生境调控组件；其中：
多源时空数据引擎组件，用于获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；
繁殖生境识别组件，用于对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场；获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期；
生境调控组件，用于根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒；并监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，包括多源时空数据引擎组件、繁殖生境识别组件以及生境调控组件，其中，多源时空数据引擎组件，用于获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息。繁殖生境识别组件，用于对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场，保证了确定的历史产卵场以及潜在产卵场的准确性。然后，获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期，保证了确定的潜在产卵场对应的产卵窗口期的准确性。生境调控组件，用于根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒，从而保证了潜在产卵场的底质级配数据适宜珍惜鱼类的产卵。生境调控组件还用于监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案，保证了确定的当前生境因子的刺激产卵调度方案的准确性，从而改善了珍稀鱼类种群生境因子，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
结合第一方面，在第一方面第一实施方式中，第一场景信息包括历史活动流域对应的第一遥感影像集以及第一水下数字地形图，第二场景信息包括当前活动流域对应的第二遥感影像集以及第二水下数字地形图，繁殖生境识别组件包括：河岸特征匹配单元以及河道特征匹配单元；其中：
河岸特征匹配单元，用于分别对第一遥感影像集和第二遥感影像集进行图像识别，提取第一遥感影像集中包括的各历史产卵场对应的各个历史流域弯段的各个第一河流弯段特征以及第二遥感影像集中包括的各个当前流域弯段对应的各个第二河流弯段特征；将各个第二河流弯段特征与各个第一河流弯段特征进行对比，当第二河流弯段特征和第一河流弯段特征的第一相似度大于第一阈值时，确定当前流域弯段为当前候选流域弯段，并确定当前候选流域弯段对应的历史流域弯段为历史候选流域弯段；
河道特征匹配单元，用于获取当前候选流域弯段对应的目标第二水下数字地形图以及历史候选流域弯段对应的目标第一水下数字地形图；将目标第二水下数字地形图与目标第一水下数字地形图进行对比，当目标第二水下数字地形图与目标第一水下数字地形图之间的第二相似度大于第二相似度阈值时，确定当前候选流域弯段为潜在产卵场。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，河岸特征匹配单元，用于分别对第一遥感影像集和第二遥感影像集进行图像识别，提取第一遥感影像集中包括的各历史产卵场对应的各个历史流域弯段的各个第一河流弯段特征以及第二遥感影像集中包括的各个当前流域弯段对应的各个第二河流弯段特征，保证了提取的各个第一河流弯段特征以及各个第二河流弯段特征的准确性。然后，将各个第二河流弯段特征与各个第一河流弯段特征进行对比，当第二河流弯段特征和第一河流弯段特征的第一相似度大于第一阈值时，确定当前流域弯段为当前候选流域弯段，并确定当前候选流域弯段对应的历史流域弯段为历史候选流域弯段，保证了确定的当前候选流域弯段以及历史候选流域弯段的准确性。河道特征匹配单元，用于获取当前候选流域弯段对应的目标第二水下数字地形图以及历史候选流域弯段对应的目标第一水下数字地形图；将目标第二水下数字地形图与目标第一水下数字地形图进行对比，当目标第二水下数字地形图与目标第一水下数字地形图之间的第二相似度大于第二相似度阈值时，确定当前候选流域弯段为潜在产卵场，保证确定的潜在产卵场的准确性。
结合第一方面第一实施方式，在第一方面第二实施方式中，第一场景信息还包括历史活动流域中历史产卵场对应的第一床面高清影像；第二场景信息还包括当前活动流域中潜在产卵场对应的第二床面高清影像；繁殖生境识别组件还包括河床底质匹配单元；其中：
河床底质匹配单元，用于获取历史产卵场对应的第一床面高清影像以及当前活动流域中潜在产卵场对应的第二床面高清影像；分别对第一床面高清影像和第二床面高清影像进行图像识别，确定历史产卵场对应的第一底质级配数据以及潜在产卵场对应的第二底质级配数据；将第一底质级配数据以及第二底质级配数据进行对比，当第一底质级配数据与第二底质级配数据之间的第三相似度大于第三相似度阈值时，确定潜在产卵场为主要潜在产卵场；当第一底质级配数据与第二底质级配数据之间的第三相似度小于或者等于第三相似度阈值时，确定潜在产卵场为预备潜在产卵场。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，河床底质匹配单元，用于获取历史产卵场对应的第一床面高清影像以及当前活动流域中潜在产卵场对应的第二床面高清影像；分别对第一床面高清影像和第二床面高清影像进行图像识别，确定历史产卵场对应的第一底质级配数据以及潜在产卵场对应的第二底质级配数据，保证了确定的第一底质级配数据以及第二底质级配数据的准确性。然后，将第一底质级配数据以及第二底质级配数据进行对比，当第一底质级配数据与第二底质级配数据之间的第三相似度大于第三相似度阈值时，确定潜在产卵场为主要潜在产卵场；当第一底质级配数据与第二底质级配数据之间的第三相似度小于或者等于第三相似度阈值时，确定潜在产卵场为预备潜在产卵场，保证了确定的主要潜在产卵场以及预备潜在产卵场的准确性。
结合第一方面第二实施方式，在第一方面第三实施方式中，生境调控组件包括：底质改良模块、生境监测单元和水库调控单元；其中：
底质改良模块，用于获取预备潜在产卵场对应的目标第二底质级配数据以及与预备潜在产卵场对应的历史产卵场的目标第一底质级配数据；计算目标第二底质级配数据以及目标第一底质级配数据之间差距；根据目标第二底质级配数据以及目标第一底质级配数据之间差距，在产卵窗口期之前的预设时间内对预备潜在产卵场的上游投放推移质颗粒；
生境监测单元，用于在各个主要潜在产卵场以及各个预备潜在产卵场布设在线监测设备，对各个主要潜在产卵场以及各个预备潜在产卵场的当前生境因子进行监测，并将当前生境因子传输至水库调控单元；当前生境因子包括流速、水温、溶解氧、水深、流量、积温、涡量、紊动能和泥沙含量中的至少一个生境因子；
水库调控单元，用于获取各个主要潜在产卵场以及各个预备潜在产卵场对应的当前生境因子以及标准生境因子；计算当前生境因子与标准生境因子之间的差距，对当前生境因子与标准生境因子之间的差距进行分析，确定各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，底质改良模块，用于获取预备潜在产卵场对应的目标第二底质级配数据以及与预备潜在产卵场对应的历史产卵场的目标第一底质级配数据，计算目标第二底质级配数据以及目标第一底质级配数据之间差距，保证了计算得到的目标第二底质级配数据以及目标第一底质级配数据之间差距的准确性。然后，根据目标第二底质级配数据以及目标第一底质级配数据之间差距，在产卵窗口期之前的预设时间内对预备潜在产卵场的上游投放推移质颗粒，保证了投放推移质颗粒后的预备产卵场更加适合珍稀鱼类产卵，从而改善了珍稀鱼类种群生境因子，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
此外，生境监测单元，用于在各个主要潜在产卵场以及各个预备潜在产卵场布设在线监测设备，对各个主要潜在产卵场以及各个预备潜在产卵场的当前生境因子进行监测，并将当前生境因子传输至水库调控单元，从而保证了得到的当前生境因子的准确性。
水库调控单元，用于获取各个主要潜在产卵场以及各个预备潜在产卵场对应的当前生境因子以及标准生境因子；计算当前生境因子与标准生境因子之间的差距，保证了计算得到的当前生境因子与标准生境因子之间的差距的准确性。对当前生境因子与标准生境因子之间的差距进行分析，确定各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案，保证了确定的各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案的准确性。
结合第一方面，在第一方面第四实施方式中，调控系统还包括：鱼类洄游追踪组件以及增殖放流组件；其中：
鱼类洄游追踪组件，用于并监测珍稀鱼类的活动轨迹，并对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹；
增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，鱼类洄游追踪组件，用于并监测珍稀鱼类的活动轨迹，保证了监测到的珍稀鱼类的活动轨迹的准确性。然后，对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹，保证了确定的珍稀鱼类的预测轨迹的准确性。增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本，从而使得带有标记物的预设数量的珍稀鱼类成年亲本可以带动珍稀鱼类进行洄游，提高了珍稀鱼类增值流放的效果。
结合第一方面第四实施方式，在第一方面第五实施方式中，鱼类洄游追踪组件包括断面监测单元、鱼类标记单元和仿生追踪单元，断面监测单元包括多个监测站，各监测站安装在各个潜在产卵场之间河流宽度最窄的河道上；仿生追踪单元包括多个仿生机器鱼；其中：
各监测站，用于监测洄游通过各个监测站的珍稀鱼类的数量以及时刻，当各个监测站监测到的珍稀鱼类的数量到达数量阈值后，向仿生追踪单元发送追踪信号；
仿生追踪单元，用于在接收到追踪信号之后，控制各个仿生机器鱼伴随珍稀鱼类进行游动，并记录珍稀鱼类的活动轨迹；并使用预设的路径预测模型对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹；
鱼类标记单元，用于生成带有标记物的珍稀鱼类成年亲本；
增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本；
各监测站，还用于监测通过各个监测站的带有标记物的珍稀鱼类成年亲本的数量，以对珍稀鱼类成年亲本的投放效果进行评估。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，各监测站，用于监测洄游通过各个监测站的珍稀鱼类的数量以及时刻，保证了监测到的珍稀鱼类的数量以及时刻的准确性。当各个监测站监测到的珍稀鱼类的数量到达数量阈值后，向仿生追踪单元发送追踪信号，保证了仿生追踪单元可以接收到追踪信号。仿生追踪单元，用于在接收到追踪信号之后，控制各个仿生机器鱼伴随珍稀鱼类进行游动，并记录珍稀鱼类的活动轨迹，保证了记录的珍稀鱼类的活动轨迹的准确性。然后，使用预设的路径预测模型对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹，保证了确定的珍稀鱼类的预测轨迹的准确性。鱼类标记单元，用于生成带有标记物的珍稀鱼类成年亲本，保证了生成的带有标记物的珍稀鱼类成年亲本的准确性。增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本，从而使得带有标记物的预设数量的珍稀鱼类成年亲本可以带动珍稀鱼类进行洄游，提高了珍稀鱼类增值流放的效果。各监测站，还用于监测通过各个监测站的带有标记物的珍稀鱼类成年亲本的数量，以对珍稀鱼类成年亲本的投放效果进行评估，进而可以根据评估结果，进一步提高珍稀鱼类增值流放的效果。
结合第一方面第五实施方式，在第一方面第六实施方式中，鱼类洄游追踪组件，还用于利用相邻两个监测站监测到的珍稀鱼类的数量进行相减，计算各个潜在产卵场中珍稀鱼类的数量，并获取基于仿生追踪单元对潜在产卵场的水样进行检测，确定潜在产卵场中珍稀鱼类的雄雌比例；
增殖放流组件，用于根据各个潜在产卵场中珍稀鱼类的数量以及雄雌比例，确定需要投放的人工繁殖的雌鱼以及雄鱼的数量，并投放一定数量的雌鱼以及雄鱼。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，鱼类洄游追踪组件，还用于利用相邻两个监测站监测到的珍稀鱼类的数量进行相减，计算各个潜在产卵场中珍稀鱼类的数量，保证了计算得到的潜在产卵场中珍稀鱼类的数量的准确性。然后，获取基于仿生追踪单元对潜在产卵场的水样进行检测，确定潜在产卵场中珍稀鱼类的雄雌比例，保证了确定的潜在产卵场中珍稀鱼类的雄雌比例的准确性。增殖放流组件，用于根据各个潜在产卵场中珍稀鱼类的数量以及雄雌比例，确定需要投放的人工繁殖的雌鱼以及雄鱼的数量，并投放一定数量的雌鱼以及雄鱼，保证了确定的需要投放的人工繁殖的雌鱼以及雄鱼的数量的准确性，从而保证了投放的一定数量的雌鱼以及雄鱼的准确性，进而保证了潜在产卵场雄雌鱼类比例均衡，保证了珍稀鱼类可以更好地产卵孵化，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
结合第一方面第一实施方式，在第一方面第七实施方式中，河岸特征匹配单元，用于分别对第一遥感影像集和第二遥感影像集进行多光谱遥感图像提取、校正和配准预处理，再对预处理后的第一遥感影像集和第二遥感影像集进行直方图均衡化、高斯模糊和拉普拉斯滤波处理；使用归一化差异水体指数分离处理后的第一遥感影像集以及第二遥感影像集中的水体及陆地，提取水陆分界线作为河道岸边线，得到第一遥感影像集对应的第一河道岸边线和第二遥感影像集对应的第二河道岸边线；
分别对第一河道岸边线和第二河道岸边线两侧的岸边线分离为同等数量的左岸点集和右岸点集，按照自上游向下游编号，连接编号相同的左岸和右岸分离点，取连线中点使用光滑曲线算法进行拟合，得到第一河道岸边线对应的第一河流主曲线和第二河道岸边线对应的第二河流主曲线；
分别对第一河流主曲线和第二河流主曲线进行一阶求导，确定曲线转弯点，并自上游向下游编号，取奇数编号或偶数编号的曲线转弯点作为河段分割点，从而将历史活动流域和当前活动流域分割为若干弯段；对历史活动流域中的各弯段进行特征提取，得到各个第一河流弯段特征，对当前活动流域中的各弯段进行特征提取，得到各个第二河流弯段特征。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，河岸特征匹配单元，用于分别对第一遥感影像集和第二遥感影像集进行多光谱遥感图像提取、校正和配准预处理，再对预处理后的第一遥感影像集和第二遥感影像集进行直方图均衡化、高斯模糊和拉普拉斯滤波处理；使用归一化差异水体指数分离处理后的第一遥感影像集以及第二遥感影像集中的水体及陆地，提取水陆分界线作为河道岸边线，得到第一遥感影像集对应的第一河道岸边线和第二遥感影像集对应的第二河道岸边线，保证了提取得到的第一河道岸边线和第二河道岸边线的准确性。然后，分别对第一河道岸边线和第二河道岸边线两侧的岸边线分离为同等数量的左岸点集和右岸点集，按照自上游向下游编号，连接编号相同的左岸和右岸分离点，取连线中点使用光滑曲线算法进行拟合，得到第一河道岸边线对应的第一河流主曲线和第二河道岸边线对应的第二河流主曲线，保证了得到的第一河流主曲线和第二河流主曲线的准确性。接着，分别对第一河流主曲线和第二河流主曲线进行一阶求导，确定曲线转弯点，并自上游向下游编号，取奇数编号或偶数编号的曲线转弯点作为河段分割点，从而将历史活动流域和当前活动流域分割为若干弯段；对历史活动流域中的各弯段进行特征提取，得到各个第一河流弯段特征，对当前活动流域中的各弯段进行特征提取，得到各个第二河流弯段特征，保证了得到的第一河流弯段特征和第二河流弯段特征的准确性。
结合第一方面第一实施方式，在第一方面第八实施方式中，河道特征匹配单元，用于设定一系列的网格尺寸Δ由大到小排列(Δ1，Δ2，…,Δn)，使用Δ1对目标第一水下数字地形图和目标第二水下数字地形图进行三角化域重构；
分别使用线性函数f和g对目标第一水下数字地形图和目标第二水下数字地形图的三角顶点位置和高程值h1(x1,y1)和h2(x2,y2)进行分段线性插值，将目标第一水下数字地形图和目标第二水下数字地形图转化为实数空间
上的二元分段线性函数
和
定义移动向量集合t(tx,ty,h,θ)，包含水平平移、水平旋转和垂直升降三种空间变换操作，理想情况下
即目标第一水下数字地形图的地形在进行位置变换后的与目标第二水下数字地形图对应的地形中某一区域完全相贴合；
按照Δ1为步长对函数空间
进行遍历，定义第二相似度
如遍历过程中，K2达到阈值，则标记此时的
进行空间逆变化在目标第二水下数字地形图中进行标记，确定当前候选流域弯段为潜在产卵场；
如遍历完仍未达到阈值，则选取次一级网格尺寸Δ2重复上述过程，以此类推；如使用最小网格尺寸处理后，K2仍未达到阈值，则认为目标第二水下数字地形图中不存在与目标第一水下数字地形图相适配的地形。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，河道特征匹配单元对目标第一水下数字地形图和目标第二水下数字地形图进行三角化域重构，保证了三角化域重构的准确性。然后，分别使用线性函数对目标第一水下数字地形图和目标第二水下数字地形图的三角顶点位置和高程值进行分段线性插值，将目标第一水下数字地形图和目标第二水下数字地形图转化为实数空间上的二元分段线性函数，保证了转化后的二元分段线性函数的准确性。将目标第一水下数字地形图的地形在进行位置变换，根据第二相似度确定当前候选流域弯段为潜在产卵场，保证了确定的潜在产卵场的准确性。
根据第二方面，本发明实施例提供了一种改善珍稀鱼类种群生境的水利工程调控方法，，应用于第一方面以及第一方面任一项实施例的改善珍稀鱼类种群生境的水利工程调控系统，该方法包括：
获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；
对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场；
获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期；
根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒；
监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控方法，获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息。对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场，保证了确定的历史产卵场以及潜在产卵场的准确性。然后，获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期，保证了确定的潜在产卵场对应的产卵窗口期的准确性。根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒，从而保证了潜在产卵场的底质级配数据适宜珍惜鱼类的产卵。然后，监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案，保证了确定的当前生境因子的刺激产卵调度方案的准确性，从而改善了珍稀鱼类种群生境因子，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是应用本发明实施例提供的改善珍稀鱼类种群生境的水利工程调控系统的结构示意图；
图2是应用本发明另一实施例提供的改善珍稀鱼类种群生境的水利工程调控系统的结构示意图；
图3是应用本发明实施例提供的河流主曲线分段示意图；
图4是应用本发明实施例提供的基于三角化网格的产卵场地形匹配示意图；
图5是应用本发明实施例提供的产卵河流弯段特征值示意图；
图6是应用本发明实施例提供的改善珍稀鱼类种群生境的水利工程调控系统的结构示意图；
图7是应用本发明实施例提供的改善珍稀鱼类种群生境的水利工程调控方法的步流程示意图；
图8是应用本发明实施例提供的改善珍稀鱼类种群生境的水利工程调控方法的步流程示意图；
图9是应用本发明实施例提供的改善珍稀鱼类种群生境的水利工程调控系统的结构示意图。
具体实施方式
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，在本申请说明书和所附权利要求书中使用的术语“及/和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本申请一个实施例中，如图1所示，本申请实施例提供了一种改善珍稀鱼类种群生境的水利工程调控系统，调控系统包括多源时空数据引擎组件、繁殖生境识别组件以及生境调控组件；其中：
多源时空数据引擎组件，用于获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；
繁殖生境识别组件，用于对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场；获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期；
生境调控组件，用于根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒；并监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案。
具体地，多源时空数据引擎组件可以接收与多源时空数据引擎组件连接的其他设备发送的历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；多源时空数据引擎组件也可以接收与多源时空数据引擎组件连接的采集设备传输的当前活动流域对应的第二场景信息；多源时空数据引擎组件还可以接收用户输入的历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息，本申请实施例对多源时空数据引擎组件获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息的过程不做具体限定。
在一种可选的实施方式中，多源时空数据引擎组件可以包括图像数据单元和数值数据单元，其中，图像数据单元用于处理视频、照片及遥感图像数据；数值数据单元处理用于处理整形和浮点型数值数据。也就是说历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息中包括图像数据和/或数值数据。
多源时空数据引擎组件在获取到历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息之后，可以将第一场景信息以及第二场景信息传输至繁殖生境识别组件。繁殖生境识别组件在接收到第一场景信息以及第二场景信息之后，可以对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场。
关于该步骤将在下文进行详细介绍。
然后，繁殖生境识别组件中还可以包括气象水文匹配单元，气象水文匹配单元可以获取历史产卵场产卵期对应的第一水文气象数据以及潜在产卵场对应的多年的第二水文气象数据；对第一水文气象数据和第二水文气象数据实施数据匹配，计算匹配值，选取匹配值达到阈值的时段作为潜在产卵场的产卵窗口期。
可选的，影响珍稀鱼类性腺发育及产卵行为的水文气象数据序列至少包含：流速、水位、水深、气温、含沙量、时段内最大流量、最小流量、涨水率、涨水次数、涨水持续时间、落水率、落水次数和落水持续时间；繁殖生境识别组件可以采用相位振幅静态聚类的方法以第一水文气象数据为聚类基准，按时间顺序提取第二水文气象数据中与第一水文气象数据等长的连续数据片段，计算第二水文气象数据数据片段的相位变异系数α和幅度变异系数β。然后，根据计算得到的相位变异系数α和幅度变异系数β与历史产卵场对应的产卵期之间的关系，计算得到潜在产卵场的产卵窗口期。
在确定了潜在产卵场对应的产卵窗口期之后，生境调控组件可以获取历史产卵场对应的第一底质级配数据以及潜在产卵场对应的第二底质级配数据。然后将第一底质级配数据与第二底质级配数据进行对比，确定第一底质级配数据与第二底质级配数据之间的差距，并根据第一底质级配数据与第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒。然后，生境调控组件监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案。其中，刺激产卵调度方案可以包括科学调节水库的运行方式提升产卵场适宜度指标。
具体地，生境调控组件在产卵窗口期前结合中华鲟等珍稀鱼类历史产卵生境的调查监测数据，运用机器学习等统计方法，量化自然产卵对地形、底质、水深、流速、流量、水温、积温、涡量、紊动能和泥沙含量等生境要素的需求，结合产卵场的生境因子数据，提出基于产卵场生境要素的刺激产卵调度方案，例如脉冲式足部增强的放水，制造人工洪峰过程。并通过年度环境因素的监测，判断当前环境因素是否满足产卵需求，如不满足则通过上述调度方案对产卵场生境要素指标进行调控，目标是使其改善至适合鱼卵产卵的区间。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，包括多源时空数据引擎组件、繁殖生境识别组件以及生境调控组件，其中，多源时空数据引擎组件，用于获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息。繁殖生境识别组件，用于对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场，保证了确定的历史产卵场以及潜在产卵场的准确性。然后，获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期，保证了确定的潜在产卵场对应的产卵窗口期的准确性。生境调控组件，用于根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒，从而保证了潜在产卵场的底质级配数据适宜珍惜鱼类的产卵。生境调控组件还用于监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案，保证了确定的当前生境因子的刺激产卵调度方案的准确性，从而改善了珍稀鱼类种群生境因子，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
在本申请一个实施例中，第一场景信息包括历史活动流域对应的第一遥感影像集以及第一水下数字地形图，第二场景信息包括当前活动流域对应的第二遥感影像集以及第二水下数字地形图，如图2所示，改善珍稀鱼类种群生境的水利工程调控系统中的繁殖生境识别组件包括：河岸特征匹配单元以及河道特征匹配单元；其中：
河岸特征匹配单元，用于分别对第一遥感影像集和第二遥感影像集进行图像识别，提取第一遥感影像集中包括的各历史产卵场对应的各个历史流域弯段的各个第一河流弯段特征以及第二遥感影像集中包括的各个当前流域弯段对应的各个第二河流弯段特征；将各个第二河流弯段特征与各个第一河流弯段特征进行对比，当第二河流弯段特征和第一河流弯段特征的第一相似度大于第一阈值时，确定当前流域弯段为当前候选流域弯段，并确定当前候选流域弯段对应的历史流域弯段为历史候选流域弯段。
在本申请一种可选的实施方式中，河岸特征匹配单元利用预设第一图像识别模型，分别对第一遥感影像集和第二遥感影像集进行图像识别，提取第一遥感影像集中包括的各历史产卵场对应的各个历史流域弯段的各个第一河流弯段特征以及第二遥感影像集中包括的各个当前流域弯段对应的各个第二河流弯段特征。其中，预设第一图像识别模型可以是基于手工特征的模型，例如DPM(Deformable Parts Model,可变形零件模型)，预设第一图像识别模型也可以是基于卷积神经网络的模型，例如YOLO(You Only Look Once，你只看一次)检测器、R-CNN，(Region-based Convolutional Neural Networks，基于区域的卷积神经网络)模型、SSD(Single Shot MultiBox，单发多框)检测器以及Mask R-CNN(MaskRegion-based Convolutional Neural Networks，带掩码的基于区域的卷积神经网络)模型等。本申请实施例对于预设第一图像识别模型不做具体限定。
在本申请另一种可选的实施方式中，河岸特征匹配单元可以分别对第一遥感影像集和第二遥感影像集进行多光谱遥感图像提取、校正和配准预处理，再对预处理后的第一遥感影像集和第二遥感影像集进行直方图均衡化、高斯模糊和拉普拉斯滤波处理，从而可以增强预处理后的第一遥感影像集和第二遥感影像集中图像中的水陆差异。然后，使用归一化差异水体指数(MNDWI)分离处理后的第一遥感影像集以及第二遥感影像集中的水体及陆地，提取水陆分界线作为河道岸边线，得到第一遥感影像集对应的第一河道岸边线和第二遥感影像集对应的第二河道岸边线。
接着，河岸特征匹配单元分别对第一河道岸边线和第二河道岸边线两侧的岸边线分离为同等数量的左岸点集和右岸点集，按照自上游向下游编号，连接编号相同的左岸和右岸分离点，取连线中点使用光滑曲线算法进行拟合，得到第一河道岸边线对应的第一河流主曲线和第二河道岸边线对应的第二河流主曲线。其中，光滑曲线算法包括但不限于样条曲线方程、贝塞尔曲线方程等。
在拟合得到第一河流主曲线以及第二河流主曲线之后，河岸特征匹配单元分别对第一河流主曲线和第二河流主曲线进行一阶求导，确定曲线转弯点，并自上游向下游编号，取奇数编号或偶数编号的曲线转弯点作为河段分割点，从而将历史活动流域和当前活动流域分割为若干弯段；对历史活动流域中的各弯段进行特征提取，得到各个第一河流弯段特征，对当前活动流域中的各弯段进行特征提取，得到各个第二河流弯段特征。示例性的，如图3所示为河流主曲线分段示意图和
其中，第一河流弯段特征和第二河流弯段特征中至少包含轴线长度、河曲颈长度、曲率半径、河流宽度和水流长度指标等。
具体地，在得到各个第一河流弯段特征以及各个第二河流弯段特征之后，河岸特征匹配单元可以利用第一预设相似度算法将各个第二河流弯段特征与各个第一河流弯段特征进行对比，当第二河流弯段特征和第一河流弯段特征的第一相似度大于第一阈值时，确定当前流域弯段为当前候选流域弯段，并确定当前候选流域弯段对应的历史流域弯段为历史候选流域弯段。
其中，第一相似度可选用的系数包括但不限于Pearson积差累计系数、Spearman秩相关系数和Kendall秩相关系数；第一阈值设定的算法包括但不限于深度残差收缩网络法和假设检验P值拒绝域法。
河道特征匹配单元，用于获取当前候选流域弯段对应的目标第二水下数字地形图以及历史候选流域弯段对应的目标第一水下数字地形图；将目标第二水下数字地形图与目标第一水下数字地形图进行对比，当目标第二水下数字地形图与目标第一水下数字地形图之间的第二相似度大于第二相似度阈值时，确定当前候选流域弯段为潜在产卵场。
在本申请一种可选的实施方式中，河道特征匹配单元可以对水底地形进行扫描，生成高程数据，并利用预设方法生成目标第一水下数字地形图和目标第二水下数字地形图，其中，预设方法包括但不限于反距离权重法、径向基函数法、普通克里金法和改进克里金法。
河道特征匹配单元可以获取当前候选流域弯段对应的目标第二水下数字地形图以及历史候选流域弯段对应的目标第一水下数字地形图，并利用预设第二图像识别模型对目标第一水下数字地形图和目标第二水下数字地形图进行识别，确定当前候选流域弯段对应的地形以及历史候选流域弯段对应的地形，然后将当前候选流域弯段对应的地形与历史候选流域弯段对应的地形进行对比，当当前候选流域弯段对应的地形与历史候选流域弯段对应的地形之间的第二相似度大于第二相似度阈值时，确定当前候选流域弯段为潜在产卵场。其中，预设第二图像识别模型可以是基于手工特征的模型，例如DPM(Deformable PartsModel,可变形零件模型)，预设第二图像识别模型也可以是基于卷积神经网络的模型，例如YOLO(You Only Look Once，你只看一次)检测器、R-CNN，(Region-based ConvolutionalNeural Networks，基于区域的卷积神经网络)模型、SSD(Single Shot MultiBox，单发多框)检测器以及Mask R-CNN(Mask Region-based Convolutional Neural Networks，带掩码的基于区域的卷积神经网络)模型等。本申请实施例对于预设第二图像识别模型不做具体限定。
在本申请另一种可选的实施方式中，河道特征匹配单元可以设定一系列的网格尺寸Δ由大到小排列(Δ1，Δ2，…，Δn)，首先使用Δ1对目标第一水下数字地形图和目标第二水下数字地形图进行三角化域重构。其中，重构方法包括但不限于Delaunay三角剖分算法和TIN不规则三角网拓扑剖分算法。
然后，分别使用线性函数f和g分别目标第一水下数字地形图和目标第二水下数字地形图的三角顶点位置和高程值h1(x1,y1)和h2(x2,y2)进行分段线性插值，将目标第一水下数字地形图和目标第二水下数字地形图转化为实数空间
上的二元分段线性函数
和
定义移动向量集合t(tx,ty,h,θ)，包含水平平移、水平旋转和垂直升降三种空间变换操作，理想情况下
即目标第一水下数字地形图的地形在进行位置变换后的与目标第二水下数字地形图对应的地形中某一区域完全相贴合(
成为
的子集)，示例性的，如图4所示为基于三角化网格的产卵场地形匹配结果示意图。
按照Δ1为步长对函数空间
进行遍历，定义第二相似度
即空间变换后的D1与D2的重合区域占D1的百分比，设定K2的阈值可0.8～1.0间的数值；
如遍历过程中，K2达到阈值，则标记此时的
进行空间逆变化在目标第二水下数字地形图中进行标记，确定当前候选流域弯段为潜在产卵场；
如遍历完仍未达到阈值，则选取次一级网格尺寸Δ2重复上述过程，以此类推；如使用最小网格尺寸处理后，K2仍未达到阈值，则认为目标第二水下数字地形图中不存在与目标第一水下数字地形图相适配的地形。
需要说明的是，使用扫描的高程数据生成水下数字地形图的方法包括但不限于反距离权重法、径向基函数法、普通克里金法和改进克里金法
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，河岸特征匹配单元，用于分别对第一遥感影像集和第二遥感影像集进行多光谱遥感图像提取、校正和配准预处理，再对预处理后的第一遥感影像集和第二遥感影像集进行直方图均衡化、高斯模糊和拉普拉斯滤波处理；使用归一化差异水体指数分离处理后的第一遥感影像集以及第二遥感影像集中的水体及陆地，提取水陆分界线作为河道岸边线，得到第一遥感影像集对应的第一河道岸边线和第二遥感影像集对应的第二河道岸边线，保证了提取得到的第一河道岸边线和第二河道岸边线的准确性。
然后，分别对第一河道岸边线和第二河道岸边线两侧的岸边线分离为同等数量的左岸点集和右岸点集，按照自上游向下游编号，连接编号相同的左岸和右岸分离点，取连线中点使用光滑曲线算法进行拟合，得到第一河道岸边线对应的第一河流主曲线和第二河道岸边线对应的第二河流主曲线，保证了得到的第一河流主曲线和第二河流主曲线的准确性。接着，分别对第一河流主曲线和第二河流主曲线进行一阶求导，确定曲线转弯点，并自上游向下游编号，取奇数编号或偶数编号的曲线转弯点作为河段分割点，从而将历史活动流域和当前活动流域分割为若干弯段；对历史活动流域中的各弯段进行特征提取，得到各个第一河流弯段特征，对当前活动流域中的各弯段进行特征提取，得到各个第二河流弯段特征，保证了得到的第一河流弯段特征和第二河流弯段特征的准确性。如图5所示为产卵河流弯段特征值示意图。
然后，将各个第二河流弯段特征与各个第一河流弯段特征进行对比，当第二河流弯段特征和第一河流弯段特征的第一相似度大于第一阈值时，确定当前流域弯段为当前候选流域弯段，并确定当前候选流域弯段对应的历史流域弯段为历史候选流域弯段，保证了确定的当前候选流域弯段以及历史候选流域弯段的准确性。
河道特征匹配单元对目标第一水下数字地形图和目标第二水下数字地形图进行三角化域重构，保证了三角化域重构的准确性。然后，分别使用线性函数对目标第一水下数字地形图和目标第二水下数字地形图的三角顶点位置和高程值进行分段线性插值，将目标第一水下数字地形图和目标第二水下数字地形图转化为实数空间上的二元分段线性函数，保证了转化后的二元分段线性函数的准确性。将目标第一水下数字地形图的地形在进行位置变换，根据第二相似度确定当前候选流域弯段为潜在产卵场，保证了确定的潜在产卵场的准确性。
在本申请一种实施方式中，第一场景信息还包括历史活动流域中历史产卵场对应的第一床面高清影像；第二场景信息还包括当前活动流域中潜在产卵场对应的第二床面高清影像；如图2所示，繁殖生境识别组件还包括河床底质匹配单元；其中：
河床底质匹配单元，用于获取历史产卵场对应的第一床面高清影像以及当前活动流域中潜在产卵场对应的第二床面高清影像；分别对第一床面高清影像和第二床面高清影像进行图像识别，确定历史产卵场对应的第一底质级配数据以及潜在产卵场对应的第二底质级配数据；将第一底质级配数据以及第二底质级配数据进行对比，当第一底质级配数据与第二底质级配数据之间的第三相似度大于第三相似度阈值时，确定潜在产卵场为主要潜在产卵场；当第一底质级配数据与第二底质级配数据之间的第三相似度小于或者等于第三相似度阈值时，确定潜在产卵场为预备潜在产卵场。
具体地，河床底质匹配单元可以获取历史产卵场对应的第一床面高清影像以及当前活动流域中潜在产卵场对应的第二床面高清影像。然后，使用聚类分析方法分别将第一床面高清影像和第二床面高清影像转换为第一二值图像和第二二值图像。其中，聚类方法包含但不限于K-means、2DBSCAN、MiniBatchKMeans和谱聚类算法。
分别从第一二值图像和第二二值图像中提取裂纹网络的中轴，识别大颗粒推移质的节点和裂纹段，进行推移质颗粒间的分割，统计推移质的个数，并逐个计算推移质颗粒的长度、宽度分别定义为最大Feret直径和最小Feret直径(两条与颗粒以一定角度相切的平行直线间的距离被定义为Feret直径)；进而计算推移质颗粒的面积。
然后，按照推移质颗粒的面积将河床底质分为巨石、鹅卵石、卵砾石和细颗粒(包含沙子及淤泥和粘土)四种组分，其中前三种大颗粒推移质由第一二值图像和第二二值图像直接识别，最后一种细颗粒面积为第一二值图像和第二二值图像中前三种推移质的间隙面积；按照上述划分确定历史产卵场对应的第一底质级配数据以及潜在产卵场对应的第二底质级配数据。
然后，河床底质匹配单元利用第二预设相似度算法对第一底质级配数据以及第二底质级配数据进行计算，当第一底质级配数据与第二底质级配数据之间的第三相似度大于第三相似度阈值时，确定潜在产卵场为主要潜在产卵场；当第一底质级配数据与第二底质级配数据之间的第三相似度小于或者等于第三相似度阈值时，确定潜在产卵场为预备潜在产卵场。
其中，第二预设相似度算法可以包括但不限于欧氏距离算法、曼哈顿距离算法和闵可夫斯基距离算法。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，河床底质匹配单元，用于获取历史产卵场对应的第一床面高清影像以及当前活动流域中潜在产卵场对应的第二床面高清影像；分别对第一床面高清影像和第二床面高清影像进行图像识别，确定历史产卵场对应的第一底质级配数据以及潜在产卵场对应的第二底质级配数据，保证了确定的第一底质级配数据以及第二底质级配数据的准确性。然后，将第一底质级配数据以及第二底质级配数据进行对比，当第一底质级配数据与第二底质级配数据之间的第三相似度大于第三相似度阈值时，确定潜在产卵场为主要潜在产卵场；当第一底质级配数据与第二底质级配数据之间的第三相似度小于或者等于第三相似度阈值时，确定潜在产卵场为预备潜在产卵场，保证了确定的主要潜在产卵场以及预备潜在产卵场的准确性。
在本申请一种可选的实施方式种，如图2所示，生境调控组件包括：底质改良模块、生境监测单元和水库调控单元；其中：
底质改良模块，用于获取预备潜在产卵场对应的目标第二底质级配数据以及与预备潜在产卵场对应的历史产卵场的目标第一底质级配数据；计算目标第二底质级配数据以及目标第一底质级配数据之间差距；根据目标第二底质级配数据以及目标第一底质级配数据之间差距，在产卵窗口期之前的预设时间内对预备潜在产卵场的上游投放推移质颗粒。
在确定主要潜在产卵场以及预备潜在产卵场之后，为了减少工作量，底质改良模块可以只对预备潜在产卵场的底质进行改良。
具体地，底质改良模块可以获取预备潜在产卵场对应的目标第二底质级配数据以及与预备潜在产卵场对应的历史产卵场的目标第一底质级配数据。然后，计算目标第二底质级配数据以及目标第一底质级配数据之间差距；根据目标第二底质级配数据以及目标第一底质级配数据之间差距，在产卵窗口期之前的预设时间内对预备潜在产卵场的上游投放推移质颗粒。
示例性的，底质改良模块可以根据根据目标第二底质级配数据以及目标第一底质级配数据之间差距，确定预备潜在产卵场缺少的推移质颗粒的种类以及数量，例如，确定预备潜在产卵场缺少5mm的细砂，则在产卵窗口期之前的预设时间内对预备潜在产卵场的上游投放一定数量的5mm的细砂。
生境监测单元，用于在各个主要潜在产卵场以及各个预备潜在产卵场布设在线监测设备，对各个主要潜在产卵场以及各个预备潜在产卵场的当前生境因子进行监测，并将当前生境因子传输至水库调控单元；当前生境因子包括流速、水温、溶解氧、水深、流量、积温、涡量、紊动能和泥沙含量中的至少一个生境因子。
具体地，生境监测单元包括多种测量设备，生境监测单元可以将各种测量设备布设在各个主要潜在产卵场以及各个预备潜在产卵场，从而对各个主要潜在产卵场以及各个预备潜在产卵场的当前生境因子进行监测，并将当前生境因子传输至水库调控单元。
水库调控单元，用于获取各个主要潜在产卵场以及各个预备潜在产卵场对应的当前生境因子以及标准生境因子；计算当前生境因子与标准生境因子之间的差距，对当前生境因子与标准生境因子之间的差距进行分析，确定各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案。
具体地，水库调控单元在接收到生境监测单元传输的各个主要潜在产卵场以及各个预备潜在产卵场对应的当前生境因子之后，可以获取各个主要潜在产卵场以及各个预备潜在产卵场对应的标准生境因子，然后，计算当前生境因子与标准生境因子之间的差距，对当前生境因子与标准生境因子之间的差距进行分析，确定各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案。例如脉冲式足部增强的放水，制造人工洪峰过程。并通过年度环境因素的监测，判断当前环境因素是否满足产卵需求，如不满足则通过上述调度方案对产卵场生境要素指标进行调控，目标是使其改善至适合鱼卵产卵的区间。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，底质改良模块，用于获取预备潜在产卵场对应的目标第二底质级配数据以及与预备潜在产卵场对应的历史产卵场的目标第一底质级配数据，计算目标第二底质级配数据以及目标第一底质级配数据之间差距，保证了计算得到的目标第二底质级配数据以及目标第一底质级配数据之间差距的准确性。然后，根据目标第二底质级配数据以及目标第一底质级配数据之间差距，在产卵窗口期之前的预设时间内对预备潜在产卵场的上游投放推移质颗粒，保证了投放推移质颗粒后的预备产卵场更加适合珍稀鱼类产卵，从而改善了珍稀鱼类种群生境因子，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
此外，生境监测单元，用于在各个主要潜在产卵场以及各个预备潜在产卵场布设在线监测设备，对各个主要潜在产卵场以及各个预备潜在产卵场的当前生境因子进行监测，并将当前生境因子传输至水库调控单元，从而保证了得到的当前生境因子的准确性。
水库调控单元，用于获取各个主要潜在产卵场以及各个预备潜在产卵场对应的当前生境因子以及标准生境因子；计算当前生境因子与标准生境因子之间的差距，保证了计算得到的当前生境因子与标准生境因子之间的差距的准确性。对当前生境因子与标准生境因子之间的差距进行分析，确定各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案，保证了确定的各个主要潜在产卵场以及各个预备潜在产卵场对应的基于当前生境因子的刺激产卵调度方案的准确性。
在本申请一种可选的实施方式中，上述改善珍稀鱼类种群生境的水利工程调控系统，如图6所示，还包括：鱼类洄游追踪组件以及增殖放流组件；其中：
鱼类洄游追踪组件，用于并监测珍稀鱼类的活动轨迹，并对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹。
增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本。
在本申请一种可选的实施方式中，如图6所示，鱼类洄游追踪组件包括断面监测单元、鱼类标记单元和仿生追踪单元，断面监测单元包括多个监测站，各监测站安装在各个潜在产卵场之间河流宽度最窄的河道上；仿生追踪单元包括多个仿生机器鱼；其中：
各监测站，用于监测洄游通过各个监测站的珍稀鱼类的数量以及时刻，当各个监测站监测到的珍稀鱼类的数量到达数量阈值后，向仿生追踪单元发送追踪信号。
具体地，鱼类洄游追踪组件可以获取当前活动流域对应的第二遥感影像集、第二遥感影像集中包括的各个当前流域弯段对应的各个第二河流弯段特征、主要潜在产卵场以及预备潜在产卵场的位置信息，从第二遥感影像集中剔除主要潜在产卵场以及预备潜在产卵场对应的遥感图像，将第二遥感影像集中包括的其他产卵区域作为珍稀鱼类洄游通道。
断面监测单元将珍稀鱼类洄游通道自上游向下游分为若干节，提取各节河流宽度特征值W沿程分布，选取节内最小宽度Wmin断面布设固定式监测站S。
此外，断面监控单元面向珍稀鱼类的野生个体和人工繁育个体，采用的无接触式探鱼方法包括但不限于图像识别和标记物探测方法，例如基于深度学习的水下视频识别技术，断面监控单元通过水下高清摄像机采集断面范围内的水下视频，并对采集的水下视频按帧进行分割，对各帧视频数均使用包括但不限于恒定亮度调节并统一各帧的背景亮度并消除模糊。然后，利用预设深度学习模型中的特征提取网络对亮度调节后的各帧视频数据进行特征提取，并利用预设深度学习模型中的区域提案网络对提取的特征进行识别，根据识别结果，确定珍稀鱼类的数量。
示例性的，可以使用卷积神经网络(CNN)以珍稀鱼类骨干结构对所有帧图像进行鱼卵特征提取，特征至少包括鱼的尺寸、鱼鳍、颜色、速度和游泳行为等指标；使用区域提案网络(RPN)构架增强对图像中多种鱼类的监测，从而确定珍稀鱼类的数量。
断面监控单元统计珍稀鱼类清本洄游通过各监测站的时刻及数量，并当各个监测站监测到的珍稀鱼类的数量到达数量阈值后，向仿生追踪单元发送追踪信号。
仿生追踪单元，用于在接收到追踪信号之后，控制各个仿生机器鱼伴随珍稀鱼类进行游动，并记录珍稀鱼类的活动轨迹；并使用预设的路径预测模型对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹。
具体地，仿生追踪单元可以布设仿生机器鱼(或潜行机器人)在各相邻监测站Si和Si+1间进行巡航，在接收到追踪信号之后，控制各个仿生机器鱼伴随珍稀鱼类进行游动，并记录珍稀鱼类的活动轨迹。然后，仿生追踪单元可以使用预设的路径预测模型对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹。其中，预设的路径预测模型可以是高阶马尔科夫模型，也可以是其他深度学习模型，本申请实施例对预设的路径预测模型不做具体限定。其中，仿生机器鱼对珍稀鱼类的追踪伴游方式包含但不限于声呐鱼群探测技术。
鱼类标记单元，用于生成带有标记物的珍稀鱼类成年亲本。
具体地，鱼类标记单元生成带有标记物的珍稀鱼类成年亲本的方式包括不限于利用PIT无线射频标技术、荧光标记、金属线码标记和微卫星标记等。
增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本。
具体地，增殖放流组件根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本。
各监测站，还用于监测通过各个监测站的带有标记物的珍稀鱼类成年亲本的数量，以对珍稀鱼类成年亲本的投放效果进行评估。
具体地，监测站监测通过各个监测站的带有标记物的珍稀鱼类成年亲本的数量，以对珍稀鱼类成年亲本的投放效果进行评估。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，监测站采集预设范围内的水下视频；并对水下视频按帧进行分割，对各帧视频数据进行恒定亮度调节并统一各帧视频数据的背景亮度，保证了预设深度学习模型对亮度调节后的各帧视频数据进行特征提取的准确性。然后，利用预设深度学习模型中的特征提取网络对亮度调节后的各帧视频数据进行特征提取，保证了提取的特征的准确性。然后，利用预设深度学习模型中的区域提案网络对提取的特征进行识别，根据识别结果，确定珍稀鱼类的数量，保证了监测到的珍稀鱼类的数量以及时刻的准确性。当各个监测站监测到的珍稀鱼类的数量到达数量阈值后，向仿生追踪单元发送追踪信号，保证了仿生追踪单元可以接收到追踪信号。仿生追踪单元，用于在接收到追踪信号之后，控制各个仿生机器鱼伴随珍稀鱼类进行游动，并记录珍稀鱼类的活动轨迹，保证了记录的珍稀鱼类的活动轨迹的准确性。然后，使用预设的路径预测模型对珍稀鱼类的活动轨迹进行预测，确定珍稀鱼类的预测轨迹，保证了确定的珍稀鱼类的预测轨迹的准确性。鱼类标记单元，用于生成带有标记物的珍稀鱼类成年亲本，保证了生成的带有标记物的珍稀鱼类成年亲本的准确性。增殖放流组件，用于根据珍稀鱼类的预测轨迹，在珍稀鱼类到达预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本，从而使得带有标记物的预设数量的珍稀鱼类成年亲本可以带动珍稀鱼类进行洄游，提高了珍稀鱼类增值流放的效果。各监测站，还用于监测通过各个监测站的带有标记物的珍稀鱼类成年亲本的数量，以对珍稀鱼类成年亲本的投放效果进行评估，进而可以根据评估结果，进一步提高珍稀鱼类增值流放的效果。
在本申请一种可选的实施方式中，鱼类洄游追踪组件，还用于利用相邻两个监测站监测到的珍稀鱼类的数量进行相减，计算各个潜在产卵场中珍稀鱼类的数量，并获取基于仿生追踪单元对潜在产卵场的水样进行检测，确定潜在产卵场中珍稀鱼类的雄雌比例；
增殖放流组件，用于根据各个潜在产卵场中珍稀鱼类的数量以及雄雌比例，确定需要投放的人工繁殖的雌鱼以及雄鱼的数量，并投放一定数量的雌鱼以及雄鱼。
具体地，鱼类洄游追踪可以计算通过监测站的鱼群通量差推算第j个产卵场的鱼群数量NFj＝E1j-1-E1j，其中，E1可以表示各个监测站检测到的珍稀鱼类的数量。仿生追踪模块单元利用仿生机器鱼采集产卵场鱼类的水样，进行环境DNA检测，确定潜在产卵场中珍稀鱼类的雄雌比例。
增殖放流组件根据各个潜在产卵场中珍稀鱼类的数量以及雄雌比例，确定需要投放的人工繁殖的雌鱼以及雄鱼的数量，并投放一定数量的雌鱼以及雄鱼。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，鱼类洄游追踪组件，还用于利用相邻两个监测站监测到的珍稀鱼类的数量进行相减，计算各个潜在产卵场中珍稀鱼类的数量，保证了计算得到的潜在产卵场中珍稀鱼类的数量的准确性。然后，获取基于仿生追踪单元对潜在产卵场的水样进行检测，确定潜在产卵场中珍稀鱼类的雄雌比例，保证了确定的潜在产卵场中珍稀鱼类的雄雌比例的准确性。增殖放流组件，用于根据各个潜在产卵场中珍稀鱼类的数量以及雄雌比例，确定需要投放的人工繁殖的雌鱼以及雄鱼的数量，并投放一定数量的雌鱼以及雄鱼，保证了确定的需要投放的人工繁殖的雌鱼以及雄鱼的数量的准确性，从而保证了投放的一定数量的雌鱼以及雄鱼的准确性，进而保证了潜在产卵场雄雌鱼类比例均衡，保证了珍稀鱼类可以更好地产卵孵化，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
如图7所示，为了更好地介绍本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，本申请实施例提供了一种改善珍稀鱼类种群生境的水利工程调控方法，，应用于上述改善珍稀鱼类种群生境的水利工程调控系统，方法包括：
S11、获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息。
S12、对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场。
S13、获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期。
S14、根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒。
S15、监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案。
关于改善珍稀鱼类种群生境的水利工程调控方法的限定，请参见上文对改善珍稀鱼类种群生境的水利工程调控系统的介绍，在此不进行赘述。
本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控方法，获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息。对第一场景信息以及第二场景信息进行对比分析，确定历史活动流域中存在的珍稀鱼类对应的历史产卵场以及当前活动流域中存在的珍稀鱼类对应的潜在产卵场，保证了确定的历史产卵场以及潜在产卵场的准确性。然后，获取历史产卵场对应的第一水文气象数据以及潜在产卵场对应的第二水文气象数据；对第一水文气象数据和第二水文气象数据进行对比分析，确定潜在产卵场对应的产卵窗口期，保证了确定的潜在产卵场对应的产卵窗口期的准确性。根据历史产卵场对应的第一底质级配数据与潜在产卵场对应的第二底质级配数据之间的差距，在产卵窗口期之前的预设时间内对潜在产卵场的上游投放推移质颗粒，从而保证了潜在产卵场的底质级配数据适宜珍惜鱼类的产卵。然后，监测潜在产卵场对应的当前生境因子，根据潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于当前生境因子的刺激产卵调度方案，保证了确定的当前生境因子的刺激产卵调度方案的准确性，从而改善了珍稀鱼类种群生境因子，实现了对珍稀鱼类对应的潜在产卵场进行精准调控，提高了珍稀鱼类增值流放的效果。
为了更好地介绍本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控方法，如图8所示，本申请实施提供了一种改善珍稀鱼类种群生境的水利水电工程调控方法可以包括如下步骤：
第一步：产卵场识别，包括：产卵场河段特征匹配；产卵场地形特征匹配；产卵场河底特征匹配；产卵场气象水文匹配。第二步：洄游生活史调查，包括：鱼群断面识别；仿生路线追踪；亲本增值放流；放流效果评估。第三步：鱼类增值调控，包括：产卵场底质修复；产卵场河段监测；水库智能调控；幼体增值流放。
为了更好地介绍本申请实施例提供的改善珍稀鱼类种群生境的水利工程调控系统，本实施例以长江流域为例，该流域分布有中华鲟等珍稀鱼类，现存数量稀少，资源趋于濒危，中华鲟是典型江海洄游性鱼类，该鱼类性成熟后，每年6-7月开始由海入江作生殖洄游，繁殖期通常在每年的10月上旬到11月中旬。中华鲟历史产卵场分布在牛拦江以下的金沙江下游至涪陵以上的长江上游，共约16处产卵场。葛洲坝水利工程的建设，阻隔了中华鲟的洄游通道，中华鲟被迫在葛洲坝下游距大坝约4km区域内形成新的产卵场。近年来，受到水利工程、过度捕捞、水质污染以及航运等诸多因素干扰，该鱼类的适宜生存空间日益压缩，呈现持续性衰退趋势。
如图9所示，通过多源时空数据引擎组件定制获取该珍稀鱼类历史活动流域的高分辨率遥感影像以及当前活动流域的高分辨率遥感影像；定制河段中历史产卵场和全河段的水下地形扫描数据通过繁殖生境识别模块根据珍稀鱼类历史产卵生境特征搜寻当前产卵场的方位；使用繁殖生境识别组件中的河道地形匹配单元以目标模板匹配相似的地形；筛选河道地形相似度到达阈值的区域作为潜在产卵场位置；
通过生境调控组件中的底质改良模块根据预备产卵场的底质级配数据及对应的历史产卵场级配数据，在产卵窗口期前1～2月在产卵场及上游区域投放推移质颗粒；生境监测单元在识别的产卵场布设在线监测设备，对产卵场的流速、水温、溶解氧等生境因子进行实时监测；仿生机器鱼(或潜行机器人)在各相邻测站间进行巡航；并使用路径预测(高阶马尔科夫模型)对鱼群上溯轨迹进行预报；
通过鱼类洄游追踪模块用于追踪珍稀鱼类的洄游过程，在野生珍稀鱼类亲本上溯洄游时期在实施无接触式识别，统计鱼类清本洄游通过各监测站的时刻及数量，形成亲本上溯信息集合实时上传至数值数据单元；
通过生境调控模块调用生境信息数据集，在产卵窗口期前结合珍惜鱼类历史产卵生境的调查监测数据，运用机器学习等统计方法，分析中华鲟自然产卵对的地形、底质、水深、流速、流量、水温和泥沙含量条件的需求，结合产卵场的生境因子数据，提出产卵场水流、泥沙和水温等关键因素的刺激产卵调度方案。如表1所示，给出了刺激产卵调度方案中水温、有效积温、水位、水深、流速、涡量、紊动能、流量、含沙量、河床地质等相关阈值参数。通过年度环境因素的监测后，如环境因素满足产卵需求，则不需调控就可直接开展中华鲟自然繁殖试验；如环境因素需小幅度调整，则需给出调控方案，进行调控以实现中华鲟自然产卵。
表1刺激产卵调度方案相关生境要素阈值
本实施例使用PIT信标对人工放流亲本进行标记，并通过固定式阵列天线对调控后增殖放流中华鲟的活动情况进行监测。在长江沿线布设关键声纳监测点包括但不限于宜昌、荆州、武汉、上海、南京、江阴等位置。监测结果显示：适合于中华鲟产卵的水域面积较现有调度增加了3.05％，且主要在产卵场江段水温适合中华鲟产卵的11月底至12月，极大增加中华鲟产卵场适合度，优化了中华鲟产卵生境，监测结果显示河流底质得到了明显改善，提高了中华鲟在产卵场产卵的概率；追踪单元对幼鱼降河过程进行监测，统计各测站幼鱼总数和标记幼鱼数量，计算表明自然繁殖数量提高了18％，水库调控增殖和人工增殖放流效果显著，成功率提高了26％。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种改善珍稀鱼类种群生境的水利工程调控系统，其特征在于，所述调控系统包括多源时空数据引擎组件、繁殖生境识别组件以及生境调控组件；其中：
所述多源时空数据引擎组件，用于获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；
所述繁殖生境识别组件，用于对所述第一场景信息以及所述第二场景信息进行对比分析，确定所述历史活动流域中存在的珍稀鱼类对应的历史产卵场以及所述当前活动流域中存在的所述珍稀鱼类对应的潜在产卵场；获取所述历史产卵场对应的第一水文气象数据以及所述潜在产卵场对应的第二水文气象数据；对所述第一水文气象数据和所述第二水文气象数据进行对比分析，确定所述潜在产卵场对应的产卵窗口期；
所述生境调控组件，用于根据所述历史产卵场对应的第一底质级配数据与所述潜在产卵场对应的第二底质级配数据之间的差距，在所述产卵窗口期之前的预设时间内对所述潜在产卵场的上游投放推移质颗粒；并监测所述潜在产卵场对应的当前生境因子，根据所述潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于所述当前生境因子的刺激产卵调度方案。
2.根据权利要求1所述的系统，其特征在于，所述第一场景信息包括所述历史活动流域对应的第一遥感影像集以及第一水下数字地形图，所述第二场景信息包括所述当前活动流域对应的第二遥感影像集以及第二水下数字地形图，所述繁殖生境识别组件包括：河岸特征匹配单元以及河道特征匹配单元；其中：
所述河岸特征匹配单元，用于分别对所述第一遥感影像集和所述第二遥感影像集进行图像识别，提取所述第一遥感影像集中包括的各所述历史产卵场对应的各个历史流域弯段的各个第一河流弯段特征以及所述第二遥感影像集中包括的各个当前流域弯段对应的各个第二河流弯段特征；将各个所述第二河流弯段特征与各个所述第一河流弯段特征进行对比，当所述第二河流弯段特征和所述第一河流弯段特征的第一相似度大于第一阈值时，确定所述当前流域弯段为当前候选流域弯段，并确定所述当前候选流域弯段对应的历史流域弯段为历史候选流域弯段；
所述河道特征匹配单元，用于获取所述当前候选流域弯段对应的目标第二水下数字地形图以及所述历史候选流域弯段对应的目标第一水下数字地形图；将所述目标第二水下数字地形图与所述目标第一水下数字地形图进行对比，当所述目标第二水下数字地形图与所述目标第一水下数字地形图之间的第二相似度大于第二相似度阈值时，确定所述当前候选流域弯段为所述潜在产卵场。
3.根据权利要求2所述的系统，其特征在于，所述第一场景信息还包括所述历史活动流域中所述历史产卵场对应的第一床面高清影像；所述第二场景信息还包括所述当前活动流域中所述潜在产卵场对应的第二床面高清影像；所述繁殖生境识别组件还包括河床底质匹配单元；其中：
所述河床底质匹配单元，用于获取所述历史产卵场对应的所述第一床面高清影像以及所述当前活动流域中所述潜在产卵场对应的所述第二床面高清影像；分别对所述第一床面高清影像和所述第二床面高清影像进行图像识别，确定所述历史产卵场对应的第一底质级配数据以及所述潜在产卵场对应的第二底质级配数据；将所述第一底质级配数据以及所述第二底质级配数据进行对比，当所述第一底质级配数据与所述第二底质级配数据之间的第三相似度大于第三相似度阈值时，确定所述潜在产卵场为主要潜在产卵场；当所述第一底质级配数据与所述第二底质级配数据之间的第三相似度小于或者等于所述第三相似度阈值时，确定所述潜在产卵场为预备潜在产卵场。
4.根据权利要求3所述的系统，其特征在于，所述生境调控组件包括：底质改良模块、生境监测单元和水库调控单元；其中：
所述底质改良模块，用于获取所述预备潜在产卵场对应的目标第二底质级配数据以及与所述预备潜在产卵场对应的所述历史产卵场的目标第一底质级配数据；计算所述目标第二底质级配数据以及所述目标第一底质级配数据之间差距；根据所述目标第二底质级配数据以及所述目标第一底质级配数据之间差距，在所述产卵窗口期之前的预设时间内对所述预备潜在产卵场的上游投放推移质颗粒；
所述生境监测单元，用于在各个所述主要潜在产卵场以及各个所述预备潜在产卵场布设在线监测设备，对各个所述主要潜在产卵场以及各个所述预备潜在产卵场的当前生境因子进行监测，并将所述当前生境因子传输至所述水库调控单元；所述当前生境因子包括流速、水温、溶解氧、水深、流量、积温、涡量、紊动能和泥沙含量中的至少一个生境因子；
水库调控单元，用于获取各个所述主要潜在产卵场以及各个所述预备潜在产卵场对应的当前生境因子以及标准生境因子；计算所述当前生境因子与所述标准生境因子之间的差距，对所述当前生境因子与所述标准生境因子之间的差距进行分析，确定各个所述主要潜在产卵场以及各个所述预备潜在产卵场对应的基于所述当前生境因子的刺激产卵调度方案。
5.根据权利要求1所述的系统，其特征在于，所述调控系统还包括：鱼类洄游追踪组件以及增殖放流组件；其中：
所述鱼类洄游追踪组件，用于并监测所述珍稀鱼类的活动轨迹，并对所述珍稀鱼类的活动轨迹进行预测，确定所述珍稀鱼类的预测轨迹；
所述增殖放流组件，用于根据所述珍稀鱼类的预测轨迹，在所述珍稀鱼类到达所述预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本。
6.根据权利要求5所述的系统，其特征在于，所述鱼类洄游追踪组件包括断面监测单元、鱼类标记单元和仿生追踪单元，所述断面监测单元包括多个监测站，各所述监测站安装在各个所述潜在产卵场之间河流宽度最窄的河道上；所述仿生追踪单元包括多个仿生机器鱼；其中：
各所述监测站，用于监测洄游通过各个所述监测站的所述珍稀鱼类的数量以及时刻，当各个所述监测站监测到的所述珍稀鱼类的数量到达数量阈值后，向所述仿生追踪单元发送追踪信号；
所述仿生追踪单元，用于在接收到所述追踪信号之后，控制各个所述仿生机器鱼伴随所述珍稀鱼类进行游动，并记录所述珍稀鱼类的活动轨迹；并使用预设的路径预测模型对所述珍稀鱼类的活动轨迹进行预测，确定所述珍稀鱼类的预测轨迹；
所述鱼类标记单元，用于生成带有标记物的珍稀鱼类成年亲本；
所述增殖放流组件，用于根据所述珍稀鱼类的预测轨迹，在所述珍稀鱼类到达所述预测轨迹的预设时间之前投放带有标记物的预设数量的珍稀鱼类成年亲本；
各所述监测站，还用于监测通过各个所述监测站的带有标记物的所述珍稀鱼类成年亲本的数量，以对所述珍稀鱼类成年亲本的投放效果进行评估。
7.根据权利要求6所述的系统，其特征在于，所述鱼类洄游追踪组件，还用于利用相邻两个所述监测站监测到的所述珍稀鱼类的数量进行相减，计算各个所述潜在产卵场中所述珍稀鱼类的数量，并获取基于所述仿生追踪单元对所述潜在产卵场的水样进行检测，确定所述潜在产卵场中所述珍稀鱼类的雄雌比例；
所述增殖放流组件，用于根据各个所述潜在产卵场中所述珍稀鱼类的数量以及雄雌比例，确定需要投放的人工繁殖的雌鱼以及雄鱼的数量，并投放一定数量的雌鱼以及雄鱼。
8.根据权利要求2所述的系统，其特征在于，所述河岸特征匹配单元，用于分别对所述第一遥感影像集和所述第二遥感影像集进行多光谱遥感图像提取、校正和配准预处理，再对预处理后的第一遥感影像集和第二遥感影像集进行直方图均衡化、高斯模糊和拉普拉斯滤波处理；使用归一化差异水体指数分离处理后的第一遥感影像集以及第二遥感影像集中的水体及陆地，提取水陆分界线作为河道岸边线，得到所述第一遥感影像集对应的第一河道岸边线和所述第二遥感影像集对应的第二河道岸边线；
分别对所述第一河道岸边线和所述第二河道岸边线两侧的岸边线分离为同等数量的左岸点集和右岸点集，按照自上游向下游编号，连接编号相同的左岸和右岸分离点，取连线中点使用光滑曲线算法进行拟合，得到所述第一河道岸边线对应的第一河流主曲线和所述第二河道岸边线对应的第二河流主曲线；
分别对所述第一河流主曲线和所述第二河流主曲线进行一阶求导，确定曲线转弯点，并自上游向下游编号，取奇数编号或偶数编号的曲线转弯点作为河段分割点，从而将所述历史活动流域和所述当前活动流域分割为若干弯段；对所述历史活动流域中的各弯段进行特征提取，得到各个所述第一河流弯段特征，对所述当前活动流域中的各弯段进行特征提取，得到各个所述第二河流弯段特征。
9.根据权利要求2所述的系统，其特征在于，所述河道特征匹配单元，用于设定一系列的网格尺寸Δ由大到小排列(Δ1，Δ2，…,Δn)，使用Δ1对所述目标第一水下数字地形图和所述目标第二水下数字地形图进行三角化域重构；
分别使用线性函数f和g对所述目标第一水下数字地形图和所述目标第二水下数字地形图的三角顶点位置和高程值h1(x1,y1)和h2(x2,y2)进行分段线性插值，将所述目标第一水下数字地形图和所述目标第二水下数字地形图转化为实数空间
上的二元分段线性函数
和
定义移动向量集合t(tx,ty,h,θ)，包含水平平移、水平旋转和垂直升降三种空间变换操作，理想情况下
即所述目标第一水下数字地形图的地形在进行位置变换后的与所述目标第二水下数字地形图对应的地形中某一区域完全相贴合；
按照Δ1为步长对函数空间
进行遍历，定义所述第二相似度
如遍历过程中，所述K2达到阈值，则标记此时的
进行空间逆变化在所述目标第二水下数字地形图中进行标记，确定所述当前候选流域弯段为所述潜在产卵场；
如遍历完仍未达到阈值，则选取次一级网格尺寸Δ2重复上述过程，以此类推；如使用最小网格尺寸处理后，所述K2仍未达到阈值，则认为所述目标第二水下数字地形图中不存在与所述目标第一水下数字地形图相适配的地形。
10.一种改善珍稀鱼类种群生境的水利工程调控方法，其特征在于，应用于权利要求1-9任一项所述的改善珍稀鱼类种群生境的水利工程调控系统，所述方法包括：
获取历史活动流域对应的第一场景信息以及当前活动流域对应的第二场景信息；
对所述第一场景信息以及所述第二场景信息进行对比分析，确定所述历史活动流域中存在的珍稀鱼类对应的历史产卵场以及所述当前活动流域中存在的所述珍稀鱼类对应的潜在产卵场；
获取所述历史产卵场对应的第一水文气象数据以及所述潜在产卵场对应的第二水文气象数据；对所述第一水文气象数据和所述第二水文气象数据进行对比分析，确定所述潜在产卵场对应的产卵窗口期；
根据所述历史产卵场对应的第一底质级配数据与所述潜在产卵场对应的第二底质级配数据之间的差距，在所述产卵窗口期之前的预设时间内对所述潜在产卵场的上游投放推移质颗粒；
监测所述潜在产卵场对应的当前生境因子，根据所述潜在产卵场对应的当前生境因子与标准生境因子之间的差距，确定基于所述当前生境因子的刺激产卵调度方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211022511.4A CN115152671B (zh) | 2022-08-24 | 2022-08-24 | 改善珍稀鱼类种群生境的水利工程调控系统及调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211022511.4A CN115152671B (zh) | 2022-08-24 | 2022-08-24 | 改善珍稀鱼类种群生境的水利工程调控系统及调控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115152671A true CN115152671A (zh) | 2022-10-11 |
| CN115152671B CN115152671B (zh) | 2023-06-09 |
Family
ID=83481252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211022511.4A Active CN115152671B (zh) | 2022-08-24 | 2022-08-24 | 改善珍稀鱼类种群生境的水利工程调控系统及调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115152671B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116432902A (zh) * | 2023-03-31 | 2023-07-14 | 中国水利水电科学研究院 | 一种考虑水环境因子变异的物种长期生存能力评估方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7194111B1 (en) * | 2003-07-10 | 2007-03-20 | The United States Of America As Represented By The Secretary Of The Navy | Hyperspectral remote sensing systems and methods using covariance equalization |
| CN103190365A (zh) * | 2013-04-02 | 2013-07-10 | 河海大学 | 一种基于物联网的长江特有鱼类产卵栖息地监测方法及系统 |
| CN109271694A (zh) * | 2018-09-06 | 2019-01-25 | 西安理工大学 | 基于鱼类个体动态模拟技术的栖息地识别方法 |
| CN109447848A (zh) * | 2018-12-25 | 2019-03-08 | 中国电建集团成都勘测设计研究院有限公司 | 适用于产漂流性卵鱼类的梯级电站生态调度系统 |
| CN109644904A (zh) * | 2019-01-30 | 2019-04-19 | 中国水产科学研究院黑龙江水产研究所 | 一种在产卵场河流大麻哈鱼类三季增殖放流方法 |
| CN109883405A (zh) * | 2019-03-25 | 2019-06-14 | 长江水利委员会长江科学院 | 一种推求江河产漂流性卵鱼类的产卵场位置的方法 |
| CN113475431A (zh) * | 2021-07-16 | 2021-10-08 | 四川大学 | 构建与鱼类生命史匹配的支流生境替代适宜性模型的方法 |
| CN114065520A (zh) * | 2021-11-17 | 2022-02-18 | 西安理工大学 | 一种鱼类洄游通道确定方法及系统 |
| WO2022074643A1 (en) * | 2020-10-08 | 2022-04-14 | Edgy Bees Ltd. | Improving geo-registration using machine-learning based object identification |
| CN114532260A (zh) * | 2022-01-18 | 2022-05-27 | 中国长江三峡集团有限公司 | 面向产漂流性卵鱼类繁殖的精准调控系统 |
| CN114698576A (zh) * | 2022-05-23 | 2022-07-05 | 中国长江三峡集团有限公司 | 长江上游特有珍稀鱼类自然繁殖孵化保护装置及使用方法 |
-
2022
- 2022-08-24 CN CN202211022511.4A patent/CN115152671B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7194111B1 (en) * | 2003-07-10 | 2007-03-20 | The United States Of America As Represented By The Secretary Of The Navy | Hyperspectral remote sensing systems and methods using covariance equalization |
| CN103190365A (zh) * | 2013-04-02 | 2013-07-10 | 河海大学 | 一种基于物联网的长江特有鱼类产卵栖息地监测方法及系统 |
| CN109271694A (zh) * | 2018-09-06 | 2019-01-25 | 西安理工大学 | 基于鱼类个体动态模拟技术的栖息地识别方法 |
| CN109447848A (zh) * | 2018-12-25 | 2019-03-08 | 中国电建集团成都勘测设计研究院有限公司 | 适用于产漂流性卵鱼类的梯级电站生态调度系统 |
| CN109644904A (zh) * | 2019-01-30 | 2019-04-19 | 中国水产科学研究院黑龙江水产研究所 | 一种在产卵场河流大麻哈鱼类三季增殖放流方法 |
| CN109883405A (zh) * | 2019-03-25 | 2019-06-14 | 长江水利委员会长江科学院 | 一种推求江河产漂流性卵鱼类的产卵场位置的方法 |
| WO2022074643A1 (en) * | 2020-10-08 | 2022-04-14 | Edgy Bees Ltd. | Improving geo-registration using machine-learning based object identification |
| CN113475431A (zh) * | 2021-07-16 | 2021-10-08 | 四川大学 | 构建与鱼类生命史匹配的支流生境替代适宜性模型的方法 |
| CN114065520A (zh) * | 2021-11-17 | 2022-02-18 | 西安理工大学 | 一种鱼类洄游通道确定方法及系统 |
| CN114532260A (zh) * | 2022-01-18 | 2022-05-27 | 中国长江三峡集团有限公司 | 面向产漂流性卵鱼类繁殖的精准调控系统 |
| CN114698576A (zh) * | 2022-05-23 | 2022-07-05 | 中国长江三峡集团有限公司 | 长江上游特有珍稀鱼类自然繁殖孵化保护装置及使用方法 |
Non-Patent Citations (2)
| Title |
|---|
| 秦卫华;刘鲁君;徐网谷;王智;蒋明康;: "小南海水利工程对长江上游珍稀特有鱼类自然保护区生态影响预测", 生态与农村环境学报, no. 04 * |
| 郭文献;谷红梅;王鸿翔;徐建新;夏自强;: "长江中游四大家鱼产卵场物理生境模拟研究", 水力发电学报, no. 05 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116432902A (zh) * | 2023-03-31 | 2023-07-14 | 中国水利水电科学研究院 | 一种考虑水环境因子变异的物种长期生存能力评估方法 |
| CN116432902B (zh) * | 2023-03-31 | 2023-09-12 | 中国水利水电科学研究院 | 一种考虑水环境因子变异的物种长期生存能力评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115152671B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Son et al. | Mangrove mapping and change detection in Ca Mau Peninsula, Vietnam, using Landsat data and object-based image analysis | |
| Lathrop et al. | A multi-scale segmentation approach to mapping seagrass habitats using airborne digital camera imagery | |
| CN114049477B (zh) | 一种过鱼鱼道系统、鱼类数量和种类的动态识别跟踪方法 | |
| CN110263717A (zh) | 一种融入街景影像的土地利用类别确定方法 | |
| CN110084285A (zh) | 基于深度学习的鱼类细粒度分类方法 | |
| CN110008854A (zh) | 基于预训练dcnn的无人机影像公路地质灾害识别方法 | |
| CN107504923B (zh) | 一种综合遥感影像和延绳信息的海带养殖面积监测方法 | |
| CN112749654A (zh) | 一种用于视频大雾监测的深度神经网络模型构建方法、系统及装置 | |
| CN103235982A (zh) | 一种基于贝叶斯网络模型的渔场预报方法 | |
| Lainez et al. | Automated fingerlings counting using convolutional neural network | |
| CN109034184A (zh) | 一种基于深度学习的均压环检测识别方法 | |
| CN115152671A (zh) | 改善珍稀鱼类种群生境的水利工程调控系统及调控方法 | |
| CN109886170A (zh) | 一种钉螺智能检测识别与统计系统 | |
| White et al. | Tracking tidal inundation in a coastal salt marsh with Helikite airphotos: Influence of hydrology on ecological zonation at Crab Haul Creek, South Carolina | |
| CN112802064A (zh) | 一种水利枢纽鱼道视觉识别系统 | |
| CN113012111A (zh) | 一种基于边缘计算的水稻倒伏程度分级监测方法 | |
| Zhao et al. | Stability evaluation of tidal flats based on time-series satellite images: A case study of the Jiangsu central coast, China | |
| Rojas et al. | Free and underfit-scavenger river dynamics dominate the large amazonian Pacaya-Samiria wetland structure | |
| Xu et al. | Remote Sensing Mapping of Cage and Floating-raft Aquaculture in China's Offshore Waters Using Machine Learning Methods and Google Earth Engine | |
| CN117079130A (zh) | 一种基于红树林生境的智能信息管理方法及系统 | |
| Boussarie et al. | BichiCAM, an underwater automated video tracking system for the study of migratory dynamics of benthic diadromous species in streams | |
| Azhar et al. | A framework for multiscale intertidal sandflat mapping: A case study in the Whangateau estuary | |
| Zhu et al. | spectral characteristic analysis and remote sensing classification of coastal aquaculture areas based on GF-1 data | |
| Grams et al. | Automated remote cameras for monitoring alluvial sandbars on the Colorado River in Grand Canyon, Arizona | |
| Galloway et al. | Predicting dreissenid mussel abundance in nearshore waters using underwater imagery and deep learning |
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 |