对渔船捕捞行为和捕捞强度空间高分辨率的估计可以作为海洋资源管理和生态脆弱性评估的重要信息。为识别远洋延绳钓渔船作业状态,该文基于2017年10-11月中西太平洋延绳钓渔船卫星船舶自动识别系统(automatic identification system,AIS)数据和捕捞日志数据,采用支持向量机(support vector machine,SVM)学习方法,构建了中国中西太平洋延绳钓渔船捕捞作业状态(捕捞/非捕捞)分类模型。通过计算模型分类准确率、精确率、敏感度和特异度来评价模型对渔船作业状态分类能力。结果表明,模型训练数据的准确率为95.24%(Kappa系数为0.9),验证数据的准确率为93.85%(Kappa系数为0.87)。采用构建好的模型识别2017年10月和11月中西太平洋延绳钓渔船共计125624条AIS记录数据,模型准确率在83.3%(Kappa系数为0.67)。2017年10、11月所有数据分类精确率为82.33%,灵敏度为88.32%,特异度为77.27%。渔船主要作业空间在168°E^173°E,12°S^18°S,有3个明显的作业强度较高区域。基于SVM模型和日志记录的捕捞强度信息在空间上相关性很高(r>0.98),SVM模型识别的渔船捕捞努力量空间分布特征和实际吻合。捕捞努力量与单位捕捞努力量渔获量(catch per unit of effort,CPUE)、渔获尾数、渔获质量和投钩数的相关系数分别是0.68、0.93、0.93和0.94。基于AIS信息挖掘的渔船空间捕捞努力量可用于渔业资源分析。
根据中国2001-2009年东南太平洋作业船只提供的捕捞数据和卫星遥感反演的海表温度数据,建立了基于贝叶斯概率理论的智利竹筴鱼渔场预报系统。系统开发采用客户/服务器(C/S)体系模式,数据库则采用SQL Server 2000数据库管理系统,结合控件...
详细信息
根据中国2001-2009年东南太平洋作业船只提供的捕捞数据和卫星遥感反演的海表温度数据,建立了基于贝叶斯概率理论的智利竹筴鱼渔场预报系统。系统开发采用客户/服务器(C/S)体系模式,数据库则采用SQL Server 2000数据库管理系统,结合控件式GIS技术,构建了渔场分析和预报系统,并利用历史数据进行了模型精度验证。结果表明:预报渔场的准确度为72.6%,预报非渔场的准确率为57.5%;综合预报准确率达65%以上。渔汛盛期的渔场预报准确率要高于渔汛末期3%～22%,而非渔场的预报准确率低于渔汛末期4%～11%。因此,该预报系统对于南太平洋智利竹筴鱼渔场预测和捕捞活动具有一定的指导意义。但在实际预报过程中,也需结合其他相关环境因子(如叶绿素a、海面高度、海流等)对预报渔场进行修正。
为了提高渔业数据单位捕捞努力量渔获量(catch per unite of effort,CPUE)标准化数据的质量和模型连续稳定预测能力,该文采用人工神经网络(artificial neural network,ANN)、回归树(regression trees,RT)、随机森林(random forest,RF)...
详细信息
为了提高渔业数据单位捕捞努力量渔获量(catch per unite of effort,CPUE)标准化数据的质量和模型连续稳定预测能力,该文采用人工神经网络(artificial neural network,ANN)、回归树(regression trees,RT)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)等机器学习方法和传统的广义线性模型(generalized linear model,GLM)等方法,对2000-2013年大西洋大眼金枪鱼(Thunnus obesus)延绳钓CPUE数据进行标准化。采用平均绝对误差、平均均方误差、3种相关系数(Pearson’s,Kendall’s和Spearman’s)和标准化均方误差等评价指标对不同模型标准化结果进行对比,寻找较优的标准化方法。研究结果表明,在验证数据集SVM方法得到的3种相关系数(0.596,0473和0.632)和RF(0.623,0.456,0.621)相似,高于RT(0.516,0.432和0.586)、ANN(0.428,0.249和0.365)和GLM(0.199,0.106和0.159)。SVM预测的均方误差(11.25)、平均绝对误差(2.107)和标准化均方误差(0.652)略低于RF(11.655,2.377和0.661),明显低于RT(14.999,2.434和0.801)、ANN(16.692,2.883和0.823)和GLM(16.517,2.777和0.993)。各项指标揭示SVM方法要优于其他4种方法,RF次之,GLM计算结果在所有方法中最差,不适合渔业数据CPUE标准化。SVM和RF方法应该被优先考虑用于渔业数据CPUE标准化。研究结果为渔业资源管理和保护提供更好的支持。
基于2016-2017年中国印度洋围拖网生产数据以及同期的海表温度、叶绿素、表层海流和海面高度数据,采用广义加性模型(Generalized Additive Model,GAM)建立了围网单位捕捞努力量渔获量(catch per unit effort,CPUE)对海洋环境的非线性响...
详细信息
基于2016-2017年中国印度洋围拖网生产数据以及同期的海表温度、叶绿素、表层海流和海面高度数据,采用广义加性模型(Generalized Additive Model,GAM)建立了围网单位捕捞努力量渔获量(catch per unit effort,CPUE)对海洋环境的非线性响应模型,分析了阿拉伯海鲐鱼(Scomber australasicus)渔场分布与海洋环境关系.结果表明:空间因子和环境因子对阿拉伯海鲐鱼渔场有显著影响,GAM模型的方差解释率为30.1%;印度洋季风对鲐鱼CPUE影响大,鲐鱼CPUE在印度洋东北季风高,在夏季季风低;全年阿拉伯海鲐鱼围网渔场主要分布在60°E、13°N-15°N斜向椭圆区域;模型表明,鲐鱼渔场适宜海表温度为26~28℃,叶绿素浓度0.2~0.5 mg·m^-3,海面高度0.2~ 0.4 m;影响鲐鱼渔场的因子按重要性依次为海面高度、经纬度、海表温度和叶绿素浓度.
暂无评论