一、西北太平洋柔鱼渔情速报系统的开发（论文文献综述）
崔国辰[1]（2021）在《大洋不同种柔鱼渔场时空分布及其对环境因子的响应》文中研究表明头足类被认为是世界渔业资源中三大未充分开发利用的种类之一,是人类未来重要的蛋白质来源。全世界头足类的可捕量为0.1亿-1亿t,2014年头足类产量达到峰值,全球产量为485.79万t,因此头足类资源的开发前景极其广泛,特别是大洋性柔鱼科资源。柔鱼科作为我国远洋渔业重要捕捞对象,其资源量年间波动明显,为了解不同种柔鱼资源种群变动及其对环境的响应,本研究分析渔业资源与渔场的分布、变化,根据渔场变化的海况信息帮助渔民及时调整作业区域,促进我国远洋鱿钓渔业的可持续发展。本文根据东太平洋茎柔鱼（Dosidicus gigas）、西南大西洋阿根廷滑柔鱼（Illex argentinus Castellanos）、印度洋鸢乌贼（Sthenoteuthis oualaniensis）、北太平洋柔鱼（Ommastraphes bartramii）（简称“巴特柔鱼”）的渔捞日志数据,结合相关海域的海水表面温度（SST）、叶绿素a浓度（Chl-a）数据,利用产量重心法研究各月份渔场位置变动,采用Arcgis 10.0软件可视化柔鱼渔场时空分布,通过广义可加模型拟合CPUE与各影响因子关系并绘图,最后比较不同海域间柔鱼渔场形成规律差异。本文研究结果如下:（1）对不同种柔鱼渔获量及CPUE变化研究结果表明:东太平洋茎柔鱼2019年12月至2020年4月各月渔获量呈先上升后下降趋势,2月渔获量最高;CPUE曲线除2月增加外,总体呈下降趋势。西南大西洋阿根廷滑柔鱼2014、2016–2018年渔获量呈先下降后上升趋势,2018年渔获量最高;年CPUE曲线除2014年高,其余年份总体呈缓慢波动趋势;除2014年外,其余年份各月渔获量呈先上升后下降趋势,渔获量峰值集中于2、3月;月CPUE曲线呈先上升后下降趋势,高CPUE常分布于1–3月。印度洋鸢乌贼2017年各月渔获量呈先下降后上升趋势,高渔获量集中于9–11月;CPUE呈先上升后下降趋势,8月CPUE最高。巴特柔鱼除6月急剧升高外,2019年各月渔获量整体呈先上升后下降趋势;CPUE曲线整体呈先上升后下降再上升趋势,高CPUE分布于6、7、9、10、11月。（2）对不同种柔鱼渔场分布及其与SST、Chl-a的研究结果表明:东太平洋茎柔鱼渔场重心集中分布于0°～3°S、105°W～114°W海域,不同月份渔场重心经向变化明显。GAM模型显示,东太平洋茎柔鱼渔场的最适SST范围是24.5～25.5°C,最适Chl-a范围是0.16～0.20mg/m3。西南大西洋阿根廷滑柔鱼渔场重心集中分布于45°S～47°S、59°W～61°W海域,除2014年外,2016–2018年各月份产量重心分布较为集中。GAM模型显示,西南大西洋阿根廷滑柔鱼渔场的最适SST范围是12～14°C;最适Chl-a范围是0.1～2.0 mg/m3。印度洋鸢乌贼渔场重心集中分布于12°N～16°N、58°E～63°E海域,渔场重心随月份变化呈先向西南推进,再往东北折回趋势。GAM模型显示,印度洋鸢乌贼渔场最适SST范围是26.0～27.5°C,最适Chl-a范围是0.2～0.4 mg/m3。北太平洋柔鱼渔场重心集中分布于38°N～45.5°N、173°W～176°W,38°N～45.5°N、160°E～165°E海域,GAM模型显示,巴特柔鱼渔场的最适SST范围是14～19°C,最适Chl-a范围是0.1～0.5 mg/m3。根据本文的研究结果,并参考相关文献资料,分析认为这一时期东太平洋茎柔鱼为小型群体,西南大西洋阿根廷滑柔鱼主要为夏季产卵群,印度洋鸢乌贼为大型群,北太平洋柔鱼主要为冬春生群。不同种柔鱼CPUE的分布变动与其生物学特性、渔船捕捞路线及海洋环境变动有关。东太平洋茎柔鱼12月至翌年4月CPUE随月份变化逐渐下降,是因为茎柔鱼产卵期为10月至翌年1月,个体产卵后死亡,此外茎柔鱼达性成熟胴长后进行洄游致使鱼群位置分散也是导致各月产量存在差异的原因;西南大西洋阿根廷滑柔鱼高CPUE分布于1–3月份,该时期夏季产卵群体的产卵场与作业海域重叠度高是原因之一;印度洋鸢乌贼各季节资源量存在差异导致各月份CPUE变化;北太平洋柔鱼CPUE不同是因为渔船转场,不同海域间捕捞对象存在差异。相比于单一环境因子、空间因子,时间因子对CPUE影响更为显着,这是因为影响机制复杂,除本文研究因子外,尚需考虑其他环境因素及其交互影响。
朱浩朋[2]（2021）在《基于卷积神经网络的西北太平洋柔鱼渔场预报模型构建》文中研究指明近三十年中国远洋渔业产业发展迅速,鱿钓渔船规模越来越大,然而随着我国远洋渔业的发展,柔鱼生产规模在不断扩大的同时,生产成本也不断升高,寻找可靠稳定渔场的难度越来越高,同时远洋渔业企业对柔鱼渔场的预报服务产品的要求也越来越高。因此,打破传统的渔情预报方式存在的局限,充分利用当前计算机先进软件算法和条件,准确而快速地进行渔情预报,可以为远洋渔业企业的出海作业生产提供科学、合理的指导意见,降低人力、物力成本。西北太平洋是一片有着较为特殊海洋环境的海域,是亲潮寒流与黑潮暖流的交汇区域,季节性温差较大,但同时也是中国鱿鱼产量最高的海域,拥有着全太平洋36%的柔鱼产量,把握西北太平洋渔场的位置及渔汛的长短,对提高我国渔业产量、降低捕捞作业成本,维持柔鱼生产的稳定发展,具有重要的现实意义。为了提高西北太平洋渔场预报的准确性和实用性,本研究提出了一种基于深度学习原理的柔鱼预报模型的构建方法。研究数据时间跨度是2000年-2015年的7月-11月,包括来自西北太平洋柔鱼渔船生产信息日报以及来自NASA的中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer,MODIS）的海洋表面温度（Sea Surface Temperature,SST）和叶绿素a数据（Chlorophyll,Chl-a）,两种海洋环境数据都是三级产品。本研究根据不同通道即SST、Chl-a、经度、纬度、月份等的组合,构建了5种用于模型训练的数据集,即1)仅包含SST的单通道数据集、2)包含SST和月份的2通道数据集、3)包含SST、经度和纬度的3通道数据集、4)包含SST、月份、经度和纬度的4通道数据集、5)包含Chl-a、月份、经度和纬度的4通道数据集。为了在维度上与第1个通道数据相匹配,需要将经度、纬度和月份的输入数据从0维标量扩展到像素数为65×65的二维张量,并作为第2、第3和第4通道。由于缺乏足够多的有效渔业捕捞数据,通过以-10°和+10°之间的小角度随机旋转数据集图像以及图像中心在四个方向（包括北、南、东和西）的随机0.1°偏移对训练数据集进行了增强处理。经数据增强后的数据集数据量比原来增加了4倍。卷积神经网络（Convolutional Neural Network,CNN）模型的结构选择的是Alex Net,它由五个卷积层,三个最大池化层和三个全连接层组成。此方法使用图形处理单元（Graphics Processing Unit,GPU）加快训练速度,其环境特征的提取由计算机自动完成,充分考虑了渔场周边的温度场特征,优于传统的渔业预报方法。SST、纬度、经度和月份都是构建渔场预测模型时需要考虑的重要影响因素,本研究比较和分析了这些因素对渔场预报准确率的影响。为了检验所选环境因素的合理性,本研究另外使用了叶绿素浓度数据作为输入因子进行了试验,同时,为了检验该模型的优越性,也基于随机森林方法采用SST数据构建了柔鱼预报模型且通过预报准确率、精确率、召回率和F1分数等模型评价参数,对比分析了三个预报模型的效果。得出以下结论:1)根据柔鱼的迁移规律,将7月-11月的SST数据集分为3个子数据集,分别是7-8月、9月和10-11月。这种月份组合的方式将测试准确率提高了至少6个百分点。7月-8月、9月、10月-11月这三个数据集的测试准确率远高于7-11月数据集的测试准确率74.4%,因此柔鱼本身的生物特性包括迁徙、生长规律是十分重要的,在渔业预报模型构建过程中不可忽视,有利于提高渔场预报模型的预报精度。2)经过8万次训练后,平均测试准确率收敛至约81.1%。采用SST数据构建的7-8月、9月和10-11月3个4通道数据集的测试准确率分别为80.5%,81.5%和81.4%。可以得出结论,海洋表面温度及其时空信息在西北太平洋柔鱼渔场的预报中起着重要作用,利用单个环境因子SST构建CNN训练数据集从而建立柔鱼渔场预报模型的方法是可行的。3)对包含不同通道信息的数据集训练结果进行对比,SST的4通道数据集的训练结果最好,测试精度明显高于3通道、2通道、单通道数据集以及Chl-a的4通道数据集。仅包含SST的单通道数据集的测试精度至少达到73.5%,这表明SST是5个因素中的最重要因素,即SST、Chl-a、经度、纬度和月份。而且对比了SST、Chl-a两种海洋环境数据的模型预报效果,以SST训练的模型取得了81.1%的准确率显着高于以Chl-a训练的模型的不足75%的平均准确率,也证明了较之Chl-a,SST是影响柔鱼渔场变动的更重要因素。4)以2015年实际渔获量数据为依据,验证了预测模型的应用效果,并选择精确率和召回率作为该模型的评价指标。结果表明,基于SST数据的柔鱼渔场预报模型平均精确率、召回率和F1分数分别为66.6%、82.3%和73.1%,高于基于Chl-a数据的预报模型的60.3%、69.3%、63.1%。基于SST数据的柔鱼渔场预报模型预测的高产捕捞区域基本上与实际的高CPUE区域匹配,并且两者的月度移动趋势也基本一致。5)与随机森林构建的渔场预报模型对比,在变量种类相同的情况下,随机森林方法取得了7-8月72.0%、9月58.9%、10-11月64.1%的测试准确率,低于本研究的卷积神经网络方法,测试准确率的差值在8.5%-22.6%之间。
李世超[3]（2020）在《基于物联网的远洋捕捞决策支持系统研究》文中认为基于物联网的远洋捕捞决策支持系统对增强远洋捕捞船队的统一化管理、提高远洋渔船捕捞作业效率、为远洋渔业提供信息化服务具有重要意义。本研究针对远洋捕捞作业中渔情预报准确率的提升及远洋渔船的调度优化两个决策支持关键环节,分析了当前远洋捕捞业的现状以及存在的问题,通过多源数据融合技术提高大尺度海洋环境数据的分辨率及可用性,并对远洋船队的调度模型进行深入研究,建立了基于物联网的远洋捕捞决策支持系统,并完成了基于物联网的远洋捕捞决策支持系统的开发设计及主要功能的实现。最终通过不同数据图层的单独和叠加展示,为远洋捕捞作业提供决策支持服务,从而降低作业成本,为渔民增收的同时也丰富了居民对水产食品的需求。本论文的主要工作如下:（1）设计了一种基于STM32定日光伏海洋环境监测用电浮标的海洋环境数据采集系统。根据决策支持系统对数据的实际需求以及浮标载体的实际工作环境对浮标的功能进行了针对性设计,其中包括采集数据的专用传感器、为维持长续航而设计的定日光伏供电系统等,此外我们对海洋浮标的布放进行了组网优化,以减少浮标布放冗余,提高数据链路传输效率。（2）介绍了一种利用SCM逐次校正法合并不同来源的海洋环境数据以提高大尺度数据的分辨率。针对远洋海域海洋浮标站点稀疏和卫星遥感海洋环境数据分辨率低的特点,本文介绍了一种将海洋环境监测用电浮标采集的数据并入卫星遥感海洋环境数据的方法,用于提高大尺度遥感数据的分辨率,最终利用环境因子与渔场空间分布的相关性,优化渔情模拟预测模型的预报精度。（3）提出了一种基于物联网的远洋捕捞船队调度优化模型。通过综合考虑船队的任务指标、作业目标、船队资源配置等决策因素对远洋捕捞船队航行路线进行调度优化,最终实现了对整个船队捕捞效率提高、运输成本下降从而达到提高经济效益的目的。
龚彩霞[4]（2020）在《未来气候变化情景下西北太平洋柔鱼资源变动》文中研究表明柔鱼（Ommastrephes bartramii）是西北太平洋重要的经济种类之一,在北太平洋生态系统中占有很重要的地位,并已被北太平洋渔业委员会（North Pacific Fisheries Commission,NPFC）纳入管理范畴。柔鱼资源量年间波动比较剧烈,在其不同生活史阶段,都受到海洋环境和气候变化的影响。由于柔鱼是一年生的种类,全球气候变化和局部海洋环境变动对柔鱼资源丰度和分布的影响愈加突出,近20多年来,利用遥感环境数据,以水温为主要环境因子对柔鱼的资源丰度和渔场分布进行近实时预报研究已取得重要进展,但缺乏气候变化背景下,对柔鱼资源渔场的中长时期（至21世纪末）预测,为此本文结合气候变化研究的最新进展,在未来气候变化情景下对西北太平洋柔鱼资源变动展开研究。论文的科学假设为:未来气候变化背景下,海洋生物物理化学环境发生改变,导致柔鱼潜在栖息地时空分布、渔汛及资源补充量产生变化。论文采用2013年9月IPCC第五次报告中的研究成果,即基于耦合模式互比项目第5阶段（Coupled Model Intercomparison Project phase 5,CMIP5）中的海洋环境数据,分析未来不同气候变化情景下,柔鱼潜在栖息地分布变化情况,通过量化分析栖息地面积的改变进一步分析柔鱼未来渔汛变化,并结合柔鱼产卵场和索饵场环境变化估算其资源补充量,最后提出柔鱼渔业管理的建议。主要结果如下:（1）最大熵模型（Max Ent）在模拟柔鱼栖息地分布方面的应用。利用柔鱼渔业生产数据,结合多个海洋环境遥感数据,包括海表面温度（sea surface temperature,SST）、叶绿素a（chlorophyll-a,Chl-a）浓度、净初级生产力（net primary productivity,NPP）、混合层深度（mixed layer depth,MLD）及海平面异常（sea level anomaly,SLA）,采用最大熵模型对柔鱼潜在栖息地进行模拟,并利用Arc GIS软件对栖息地适宜性进行评价。结果表明7月柔鱼最适宜区主要分布在39°～43°N,150°～163°E。8月柔鱼最适宜区向东移动,较适宜区向北扩张至46°N。9月柔鱼最适宜区和较适宜区面积向西缩小,主要集中在40°～46°N,150°～160°E。10月最适宜区和较适宜区向南移动,主要分布在40°～45°N,150°～165°E。各月影响柔鱼潜在分布的重要环境因子有所差异,7─8月为SST,9月为MLD和SST,10月为NPP和SST。研究表明西北太平洋柔鱼分布受海洋环境因子的影响,时空变化明显,最大熵模型对西北太平洋柔鱼潜在栖息地分布的模拟精度非常高。（2）水温变暖对柔鱼潜在栖息地分布的影响。根据影响柔鱼分布的最主导环境气候因子——SST,基于最大熵模型及其建立的栖息地模型,利用1996-2005年气候历史数据和RCP4.5和RCP8.5两种情景下的气候预估数据,分析了1996-2005、2021-2030、2051-2060、2090-2100年主要捕捞月份（7-10月）柔鱼潜在栖息地变化。结果表明,柔鱼渔场纬度方向空间分布呈季节性南北移动,随着未来气候变化,在RCP4.5和RCP8.5两种情景下,2021-2030、2051-2060、2090-2100年7-10月柔鱼潜在分布较1996-2005年7-10月均呈现向北极移动趋势,适宜面积增加。推测柔鱼季节性南北移动可能受各月适宜SST范围变化的影响,在RCP4.5下,到21世纪末,各月柔鱼潜在最适宜生境向北移动1-2°,适宜面积增加3%-13%;在RCP8.5下,到21世纪末,各月柔鱼潜在最适宜生境向北移动3-5°,适宜面积增加42%-80%。（3）综合海洋环境因子对柔鱼潜在栖息地和渔汛变化的影响。结合影响柔鱼分布的多个环境气候因子,包括SST、海表盐度（sea surface salinity,SSS）、大地水准面以上的海表面高度（sea surface height above geoid,SSHAG）、所有浮游植物的初级有机碳生产（primary organic carbon production by all types of phytoplankton,POCP）,利用最大熵模型及其建立的栖息地模型,结合1996-2005年各环境因子气候历史数据和RCP4.5和RCP8.5两种情景下的各环境因子的气候预估数据,分析2000年、2025年、2055年、2095年渔汛月份（7-11月）柔鱼潜在栖息地时空变化并进行量化分析,进一步探讨未来柔鱼可能的渔汛变化。结果表明,气候变化下,柔鱼栖息地向北极移动,在RCP4.5情景下,2025、2055和2095年8-10月向北极移动明显;在RCP8.5情景下,2025、2055和2095年7-10月向北极移动明显。柔鱼潜在适宜栖息地面积整体较少,RCP4.5情景下,到2095年,7-9月柔鱼潜在适宜栖息地面积几乎消失,10月柔鱼潜在适宜栖息地面积减少约23%,11月柔鱼潜在适宜栖息地面积减少约43%;RCP8.5情景下,到2095年,除10月柔鱼潜在适宜栖息地面积增加约34%以外,7-9月以及11月柔鱼潜在适宜栖息地面积几乎消失。我们推测未来柔鱼作业位置可能向北移动,柔鱼渔汛可能推迟且总的捕捞作业时间可能缩短。（4）未来柔鱼资源补充量预测。基于以往的研究结果,将柔鱼产卵场划分为经验产卵场和推测产卵场,通过分析经验产卵场、推测产卵场和索饵场各月适宜水温面积占总面积的比例（PS）与柔鱼单位捕捞努力量的渔获量（catch per unite effort,CPUE）之间的相关关系,选取统计关系显着的月份PS与CPUE建立线性预报模型,结合RCP4.5和RCP8.5两种情景下2000年、2025年、2055年、2095年显着相关月份PS的变化,分析未来柔鱼资源补充量变化情况。结果表明,气候变化下,柔鱼经验产卵场适宜SST范围向北移动,到2095年移动至经验产卵场最北缘,1-4月经验产卵场平均PS呈下降趋势,但变化不显着;推测产卵场适宜SST范围向北移动,到2095年移动至推测产卵场最北缘,且已超过推测产卵场范围,1-4月推测产卵场平均PS呈下降趋势,变化显着;索饵场适宜SST范围向北移动且有扩张趋势,7-10月索饵场平均PS呈下降趋势,变化显着。相关分析表明,1996-2005年2月和3月推测产卵场PS与CPUE显着正相关。未来柔鱼CPUE呈下降趋势,到2025年,柔鱼CPUE为208.87±5.46t/艘;到2055年,为198±47.92t/艘;到2095年,为154.35±48.72t/艘,相比于2000年,到2095年,相比于2000年柔鱼资源量最大下降60.08%。（5）柔鱼渔业中适应和减缓气候变化的养护管理模式。通过分析气候变化对柔鱼的影响机理和途径,探讨柔鱼渔业中适应和减缓气候的途径和方法,最后在NPFC的养护管理模式和框架下提出兼容适应气候变化的柔鱼可持续发展建议,包括加强柔鱼渔业资源评估;提升柔鱼渔业资源预报能力,减少非正常的捕捞作业时间;减少并改进渔船,降低能耗,提高效率;调整产业结构,优化市场配置;制定适应气候变化的渔业管理措施或预警系统,未来可以适当设置休渔期应对气候变暖,且在柔鱼产卵和仔稚鱼洄游海域有必要设置适当的禁渔期。
石朝旭[5]（2020）在《秋刀鱼栖息地适宜性指数模型比较研究》文中指出西北太平洋公海渔场是我国重要的远洋渔场之一,近几年来,我国秋刀鱼远洋渔业发展迅速。目前企业在捕捞秋刀鱼时投入使用的渔船数量、劳动力等,会受到不同环境因素的影响,导致产量会有一定的波动。为了提高中国西北太平洋秋刀鱼产量,我们需要进一步研究栖息地环境因素对秋刀鱼渔场的影响。我国在西北太平洋公海秋刀鱼的渔场主要分布于日本和俄罗斯200海里专属经济区以外的海域,纬度范围为37°N-49°N,经度范围为144°E-168°E。该研究的目的是通过比较验证栖息地适宜性指数（habitat suitabilityi ndex,HSI）模型,从正态函数模型,偏态函数模型以及指数多项式模型中选出更合适的栖息地适宜性指数模型,为预测秋刀鱼渔场的分布做出贡献。本文所用的西北太平洋公海秋刀鱼的渔业数据年份是从2014年到2017年的5月到11月。环境数据包括海表面温度（Sea surface temperature,SST）、以地面为基准面的海表面高度（Sea surface height,SSH）和海表温梯度（Sea surface temperature gradient,SSTG）,空间分辨率为1°×1°,时间分辨率是月。1,生产数据和环境数据进行方差分析,发现总产量-海表温梯度,捕捞天数-海表高,捕捞天数-海表温梯度的p值均小于0.01,表明以上的关系之间存在极显着相关的关系,但是总产量-海表温,总产量-海表高,捕捞天数-海表温高的p值要大于0.05,所以以上的关系之间不存在相关性。通过对环境数据和生产数据进行方差分析,验证两者之间是否存在相关性,为构建栖息地指数模型提供依据。2,根据模型结果,发现捕捞总产量的偏态分布几何平均法的正确率最高,为44.52%,根据总产量的偏态函数几何平均法计算得出2017年各月的HSI值,结合Matlab做出总产量和HSI为底图的叠加图。最终得出SST,SSH,SSTG的最适范围分别是:12.86-16.31℃、0.19-0.36cm、0.019-0.042℃/km,渔场的实际环境数据SST,SSH,SSTG为13-17℃,-0.05-0.2cm,0.02-0.04℃/km,实际的环境区间与拟合的结果差距不是很大,并且与已有的文献的研究结论研究一致。3,并且其余的栖息地适宜性指数模型的结果表明生产数据和环境数据之间是存在相关性的（p<0.05）,通过验证,本文中的栖息地适宜性指数模型（HSI）的关系式可以对秋刀鱼渔情预报做出预测。
解明阳[6]（2020）在《基于灰色系统理论的北太平洋柔鱼渔情预报研究》文中研究说明柔鱼（Ommastrephes bartramii）是大洋性头足类经济鱼种,广泛分布于西北太平洋海域,是我国鱿钓渔船的重要捕捞对象。开展柔鱼渔情预报是确保我国远洋鱿钓渔业科学生产的重要基础。在传统的数理统计方法中,对样本要求数量大,服从典型分布,这也增加了渔情预报的难度,而灰色系统理论可有效地解决这一问题。作为一门不确定系统理论的学科,其优点在于允许样本数量较少且服从任意分布,这对于缺乏数据的渔业科学来说,有很大的应用与发展前景。为此,本研究利用1995—2017年我国远洋鱿钓渔业的生产统计数据,结合海洋遥感环境因子（如海表面温度、叶绿素浓度数据和太平洋年代际震荡指数等）数据,利用灰色系统理论中的灰色关联、灰色聚类、灰色预测等方法,科学分析了不同年份、月份北太平洋柔鱼资源丰度的聚类特征,划分渔汛旺汛期和灾变年份,探索资源丰度变化与海洋遥感环境因子的关系,并实现渔汛旺汛期、灾变年份和资源丰度的预测研究,为北太平洋渔业生产企业的科学可持续开发和科学管理提供技术支撑。主要研究结果如下:（1）北太平洋柔鱼资源丰度灰色聚类特征。以单位捕捞努力量渔获量（CPUE）作为资源丰度指数,利用灰色关联聚类方法对1998—2017年5—12月柔鱼的资源丰度（CPUE）进行聚类,分析不同强度厄尔尼诺和拉尼娜事件以及环境因子对柔鱼CPUE的影响。结果表明,以经度平均CPUE聚类的年经度类群比年纬度类群差异明显,月经度类群比月纬度类群更具有季节性。包含两个强拉尼娜事件年份的类群2的CPUE最高,产卵场和育肥场的海表温度距平值（SGSSTA和FGSSTA）也最大,但叶绿素（Chl a）浓度距平值最低;包含3个弱拉尼娜事件的类群4的CPUE略低于年平均CPUE,海表温度距平值（SSTA）较大,Chl a浓度距平值接近于0;类群3的产卵场和育肥场的SSTA最小,但Chl a浓度距平最高。5—12月平均海表温度（SST）夏季高冬季低,产卵场和育肥场的海表温度（SGSST和FGSST）呈先增加后减小的趋势,8、9月份最高,11、12月份最低,与CPUE变化一致;Chl a浓度则恰好相反,5—7月份最高,8、9月份最低。研究认为,不同强度的异常气候事件是影响柔鱼资源丰度重要因素:强拉尼娜事件会使柔鱼资源丰度骤增,弱拉尼娜事件会使柔鱼资源丰度略减,而中强度以上的厄尔尼诺事件会柔鱼资源丰度大幅度下降。（2）北太平洋柔鱼渔汛特征分析及旺汛期预测。分析发现,北太平洋柔鱼发汛时间最早为5月12日,一直持续到年终;旺汛期为每年的8—11月,第1旺汛期基本上在8月出现。基于各年度的旺汛日期分布,建立了灰色波形预测GM（1,1）模型群,其模型的平均相对误差为6.83%,旺汛期日期序列预测的平均相对误差为8.19%,验证数据的平均相对误差为15.82%,此模型可用作预测北太平洋柔鱼的旺汛期。（3）北太平洋柔鱼资源丰度灾变年份预测。运用灰色灾变预测方法对上、下限灾变年份建立GM（1,1）,预测未来灾变年份。结果显示,以GLM模型标准化CPUE建立的下限灾变预测模型的平均相对误差为15.32%,上限灾变预测模型的平均相对误差为8.19%,模型精度检验等级均为Ⅰ级。研究认为,下一个资源丰年(CPUE大于2.39t·船-1·年-1)将出现在2021年,资源欠年(CPUE小于2.13 t·船-1·年-1)将出现在2027年。分析认为,太平洋年代际涛动与厄尔尼诺—拉尼娜事件是驱使柔鱼丰度大幅度波动的重要因素。（4）北太平洋柔鱼资源丰度预测模型的建立。采用GM（1,1）模型对不同时间长度的资源丰度（CPUE）进行分析,选择相对误差和方差最小的CPUE序列作为母序列,与太平洋年代际震荡指数（PDO）、产卵场平均海表温度（SGSST）、育肥场平均海表温度（FGSST）、产卵场平均叶绿素浓度（SGC）、育肥场平均叶绿素浓度（FGC）等因子进行灰色关联分析,并以此评价结果为基础分别建立6个不同阶数的灰色预测模型[GM（0,N）模型和GM（1,N）模型],筛选误差最小的模型作为预测柔鱼资源丰度的最佳模型。研究结果表明,以8年CPUE序列的建模为最佳,其平均相对误差最小,为6.28%;同时,GM（0,N）模型的预测精度普遍比GM（1,N）模型的要高,其中包含2月SGSST、10月FGSST、8月FGC和10月PDO的GM（0,5）模型为最优,拟合相对误差为3.87%,预测相对误差为1.18%,可作为预测北太平洋柔鱼资源丰度的最优模型。综上所述,通过对北太平洋柔鱼资源丰度的聚类特征,分析资源丰度变化与海洋遥感环境因子的关系,运用灰色系统理论对北太平洋柔鱼渔汛、灾变年份、资源丰度进行了预测并得到了较好结果,研究结果可为实现柔鱼的渔情科学预报提供了较为可靠的技术支撑。
谢恩阁[7]（2020）在《基于海洋环境因子南海外海鸢乌贼渔情预报研究》文中认为南海,又称南中国海,海域面积广阔,总面积为350万平方公里,其中我国传统疆界线内海域面积约200多万平方公里,外海面积140多万平方公里。南海是我国唯一的热带海洋,海洋环境独特,生物多样性丰富,其中鱼类有25000多种,年可捕捞量达700万吨。近年来,南海近海过度捕捞严重,渔业资源不断衰退,而外海富含丰富的头足类以及金枪鱼类资源。因此,大力发展外海渔业是转移近海渔业生产压力,降低近海捕捞强度,养护近海渔业资源,保证海洋渔业绿色可持续发展的有效途径之一。鸢乌贼（Sthenoteuthis oualaniensis）是一种暖水性的大洋头足类,在南海外海资源量丰富。据中国水产科学研究院南海水产研究所调查评估显示,2014-2017年南海鸢乌贼可捕量在400万吨以上,2018年可捕捞量超过500万吨。而目前我国鸢乌贼年捕捞量仅10万吨,明显处于未开发状态,开发潜力巨大。鸢乌贼体内富含多种营养元素,是一种极其优质的高蛋白低脂肪水产品,经济价值较大。由于鸢乌贼的栖息环境受海水表温以及饵料分布影响较大,其栖息地环境的变化直接影响其分布和产量。因此,加强栖息地因子对鸢乌贼渔场的影响研究至关重要。但因南海外海存在着渔业生产成本高、捕捞技术水平低下、渔情预报信息匮乏等问题与挑战,到目前为止南海外海尚未建立起较完整的渔情预报系统,因此通过栖息地适宜性指数（habitat suitability index,HSI）模型研究鸢乌贼的渔情预报,可准确预测鸢乌贼洄游活动规律和渔场分布,为我国南海外海鸢乌贼渔业可持续生产提供科学依据。本文选取广西壮族自治区北海市灯光罩网渔船在2013-2018年在南海外海的鸢乌贼生产数据。首先采用广义线性模型（generalized linear model,GLM）对选取的各环境因子进行显着性检验,筛选出显着性变量,其次用广义可加模型（generalized additive model,GAM）再对名义CPUE（catch per unit effort,CPUE）进行标准化处理,然后以广义可加模型标准化后的CPUE表征鸢乌贼渔业资源丰度,进而对南海外海鸢乌贼渔情预报进行研究和分析。本文根据2013-2018年广西壮族自治区北海市灯光罩网渔船在南海外海的鸢乌贼生产数据和2013-2018年1-12月南海海洋环境数据,对鸢乌贼渔场的时空分布与栖息地因子[海表面温度（sea surface temperature,SST）、海表面叶绿素a浓度（sea surface chlorophyll,chla）和海表面高度（sea surface height,SSH）]的关系进行研究。结果表明:在4oN-24oN,104oE-124oE海域内,1-12月鸢乌贼渔场比较适宜的的SST、chla、SSH的范围分别是:25-31℃、0.05-0.27mg/m3、46-80cm。通过K-S检验,结果显示P>0.05,表明各月适宜SST、chla、SSH范围检验结果符合,可以有效地表征鸢乌贼资源密度和渔场分布。在HSI模型中,各栖息地因子占有比例的大小代表对鸢乌贼渔场形成和分布的影响占比大小。建立基于海表面温度（SST）、海表面叶绿素a浓度（chla）和海表面高度（SSH）适应性模型分别赋予不同的权重系数a,b,c,公式:a+b+c=1,采用赋权的几何平均值法、算术平均值法、最小值法以及最大值法建立HSI模型。利用2018-2019年广西壮族自治区北海市灯光罩网渔船的鸢乌贼生产数据对HSI模型进行检验,结果显示:基于赋权的算术平均值法的HSI模型模拟结果最好,其准确率达到80%以上,其中1月SST、chla、SSH权重系数分别为1、0、0;2月SST、chla、SSH权重系数分别为0.6、0.2、0.2;3月SST、chla、SSH权重系数分别为0.6、0.2、0.2;4月SST、chla、SSH权重系数分别为0.7、0.15、0.15;5月SST、chla、SSH权重系数分别为0.7、0.15、0.15;6月SST、chla、SSH权重系数分别为0.15、0.15、0.7;7月SST、chla、SSH权重系数分别为0.15、0.7、0.15;8月SST、chla、SSH权重系数分别为0.15、0.15、0.7;9月SST、chla、SSH权重系数分别为0、0、1;10月SST、chla、SSH权重系数分别为0.15、0.7、0.15;11月SST、chla、SSH权重系数分别为0.2、0.2、0.6;12月SST、chla、SSH权重系数分别为0.7、0.15、0.15时模型准确率最高。通过各月赋予最适权重的算术平均值法HSI模型计算得出2018-2019年1-12月份的HSI值,结合Arc GIS10.5以各月份的HSI值为底图,与2018-2019年1-12月份CPUE进行叠加。图形显示除了6月、10月、12月CPUE较高的点与HSI较高的海域不太相符之外,其他各月份CPUE较高的点基本出现在HSI较高的海域,月平均CPUE与HSI变化趋势较一致,存在一定的正相关关系,通过一元线性方程拟合二者的关系得出:CPUE=-3084.6759+6606.6423 HSI（P=0.0001,R2=0.8142）,通过预测值和实际值比较,6月份的预测值与实际值相对误差最大,4月份与基本一致,但总体的相对误差平均值为8.25%,因此可判断模型精度较高,利用SST、chla、SSH三个栖息地因子建立HSI模型可以较好的预测鸢乌贼的产量。
解明阳,陈新军[8]（2021）在《基于灰色系统的北太平洋柔鱼渔汛特征分析及旺汛期预测》文中研究指明柔鱼（Ommastrephes bartramii）是大洋性经济头足类,是我国远洋鱿钓渔船重要的捕捞对象。分析柔鱼渔汛特征并预测旺汛期,有助于柔鱼资源的合理开发与利用。本研究根据2013―2017年北太平洋柔鱼渔业生产统计数据,以每日平均渔获量(CPUEday)作为资源丰度,利用分位数的方法划分旺汛期;结合灰色波形预测方法,对旺汛期日期序列建立灰色波形预测模型群[GM（1,1）模型],对旺汛期出现的时间进行预测。结果显示,北太平洋柔鱼渔汛时间最早为5月12日,一直持续到年终;旺汛期为每年的8―11月,第1旺汛期基本在8月出现。GM（1,1）模型的平均相对误差为6.83%,旺汛期日期序列预测的平均相对误差为8.19%,验证数据的平均相对误差为15.82%,表明此模型可预测北太平洋柔鱼的旺汛期。研究结果可为远洋渔业企业的高效率、合理化的科学生产提供技术支撑。
魏广恩[9]（2018）在《北太平洋柔鱼渔场的时空分析与资源丰度的预测》文中进行了进一步梳理柔鱼是北太平洋重要的经济种类,其中分布在北太平洋西部海域的冬春生群体是我国鱿钓船队的主要捕捞对象,该柔鱼资源给我国带来了巨大的经济效益和社会效益。近几年来,北太平洋柔鱼资源量出现了明显的波动,常造成捕捞投入过剩,给渔业生产和管理带来难度。目前对于准确预测柔鱼渔场时空间分布和资源变动规律尚存在一定难度。开展柔鱼渔场时空分析和资源丰度预测研究,准确掌握柔鱼渔场的时空分布和资源丰度的年际变动规律,是实现合理的生产投入和科学管理与柔鱼资源的可持续开发利用的重要因素。本研究的科学假设为:（1）柔鱼是高度洄游种类,生活史阶段经历产卵洄游和索饵洄游,时间跨度长,海域分布广。因此,柔鱼洄游遵循固定的洄游路径,因海域环境的变动,使其洄游路径发生年际变动。（2）柔鱼类为短生命周期种类,亲体产完卵后即死亡,其资源量多少都完全取决于上一代亲体所产生补充量以及补充量在进入渔业之前的存活率,环境变化对其早期生活史的孵化到稚仔鱼阶段产生重要影响。因此产卵场和索饵场环境因子对其资源补充量产生重要影响。本文根据我国北太平洋鱿钓的渔业数据,作业渔场海表面温度（Sea Surface Temperature,SST）、叶绿素浓度（Chlorophyll concentration,Chl-a）、海表面盐度（Sea Surface Salinity,SSS）、黑潮流量等海洋环境数据,分析柔鱼渔场的时空分布变动规律和洄游重心年际变动与海洋环境之间的关系;将标准化后的单位捕捞努力量（Catch Per Unit Fishing Effort,CPUE）作为北太平洋柔鱼资源丰度的相对指标,结合产卵场和索饵场最适海表面温度范围占总面积的比值,分析柔鱼资源丰度与产卵场、索饵场环境因子之间的关系,建立预测模型,为资源补充量的预测以及管理提供更加准确的依据。主要研究结果如下:（1）利用相关系数和基于熵权法的灰色关联评价方法,分析北太平洋柔鱼资源渔场的时空分布。结果表明:北太平洋海域160°E以东和以西海域存在明显差异。160°E以西海域,经度上,主要作业渔场分布在150°E159°E海域,其产量约占各年总渔获物的79%97%;纬度上主要分布在40°N44°N海域,其产量约占各年总渔获物的74.12%99.61%。160°E以东海域,主要分布在39°N40°N海域,其产量约占各年总渔获物的94.81%99.85%。相关系数分析表明:160°E以西海域,各年鱿钓产量在经、纬度上的空间分布模式基本相同,即作业渔场和各海域产量所占比重均未发生较大变化。160°E以东海域,各年鱿钓产量在经、纬度上的空间分布模式年际差异较大。灰色关联评价表明:160°E以西海域各年柔鱼资源丰歉次序为:2004年、2007年、2005年和2011年最好,2008年、2015年、2012年和2013年次之,2010年、2006年、2014年和2009年资源状况最差。160°E以东海域各年柔鱼资源丰歉次序为:2004年、2007年、2005年和2014年最好,2015年、2011年、2013年和2006年次之,2008年、2009年、2010年和2012年资源状况最差。（2）洄游路径的年际变化与海洋环境间的关系及其预测。结果表明:柔鱼洄游重心的产量占比与洄游重心的离散度在10月和11月呈现出显着的负相关;洄游重心的纬度变化和TNI之间有着显着的正相关,而经度上并未呈现这一关系;研究利用神经网络模型建立了基于海表面温度、盐度和叶绿素浓度的柔鱼洄游路径时空变化的预测模型,预测结果显示,时间跨度在8月—11月内,柔鱼洄游重心纬度上呈现南-北-南,经度上呈现出西-东-西的变化趋势,8月和9月预测洄游重心海域的产量占比为64%和68%,10月和11月,柔鱼种群进行产卵洄游。预测产量占比明显提高,预测海域产量占比为83%和89%。（3）不同海洋环境模态下,空间分辨率对CPUE标准化的影响。不同海洋环境模态下,对CPUE标准化产生重要影响的变量差异较大。160°E以西海域分别为年、纬度、SST以及交互项年与纬度、月与纬度;160°E以东海域分别为纬度、交互项年与纬度的交互、月与纬度。同一海洋环境模态下,不同的空间尺度的最适GAM模型对CPUE标准化结果不同,根据均方误差选取0.5°×0.5°和1°×1°分别为160°E东、西海域CPUE标准化的最适空间尺度。因此,在对北太平洋柔鱼商业性渔获数据进行标准化时,需要考虑因海洋环境模态以及不同的空间尺度,而导致的CPUE标准化所出现的差异。（4）基于产卵场和索饵场环境因子的柔鱼资源量预测。结果表明产卵场最终划分方案为5°×5°,索饵场为2.5°×4°较为合适。随机森林筛选出的与相关性分析筛选出的海域范围大致吻合,且随机森林对于识别与CPUE有特征关系的潜在海域的能力较为优秀。构建预测模型的预报结果表明,两种筛选标准所得相关海域构建的模型预报准确度都达到90%以上,随机森林筛选出的海域优于相关性分析,预报准确度更高。基于索饵场海域构建的模型相对于产卵场,模型精确度更高也更稳定。
孟令文[10]（2017）在《基于栖息地指数的北太公海秋刀鱼渔情预报的应用研究》文中提出北太公海渔场是我国大陆重要的远洋渔场,其蕴含了丰富的渔业资源。得益于北太公海海域特殊的地理,我国大陆秋刀鱼远洋渔业迅速发展,近几年投入的资源逐渐增加。但是有时候投入的渔船数量、人力资源和秋刀鱼的产量并不能形成正比关系。秋刀鱼渔场形成和分布与栖息地质量变化有很大关系。加强栖息地因子对秋刀鱼渔场的影响研究是十分重要的。我国大陆在北太公海秋刀鱼的渔场主要分布在日本和俄罗斯200海里专属经济区（exclusive economic zone,EEZ）以外的海域,经纬度范围37°N-49°N,144°E-168°E。利用综合栖息地适宜性指数（habitat suitability index,HSI）模型研究秋刀鱼的渔情预报,预测秋刀鱼渔场的质量和分布可为我国大陆生产提供帮助。本文根据我国大陆2003-2015年在北太公海秋刀鱼的渔业数据,数据内容包括经纬度、日期、日产量、放网次数、船长、主机功率、集鱼灯总功率等。采用广义线性模型（generalized linear model,GLM）对名义CPUE标准化,然后用广义可加模型（generalized additive model,GAM）再对名义CPUE进行标准化,然后以广义可加模型标准化后的CPUE表征秋刀鱼渔业资源丰度。根据渔业生产数据分成三个不同的空间系列（0.5°×0.5°、0.5°×1°、1°×1°）,建立三个HSI模型,分析HSI模型的不同空间尺度变异系数（coefficient of variations,CV）值大小。纬度一定时,经度增加,CV值增加;经度一定时,纬度的增加CV值也随之增加。经纬度为0.5°×0.5°时,CV值最小,这个空间尺度是适宜秋刀鱼渔情预报的研究和分析的。本章根据2014年5-12月北太公海秋刀鱼渔业数据和海洋环境数据,对秋刀鱼渔场的时空分布及其与栖息地因子（海表面温度（sea surface temperature,SST）、海表面高度（sea surface height,SSH）和海表面叶绿素a浓度（sea surface chlorophyll,SSC））的关系进行研究。结果表明:在调查海域37oN-49oN,144oE-168oE内,8-11月份是北太公海秋刀鱼盛产月。5-12月秋刀鱼渔场的SST、SSH、SSC的范围分别是:10-18℃、-25-35cm、0.4-1.2 mg/m3,比较适宜的作业适范围分别为:13-17℃、-5-20cm、0.4-0.8mg/m3。K-S检结果（P<0.05）表明各月作业渔场的适宜SST、SSH、SSC范围是符合检验结果的,SST、SSH和SSC是可以作为表示秋刀鱼渔场分布和质量的数据。分析和评价三个栖息地因子海表面温度（SST）、海表面高度（SSH）和海表面叶绿素-a浓度（SSC）不同的权重大小对HSI模型的影响。HSI模型中各栖息地因子占有比例的大小,表示各栖息地因子对秋刀鱼渔场形成和分布的影响程度不同。本文对SST、SSH、SSC三个栖息地因子设置不同的权重系列,公式:WSST+WSSH+WSSC=1,海表面温度、海表面高度和海表面叶绿素a的浓度三个栖息地因子的取值是0.1-0.8,步幅为0.01,利用matlab计算所有可能的权重系数,一共有2460个权重系列,用以建立HSI模型。分别计算三个栖息地因子在不同权重系数下的CPUE百分比及基于HSI模型拟合结果的残差标准差（Residual Standard Error,RSR）,在2460个权重系列中,RSR值最小的权重系数是适宜HSI模型建立的。分析结果显示,当SST、SSH、SSC权重分别为0.41-0.34-0.25时。HSI模型模拟结果最好。利用2015年渔业数据对HSI模型验证。根据SST、SSH、SSC三个栖息地因子权重系数,利用几何平均法、算术平均法、最大值法、最小值法建立HSI数学模型。共计181个作业渔区（0.5°×0.5°）。通过T（P<0.05）检验,四个HSI模型值与CPUE都有显着性差异,通过计算正确率得出最佳的HSI模型:算术平均法,其正确率达到85%以上,利用算术平均法计算出2015年各月的HSI值,结合Marine Explorer4.0做出CPUE和HSI为底图的叠加图,图形显示,CPUE高的渔区基本都分布在HSI高的海域,每月的CPUE值和HSI值成正相关关系,通过方程拟合得出CPUE和HSI的关系式:CPUE=9.73HSI-1.85（P=0.0002,R2=0.9614）,通过预测值和实际值比较,可以验证方程的拟合度。通过验证,该关系式能够对秋刀鱼渔业资源丰度做出较好地预测。
二、西北太平洋柔鱼渔情速报系统的开发（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、西北太平洋柔鱼渔情速报系统的开发（论文提纲范文）
（1）大洋不同种柔鱼渔场时空分布及其对环境因子的响应（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 国内外头足类资源研究 |
| 1.2.2 国内外GAM模型在渔业领域中的应用 |
| 1.3 研究意义与目的 |
| 1.4 研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 材料与方法 |
| 2.1 数据来源及研究区域 |
| 2.1.1 生产调查数据 |
| 2.1.2 海洋环境数据 |
| 2.1.3 研究区域 |
| 2.2 数据处理 |
| 2.2.1 生物学采样及测定 |
| 2.2.2 生产数据及环境数据处理 |
| 2.3 数据分析及研究方法 |
| 2.3.1 基础生物学数据分析 |
| 2.3.2 CPUE与环境的关系分析 |
| 2.3.3 渔获重心估算 |
| 2.3.4 空间距离推算 |
| 2.3.5 GAM模型分析 |
| 第三章 大洋不同种柔鱼渔场分布及环境因子影响 |
| 3.1 茎柔鱼渔场分布及环境因子影响 |
| 3.1.1 体型与生长 |
| 3.1.2 繁殖与摄食 |
| 3.1.3 渔获量及CPUE月变化 |
| 3.1.4 CPUE与 SST、Chl-a关系 |
| 3.2 茎柔鱼渔场分布及环境因子影响讨论 |
| 3.2.1 基础生物学特性 |
| 3.2.2 渔获量及CPUE月变化 |
| 3.2.3 影响因子与 CPUE 关系 |
| 3.3 阿根廷滑柔鱼渔场分布及环境因子影响 |
| 3.3.1 渔获量及 CPUE 变化 |
| 3.3.2 产量重心变化 |
| 3.3.3 SST、Chl-a 月变化 |
| 3.3.4 CPUE、SST及Chl-a空间分布变化 |
| 3.3.5 GAM 模型分析 |
| 3.4 阿根廷滑柔鱼渔场分布及环境因子影响讨论 |
| 3.4.1 阿根廷滑柔鱼产量和CPUE的变化 |
| 3.4.2 渔场重心分布变化 |
| 3.4.3 环境因子对渔场的影响 |
| 3.5 鸢乌贼渔场分布及环境因子影响 |
| 3.5.1 渔获量及CPUE分布 |
| 3.5.2 产量重心变化 |
| 3.5.3 CPUE、SST及Chl-a空间分布月变化 |
| 3.5.4 GAM 模型分析 |
| 3.6 鸢乌贼渔场分布及环境因子影响讨论 |
| 3.6.1 鸢乌贼产量和CPUE的变化 |
| 3.6.2 产量重心分布变化 |
| 3.6.3 不同因子对渔场的影响 |
| 3.7 巴特柔鱼渔场分布及环境因子影响 |
| 3.7.1 渔获量及CPUE月变化 |
| 3.7.2 产量重心变化 |
| 3.7.3 CPUE、SST及Chl-a空间分布变化 |
| 3.7.4 GAM模型分析 |
| 3.8 巴特柔鱼渔场分布及环境因子影响讨论 |
| 3.8.1 巴特柔鱼产量和CPUE变化 |
| 3.8.2 产量重心分布变化 |
| 3.8.3 不同因子对巴特柔鱼渔场的影响 |
| 第四章 总结与展望 |
| 4.1 研究总结 |
| 4.1.1 不同柔鱼渔场群体组成 |
| 4.1.2 不同柔鱼丰渔期比较 |
| 4.1.3 影响因子与柔鱼资源的关系 |
| 4.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（2）基于卷积神经网络的西北太平洋柔鱼渔场预报模型构建（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究现状 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 材料与方法 |
| 2.1 研究区域 |
| 2.2 研究数据 |
| 2.2.1 数据来源 |
| 2.2.2 生产数据的预处理 |
| 2.2.3 海洋数据的预处理 |
| 2.3 研究方法 |
| 2.3.1 深度学习方法 |
| 2.3.2 网络模型结构 |
| 2.3.3 渔场概率计算方法 |
| 2.3.4 模型评价指标 |
| 2.3.5 模型预报效果的检验方法 |
| 第三章 基于卷积神经网络的西北太平洋柔鱼渔场预报模型的构建 |
| 3.1 训练数据集 |
| 3.1.1 数据集的构建 |
| 3.1.2 数据增强 |
| 3.2 训练方案 |
| 3.3 结果分析 |
| 3.3.1 柔鱼生长阶段及洄游规律对模型准确率的影响 |
| 3.3.2 渔区时空信息对模型准确率的影响 |
| 3.3.3 海洋表面温度对渔场生物生态及预报模型的影响 |
| 3.3.4 模型应用效果 |
| 3.4 小结 |
| 第四章 不同柔鱼渔场预报模型效果对比 |
| 4.1 基于海洋叶绿素数据的卷积神经网络渔场预测模型 |
| 4.1.1 数据集构建与模型训练 |
| 4.1.2 结果与分析 |
| 4.2 基于随机森林方法构建柔鱼渔场预测模型 |
| 4.2.1 随机森林方法介绍 |
| 4.2.2 随机森林的应用 |
| 4.2.3 结果与分析 |
| 4.2.4 与卷积神经网络模型的比较 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 附录 |
（3）基于物联网的远洋捕捞决策支持系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 课题的背景及研究意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文主要内容 |
| 第二章 远洋捕捞决策支持系统设计 |
| 2.1 引言 |
| 2.2 系统需求分析 |
| 2.3 系统框架设计 |
| 2.3.1 数据感知 |
| 2.3.2 岸基数据中心 |
| 2.4 系统功能设计 |
| 2.5 系统关键技术 |
| 2.5.1 大尺度海洋数据分辨率优化 |
| 2.5.2 远洋捕捞船队调度优化 |
| 2.6 本章小结 |
| 第三章 渔场预报方法研究 |
| 3.1 引言 |
| 3.2 渔场预报模型分析 |
| 3.2.1 渔场空间位置与海洋环境因子的相关性 |
| 3.2.2 栖息地适应性指数模型 |
| 3.3 渔场预报模型的源数据采集与优化 |
| 3.3.1 海洋环境数据采集装置设计 |
| 3.3.2 海洋环境监测用电浮标功能的实现与验证 |
| 3.3.3 海洋环境数据采集网络优化设计 |
| 3.3.4 基于逐次矫正法的海洋环境数据分析策略研究 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 第四章 基于渔场预报的渔船调度策略研究 |
| 4.1 引言 |
| 4.2 基于遗传算法的渔船调度模型建立 |
| 4.2.1 遗传算法概述 |
| 4.2.2 调度算法模型建立 |
| 4.3 基于遗传算法的渔船调度模型优化 |
| 4.4 远洋渔船调度优化中物联网技术的应用 |
| 4.4.1 选择操作 |
| 4.4.2 调度优化 |
| 4.5 本章小结 |
| 第五章 远洋捕捞决策支持系统设计与实现 |
| 5.1 引言 |
| 5.2 软件开发概述 |
| 5.3 船载远洋捕捞决策支持软件设计 |
| 5.3.1 用户角色分类设计 |
| 5.3.2 系统设置 |
| 5.3.3 捕捞决策支持界面设计 |
| 5.4 决策支持系统的实验验证 |
| 5.4.1 渔场渔区估计 |
| 5.4.2 渔船捕捞路径规划 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的科研成果 |
（4）未来气候变化情景下西北太平洋柔鱼资源变动（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 国内外研究现状和存在的问题 |
| 1.2.1 气候变化与水生系统 |
| 1.2.2 气候变化与海洋渔业变化 |
| 1.2.3 海洋生态系统中鱼类对气候变化的响应 |
| 1.2.3.1 栖息地迁移、分布范围改变 |
| 1.2.3.2 局部物种灭绝或物种入侵 |
| 1.2.3.3 资源丰度、产量变化 |
| 1.2.3.4 鱼类生理发生改变 |
| 1.2.3.5 物种之间的相互作用改变 |
| 1.2.4 柔鱼对气候变化的响应研究现状 |
| 1.2.4.1 柔鱼不同生活史阶段对气候变化的响应 |
| 1.2.4.2 不同时空尺度环境和气候对柔鱼资源与渔场的影响 |
| 1.2.5 存在的问题 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 基于最大熵模型模拟西北太平洋柔鱼潜在栖息地分布 |
| 2.1 材料和方法 |
| 2.1.1 渔业数据 |
| 2.1.2 海洋环境数据 |
| 2.1.3 Max Ent模型应用 |
| 2.2 结果与分析 |
| 2.2.1 柔鱼渔场时空分布 |
| 2.2.2 柔鱼渔场环境因子变化规律 |
| 2.2.3 最大熵模型结果精度检验 |
| 2.2.4 柔鱼潜在栖息地分布特征 |
| 2.2.5 影响柔鱼分布的重要环境因子 |
| 2.3 讨论与分析 |
| 2.3.1 Max Ent模型应用及其优势 |
| 2.3.2 影响柔鱼分布的重要环境因子 |
| 2.4 小结与展望 |
| 第三章 气候变化情景下西北太平洋柔鱼栖息地和渔汛变动 |
| 3.1 水温变暖对柔鱼潜在栖息地分布的影响 |
| 3.1.1 材料和方法 |
| 3.1.1.1 渔业数据 |
| 3.1.1.2 气候变化数据 |
| 3.1.1.3 Max Ent模型应用 |
| 3.1.2 结果 |
| 3.1.2.1 柔鱼渔场季节性分布 |
| 3.1.2.2 柔鱼渔场水温变化 |
| 3.1.2.3 Max Ent模型精度检验 |
| 3.1.2.4 柔鱼潜在栖息地适宜水温变化 |
| 3.1.2.5 未来气候变化的柔鱼潜在栖息地分布 |
| 3.1.3 讨论与分析 |
| 3.1.4 小结与展望 |
| 3.2 未来气候变化对柔鱼潜在栖息地和渔汛的影响 |
| 3.2.1 材料和方法 |
| 3.2.1.1 渔业数据 |
| 3.2.1.2 气候变化数据 |
| 3.2.1.3 Max Ent模型模拟当前柔鱼潜在栖息地分布 |
| 3.2.1.4 未来柔鱼潜在栖息地预测 |
| 3.2.1.5 柔鱼潜在栖息地纬向变化 |
| 3.2.1.6 柔鱼适宜栖息地面积量化分析及渔汛推断 |
| 3.2.2 结果 |
| 3.2.2.1 当前柔鱼潜在栖息地分布 |
| 3.2.2.2 未来柔鱼潜在栖息地分布 |
| 3.2.2.3 柔鱼潜在栖息地的纬向分布变化 |
| 3.2.2.4 柔鱼潜在适宜栖息地面积及渔汛变化 |
| 3.2.3 分析和讨论 |
| 3.2.4 小结与展望 |
| 第四章 气候变化情景下西北太平洋柔鱼资源补充量预测 |
| 4.1 材料与方法 |
| 4.1.1 渔业数据 |
| 4.1.2 气候变化数据 |
| 4.1.3 方法 |
| 4.2 结果 |
| 4.2.1 PS变化 |
| 4.2.1.1 产卵场PS变化 |
| 4.2.1.2 索饵场PS变化 |
| 4.2.1.3 未来产卵场PS变化 |
| 4.2.1.4 未来索饵场PS变化 |
| 4.2.2 柔鱼CPUE预测 |
| 4.2.2.1 CPUE和 PS的相关性分析 |
| 4.2.2.2 CPUE和 PS的回归分析 |
| 4.2.2.3 未来气候变化下柔鱼CPUE预测 |
| 4.3 讨论与分析 |
| 4.4 小结与展望 |
| 第五章 气候变化下西北太平洋柔鱼渔业资源管理建议 |
| 5.1 气候变化对柔鱼的影响机理和途径 |
| 5.2 柔鱼渔业中适应和减缓气候变化的途径和方法 |
| 5.3 柔鱼渔业可持续发展管理建议 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究创新点 |
| 6.3 存在的问题与展望 |
| 参考文献 |
| 博士期间科研情况 |
| 致谢 |
（5）秋刀鱼栖息地适宜性指数模型比较研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究的意义和目的 |
| 1.2 国内外研究现况 |
| 1.2.1 头足类HSI模型的应用和发展 |
| 1.2.2 金枪鱼HSI模型的应用和发展 |
| 1.2.3 栖息地适宜性指数模型的发展 |
| 1.2.4 渔情预报的模型应用和发展 |
| 1.3 研究内容和框架 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 相关性分析 |
| 2.1 材料和方法 |
| 2.1.1 生产数据来源 |
| 2.1.2 海洋环境数据 |
| 2.2 研究方法 |
| 2.2.1 数据处理 |
| 2.2.2 相关性分析 |
| 2.3 结果分析 |
| 2.4 分析讨论 |
| 2.5 栖息地因子对秋刀鱼渔场形成和分布的影响 |
| 2.5.1 数据预处理 |
| 2.5.2 研究方法 |
| 2.5.3 结果分析 |
| 2.5.4 分析和讨论 |
| 第三章 基于不同函数栖息地适宜性指数模型的构建 |
| 3.1 数据来源 |
| 3.2 研究方法 |
| 3.2.1 数据预处理 |
| 3.2.2 中心渔场分布和海洋环境因子的关系 |
| 3.2.3 栖息地指数模型的建立 |
| 3.3 基于不同函数建立秋刀鱼模型的拟合结果 |
| 3.3.1 偏态函数拟合结果 |
| 3.3.2 正态函数拟合结果 |
| 3.3.3 指数多项式模型拟合结果 |
| 3.4 讨论 |
| 第四章 HSI在北太公海秋刀鱼渔情预报中的应用 |
| 4.1 材料和方法 |
| 4.1.1 数据来源 |
| 4.1.2 数据预处理 |
| 4.1.3 栖息地指数模型的建立 |
| 4.1.4 HSI模型验证与比较 |
| 4.2 结果和分析 |
| 4.3 讨论 |
| 4.3.1 HSI模型分析 |
| 4.3.2 栖息地指数模型于实际中的应用 |
| 第五章 总结和展望 |
| 5.1 主要结论 |
| 5.2 不足和展望 |
| 参考文献 |
| 致谢 |
（6）基于灰色系统理论的北太平洋柔鱼渔情预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 灰色系统理论在渔业科学中的研究进展 |
| 1.2.1 文献计量学分析 |
| 1.2.2 灰色系统理论在渔业科学中的应用现状 |
| 1.2.3 存在的问题及展望 |
| 1.3 北太平洋柔鱼渔情预报研究进展 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 第二章 北太平洋柔鱼资源丰度的灰色关联聚类分析 |
| 2.1 材料与方法 |
| 2.1.1 数据来源 |
| 2.1.2 气候事件的定义 |
| 2.1.3 灰色关联聚类 |
| 2.2 研究结果 |
| 2.2.1 产量与CPUE变化 |
| 2.2.2 气候事件的划分 |
| 2.2.3 灰色聚类结果 |
| 2.2.4 不同类群的环境特征比较及其与CPUE的关系 |
| 2.3 讨论与分析 |
| 第三章 北太平洋柔鱼渔汛特征分析及旺汛期预测 |
| 3.1 材料与方法 |
| 3.1.1 数据来源 |
| 3.1.2 渔汛时间确定及旺汛期的划分 |
| 3.1.3 旺汛期预测模型 |
| 3.1.4 模型的检验 |
| 3.2 研究结果 |
| 3.2.1 渔汛特征分析 |
| 3.2.2 旺汛期分析 |
| 3.2.3 预测模型的建立与检验 |
| 3.3 讨论与分析 |
| 第四章 北太平洋柔鱼资源丰度灾变年份预测 |
| 4.1 材料与方法 |
| 4.1.1 数据来源 |
| 4.1.2 CPUE标准化 |
| 4.1.3 模型的构建与检验 |
| 4.2 结果 |
| 4.2.1 CPUE情况与灾变点 |
| 4.2.2 模型的建立与检验 |
| 4.3 讨论与分析 |
| 第五章 北太平洋柔鱼资源丰度预测模型的建立 |
| 5.1 材料与方法 |
| 5.1.1 数据来源 |
| 5.1.2 CPUE标准化 |
| 5.1.3 模型的构建 |
| 5.2 结果 |
| 5.2.1 CPUE序列的选择 |
| 5.2.2 灰色关联分析 |
| 5.2.3 预测模型的比较与选择 |
| 5.3 讨论与分析 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 主要创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 攻读硕士期间的科研成果 |
| 致谢 |
（7）基于海洋环境因子南海外海鸢乌贼渔情预报研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 南海鸢乌贼渔情预报系统研究现状 |
| 1.2.4 HSI模型 |
| 1.3 研究内容和框架 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 CPUE的标准化 |
| 2.1 材料和方法 |
| 2.1.1 数据来源 |
| 2.1.2 生产数据和环境数据的匹配 |
| 2.1.3 方法分析 |
| 2.2 结果与分析 |
| 2.2.1 解释变量Ln(CPUE+1)的统计检验 |
| 2.2.2 GLM模型结果 |
| 2.2.3 GAM模型结果 |
| 2.3 名义CPUE和标准化CPUE比较 |
| 第三章 鸢乌贼渔场时空分布与海洋环境的关系 |
| 3.1 材料和方法 |
| 3.1.1 渔业生产数据 |
| 3.1.2 海洋环境数据 |
| 3.2 研究方法 |
| 3.2.1 南海鸢乌贼渔场的时空分布特征 |
| 3.2.2 渔场分布与海洋环境因子的关系 |
| 3.2.3 K-S检验 |
| 3.3 结果 |
| 3.3.1 鸢乌贼资源丰度的年时空变化 |
| 3.3.2 鸢乌贼资源丰度的月时空变化 |
| 3.3.3 鸢乌贼渔场重心月分布 |
| 3.3.4 鸢乌贼资源分布与海洋环境因子的关系分析 |
| 3.4 K-S检验结果 |
| 3.5 分析和讨论 |
| 3.5.1 南海鸢乌贼CPUE时空变化规律 |
| 3.5.2 CPUE变化和栖息地因子的关系 |
| 3.5.3 南海鸢乌贼渔场重心月变化规律 |
| 第四章 基于赋权因子的南海外海鸢乌贼综合栖息地指数模型的构建 |
| 4.1 数据来源 |
| 4.1.1 渔业生产数据 |
| 4.1.2 海洋环境数据 |
| 4.2 研究方法 |
| 4.2.1 适宜性指数及SI模型的建立 |
| 4.2.2 渔场因子权重系数选择及模型的验证 |
| 4.3 结果 |
| 4.3.1 SI模型建立 |
| 4.3.2 SI曲线分布及最适环境范围 |
| 4.3.3 栖息地因子的权重选择以及模型比较 |
| 4.3.4 HSI模型验证分析 |
| 4.4 讨论 |
| 4.4.1 SI值和各栖息地因子的关系 |
| 4.4.2 HSI模型分析 |
| 4.4.3 HSI模型和CPUE关系 |
| 4.4.4 结语 |
| 第五章 结论和展望 |
| 5.1 主要结论 |
| 5.2 不足和展望 |
| 参考文献 |
| 附录 致谢 |
| 攻读硕士期间发表的学术论文与研究成果 |
（9）北太平洋柔鱼渔场的时空分析与资源丰度的预测（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 头足类资源现状 |
| 1.2.2 种群结构及洄游分布 |
| 1.2.3 柔鱼渔场分布及其与海洋环境关系 |
| 1.2.4 适用于柔鱼渔情预报的模型 |
| 1.2.5 柔鱼资源量的研究 |
| 1.2.6 北太平洋柔鱼资源评估常用模型 |
| 1.2.7 研究现状和存在的问题 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 基于熵权法和灰色关联的北太平洋柔鱼资源与渔场的时空分析 |
| 2.1 材料与方法 |
| 2.1.1 渔获数据 |
| 2.1.2 分析方法 |
| 2.2 结果 |
| 2.2.1 渔获产量的时空分析 |
| 2.2.2 平均日产量的时空分析及其资源状况比较 |
| 2.3 讨论与分析 |
| 第三章 北太平洋柔鱼洄游路径的年际变化及预测 |
| 3.1 材料与方法 |
| 3.1.1 渔业数据 |
| 3.1.2 实验方法 |
| 3.2 结果 |
| 3.2.1 各月份柔鱼洄游重心变化和产量占比分析 |
| 3.2.2 柔鱼洄游重心产量占比及其离散度分析 |
| 3.2.3 系统聚类分析 |
| 3.2.4 洄游重心的变化趋势和海洋环境之间的关系 |
| 3.2.5 洄游重心的预测 |
| 3.3 讨论与分析 |
| 第四章 不同海洋环境模态下空间分辨率对北太平洋柔鱼CPUE标准化的影响 |
| 4.1 材料与方法 |
| 4.1.1 数据来源 |
| 4.1.2 方法 |
| 4.2 结果 |
| 4.2.1 三种空间尺度下作业渔场的空间分布 |
| 4.2.2 响应变量Ln(CPUE+)的统计分布检验 |
| 4.2.3 解释变量的显着性检验 |
| 4.2.4 GAM模型分析及最优模型选择 |
| 4.2.5 解释变量对CPUE的影响 |
| 4.2.6 标准化CPUE的比较 |
| 4.3 讨论与分析 |
| 第五章 基于西北太平洋柔鱼产卵场和索饵场环境因子的资源量预测 |
| 5.1 材料与方法 |
| 5.1.1 数据来源 |
| 5.1.2 实验方法 |
| 5.2 结果 |
| 5.2.1 产卵场和索饵场划分方案的确定 |
| 5.2.2 随机森林确定索饵场和产卵场海域 |
| 5.2.3 资源量预测 |
| 5.3 讨论与分析 |
| 5.3.1 相关性海域分析 |
| 5.3.2 随机森林重要性海域分析 |
| 5.3.3 模型评价 |
| 第六章 结论和展望 |
| 6.1 主要结论 |
| 6.2 存在的问题与展望 |
| 参考文献 |
| 硕士期间研究成果 |
| 申请的发明专利 |
| 参加科研项目 |
| 致谢 |
（10）基于栖息地指数的北太公海秋刀鱼渔情预报的应用研究（论文提纲范文）
| 摘要 ABSTRACT 第一章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 头足类渔情预报模型的应用 |
| 1.2.2 金枪鱼渔情预报模型的应用 |
| 1.2.3 其他鱼类渔情预报模型的应用 |
| 1.2.4 栖息地适宜指数模型 |
| 1.3 研究内容和框架 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 第二章 CPUE的标准化及与最优空间尺度的选择 |
| 2.1 材料和方法 |
| 2.1.1 生产调查数据 |
| 2.1.2 海洋环境数据 |
| 2.2 研究方法 |
| 2.2.1 名义CPUE计算 |
| 2.2.2 标准化CPUE |
| 2.3 结果分析 |
| 2.3.1 GLM模型结果 |
| 2.3.2 GAM模型结果 |
| 2.3.3 名义CPUE和标准化CPUE比较 |
| 2.4 秋刀鱼HSI模型适宜空间尺度比较 |
| 2.4.1 生产数据和海洋环境数据 |
| 2.4.2 空间尺度设置 |
| 2.4.3 CPUE的SI建立 |
| 2.4.4 最优空间尺度的选择 |
| 2.4.5 结果 |
| 2.5 分析讨论 第三章 栖息地因子对秋刀鱼渔场形成和分布的影响 |
| 3.1 材料与方法 |
| 3.1.1 数据来源 |
| 3.2 数据预处理 |
| 3.2.1 产量和CPUE的分布 |
| 3.3 研究方法 |
| 3.4 结果 |
| 3.4.1 各月产量和CPUE的时间分布 |
| 3.4.2 渔场分布与SST的关系分析 |
| 3.4.3 渔场分布与SSH的关系分析 |
| 3.4.4 渔场分布与SSC的关系分析 |
| 3.5 K-S检验结果 |
| 3.6 分析与讨论 |
| 3.6.1 调查期间产量和CPUE分布关系 |
| 3.6.2 渔场变动与栖息地因子的关系 第四章 权重对北太秋刀鱼综合栖息地指数模型的影响及比较 |
| 4.1 材料和方法 |
| 4.1.1 渔业生产数据 |
| 4.1.2 环境环境数据 |
| 4.2 各环境单因子的SI模型建立 |
| 4.2.1 定义SI值 |
| 4.2.2 SI值和各栖息地因子的yield desig模型 |
| 4.3 HSI模型建立 |
| 4.4 权重对HSI模型的影响 |
| 4.5 结果 |
| 4.5.1 各因子权重系数累加值在不同的RSR区域分布 |
| 4.5.2 各因子权重系数累加值在不同的RSR区域百分比 |
| 4.5.3 三个栖息地因子的权重选择 |
| 4.6 讨论 第五章 栖息地指数模型在北太公海秋刀鱼渔情预报中的应用 |
| 5.1 材料和方法 |
| 5.1.1 数据来源 |
| 5.1.2 数据预处理 |
| 5.1.3 HSI模型建立 |
| 5.1.4 HSI模型验证 |
| 5.2 结果与分析 |
| 5.2.1 SI曲线分布及最适环境范围 |
| 5.2.2 HSI模型比较 |
| 5.2.3 HSI模型实证验证分析 |
| 5.3 讨论 |
| 5.3.1 SI模型与栖息地因子关系 |
| 5.3.2 HSI模型分析 |
| 5.3.3 算术平均法HSI模型和CPUE |
| 5.3.4 结语 第六章 主要结论和展望 |
| 6.1 主要结论 |
| 6.2 不足和展望 参考文献 致谢 |
四、西北太平洋柔鱼渔情速报系统的开发（论文参考文献）
- [1]大洋不同种柔鱼渔场时空分布及其对环境因子的响应[D]. 崔国辰. 浙江海洋大学, 2021(02)
- [2]基于卷积神经网络的西北太平洋柔鱼渔场预报模型构建[D]. 朱浩朋. 上海海洋大学, 2021(01)
- [3]基于物联网的远洋捕捞决策支持系统研究[D]. 李世超. 上海海洋大学, 2020(03)
- [4]未来气候变化情景下西北太平洋柔鱼资源变动[D]. 龚彩霞. 上海海洋大学, 2020(03)
- [5]秋刀鱼栖息地适宜性指数模型比较研究[D]. 石朝旭. 上海海洋大学, 2020(03)
- [6]基于灰色系统理论的北太平洋柔鱼渔情预报研究[D]. 解明阳. 上海海洋大学, 2020(03)
- [7]基于海洋环境因子南海外海鸢乌贼渔情预报研究[D]. 谢恩阁. 上海海洋大学, 2020(03)
- [8]基于灰色系统的北太平洋柔鱼渔汛特征分析及旺汛期预测[J]. 解明阳,陈新军. 渔业科学进展, 2021(04)
- [9]北太平洋柔鱼渔场的时空分析与资源丰度的预测[D]. 魏广恩. 上海海洋大学, 2018(05)
- [10]基于栖息地指数的北太公海秋刀鱼渔情预报的应用研究[D]. 孟令文. 上海海洋大学, 2017(03)