JP2021520575A - 南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用 - Google Patents
南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用 Download PDFInfo
- Publication number
- JP2021520575A JP2021520575A JP2020561696A JP2020561696A JP2021520575A JP 2021520575 A JP2021520575 A JP 2021520575A JP 2020561696 A JP2020561696 A JP 2020561696A JP 2020561696 A JP2020561696 A JP 2020561696A JP 2021520575 A JP2021520575 A JP 2021520575A
- Authority
- JP
- Japan
- Prior art keywords
- argentine
- value
- aao
- antarctic
- pine
- 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
- AILDTIZEPVHXBF-UHFFFAOYSA-N Argentine Natural products C1C(C2)C3=CC=CC(=O)N3CC1CN2C(=O)N1CC(C=2N(C(=O)C=CC=2)C2)CC2C1 AILDTIZEPVHXBF-UHFFFAOYSA-N 0.000 title claims abstract description 102
- 244000308495 Potentilla anserina Species 0.000 title claims abstract description 102
- 235000016594 Potentilla anserina Nutrition 0.000 title claims abstract description 102
- 241000238366 Cephalopoda Species 0.000 title claims abstract description 97
- 235000008331 Pinus X rigitaeda Nutrition 0.000 title claims abstract description 89
- 235000011613 Pinus brutia Nutrition 0.000 title claims abstract description 89
- 241000018646 Pinus brutia Species 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000010355 oscillation Effects 0.000 title claims abstract description 30
- 239000003643 water by type Substances 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims abstract description 7
- 230000015654 memory Effects 0.000 claims description 6
- 238000012731 temporal analysis Methods 0.000 claims description 4
- 238000000700 time series analysis Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 229930002868 chlorophyll a Natural products 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (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
Description
電子機器に適用される南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法であって、
(1)過去N年間にアルゼンチンマツイカが分布していた南西太平洋の南部海域の月別の南極振動指数AAO値を取得するステップと、
(2)時系列分析方法を利用して、アルゼンチンマツイカ資源豊度ln(CPUE)と過去N年間の月別のAAO値に対して相関性分析を行い、そのうち統計的に有意な相関を示す月のAAO値を選択し、選択したこれらの月のAAO値を、アルゼンチンマツイカ資源豊度に影響を与える気候因子とし、選択したこれらの月のAAO値を1、2、3…z…mの順で番号付けし、これらの月のAAO値を順にx1、x2、x3…xz…xm(mは選択した月のAAO値の数である)とするステップと、
(3)x1、x2、x3…xmのうちの任意1〜m個の気候因子に対して、多変数線形方程式を利用して計2m−1個のアルゼンチンマツイカ資源豊度予測モデルを作成し、各予測モデルの統計的P値を計算し、アルゼンチンマツイカ資源豊度予測モデルの式は、
ln(CPUE)=a+b1*x1+b2*x2+b3*x3+…+bz*xz+…+bm*xmであり、
式中、CPUEは1隻あたりの年間漁獲量、aは定数、b1、b2、b3、…bz…、bnはそれぞれx1、x2、x3…xz…xmに対応する係数であり、
(4)上記2m−1個のアルゼンチンマツイカ資源豊度予測モデルのうち、統計的P値が最も小さいモデルを最適モデルとして選択するステップと、を含む。
前記南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法において、最適モデルを得た後、該最適モデルに対応するx1、x2、x3…xz…xmを取得して最適モデルに入力し、最適モデルがアルゼンチンマツイカ資源豊度を出力すると、アルゼンチンマツイカ資源量の予測が完了する。
1)予測モデルI
気候因子の過去2年目の5月のAAO値x1に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7305+0.4554*x1であり、
F値は6.0347であり、P=0.0277<0.05であり、F値はF検定の統計値であり、F検定は帰無仮説(null hypothesis、H0)の下で統計値がF−分布に従う検定であり、通常、2個以上のパラメータを用いた統計モデルを分析して、該モデル中の全部又は一部のパラメータが母集団の推定に適用できるか否かを判断するために使用され、線形関係を検定するものであり、
2)予測モデルII
気候因子の過去1年目の8月のAAO値x2に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7281−0.4694*x2であり、
F値は4.5480であり、P=0.049<0.05であり、
3)予測モデルIII
気候因子の過去2年目の5月のAAO値x1及び過去1年目の8月のAAO値x2に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7046+0.3908*x1−0.3836*x2であり、
F値は5.5135であり、P=0.018<0.05である。
ln (CPUE)=6.7046+0.3908*x1−0.3836*x2である。
前記データ収集装置は最適モデルに対応するx1、x2、x3…xz…xmを取得するために使用され、前記1つ又は複数のプログラムは前記メモリに記憶され、前記1つ又は複数のプログラムが前記プロセッサにより実行されると、前記電子機器に前記南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法を実行させる。
(1)本発明に係る南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法によれば、南極振動AAOを利用してアルゼンチンマツイカ資源豊度の予測を実現することで、海洋漁業生産(アルゼンチンマツイカの漁獲)では優れた指導の役割を果たし、漁獲効率を大幅に向上させ、漁獲コストを低減させ、将来性が期待できる。
過去N年間にアルゼンチンマツイカが分布していた南西太平洋の南部海域の月別の南極振動指数AAO値を取得するステップ101と、
時系列分析方法を利用して、アルゼンチンマツイカ資源豊度ln(CPUE)と過去N年間の月別のAAO値に対して相関性分析を行い、そのうち統計的に有意な相関(P値<0.05)を示す月のAAO値を選択し、選択したこれらの月のAAO値を、アルゼンチンマツイカ資源豊度に影響を与える気候因子とし、選択したこれらの月のAAO値を1、2、3…z…mの順で番号付けし、これらの月のAAO値を順にx1、x2、x3…xz…xm(mは選択した月のAAO値の数である)とするステップ102と、
x1、x2、x3…xmのうちの任意1〜m個の気候因子に対して、多変数線形方程式を利用して計2m−1個のアルゼンチンマツイカ資源豊度予測モデルを作成し、各予測モデルの統計的P値を計算し、アルゼンチンマツイカ資源豊度予測モデルの式は、
ln(CPUE)=a+b1*x1+b2*x2+b3*x3+…+bz*xz+…+bm*xmであり、
式中、CPUEは1隻あたりの年間漁獲量、aは定数、b1、b2、b3、…bz…、bnはそれぞれx1、x2、x3…xz…xmに対応する係数であるステップ103と、
上記2m−1個のアルゼンチンマツイカ資源豊度予測モデルのうち、統計的P値が最も小さいモデルを最適モデルとして選択するステップ104と、
該最適モデルに対応するx1、x2、x3…xz…xmを取得して最適モデルに入力し、最適モデルがアルゼンチンマツイカ資源豊度を出力すると、アルゼンチンマツイカ資源量の予測が完了するステップ105と、を含む。
アルゼンチンマツイカ資源豊度指数CPUE(単位はトン/船)は中国遠洋イカ釣り漁船の年間漁獲量からであり、期間が2002年−2017年(表2)である。
x1、x2、x3…xmのうちの任意1〜m個の気候因子に対して、多変数線形方程式を利用して計2m−1個のアルゼンチンマツイカ資源豊度予測モデルを作成し、各予測モデルの統計的P値を計算し、アルゼンチンマツイカ資源豊度予測モデルの式は、
ln(CPUE)=a+b1*x1+b2*x2+b3*x3+…+bz*xz+…+bm*xmであり、
式中、CPUEは1隻あたりの年間漁獲量、aは定数、b1、b2、b3、…bz…、bnはそれぞれx1、x2、x3…xz…xmに対応する係数であり、
上記2m−1個のアルゼンチンマツイカ資源豊度予測モデルのうち、統計的P値が最も小さいモデルを最適モデルとして選択し、
該最適モデルに対応するx1、x2、x3…xz…xmを取得して最適モデルに入力し、最適モデルがアルゼンチンマツイカ資源豊度を出力すると、アルゼンチンマツイカ資源量の予測が完了する。
資源豊度ln(CPUE)と過去1年目の月別のAAO値との相関性分析を行った結果、資源豊度ln(CPUE)と過去1年目の8月のAAO値との相関性は有意であり、負の相関を示し、相関係数が−0.497(P<0.05)である。
気候因子の過去2年目の5月のAAO値x1に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7305+0.4554*x1であり、
F値は6.0347であり、P=0.0277<0.05であり、
その実際値と予測値の統計表は表3に示され、モデルの分布図は図3(図3中のAOOt−2はx1である)に示される。
気候因子の過去1年目の8月のAAO値x2に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7281−0.4694*x2であり、
F値は4.5480であり、P=0.049<0.05であり、
その実際値と予測値の統計表は表4に示され、モデルの分布図は図4(図4中のAOOt−1はx2である)に示される。
気候因子の過去2年目の5月のAAO値x1及び過去1年目の8月のAAO値x2に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7046+0.3908*x1−0.3836*x2であり、
F値は5.5135であり、P=0.018<0.05であり、
その実際値と予測値の統計表は表5に示され、モデルの分布図は図5及び図6(図5中のAOOt−2はx1、図6中のAOOt−1はx2である)に示される。
データ収集装置は最適モデルに対応するx1、x2、x3…xz…xmを取得するために使用され、1つ又は複数のプログラムはメモリに記憶され、1つ又は複数のプログラムがプロセッサにより実行されると、電子機器に実施例1に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法を実行させる。
Claims (8)
- 電子機器に適用される南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法であって、
(1)過去N年間にアルゼンチンマツイカが分布していた南西太平洋の南部海域の月別の南極振動指数AAO値を取得するステップと、
(2)時系列分析方法を利用して、アルゼンチンマツイカ資源豊度ln(CPUE)と過去N年間の月別のAAO値に対して相関性分析を行い、そのうち統計的に有意な相関を示す月のAAO値を選択し、選択したこれらの月のAAO値を、アルゼンチンマツイカ資源豊度に影響を与える気候因子とし、選択したこれらの月のAAO値を1、2、3…z…mの順で番号付けし、これらの月のAAO値を順にx1、x2、x3…xz…xm(mは選択した月のAAO値の数)とするステップと、
(3)x1、x2、x3…xmのうちの任意1〜m個の気候因子に対して、多変数線形方程式を利用して計2m−1個のアルゼンチンマツイカ資源豊度予測モデルを作成し、各予測モデルの統計的P値を計算し、アルゼンチンマツイカ資源豊度予測モデルの式は、
ln(CPUE)=a+b1*x1+b2*x2+b3*x3+…+bz*xz+…+bm*xm(CPUEは1隻あたりの年間漁獲量、aは定数、b1、b2、b3、…bz…、bnはそれぞれx1、x2、x3…xz…xmに対応する係数)であるステップと、
(4)上記2m−1個のアルゼンチンマツイカ資源豊度予測モデルのうち、統計的P値が最も小さいモデルを最適モデルとして選択するステップと、を含む
ことを特徴とする南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - 最適モデルを得た後、該最適モデルに対応するx1、x2、x3…xz…xmを取得して最適モデルに入力し、最適モデルがアルゼンチンマツイカ資源豊度を出力すると、アルゼンチンマツイカ資源量の予測が完了する
請求項1に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - アルゼンチンマツイカ資源豊度予測モデルが気候因子xzに対して作成される場合、b1、b2、b3、…bz−1、bz+1、…、bnはいずれも0である
請求項1に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - 前記統計的に有意な相関とは、算出されたP値<0.05である
請求項1に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - ステップ(2)では、統計的に有意な相関を示す2つの月のAAO値、すなわち過去2年目の5月のAAO値及び過去1年目の8月のAAO値を選択し、アルゼンチンマツイカ資源豊度ln(CPUE)と過去2年目の5月のAAO値との相関性は有意であり、正の相関を示し、相関係数がそれぞれ0.549であり、アルゼンチンマツイカ資源豊度ln(CPUE)と過去1年目の8月のAAO値との相関性は有意であり、負の相関を示し、相関係数が−0.497である
請求項1に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - ステップ(3)では、以下の計3個の予測モデルを作成し、
1)予測モデルI
気候因子の過去2年目の5月のAAO値x1に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7305+0.4554*x1であり、
F値は6.0347であり、P=0.0277<0.05であり、
2)予測モデルII
気候因子の過去1年目の8月のAAO値x2に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7281−0.4694*x2であり、
F値は4.5480であり、P=0.049<0.05であり、
3)予測モデルIII
気候因子の過去2年目の5月のAAO値x1及び過去1年目の8月のAAO値x2に対してアルゼンチンマツイカ資源豊度予測モデルを作成し、具体的には、
ln (CPUE)=6.7046+0.3908*x1−0.3836*x2であり、
F値は5.5135であり、P=0.018<0.05である
請求項5に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - ステップ(4)では、予測モデルIIIを最適モデルとして選択し、最適モデルは、
ln (CPUE)=6.7046+0.3908*x1−0.3836*x2である
請求項6に記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法。 - 電子機器であって、1つ又は複数のプロセッサ、1つ又は複数のメモリ、1つ又は複数のプログラム、及びデータ収集装置を備え、
前記データ収集装置は最適モデルに対応するx1、x2、x3…xz…xmを取得するために使用され、前記1つ又は複数のプログラムは前記メモリに記憶され、前記1つ又は複数のプログラムが前記プロセッサにより実行されると、前記電子機器に請求項1ないし7のいずれかに記載の南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法を実行させる
ことを特徴とする電子機器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811215778.9 | 2018-10-18 | ||
CN201811215778.9A CN109460860A (zh) | 2018-10-18 | 2018-10-18 | 基于南极涛动指数的阿根廷鱿鱼资源量预测方法 |
PCT/CN2019/111757 WO2020078439A1 (zh) | 2018-10-18 | 2019-10-17 | 基于南极涛动指数的阿根廷鱿鱼资源量预测方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021520575A true JP2021520575A (ja) | 2021-08-19 |
JP7044417B2 JP7044417B2 (ja) | 2022-03-30 |
Family
ID=65607836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020561696A Active JP7044417B2 (ja) | 2018-10-18 | 2019-10-17 | 南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7044417B2 (ja) |
CN (1) | CN109460860A (ja) |
WO (1) | WO2020078439A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460860A (zh) * | 2018-10-18 | 2019-03-12 | 上海海洋大学 | 基于南极涛动指数的阿根廷鱿鱼资源量预测方法 |
CN110533245A (zh) * | 2019-08-30 | 2019-12-03 | 上海海洋大学 | 一种基于海表温的阿根廷滑柔鱼资源量预测方法 |
CN110555567A (zh) * | 2019-09-10 | 2019-12-10 | 上海彩虹鱼海洋科技股份有限公司 | 用于鱼汛预测的方法、系统和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006104087A1 (ja) * | 2005-03-28 | 2006-10-05 | National, University, Corporation, Tokyo, University, of, Marine, Science, and, Technology | 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム |
CN106295833A (zh) * | 2015-05-18 | 2017-01-04 | 上海海洋大学 | 一种太平洋褶柔鱼资源补充量预测方法及其应用 |
CN107341565A (zh) * | 2017-06-15 | 2017-11-10 | 上海海洋大学 | 西北太平洋日本鳀鱼资源丰度预测方法 |
WO2018001338A1 (zh) * | 2016-06-30 | 2018-01-04 | 上海海洋大学 | 基于灰色系统的大洋性鱿鱼类资源丰度预测方法 |
CN107688874A (zh) * | 2017-08-29 | 2018-02-13 | 上海海洋大学 | 毛里塔尼亚海域头足类资源丰度预测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590549A (zh) * | 2016-07-08 | 2018-01-16 | 上海海洋大学 | 一种日本鱿冬生群资源丰度预测方法 |
CN106251006A (zh) * | 2016-07-22 | 2016-12-21 | 上海海洋大学 | 一种阿根廷鱿鱼资源补充量预测方法 |
CN106228456A (zh) * | 2016-07-22 | 2016-12-14 | 上海海洋大学 | 一种秘鲁鱿鱼的资源补充量预测方法 |
CN107403243A (zh) * | 2017-08-29 | 2017-11-28 | 上海海洋大学 | 摩洛哥海域头足类资源丰度预测方法 |
CN109460860A (zh) * | 2018-10-18 | 2019-03-12 | 上海海洋大学 | 基于南极涛动指数的阿根廷鱿鱼资源量预测方法 |
-
2018
- 2018-10-18 CN CN201811215778.9A patent/CN109460860A/zh active Pending
-
2019
- 2019-10-17 WO PCT/CN2019/111757 patent/WO2020078439A1/zh active Application Filing
- 2019-10-17 JP JP2020561696A patent/JP7044417B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006104087A1 (ja) * | 2005-03-28 | 2006-10-05 | National, University, Corporation, Tokyo, University, of, Marine, Science, and, Technology | 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム |
US20090126254A1 (en) * | 2005-03-28 | 2009-05-21 | Hidekatsu Yamazaki | Method for Predicting Depth Distribution of Predetermined Water Temperature Zone, Method for Predicting Fishing Ground of Migratory Fish, and System for Delivering Fishing Ground Prediction Information of Migratory Fish |
CN106295833A (zh) * | 2015-05-18 | 2017-01-04 | 上海海洋大学 | 一种太平洋褶柔鱼资源补充量预测方法及其应用 |
WO2018001338A1 (zh) * | 2016-06-30 | 2018-01-04 | 上海海洋大学 | 基于灰色系统的大洋性鱿鱼类资源丰度预测方法 |
CN107341565A (zh) * | 2017-06-15 | 2017-11-10 | 上海海洋大学 | 西北太平洋日本鳀鱼资源丰度预测方法 |
CN107688874A (zh) * | 2017-08-29 | 2018-02-13 | 上海海洋大学 | 毛里塔尼亚海域头足类资源丰度预测方法 |
Non-Patent Citations (1)
Title |
---|
齊藤 誠一: "衛星リモートセンシングで海洋空間を知る", 情報管理, vol. 第60巻 第9号, JPN6021050242, 1 December 2017 (2017-12-01), JP, pages 641 - 650, ISSN: 0004667582 * |
Also Published As
Publication number | Publication date |
---|---|
CN109460860A (zh) | 2019-03-12 |
WO2020078439A1 (zh) | 2020-04-23 |
JP7044417B2 (ja) | 2022-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Andersen et al. | Long‐term temporal and spatial trends in eutrophication status of the Baltic Sea | |
JP7044417B2 (ja) | 南極振動指数に基づくアルゼンチンマツイカ資源量の予測方法及びその応用 | |
Malmgren et al. | Comparison of statistical and artificial neural network techniques for estimating past sea surface temperatures from planktonic foraminifer census data | |
CN103004664B (zh) | 一种西北太平洋柔鱼资源补充量预测方法 | |
Amorim et al. | Spatial variability of seabird distribution associated with environmental factors: a case study of marine Important Bird Areas in the Azores | |
Pedde et al. | Modeling sources of nutrients in rivers draining into the Bay of Bengal—a scenario analysis | |
CN106295833A (zh) | 一种太平洋褶柔鱼资源补充量预测方法及其应用 | |
Pracht et al. | Oxygen isotope composition of the final chamber of planktic foraminifera provides evidence of vertical migration and depth-integrated growth | |
Weiss et al. | Climate change effects on marine renewable energy resources and environmental conditions for offshore aquaculture in Europe | |
Lillywhite et al. | Drinking by sea snakes from oceanic freshwater lenses at first rainfall ending seasonal drought | |
Jiang et al. | The effects of air exposure on the desiccation rate and photosynthetic activity of Thalassia hemprichii and Enhalus acoroides | |
Bekkby et al. | Red sea urchins (Echinus esculentus) and water flow influence epiphytic macroalgae density | |
López-Jurado et al. | The RADMED monitoring program: towards an ecosystem approach. | |
CN106204313A (zh) | 一种预测茎柔鱼资源空间分布的方法 | |
JP2021521554A (ja) | 太平洋振動指数に基づくスルメイカ資源豊度の予測方法及び応用 | |
Mikami et al. | Mapping the collision risk between two gull species and offshore wind turbines: Modelling and validation | |
Vincent | Mesoscale wind fluctuations over Danish waters | |
Xu et al. | Study on pollution traceability based on the optimized hydrodynamic model of Tai Lake | |
Zhao et al. | Assessment of CMIP6 model performance for wind speed in China | |
Lo et al. | Effects of summer mesoscale hydrographic features on epipelagic siphonophore assemblages in the surrounding waters of Taiwan, western North Pacific Ocean | |
Johnson et al. | Spring distribution of shelled pteropods across the Mediterranean Sea | |
Kim et al. | Environmental factors affecting anchovy reproductive potential in the southern coastal waters of Korea | |
Marín-Enríquez et al. | Incidental catch of the rare shortbill spearfish (Tetrapturus angustirostris) by the tuna purse seine fleet in the eastern tropical Pacific Ocean | |
Wang et al. | Determining a more environmental than spatial influence on structuring fish communities and ecological boundaries of Fangcheng coastal waters, northern South China Sea | |
Roy Bhowmik et al. | Operational tropical cyclone intensity prediction—an empirical technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201102 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220222 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220310 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7044417 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |