首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 109 毫秒
1.
基于集成学习的大西洋热带海域黄鳍金枪鱼渔情预报   总被引:1,自引:0,他引:1  
利用 2016─2019 年中国渔业企业在大西洋热带海域(14°20′S~15°20′N; 47°38′W~2°30′E) 13 艘延绳钓作业渔船渔捞日志记录的黄鳍金枪鱼(Thunnus albacares)单位捕捞努力量渔获量(CPUE)数据, 结合海表面风速、叶绿素 a 浓度、涡动能以及 0~500 m 水层的垂直温度、盐度等海洋环境变量和空间因子(经纬度)建立了一系列黄鳍金枪鱼渔场预测模型。模型的时间分辨率为天(d), 空间分辨率为 0.25°×0.25°。该系列模型利用 75%的数据训练得到朴素贝叶斯(NB)、k 最近邻(KNN)、随机森林(RF)、分类与回归树(CART)、逻辑斯蒂回归(LR)、支持向量机(SVM)、梯度提升决策树(Xgboost)和 stacking 集成(由 NB、CART 和 LR 模型集成, STK)模型, 将 25%测试数据代入系列模型进行验证, 结果显示: (1) 黄鳍金枪鱼渔场预测准确率(ACC)分别为 61.62%、62.03%、66.37%、63.0%、63.26%、 64.97%、64.08%、68.72%; (2) 其对应的 ROC 曲线下面积(AUC)分别为 0.64、0.67、0.72、0.66、0.68、0.70、0.69、 0.72; (3) STK 模型的预测准确率较其他的方法均有所提高。建议使用 STK 模型对大西洋热带海域黄鳍金枪鱼渔场进行预测。  相似文献   

2.
张聪  周为峰  樊伟 《海洋渔业》2023,(5):544-558
为提供更为准确的南太平洋黄鳍金枪鱼(Thunnus albacores)渔场预报信息,针对传统渔场分类问题中渔场和非渔场样本数据分布不均衡的问题,提出了一种基于自适应综合过采样(ADASYN)和Stacking集成的渔场分类模型——A-Stacking模型。利用2008—2019年南太平洋黄鳍金枪鱼的渔业数据,结合时空因子、海洋环境因子共32个特征要素(月份、经纬度、海平面异常、涡动能、叶绿素a浓度、叶绿素梯度、叶绿素距平、海表温度梯度、海表温度距平以及0~500 m水层的垂直温度和盐度)建立了南太平洋黄鳍金枪鱼渔场预报模型。为了验证模型的可靠性,将CART、Adaboost、GBDT、XGBoost、KNN、RF和Stacking模型对照。结果显示,A-Stacking模型具有更高的准确率、召回率、F1-score、G-mean和AUC值,且模型的ROC曲线和PR曲线能较好地包含其他模型,表明模型的分类效果更好。研究表明,A-Stacking集成模型对南太平洋黄鳍金枪鱼渔场的预报效果较好,能有效处理不均衡数据的渔场分类问题,可为今后的渔场预报方法提供参考。  相似文献   

3.
基于集成学习的南太平洋长鳍金枪鱼渔场预报模型研究   总被引:1,自引:0,他引:1  
文章利用2008—2015年南太平洋长鳍金枪鱼(Thunnus alalunga)延绳钓渔业数据,结合11个环境指标(海表温度、叶绿素a (Chl-a)浓度、海表温度距平、叶绿素距平、海表温度梯度、叶绿素梯度、海平面异常以及渔区格网对应的前后各1个月海表温度和叶绿素值)和3个时空指标(月、经度和纬度),并基于6种集成学习模型,以月为时间分辨率、0.5°×0.5°为空间分辨率,开展了南太平洋长鳍金枪鱼渔场模型构建和预报研究。模型通过10折交叉验证和网格搜索思想确定最佳参数,采用的随机森林、Bagging决策树、C5.0决策树、梯度提升决策树、AdaBoost、Stacking集成模型分别取得了75.52%、73.87%、72.99%、71.14%、71.33%、75.84%的分类准确率。经对比,Stacking集成模型准确率最高。利用2015年环境数据进行预报精度检验,预报总体准确率为63.86%~82.14%,平均70.99%;高单位捕捞努力量渔获量(Catch per unit effort, CPUE)渔区预报准确率为62.71%~97.85%,平均78.76%。结果表明Stacking集成模型对南太平洋长鳍金枪鱼渔场的预报具有较好的效果及可行性。  相似文献   

4.
基于贝叶斯概率的印度洋大眼金枪鱼渔场预报   总被引:1,自引:0,他引:1  
本文采用贝叶斯概率为模型基础框架,利用来自印度洋金枪鱼管理委员会(IOTC)的大眼金枪鱼延绳钓历史渔获统计数据和美国国家海洋大气管理局(NOAA)的海温最优插值再分析数据,进行适用于印度洋金枪鱼延绳钓渔场的模型参数估算与预报模型构建。模型回报精度验证结果表明,印度洋大眼金枪鱼延绳钓渔场综合预报的准确率达到了65.96%。模型预报结果用概率百分比来表示,符合渔业资源分布的客观特点。利用中分辨率成像光谱仪MODIS提供的SST产品进行业务化运行的渔场预报,利用模型结果每周生成印度洋大眼金枪鱼延绳钓渔场概率预报图,用不同大小的圆形来表示渔场概率的高低,可以为印度洋区域的远洋渔业生产提供信息支持。  相似文献   

5.
柔鱼(Ommastrephes bartramii)是中国在西北太平洋主要的鱿钓捕捞对象。准确预报柔鱼渔场,对减少寻鱼时间、节省油料和提高渔获产量均有积极的意义。该研究将2002年~2012年中国在西北太平洋鱿钓产量数据、渔场时空数据以及海表温度、叶绿素a浓度、表温梯度强度和叶绿素梯度强度等海洋环境因子作为训练数据,基于支持向量机(support vector machine,SVM)的方法,建立了以月为时间分辨率、0.5°×0.5°为空间分辨率的西北太平洋柔鱼渔场的预报模型。该模型以径向基函数(RBF)为核函数,利用10折交叉验证和网格选优法,确定了最优惩罚项因子和核函数参数值的组合(C,γ),分别为1.41和2.83,样本分类精度达73.6%。利用2013年7月~11月环境数据,对模型进行了精度检验,预报准确率为53.4%~60.0%,平均准确率为57.4%。研究认为,在训练数据不够充分的条件下,SVM模型可成为西北太平洋柔鱼渔场预报的一个有效手段。  相似文献   

6.
基于LightGBM的南太平洋长鳍金枪鱼渔场预报模型研究   总被引:1,自引:0,他引:1  
长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义。传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子。本研究选取2000—2015年南太平洋长鳍金枪鱼的延绳钓生产数据,结合海表温度、叶绿素a质量浓度和海面高度等海洋环境因子以及月份和经、纬度等时空数据,采用集成学习模型—轻度量化梯度促进机(LightGBM)模型进行长鳍金枪鱼渔场预报,并与朴素贝叶斯、XGBoost和BP神经网络模型进行对比。同时采用网格搜索算法获取LightGBM模型的最优参数,利用交叉验证法验证模型的稳定性。试验结果表明,利用LightGBM模型对南太平洋长鳍金枪鱼渔场的最佳预报准确率可达72.6%,对比其他模型,LightGBM模型的准确率有了显著提高。研究表明,海面高度和海面温度为南太平洋长鳍金枪鱼渔场形成的关键影响因子。  相似文献   

7.
基于栖息地指数的东太平洋长鳍金枪鱼渔场分析   总被引:3,自引:0,他引:3  
长鳍金枪鱼(Thunnus alalunga)是东太平洋海域重要的金枪鱼种类之一,也是我国金枪鱼延绳钓的主要捕捞对象之一。本文根据2009~2011年美洲间热带金枪鱼委员会(IATTC)在东太平洋海域(20°N~30°S、85°W~150°W)长鳍金枪鱼延绳钓生产统计数据,结合海洋遥感获得的表温(SST)和海面高度(SSH)的数据,运用一元非线性回归方法,以渔获产量、单位捕捞努力量CPUE为适应性指数,按季度分别建立了基于SST和SSH的长鳍金枪鱼栖息地适应性指数,采用算术平均法获得基于SST和SSH环境因子的栖息地指数综合模型,并用2012年各月实际作业渔场进行验证。研究结果显示,在东太平洋长鳍金枪鱼的栖息地预测中,以CPUE为适应性指数的栖息地指数模型比以渔获量为适应性指数的栖息地指数模型预测更为准确。2012年中心渔场的预报准确性达75%以上,具较高预报准确度,可为金枪鱼延绳钓渔船寻找中心渔场提供指导。  相似文献   

8.
西北印度洋大眼金枪鱼渔场预报模型建立与模块开发   总被引:1,自引:0,他引:1  
根据1990—2003年印度洋大眼金枪鱼延绳钓渔业数据和美国国家海洋和大气管理局提供的海表温度、叶绿素-a历史环境数据,应用环境因子叠加方法,构建了西印度洋大眼金枪鱼渔场预报模型,用于金枪鱼渔场预报。分析得出各月适宜海表温度、叶绿素-a浓度范围和历史高产区空间位置;导入实时海表温度、叶绿素-a等遥感栅格数据,分别提取适宜海表温度、适宜叶绿素-a浓度和历史高产区的空间栅格数据集,最后在空间上对3种栅格数据进行空间叠加并取交集。交集所指空间区域即为大眼金枪鱼潜在渔场位置。通过精度检验,表明该模型渔场预报精度为60.5%。并以VC++6.0工具为开发平台,对此模型进行了设计开发,实现了模块预报西北印度洋大眼金枪鱼渔场。  相似文献   

9.
基于卫星AIS的中西太平洋金枪鱼延绳钓渔场分布研究   总被引:1,自引:0,他引:1  
根据2017年7-12月中西太平洋金枪鱼延绳钓渔船卫星AIS数据及海表温度数据,利用全局空间自相关中的莫兰指数及局部空间自相关中的热点分析方法,得到了中西太平洋金枪鱼延绳钓中心渔场位置及变动情况,并提取了中心渔场处海表温度范围。结果表明:1)中西太平洋金枪鱼延绳钓渔船捕捞努力量存在空间自相关并呈显著聚集分布模式,所得热点区域可以作为中西太平洋金枪鱼延绳钓作业中心渔场。2)各月均存在多个中心渔场,其中8月中心渔场范围与7月大致相同,部分中心渔场存在向北扩张或向外扩大的趋势; 9月最大中心渔场东移,出现在180°附近,其它渔场较之前有不同程度的扩散或缩小; 10-12月中心渔场较为集中,主要分布在170°~180°E及155°W附近海域,且单位渔区捕捞努力量大于7-9月。3)中心渔场处不同海表温度范围主要与金枪鱼鱼种有关:155°W、20°N夏威夷群岛附近冷舌区,主要分布着大眼金枪鱼(Thunnus obesus)和黄鳍金枪鱼(Thunnus albacares),海表温度为25. 5~27. 5℃; 10°S~10°N暖池区域,主要为大眼金枪鱼和鲣(Katsuwonus pelamis),海表温度为28. 0~30. 3℃;赤道南部冷暖锋面交汇处,主要为长鳍金枪鱼(Thunnus alalunga),海表温度为25. 0~29. 0℃。  相似文献   

10.
根据2013年中水集团远洋股份有限公司的两艘金枪鱼延绳钓船的渔场数据、放钓数据以及渔获物数据,研究了全年各月份渔场分布情况及主要渔获物单位捕捞努力量渔获量变化。结果表明,渔获物包括长鳍金枪鱼、黄鳍金枪鱼、大眼金枪鱼、旗鱼类等,根据相对重要性指数,确定优势种为黄鳍金枪鱼和长鳍金枪鱼,其相对多度分别为75%和10%。长鳍金枪鱼的日均高产单位捕捞努力量渔获量渔区集中在S 15°~17°纬度区间以及南部S 26°~27°纬度区间,黄鳍金枪鱼高单位捕捞努力量渔获量渔区集中分布在S 8°~13°的纬度区间,长鳍金枪鱼高产渔区海表温度集中在20~22℃和27~30℃,黄鳍金枪鱼高产渔区则集中在海表温度28~29℃海域。  相似文献   

11.
The environmental processes associated with variability in the catch rates of bigeye tuna in the Atlantic Ocean are largely unexplored. This study used generalized additive models (GAMs) fitted to Taiwanese longline fishery data from 1990 to 2009 and investigated the association between environmental variables and catch rates to identify the processes influencing bigeye tuna distribution in the Atlantic Ocean. The present findings reveal that the year (temporal factor), latitude and longitude (spatial factors), and major regular longline target species of albacore catches are significant for the standardization of bigeye tuna catch rates in the Atlantic Ocean. The standardized catch rates and distribution of bigeye tuna were found to be related to environmental and climatic variation. The model selection processes showed that the selected GAMs explained 70% of the cumulative deviance in the entire Atlantic Ocean. Regarding environmental factors, the depth of the 20 degree isotherm (D20) substantially contributed to the explained deviance; other important factors were sea surface temperature (SST) and sea surface height deviation (SSHD). The potential fishing grounds were observed with SSTs of 22–28°C, a D20 shallower than 150 m and negative SSHDs in the Atlantic Ocean. The higher predicted catch rates were increased in the positive northern tropical Atlantic and negative North Atlantic Oscillation events with a higher SST and shallow D20, suggesting that climatic oscillations affect the population abundance and distribution of bigeye tuna.  相似文献   

12.
齐建军 《海洋渔业》2002,24(3):113-116
根据随船调查材料,对大西洋南部金枪鱼延绳钓渔业从捕捞技术,渔场环境因素,渔获物情况、初加工、销售等方面做出了总结。本文着重分析了各个作业渔场的渔获情况,判断出八个中心渔场的位置,并就大眼金枪鱼在这几个中心渔场的生物学特征做了统计分析,从而为用地理信息技术预报渔场提供了实施依据。  相似文献   

13.
大眼金枪鱼渔场与环境关系的研究进展   总被引:2,自引:0,他引:2  
大眼金枪鱼是金枪鱼远洋渔业的主要捕捞对象。本文从大眼金枪鱼适宜环境因子、大眼金枪鱼渔场变动、资源丰度及其与环境因子间关系的研究方法等几方面总结了大眼金枪鱼渔场与环境关系的研究进展。大眼金枪鱼种群资源丰度的指标主要是CPUE和标准化后的CPUE,CPUE标准化的方法主要是GLM模型和GLM/HBM模型;目前,分析大眼金枪鱼资源变化与环境间关系的研究方法主要有聚类分析法、G IS软件定性分析法和栖息地指数模型。其中,聚类分析适用于研究大眼金枪鱼的渔场变动,包括系统聚类分析法、动态聚类分析法和灰色星座分析法,利用G IS软件定性分析适用于分析单个环境因子对渔场产生的影响;而栖息地指数模型能综合多个环境因子,分析它们共同对渔场产生的影响。  相似文献   

14.
Population structure of bigeye tuna (Thunnus obesus) in the Indian Ocean, Western Pacific Ocean and Eastern Atlantic Ocean were investigated using mitochondrial (mt) DNA sequence data. A total of 380 specimens were sampled from four regions in the Indian Ocean (Cocos Islands, Southeastern Indian Ocean, Southwestern Indian Ocean and Seychelles), and one region each from the Atlantic (Guinea) and the Western Pacific Oceans, respectively. The reconstructed neighbor-joining phylogeny based on the first hypervariable region (HVR-1) of the mitochondrial control region sequence data showed that haplotypes from the Indian and the Western Pacific Oceans could be grouped into two clades (Clades I and III), whereas in the Atlantic Ocean, two divergent clades (Clades I and II) coexisted. A single stock of bigeye tuna in the Indian Ocean was supported by hierarchical AMOVA tests and pairwise ΦST analyses. Clade I was the dominant population in the Indian and the Western Pacific Oceans which consisted of more than 96% of the specimens and Clade II was a specific group exclusively restricted to the Atlantic Ocean which made up 77% of its specimens. A new minor Clade, Clade III was discovered in the Indian and the Western Pacific Ocean. Overall, these analyses indicated that bigeye tuna of the Indian Ocean constituted a single panmictic population.  相似文献   

15.
基于2008年9月至2009年4月在印度洋中南部水域金枪鱼延绳钓渔场收集的数据,研究分析和比较了3种钓钩钩型(传统金枪鱼钩、“J”形钩和圆形钩)的渔获效益及对钓捕对象的选择性。结果表明:(1) 从渔获种类上看,大眼金枪鱼和大青鲨金枪鱼钩钓获比例最高,“J”形钩和圆形钩的钓获比例相当;而长鳍金枪鱼则为金枪鱼钩钓获比例最高,其次为“J”形钩和圆形钩。(2) 大眼金枪鱼存活率以金枪鱼钩最高,“J”形钩最低;长鳍金枪鱼则为“J”形钩稍高于圆形钩,金枪鱼钩最低;大青鲨则以圆形钩最高,“J”形钩最低。(3) “J”形钩钓获的长鳍金枪鱼和鲨鱼平均叉长较金枪鱼钩和圆形钩稍大;而金枪鱼钩钓获的大眼金枪鱼平均叉长较圆形钩和“J”形钩稍大。(4) 3种钩型钓获的长鳍金枪鱼、大眼金枪鱼和大青鲨叉长分布均不存在显著性差异。  相似文献   

16.
研究了2012-2015年中国金枪鱼围网船队大眼金枪鱼(Thunnus obesus)渔获物的特征变化与人工集鱼装置(fish aggregation devices,FAD)禁渔期的关系,文章收集了2012-2015年中国大陆金枪鱼围网船队在中西太平洋的渔捞日志数据,对随附鱼群捕捞努力量与小体大眼金枪鱼和大体大眼金枪鱼的船均产量进行分析比较。结果显示:1)从2013年开始,对随附鱼群投网的次数占总投网次数的比例有所降低,均不超过50%;2)K-S检验显示研究期内禁渔期前后的船均随附鱼群网次存在显著差异(P0.05);3)2013-2015年大眼金枪鱼渔获量的平均水平明显低于2012年;4)从2013年开始,禁渔期结束后的第一个月(即11月)的船均产量都发生猛增;5)从捕捞努力量与渔获量的相关性结果看,不论是小体大眼金枪鱼还是全部大眼金枪鱼,2013年和2014年两者都呈现出显著的强正相关关系(P0.05)。这些结果表明2012年以后中国船队对大眼金枪鱼幼鱼的兼捕水平有所下降,延长FAD禁渔期的管理措施对于保护大眼金枪鱼幼鱼在某些年份可能具有一定的效果。  相似文献   

17.
根据1950―2016年的渔获量数据及1955―2016年的单位捕捞努力量(Catch Per Unit Effort,CPUE)数据,采用贝叶斯状态空间剩余产量模型框架JABBA(Just Another Bayesian Biomass Assessment)对印度洋大眼金枪鱼(Thunnus obesus)的资源状况进行评估,分析了渔船效应、CPUE数据尺度对评估结果的影响。结果表明,模型拟合效果对于不同时间跨度下CPUE数据的选择比较敏感。当选用时间跨度为1979―2016年的CPUE数据且考虑渔船效应时,模型拟合效果最好。2016年大眼金枪鱼的资源量为812 kt,最大可持续产量(Maximum Sustainable Yield,MSY)为163 kt,远高于同年渔获量86.81 kt,其资源量具有82.50%的概率处于"健康"状态。当总允许可捕量为69.45~104.17 kt时(2016年渔获量的80%~120%),未来10年大眼金枪鱼的资源量仍高于B_(MSY)(达到MSY所需的生物量)。回顾性分析结果表明,该资源评估结果存在一定程度的回顾性问题,捕捞死亡率和资源量分别存在被低估和高估的现象。将来需要在模型结构设定、CPUE数据选择及模型参数的先验分布设置等方面进一步优化。  相似文献   

18.
中东太平洋金枪鱼延绳钓渔获物组成分析   总被引:2,自引:2,他引:2  
根据2000年9月至2002年8月两年的中东太平洋金枪鱼延绳钓探捕调查结果,对延绳钓渔获物组成进行了初步分析。结果显示,延绳钓的主要渔获种类有肥壮金枪鱼(Thunnus obesus)和黄鳍金怆鱼(Thunnus albacares)等15种大洋性鱼类,渔获物中金枪鱼类分别占重量和尾数的76.41%和76.91%,旗鱼类占11.05%和7.83%.鲨鱼类占10.80%和12.08%,其他鱼类占1.73%和3.18%。相对重要性指标(IRI)表明,延绳钓渔业以肥壮金枪鱼和黄鳍金枪鱼为目标鱼种,其他大型中上层经济鱼类为兼捕对象。各渔获种类的渔获重量组成比例月间变化和海域变化明显。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号