基于栖息地指数模型的毛里塔尼亚头足类底拖网渔场研究

毛里塔尼亚专属经济区是我国西非过洋性渔业底拖网渔船的主要作业海域之一。本研究根据2010—2015年上海某远洋渔业公司的底拖网渔船生产数据,结合卫星遥感获得的表温和海面高度等数据,利用栖息地指数方法,采用几何平均模型和算术平均模型对毛里塔尼亚底拖网渔场进行了比较研究。结果显示,毛里塔尼亚海域底拖网作业的时间为1—4月和7—12月。各月基于表温、海面高度距平值和海底水深的适应性指数表明渔场的适宜海洋环境范围有差异。AMM模型中,HSI大于0.6的作业网次比例为76.10%,作业产量比例为78.66%,平均网次产量随着HSI的增加逐渐增大,从HSI为0~0.2时的29.37 kg/网次,增加到HSI为0.8~1.0时的47.20 kg/网次;GMM模型中,作业网次所占比例只有66.71%,作业产量比例为71.18%,平均网次产量随HIS的增加没有呈现合理的规律。本研究认为AMM模型更加适合于毛里塔尼亚底拖网渔场的预报。     

基于双模态深度学习模型的渔场渔情预报

为解决传统渔场渔情预测方法在处理高维复杂海洋数据时存在人工干预较多、拟合困难、精度不高的问题,提出了一种基于双模态深度学习的渔场渔情预测方法.首先,该方法将不同海洋环境因子在5° ×5°渔业作业区域范围内按照空间相对位置映射为三维矩阵.然后,分别使用卷积神经网络模型(CNN)和深度神经网络模型(DNN)对海洋环境因子和...     

三维海洋数值模型在东中国海鲐鱼渔场预报中的应用

根据1998-2011年7-12月的东中国海鲐鱼渔业数据,应用数理统计方法对中心渔场作业位置与海区表温的关系进行了定量分析。以北纬32°为界,将东中国海鲐鱼渔场分为北部黄海渔场和南部东海渔场两部分,分别给出了各月份北部和南部渔场的最适表温范围。基于海洋模式ECOM-si建立了东中国海区的三维温盐流数值模型,结合各月份的最适表温数据,初步建立了鲐鱼渔场渔情预报模块。应用此预报模块,对鲐鱼主要作业期(7-12月)的中心渔场位置进行了回报,结果与历史捕捞作业数据符合良好。数值模型结果再现了北部渔场8月份起在黄海深水区周边发展,10月达到最盛,11月渔场位置南移,12月基本位于黄海海盆深水区的过程;以及南部渔场8月最盛,10月起大降,11月和12月远离黑潮主轴西侧海域,西撤至100 m等深线附近的发展过程。结果表明所建立的三维温盐流海洋数值模型和初步建立的渔场、渔情预报模块适用于东中国海重要渔业渔场和渔情的预测、预报应用。     

基于不同气候条件的中西太平洋鲣鱼渔场预报

根据1995—2014年中西太平洋鲣鱼围网捕捞生产统计数据,选取了产量最高的22个5°×5°的海区,结合尼诺指数划分不同的气候类型,以渔获量为指标,建立在不同气候条件下中西太平洋鲣鱼围网渔场的渔情预报模型。研究认为:在不同的气候条件下,鲣鱼产量有所波动,其中厄尔尼诺月份月总产量和月均产量最高,与拉尼娜月份产量接近,而正常年份产量最低;不同空间不同气候条件下的产量有较大差异,在130°E～145°E海域,北纬5°产量明显高于南纬5°产量,同时正常月份的产量最高;在145°E～165°E海域,拉尼娜月份产量最高;在165°E以东海域,拉尼娜月份产量最低;将渔获量与Nino 3. 4区的SSTA建立关系,结果显示两者有着很强的相关关系,均符合正态模型(P 0. 01)。模型验证的结果显示,3种气候条件下的预报结果与实际统计值间均存在显著相关关系(P 0. 01),模型有着较高的相关系数,拟合结果较好。针对中西太平洋不同空间位置的3种气候条件下鲣鱼渔获量波动规律进行研究,为预测渔场和相关预报工作提供了新的思路。     

基于神经网络的北太平洋柔鱼渔场预报

根据1998-2004年6-11月份我国鱿钓生产数据（月份、作业船数、经纬度和日产量）以及对应的海洋环境因子数据,即5 m水层的海水温度、46 m水层的海水温度、112 m水层的海水温度、317 m水层的海水温度、叶绿素a含量以及海平面高度距平值等,以经标准化后的单位捕捞努力量渔获量（CPUE）作为中心渔场指标,采用多种BP神经网络预报模型,对北太平洋柔鱼渔场进行了分析与比较。通过对13种神经网络预报模型的比较,以及实际CPUE的验证,以拟合残差最小的预报模型作为最优预报模型,认为结构为9 7 1的BP神经网络模型相对误差仅为0.008 570,可作为北太平洋柔鱼渔场的预报模型。     

印度洋长鳍金枪鱼栖息地指数模型的构建与验证

长鳍金枪鱼(Thunnus alalunga)因其经济价值、分布广泛,成为世界各国海洋渔业的主要捕捞对象之一。对长鳍金枪鱼进行渔场预报研究,可以提高捕捞效率和渔获产量,为渔业生产提供科学依据。选取了2006—2014年印度洋长鳍金枪鱼的生产数据,结合海洋表层的温度、盐度和叶绿素a浓度等3个环境因子,运用一元非线性指数模型按月份建立了各环境因子的印度洋长鳍金枪鱼单因子栖息地适应性指数(suitability index, SI)后,采用算术平均法获得综合栖息地适应性指数模型(habitat suitability index, HSI),并根据2016年印度洋渔业生产数据及相应海洋环境资料,基于地理信息系统(geographic information system,GIS)软件——ArcGIS对栖息地指数模型进行验证。研究表明该模型对渔场预报准确率约为90.56%,各HSI等级下平均预报准确率为87.46%,对于HSI等级4和5(I_(HSI)0.5)等较高HSI值渔区所代表的中心渔场,其平均准确率为71.82%,考虑到I_(HSI)0.5的产量平均比重达69.35%这一事实,说明所建立的HSI模型对印度洋长鳍金枪鱼具有较好的预报效果。     

应用栖息地适宜性指数研究温台渔场小黄鱼的空间分布特征

根据2015—2016年春、夏、秋、冬4个季节在温台渔场开展的渔业资源与栖息环境综合调查采集的生产数据,采用正态分布函数分别构建海水底层温度(sea bottom temperature, SBT)、海水底层盐度(sea bottom salinity, SBS)和水深(depth)与相对资源密度的适宜性指数(suitability index, SI),利用最小二乘法进行参数求解,利用提升回归树(boosted regression tree, BRT)模型确定各环境因子的权重,采用基于不同权重的算术平均法(arithmetic weighted model, AWM)建立栖息地适宜性指数(habitat suitability index, HSI)模型,并通过交叉验证检验模型精度。研究发现:各环境因子与SI间均呈现明显的正态关系;小黄鱼的最适栖息地存在明显的季节性变化,全年HSI高值区出现在春季和夏季,其次为秋季和冬季,春季高值区位于122°30′E以东,28°30′N以北海域,夏季高值区呈带状南下,秋季高值区位于122°00′E,28°00′N附近海域,冬季高值区北上,位于123°00′E,29°00′N附近海域。研究结果表明:在HSI模型中考虑权重后,该模型能够较好地反映温台渔场小黄鱼栖息地的分布和变化情况。     

基于不同权重栖息地模型的秘鲁外海茎柔鱼渔场分析

根据2006-2014年春季(8月~10月)、夏季(11月~翌年1月)、秋季(2月~4月)、冬季(5月~7月)秘鲁外海茎柔鱼渔获数据,结合3个关键海洋环境因子海表面温度(SST)、海表面高度(SSH)和净初级生产量(NPP)的数据,利用不同权重方案的栖息地适应性指数模型来分析秘鲁外海茎柔鱼渔场分布。利用单位捕捞努力量渔获量(CPUE)与SST、SSH和NPP建立适应性指数(SI)模型,采用算术加权法建立综合适应性指数(HSI)模型,依据捕捞量和努力量的比重来比较不同权重的HSI模型,选择不同季度下的最优模型,并用2015年的数据进行验证。结果显示,茎柔鱼CPUE 和渔场纬度重心(LATG)呈现显著的年际和季节变化。不同季节茎柔鱼最优栖息地模型中的权重方案不同,其中春季最优模型权重方案为案例9,权重比例最高的环境因子是SST;夏季最优模型权重方案为案例7,SST、SSH和NPP所占的权重比例均等;秋季最优模型权重方案为案例3,权重比例最高的是SSH;冬季与春季相同。研究表明,影响秘鲁外海茎柔鱼栖息地分布的环境因子随季节具有显著差异,春冬季节最主要的环境因子是SST。此外,建立茎柔鱼的栖息地预测模型需考虑环境因子权重以区分影响差异。     

基于作物模型与遥感信息的水稻产量预报研究

将遥感资料(NOAA/AVHRR,Landsat TM)与水稻模拟模型(RCSODS)相结合,建立遥感数值模拟模型,进行水稻遥感估产。利用TM影像对NOAA进行几何精校正和混合像元分解;对NOAA卫星的可见光通道和近红外通道,采用双通道组合运算技术,构造植被指数(NDVI),结合地面样区实测叶面积指数(LAI)资料,建立NDVI与LAI的相关模式,对大面积水稻LAI进行反演,实现水稻长势的遥感实时动态监测。在此基础上,利用NDVI与水稻生物学参数LAI的关系,及时校正水稻生长模拟模型,预报以像元点为空间变化范围的单位面积产量;并对高邮市的水稻进行产量模拟,取得较好的结果。     

高分卫星影像遥感指数批量处理系统设计与实现

针对日益增长的高分卫星影像数据文件量和批量化计算处理其遥感指数的需求,采用交互式数据语言IDL,基于分层架构和事件驱动模型,设计和开发具有图形用户界面、不依赖ENVI软件、可跨平台独立运行的高分卫星影像遥感指数批量处理系统,实现影像读取、指数计算、数据输出的批量化、可视化、流程化处理,简化从繁芜复杂的高分影像数据文件中提取多种遥感指数的手工操作过程。在农业遥感业务中的实践应用结果表明：本系统能够稳定运行,高效地处理大批量的高分卫星影像文件,精准计算多种遥感指数,避免了传统方法存在的操作繁琐、重复劳动、频繁等待等问题,不仅极大提升了农业遥感业务的工作效率,而且对遥感数据分析处理和相关软件的开发应用也具有重要的参考意义。本系统的成功设计实现与应用,显示出了分层架构、事件驱动模型与IDL语言的结合对农业遥感领域信息系统开发和实践的有效性。     

西南大西洋阿根廷滑柔鱼中心渔场预报的实现及验证

提高渔情预报技术是渔场学的重要研究内容,地理信息系统等高新技术在渔情预报中的应用日益增多。本文根据我国在西南大西洋海域生产的鱿钓统计数据,结合海洋环境因子,利用栖息地指数方法构建了西南大西洋阿根廷滑柔鱼中心渔场预报模型,自主研发了软件预报系统。同时,利用实时的表温、叶绿素和海面高度距平值等海洋环境因子,对2009年生产作业情况进行了验证。分析认为,实际作业渔场基本上都分布在栖息地指数为0.5以上的海域,1-4月份中心渔场预报准确率为57%～74%,平均准确率为68.29%。研究认为,栖息地指数模型可较为准确地用来预测阿根廷滑柔鱼中心渔场,同时依靠地理信息系统等技术实现了中心渔场预报的智能化。研究亮点:利用栖息地指数方法构建了基于表温、叶绿素和海面高度距平均值的阿根廷滑柔鱼中心渔场预报模型,并自主研发了软件预报系统。根据2009年1-4月实时的海洋环境和生产实际情况,对中心渔场进行了验证比较,其预报平均准确率达到68.29%。     

西北太平洋柔鱼BP神经网络渔场预报模型比较研究

柔鱼是西北太平洋的重要经济种类。研究根据1995-2001年7-11月采集的鱿钓生产数据以及相对应的海洋环境因子数据,包括经纬度、表温(SST)和海平面高度距平(SSHA),分别以单位捕捞努力量渔获量(CPUE)和捕捞努力量作为中心渔场指标,采用BP神经网络方法,以经纬度、海洋环境因子作为输入因子,分别以CPUE和捕捞努力量作为输出因子,采用4-3-1和4-2-1两种模型,共4种方案对西北太平洋柔鱼渔场进行预报,并以拟合残差最小的模型作为最优预报模型。分析结果显示,7-11月各月中心渔场预报模型均以4-3-1模型为最优,但7、8月最优预报模型以捕捞努力量为输出的4-3-1模型,9、10、11月最优预报模型以CPUE为输出的4-3-1模型,总体平均误差以捕捞努力量为输出的4-3-1模型为最小。研究认为,CPUE和捕捞努力量作为中心渔场预报指标有差异,以捕捞努力量为输出的4-3-1模型较合适作为柔鱼渔场预报模型。     

西南大西洋阿根廷滑柔鱼中心渔场预报的实现及验证

提高渔情预报技术是渔场学的重要研究内容,地理信息系统等高新技术在渔情预报中的应用日益增多。本文根据我国在西南大西洋海域生产的鱿钓统计数据,结合海洋环境因子,利用栖息地指数方法构建了西南大西洋阿根廷滑柔鱼中心渔场预报模型,自主研发了软件预报系统。同时,利用实时的表温、叶绿素和海面高度距平值等海洋环境因子,对2009年生产作业情况进行了验证。分析认为,实际作业渔场基本上都分布在栖息地指数为0.5以上的海域,1－4月份中心渔场预报准确率为57%~74%,平均准确率为68.29%。研究认为,栖息地指数模型可较为准确地用来预测阿根廷滑柔鱼中心渔场,同时依靠地理信息系统等技术实现了中心渔场预报的智能化。     

基于Flex Viewer框架的北冰洋海冰卫星遥感信息系统的设计与实现

北冰洋是世界上最小、最浅和最冷的大洋,位于地球最北端,终年覆盖着海冰,是地球的最大冷源之一。北冰洋的海冰变化在不同的时间尺度上影响着全球的气候变化。卫星遥感技术是海冰监测的有效手段之一。目前为止,国内外相关海冰研究机构已获取了三十多年的海冰数据,这些数据是今后更加深入地开展北冰洋海冰研究的重要依据。针对海量的海冰卫星遥感数据,在Flex Viewer开源框架下,利用互联网应用(rich internet applications,RIA)技术和Web GIS技术,开发了北冰洋海冰卫星遥感信息系统。系统具有GIS功能强大、界面友好、平台无关以及开发效率高、开发成本低等优点,为北冰洋海冰遥感数据采集、查询、空间分析和实时数据服务的网络应用提供了一种很好的解决方案。     

基于Matlab遥感数据分形及地统计分析软件实现

为实现遥感数据空间结构信息快速获取,该研究以Matlab为平台,开发研制了遥感数据分形和地统计分形软件系统(FGARS).该软件系统具有良好的图形用户界面,且易于修改扩充.通过高光谱数据分形测量、城市空间结构多重分形分析和森林空间异质性分析等3个实例,表明利用该系统进行分析能正确的表达不同区域的空间结构信息.这为利用分形、地统计这两个新的工具从遥感数据中提取空间信息带来了很大便利.      

多源遥感数据协同的地块级农作物精细提取

【目的】 针对云南省大理市耕地地块不规整、破碎且农作物空间种植结构复杂的特点,结合多源数据在时间和空间分辨率的优势,达到准确地提取农作物信息的目的。【方法】 协同BJ-2数据和Sentinal-2数据进行农作物精细信息提取。首先,利用空间分辨率较高的BJ-2数据进行面向对象的图像分割,获得农作物地块信息;其次,在农作物物候规律分析的基础上,通过标准差分析获得关键时相,利用相应时间分辨率较高的Sentinal-2数据获取农作物地类信息,实现基于地块的小春农作物的快速精细提取。【结果】 采用实地调查地块真值与提取地类生成混淆矩阵进行精度验证,总体精度和Kappa系数分别为87.4%和0.83。其中,连片种植的农作物如蚕豆和马铃薯提取精度较高,地块细碎且内部种植结构复杂的作物提取精度略低。【结论】 多源遥感数据协同的农作物提取方法,通过高分辨率影像上获得的对象分析单元能很好地对单一地块中的农作物空间特征进行统计分析,很大程度上弥补了中分辨率影像由于分辨率偏低所导致的混合像元处错分的不足;不仅能从耕地地块级别获得农作物种植结构,更直观地反映农作物种植,能有效提升农作物提取的精细化程度,有利于精细化的农作物种植结构管理。     

基于遥感图像的林火蔓延模型的研建

为了更好地研究林火的发生、发展规律,人们通过实验、观测等手段获取数据建立林火蔓延和预测模型.该文基于对林火的研究,从MODIS数据出发,利用遥感图像的数据融合技术进行图像的增强,从融合后的图像获取建模数据序列,采用灰色理论来建立林火蔓延和预测模型.该模型具有建模简单,模型的通用性强,建模数据获取容易并有利于推广.从建立的灰色模型看,预测相对误差小于1%的占50%,预测相对误差小于5%的占25%,预测相对误差在5%~10%的占25%.     

基于时序Sentinel-2数据的马铃薯遥感识别研究

【目的 】文章以黑龙江省北大荒农垦集团克山农场为研究区域,以当地马铃薯全生育期为研究时段,以早熟马铃薯、晚熟马铃薯及其他主要农作物大豆、玉米、水稻为研究对象,开展基于时序Sentinel-2数据的识别差异性研究。【方法 】基于早熟马铃薯、晚熟马铃薯及大豆、玉米、水稻各时期各波段光谱反射值,利用光谱差异性指数,创建了光谱振幅指数,结合各种作物生育期数据,评价不同波段、不同时间序列对早熟马铃薯、晚熟马铃薯识别的差异性;筛选出可以较好区分早熟马铃薯、晚熟马铃薯、大豆、玉米、水稻的波段和时间序列组合。【结果 】在该文的时序内,能够同时区分早熟马铃薯、晚熟马铃薯与大豆、玉米、水稻的Sentinel-2数据时段为2022年8月9日和8月31日,波段为Band 5、Band7和Band 11。利用计算机自动分类,结合人工目视解译方式获得2022年克山农场种植结构,马铃薯、大豆、玉米、水稻、其他作物比例为13∶57∶27∶0∶2 （其中的水稻比例不足0.30%）。【结论 】综合Sentinel-2数据各波段反射值、光谱差异性指数,结合生育期资料,使用单一时相识别马铃薯时,最佳时段为晚熟马铃薯的成熟期后...