排序方式: 共有31条查询结果,搜索用时 15 毫秒
1.
基于Argo数据的中西太平洋鲣渔获量与水温、表层盐度关系的初步研究 总被引:3,自引:0,他引:3
根据上海金汇远洋渔业公司2007年度在中西太平洋海域进行鲣Katsuwonus pelamis围网作业的生产数据以及Argo剖面浮标数据,利用地理信息系统软件Arcview,按1°×1°的格式绘制了各月产量、表层温度、表层盐度以及50m和200m水层温度等,并对数据进行了综合分析。结果表明:鲣的高渔获量区域主要分布于150°~153°E、160°-161°E,0°~2°S的水域;2007年最高月产量和最高单网平均日产量(CPUE)的月份分别为8月和2月;通过K—S检验,2007年最适表层温度为29.3~30.1℃,最适表层盐度为34.0~35.2;0~200m、50~200m水层的垂直温差为11℃时,渔获量达到最大。Shapiro—wilk正态性检验结果表明,渔获量与0—200m、50—200m水层的垂直温差服从正态分布关系。上述结论符合生产实践中获得的情况,表明Argo数据可以应用于渔业生产和科研中。 相似文献
2.
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
3.
大眼金枪鱼和黄鳍金枪鱼是印度洋金枪鱼延绳钓的主要渔获种类.通过计算以渔获量为权重的经度和纬度的加权平均值即渔场重心和利用空间距离分析方法,分别对1967-1987年、1988-2004年两个时间段的印度洋大眼金枪鱼、黄鳍金枪鱼延绳钓渔场重心的年内、年际变化规律和各月渔场重心空间聚类情况进行研究.研究表明,渔场重心在年内呈现出规律性变化,大眼金枪鱼月重心变化1-4月向西北移动,5-8月向东南方向移动,9-12月向东北方向移动;黄鳍金枪鱼月渔场重心变化1月向西北移动,2-4月向西移动,5-8月份向东南移动,9-12月份向东北移动,这在一定程度上反映了印度洋大眼金枪鱼、黄鳍金枪鱼的洄游规律.渔场重心的年间变化受到了海洋环境条件变化所引起的南方涛动现象(ENSO)的影响,大部分发生El Nio的当年或次年,年渔获量分布重心会向南、向西移;发生La Nia的年份前后渔获量分布重心会向北、向东移.同时捕捞行为也对渔场重心的年间变化产生影响. 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.
6.
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7.
鲨鱼作为金枪鱼渔业中主要兼捕种类之一,其兼捕率却较少见报。本文利用印度洋1950~2010年金枪鱼渔业生产统计数据,分析了不同作业渔具的鲨鱼兼捕率。结果表明,印度洋金枪鱼渔业中鲨鱼平均兼捕率为9.30%,其中流刺网、线钓、延绳钓、围网以及其他作业渔具兼捕率分别为22.14%、16.27%、2.59%、0.43%和56.95%,且流刺网的鲨鱼兼捕量为最高。该区域兼捕鲨鱼共计19种(包括未定种),每种作业渔具未定种的捕捞量占比最高。建议在印度洋海域有针对性地发展选择性渔具,加大鲨鱼物种鉴别和数据统计能力,综合利用兼捕物种,增加经济价值。 相似文献
8.
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
9.
为提供准确的中西太平洋黄鳍金枪鱼渔场预报信息,该研究利用2008-2019年中国水产集团43艘远洋延绳钓渔船在中西太平洋海域(0°~30°S;110°E~170°W)作业的渔业数据,通过方差膨胀因子筛选、归一化处理,选取时空因子、海洋环境因子及大尺度气候数据等共35种特征因子,构建了一种随机森林和极端梯度提升决策树相结合的XGBRF模型,并利用五折交叉验证法确定最佳参数,选择逻辑回归、分类与回归树、K最近邻、自适应增强、梯度提升决策树、极端梯度提升决策树和随机森林等模型作为对照,建立8种黄鳍金枪鱼渔场预测模型并进行模型间的比较分析。结果表明,XGBRF模型对中西太平洋黄鳍金枪鱼渔场的预测性能比其他模型更好,其准确率、渔场召回率、渔场F1得分、非渔场查准率和曲线下面积值AUC均最高,分别为75.39%、87.36%、82.64%、66.32%和79.48%,且模型的受试者工作特征曲线ROC更靠近左上角;海表温度是影响中西太平洋黄鳍金枪鱼渔场分布最重要的环境因子,其他因子依次是300 m水层温度、50 m水层盐度、叶绿素a浓度、南方涛动指数以及表层盐度因子,时空因子和其余大尺度气候因子的影... 相似文献
10.
为研究气候变化对渔业资源的影响,采用2008—2017年全球海洋Argo网格数据集(BOA_Argo)和同期商业渔船渔捞日志数据,分析了拉尼娜和厄尔尼诺年中西太平洋黄鳍金枪鱼围网主要作业渔场温跃层的时空变化特征,结合GAM(generalized additive model)对影响黄鳍金枪鱼渔场的变量进行分析。结果表明,拉尼娜年,单位捕捞努力量渔获量(catch per unit effort, CPUE)随温跃层上界温度的高值区向西收缩而西移,最西至145°E;厄尔尼诺年,东移至165°E以东。拉尼娜年较正常年份,赤道太平洋东、西侧温跃层的上界深度差拉大,80~130 m上界深度值偏西。温跃层强度整体上呈现西弱东强,温跃层厚度以15°N和15°S为轴线,分别存在一个较厚的带状分布结构,CPUE分布在厚度值120~200 m之间。温跃层上界温度为27.5~29.5 ℃、强度为0.08~0.13 ℃·m-1时,CPUE分布密集,温跃层参数中上界温度对CPUE分布的影响最大。且厄尔尼诺年CPUE的东移和拉尼娜年CPUE的西移随渔场所在温跃层的最适参数值而移动。时间因子中年份对CPUE的影响是波动性的,拉尼娜年对CPUE的影响更密切。资源丰度较高海域在5°N—5°S,150°E—175°E。综上所述,异常气候导致的温跃层变化对于CPUE具有显著影响。 相似文献