考虑多影响因素的渔船单船捕捞能力评估方法

针对以往海洋机动渔船捕捞能力评估研究中考虑影响因素较少,对各影响因素的主观权重值和客观权重值综合分析不足,不能给出渔船单船捕捞能力量化值等问题,该研究提出了考虑多影响因素的渔船单船捕捞能力评估模型。首先,考虑多种影响渔船捕捞能力的因素,建立单船捕捞能力评估指标体系,将其分为可量化指标和不可量化指标,并初步制定了不可量化指标评估标准。其次,利用专家、渔民调查问卷中的数据,运用层次分析法计算各指标主观权重值,结果表明各指标权重依次为：捕捞装备（10.76%）、功率（9.35%）、拖网（7.40%）、作业时长（7.14%）、总吨（4.85%）、探鱼仪器（4.74%）、刺网（3.98%）、船长（3.18%）、张网（2.83%）、围网（2.38%）、钓业（2.06%）、作业环境（1.92%）、钢质材质（1.89%）、罩网（1.65%）、玻璃钢材质（1.55%）、船龄（1.26%）、木制材质（1.21%）;渔具相关指标权重依次为：网具主尺寸（40.23%）、网具结构（14.93%）、装配技术（9.26%）、制造材料（5.08%）。最后,为兼顾主客观权重优点,基于加法合成法、博弈论法、最小鉴别信息法对各指标权重值进行组合计算,以获得目标权重值,并根据某省渔船数据对建立的模型进行验证分析,通过Spearman等级相关系数法计算捕捞能力评估值与实际渔获量之间的等级相关系数,结果表明基于博弈论法得到的结果相关性最高,相关系数为0.937,证实了组合权重值和评估模型的科学性和合理性。研究结果可为渔业管理部门制定科学合理的渔业资源调控政策提供依据。     

浙江省近海海洋捕捞渔船异地停靠信息提取与分析

根据船籍港管理制度要求,所有渔船必须在休渔期返回船籍港停靠休渔,渔船不能到非船籍港停靠。为调查渔船异地休渔情况,该研究提出一种基于北斗卫星导航系统的船位数据提取渔船异地停靠信息的方法。首先查找出渔船停船时段,选择停船时间较长的时间段,获得该停船时段内渔船停靠地的经度和纬度,利用高德地图提供的逆地址查询Web服务,获取停船地点所属的省、市、区县,然后将停船地址与船籍港对比,判断渔船是否属于异地停靠。以浙江省为例,选用2018年北斗卫星导航系统的船位数据,提取浙江省渔船异地停靠的信息,并进行统计分析,得到跨省停靠休渔的渔船占比为2.60%,省内跨市停靠的占比为5.53%,市内夸区县停靠的占比为14.74%,该方法能够快速提取和统计渔船的异地停靠信息,为休渔期渔船管理的信息化提供技术支持。     

双矢量定姿算法提高海参捕捞装置捷联惯导系统粗对准精度

针对传统解析粗对准算法中水平对准精度同时受陀螺仪和加速度计测量误差影响的问题,提出一种双矢量定姿粗对准算法,该算法在选定重力矢量为主参考矢量的前提下,预先对参与姿态解算的矢量作单位正交化处理。理论分析表明,所述算法使得水平对准精度只受加速度计水平测量误差影响,提高了捷联惯导系统粗对准精度;实测数据的试验结果表明,所述粗对准算法的水平误差角的大小不超过1°,方位误差角的大小不超过3°,在粗对准所要求的误差范围之内,为后续利用滤波方法进行精对准提供了有效的初始条件。     

基于机器学习算法的湖滨绿洲土壤电导率高光谱估算模型

  目的  为湖滨绿洲土壤高光谱估算土壤电导率值提供方法支持,实现区域土壤盐分快速估测。  方法  利用实测的土壤电导率值与土壤高光谱数据联合分析,采用竞争自适应重加权采样（CARS）、连续投影算法（SPA）、遗传算法（GA）筛选土壤电导率的特征波段,并基于全波段及特征波段构建BP神经网络（BPNN）、支持向量机（SVM）、极限学习机（ELM）三种机器学习算法模型,引入偏最小二乘模型（PLSR）进行对照,比较其模型精度。  结果  研究区土壤电导率值变化范围0.02～17.22 mS cm?1,平均值为2.61 mS cm?1,变异系数为134.87%,呈现强变异性;CARS、SPA、GA算法筛选的特征波段将建模输入量分别压缩至全波段数量的0.87%、1.68%、0.70%,减少建模输入量,提升建模速率,变量方法的选择CARS > SPA > GA;三种机器学习算法模型均优于PLSR模型,决定系数（R2）平均增加20.57%,相对分析误差（RPD）平均增加17.84%,土壤电导率高光谱估算模型以CARS-SVM最优,训练集与验证集R2分别为0.76和0.75,RMSE分别为1.79 和1.68 mS cm?1,RPD分别为2.04和2.00。土层深度20 ~ 30 cm的土壤电导率高光谱估算模型精度最高,训练集与验证集R2分别为0.83和0.84,RMSE分别1.37和1.77 mS cm?1,RPD分别为2.41和2.50。  结论  基于CARS-SVM的土壤电导率高光谱估算模型精度高,估算能力最优,可以为湖滨绿洲土壤电导率估算提供科学参考。     

基于多光谱影像和机器学习算法的红树林树种LAI估算

针对红树林叶面积指数（Leaf Area Index,LAI）实地测量难度大、无法快速大范围LAI估算的问题。该研究以广西北部湾红树林为研究对象,以无人机（Unmanned Aerial Vehicle,UAV）和哨兵二号（Sentinel-2A,S2）多光谱影像为数据源,整合原始光谱波段、植被指数和组合植被指数构建高维数据集,并进行数据降维和特征优选。定量评估6种机器学习算法（XGBoost、前馈反向传播神经网络（Back Propagation,BP）、支持向量机（SVM）、岭回归（Ridge）、Lasso和弹性网络（ElasticNet））对不同红树林树种LAI的估算能力;探究UAV和Sentinel-2A影像对红树林树种LAI估算的精度差异。研究结果表明：1）基于XGBoost算法构建的模型实现了红树林LAI高精度估算,R2均高于0.70,RMSE均低于0.349;2）在UAV和Sentinel-2A影像下,XGBoost模型对不同红树林树种LAI的估算精度（R2）比其他5种模型分别提高了0.105～0.365和0.283～0.540,RMSE降低了0.100～0.392和0.102～0.518;3）UAV影像数据与XGBoost算法构建的模型对海榄雌LAI的估算精度优于其他组合（R2=0.821、RMSE=0.288）,Sentinel-2A影像数据与XGBoost算法构建的模型对秋茄和桐花树LAI的估算精度优于其他组合（R2=0.940～0.979、RMSE=0.142～0.104）,不同红树林树种LAI的估算精度依次为桐花树>秋茄>海榄雌;4）SNAP-SL2P算法整体性低估红树林LAI值,UAV影像红树林树种LAI的平均估算精度（R2=0.677～0.713）均优于Sentinel-2A影像,实现了不同红树林树种LAI的高精度估算。     

基于组合权重法的大凌河水质及影响因素分析

以朝阳市大凌河流域河流水体质量为研究对象,收集区域水系数据、土地利用数据及水质监测数据作为样本数据,通过整合最优组合准则权重与次序权重算法构建水质风险评价模型,基于有序加权平均算子生成对多种决策风险的评估结果,为水质评价提供参考依据.研究结果表明,该区域的水体质量主要受生化需氧量(BOD)、化学需氧量(COD)、总磷(...     

基于清单算法的湖北省土地利用碳排放效应和趋势分析

土地利用/覆被变化是仅次于化石燃料燃烧的大气CO₂浓度急剧增加的最主要的人为原因,也是影响陆地生态系统碳循环的主要因素。结合国内外低碳经济和低碳土地利用的研究背景和实践,以湖北省为研究区域,采用样地清单法计算2003—2010年间湖北省的土地利用碳排放量,分析不同土地利用方式的碳排放效应和趋势。得出的主要结论如下:（1）湖北省土地利用总碳排放量从2003年的4 921.997万t增加到2010年的9 124.897万t,呈显著上升趋势;（2）耕地和建设用地是主要的碳源。其中耕地的碳排放量成递减趋势,从2003年的265.176万t减少到2010年的262.189万t,建设用地的碳排放量呈快速上升趋势,从2003年的5 194.871万t增加到2010年的9 414.589万t;（3）林地是主要的碳汇,从2003年的536.645万t增加为550.607万t,林地的碳汇功能逐年加强。通过对不同土地利用方式的碳排放效应和趋势研究,为湖北省低碳土地利用结构优化提供了依据。     

基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例

[目的]分析耕地面积变化影响因素的重要性,以便科学预测耕地资源数量,为保护耕地资源服务。[方法]以属于黄土高原地区的甘肃省庆阳市为例,尝试采用随机森林算法构建耕地面积预测模型,与BP神经网络模型的预测结果进行对比,并对耕地面积变化影响因素重要性进行排序。[结果]随机森林算法预测结果的相对误差和均方根误差均小于BP神经网络的,预测精度高,结果稳定。它预测出2020,2025,2030年的耕地面积分别为4.515×10~5,4.513×10~5,4.512×10~5 hm~2,呈现减少的趋势;主要影响因素重要程度排序为:农业机械总动力农业人口地区生产总值固定资产投资额。[结论]随机森林算法适合于耕地面积预测,且能够测度耕地面积变化影响因素的重要程度。     

影响平凉市玉米秸秆青贮利用的因素分析

通过构建Logistic 回归模型,对影响平凉市玉米秸秆利用现状的因素进行了拟合优度评价和回归分析,结果表明性别、文化程度、收入来源、种植面积、预计收益、农户对焚烧秸秆危害的认识程度、环保意识、宣传力度、优惠政策、处罚情况和农业机械化水平是影响农民是否愿意实施秸秆青贮的因素,提出了平凉市玉米秸秆青贮利用相应的发展对策。     

利用小型流化床的生物质热裂解影响因素分析

化石能源的储量减少与污染使人们必须寻找其他替代能源,其中生物质能是一个很好的替代品.该文以榆木木屑、红松木屑和秸秆为原料,在自制的小型流化床上开展了生物质热裂解生物油的实验研究.结果表明红松木屑的产油率最高,热裂解的温度对产油率的影响很大,500℃时生物油的产量最高,热裂解温度越高,裂解气体产量越高,气体热值也越高,而碳的产量越低.而且随着反应时间的变化,裂解气体成分也发生变化,在裂解10 min左右,裂解气体中可燃气体成分最高.     

基于文本分类和知识挖掘的远洋渔船安全问题分析

针对远洋渔船问题信息的知识挖掘与分析任务中存在渔船安全知识提取深度不足、安全问题文本分类精度不够的问题,该研究在归纳中国沿海8省市远洋渔业管理机构和企业的约5000条远洋渔船安全问题文本数据特征的基础上,提出一种整合文本分类、知识挖掘和共现网络分析技术的远洋渔船安全问题分析方法。首先,构建基于双向预训练语言模型与文本卷积神经网络的混合深度学习模型BERT-TextCNN（bidirectional encoder representations from transformers-text convolutional neural networks）,对渔船安全问题文本进行基于《开普敦协定》规定的精准主题分类。进一步利用基于主题的词频-逆文档频率算法TF-IDF（term frequency-inverse document frequency）,提取各主题下的关键渔船安全知识。最后,绘制渔船安全知识共现网络图,可视化分析各知识的分布规律及内在联系。结果表明,BERT-TextCNN模型对渔船安全问题文本的分类精度相较于BERT、Word2vec、Character embedding文本表示方法和DPCNN、BiLSTM-Attention、RCNN等6种神经网络的其他17种对比模型提升较为明显,准确率、宏平均召回率、宏平均F₁值分别达98.20%、98.02%、98.05%;基于主题的渔船安全知识挖掘方法可以展示远洋渔船安全工作的重点排序和关系网络图,涵盖渔船的机电设备、消防装置、救生设备、无线电通信等10类安全知识。该方法可为相关渔业管理人员提供高质量的渔船安全知识服务,对国内远洋渔业的安全管理效率、履约水平、智慧渔业工程的应用和发展有促进作用。     

基于机器学习的中西太平洋黄鳍金枪鱼渔场预报模型

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...     

渔船安全技术评价系统的开发与应用

为了辅助有关部门与管理人员收集指定区域的渔船的信息,并据此对渔船及其设备的安全技术状况进行科学、客观的评价,该文利用MS-ACCESS数据库的单机访问效率高、数据文件存储与合并灵活便捷的特点,开发了一种经济实用的渔船安全技术状况评价系统,实现了评价指标、标准与模型的自定义以及网络限制条件下的渔船安全技术状况评价数据采集与处理。该系统在应用过程中,数据由基层的渔业船舶检验工程师将有关渔船参数报到地方渔船管理部门,并最终上报到上级渔船管理部门,进行逐级收集、合并、上报与汇总,最后由相关部门的管理人员进行评价、统计与分析。该研究以某区域5700多艘24 m及以上钢质海洋渔船为样本,实施了渔船安全技术状况的评价。实用证明该系统用户环境配置安装简单,界面简洁方便,数据处理效率高,通用性强,运行维护成本低。通过渔船安全技术评价系统的开发与实施,可以对指定区域渔船的安全技术作出全面客观的评价,并辅助管理者对渔船技术状况和安全隐患进行科学分析,提出消除危险的最佳技术措施和方案,为主管机关制定相关政策、安全技术法规提供参考,进而大力改善区域渔船的安全生产状况。     

基于机器学习的遮荫设施内参考作物蒸散量估算

为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。     

基于机器学习的棉花叶面积指数监测

为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数（Leaf Area Index, LAI）监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导（First Derivative, FDR）、二阶导（Second Derivative, SDR）、SG（Savitzky-Golay）平滑和多元散射校正（Multiplicative Scatter Correction, MSC）进行预处理,并结合Pearson相关系数法、连续投影（Successive Projections Algorithm, SPA）、随机蛙跳（Shuffled Frog Leaping Algorithm, SFLA）和竞争性自适应重加权（Competitive Adaptive Reweighting, CARS）筛选敏感波段,将筛选出的波段使用偏最小二乘回归（Partial Least Squares Regression, PLSR）、支持向量回归（Support Vector Regression, SVR）和随机森林回归（Random Forest Regression, RFR）3种机器学习算法构建棉花LAI监测模型。结果表明：棉花冠层LAI敏感响应波段集中在可见光（400～780 nm）和近红外（900 nm之后）波段;对比3种机器学习算法,各预处理下RFR建立的LAI监测模型精度最高,稳定性最好,其中以FDR-SFLA-RFR模型最佳,在建模集的决定系数为0.74,均方根误差为1.648 3,相对均方根误差为26.39%;验证集的决定系数、均方根误差分别为0.67和1.622 0,相对均方根误差为25.97%。该研究基于无人机获取的棉花冠层光谱反射率,从不同光谱预处理、波段筛选及建模方法建立的模型中筛选出最佳估算模型用于棉花全生育期LAI监测,研究结果可为棉花大田精准管理及变量施肥提供依据。     

渔船拖网绞车张力自动控制系统设计及试验

为了补偿拖网渔船作业过程中绞车纲绳张力波动或渔船转向造成的负载不对称性,保持网具良好的开口形状,基于电液控制技术设计了拖网张力自动控制系统。对拖网曳纲张力采集方法进行了研究,采用油压力传感器间接测量拖网左右曳纲张力数据作为输入信号,传输到控制器进行逻辑运算,控制先导溢流阀调整马达溢流压力,改变绞车输出扭矩,从而驱动拖网绞车收、放来控制左右曳纲张力,达到系统动态平衡。并基于实验室虚拟仪器工程平台(laboratory virtual instrument engineering workbench,Lab VIEW)对系统软件进行了设计,实现绞车张力控制系统的参数设置与控制管理。为了验证系统的张力控制特性和实用性,对系统进行了海上应用试验,在张力自动控制模式下,拖网绞车根据渔船航速和水流自动调节收放网速度,减少作业过程中曳纲张力波动。拖曳过程中拖网曳纲长度范围为350~490 m,绞车曳纲张力范围为118~148 k N,对应系统压力为2.3~2.7 MPa,渔船平均拖速为5.6节。试验结果表明,左右曳纲张力差在合理范围内,系统能很好调节曳纲张力大小,为渔船安全生产提供了保障;启用张力控制系统后网口面积比未使用张力控制系统前增大了9.5%,有效调整了网口扩张,提高了捕捞效率。     

环境敏感变量优选及机器学习算法预测绿洲土壤盐分

基于机器学习预测干旱区(如新疆)土壤盐分的研究目前较少涉及且敏感变量的筛选还需深入探讨。该研究比较5种机器学习算法(套索算法,The Least Absolute Shrinkage and Selection Operator-LASSO;多元自适应回归样条函数,Multiple Adaptive Regression Splines-MARS;分类与回归树,Classification and Regression Trees-CART;随机森林,Random Forest-RF;随机梯度增进算法,Stochastic Gradient Treeboost-SGT)在3个不同地理区域(奇台绿洲,渭-库绿洲和于田绿洲)的性能表现;参与的变量被分为6组:波段,植被相关变量集,土壤相关变量集,数字高程模型(digital elevation model,DEM)衍生变量集,全变量组,优选变量组(全变量组经过算法筛选后的变量集合)。通过算法筛选,以示不同研究区的盐度敏感变量。同时借助以上述6组结果评判算法的性能。结果表明:综合分析6个变量组的R2和RMSE,预测精度排名如下:优选变量组植被指数变量组土壤相关变量组波段DEM衍生变量组。由于结果不稳定,全变量组未参与排名。在所有变量中,植被指数(EEVI,ENDVI,EVI2,CSRI,GDVI)和土壤盐度指数(SIT,SI2和SAIO)与土壤盐度相关性高于其他变量。综合评价以上5种算法,Lasso和MARS的预测结果出现极端异常值,但其预测结果能基本呈现土壤盐分空间分布格局。CART的结果能清晰分辨灌区和非灌区土壤盐分的分布态势,但二者内部并无太多变化且稳定性较差。RF和SGT的结果显示,二者在3个绿洲的土壤盐分值域范围和土壤盐分空间分布格局相似,纹理信息相对其他3个算法更为丰富。更为重要的是,算法在各个地区的结果都较为稳定。二者相比,SGT验证精度相对最高,其次为RF。     

采用GA-ELM的寒地水稻缺氮量诊断方法

为快速、准确、无损实现寒地水稻缺氮量的诊断。该文基于田间试验系统采集的资料,研究东北粳稻氮素含量的亏损或富余与光谱反射率差值之间的关系,并建立东北粳稻氮素含量差值的反演模型。该文采用高光谱反演水稻的缺氮量,并为实施精准施肥提供参考依据,达到减肥不减产的目的,采用产量最高的原则来构建标准氮素含量与标准光谱反射率,并在此基础上,将获取的水稻叶片氮素含量和叶片光谱反射率分别与标准氮素含量和标准光谱反射率做差,得到氮素含量差值和光谱反射率差值,然后对光谱反射率差值分别采用离散小波多尺度分解、连续投影法(successive projections algorithm,SPA)和构建植被指数的方法进行降维处理,将处理后的结果分别作为偏最小二乘(partial least squares regression,PLSR)、极限学习机(extreme learning machine,ELM)和遗传算法优化极限学习机(genetic algorithm-extreme learning machine,GA-ELM)的建模输入,构建东北粳稻氮素含量差值的反演模型。结果分析表明:采用离散小波多尺度分解的结果建立的GA-ELM反演模型预测效果最好,训练集与验证集的R2均在0.7062以上,均方根误差(root mean square error,RMSE)均低于0.51mg/g以下,在预测能力、稳定性和泛化性上比PLSR和ELM的预测模型有明显提高。