共查询到20条相似文献,搜索用时 484 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
9.
渔情预报技术及模型研究进展 总被引:9,自引:2,他引:7
随着渔业资源的衰退和渔业生产成本的增加,渔业企业对于渔情预报的要求不断提高,渔情预报技术和模型的研究受到了越来越多地重视,已经成为渔场学研究的重点之一。渔情预报可分为关于资源状况的预报、关于时间的预报和关于空间的预报,各类预报对渔业生产和管理都具有重要的意义。本文结合国内外研究现状,简要概述了渔情预报的理论和方法,包括渔情预报相关的渔场学基础、数据模型和预报模型,重点介绍了基于统计和机器学习、人工智能方法的渔情预报模型,并对各种模型在渔情预报应用中的优势与缺陷进行了总结,最后针对渔情预报系统应用中存在的问题,对渔情预报研究提出了一些建议:建立专为渔业服务的海洋环境预报系统;进行长期和系统的渔业资源调查,并针对不同鱼种和海区对数据获取和处理方法进行标准化和规范化;借助随机模拟方法降低模型不确定性,提高预报精度。 相似文献
10.
秋汛对虾渔获量预报是为渔业生产服务的一项重要研究工作,在海洋鸟渔场开展对虾增殖放流的进程中,积累了渔获量预报的系统资料,不断总结完善了预报方法,并在每年秋汛做出渔获量预报,有效地指导了增殖放流对虾的回捕生产。 相似文献
11.
海洋遥感在渔场分析中的研究进展 总被引:6,自引:0,他引:6
渔场的形成机制和分布规律受到鱼类自身生物特性和外界环境条件的影响,海洋遥感能够获取的大范围同步的海洋热力、海洋水色和海洋动力地形等海洋环境要素,为人类理解海洋鱼类种群动力机制提供了丰富的信息。运用渔场分析和预报模型,结合地理信息系统技术对多元数据的集成为渔业的即时管理提供了发展方向。目前运用海洋遥感进行渔场研究存在的问题有:1.海洋遥感手段仅能获得渔场表层的信息,必须结合浮标海洋剖面信息才能更好地解释鱼类栖息环境;2.运用海洋遥感技术获取渔场水色信息的精度不高,给渔场资源的研究带来了困难;3.利用遥感技术进行渔场的实时预报容易受到天气条件的影响;4.如何建立科学的渔场预报模型的评价体系是渔场预报亟待解决的问题;5.渔场分析和预报走向智能化、自动化的关键技术还有待深入研究。遥感技术不断向高光谱和定量方向发展,为渔场资源的定量评估提供重要条件。在高效开发和利用海洋生物资源的同时,对海洋生物的资源存量进行定量的评估从而指导人类合理开发和可持续利用大洋渔业资源具有重要的意义。 相似文献
12.
13.
14.
渔情预报评分方法的探讨 总被引:1,自引:0,他引:1
渔情预报要求回答预报海区渔业资源的好坏、可捕数量、渔场位置、渔期早晚、洄游路线,持续时间和趋势等问题。是水产行政、生产管理、渔工、渔民所普遍关心的问题。五十年代起,沿海各海洋水产研究所,先后开展了毛虾、 相似文献
15.
正风暴潮、海啸、海浪、海冰、赤潮……海洋灾害性质复杂,一秒钟,海啸可以吞噬一整片沙滩,它给人们的反应时间极短,事前的预报工作显得尤为重要。2018年6月,广东省副省长叶贞琴在听取省防总队防汛备汛工作汇报时,充分肯定了深圳、江门在风暴潮灾害精细预报预警的做法和成效,并强调沿海各市,尤其是珠三角大湾区城市要积极借鉴相关经验,加强预测预报工作。近日,《海洋与渔业》记者走访国家海 相似文献
16.
17.
渔场渔情分析预报的研究及其进展 总被引:7,自引:0,他引:7
早在19世纪末期,人们在有限的海洋水文调查的基础上,就开始了渔场海洋学的研究探索并试图进行渔情分析和渔场预报。但由于当时的技术条件限制和所获数据非常有限,其分析预报结果可想而知。20世纪60年代卫星遥感技术出现之后,人们开始能够快速获取大范围实时或准实时的海水表层温度(SST)、海洋水色、海洋动力环境等渔场环境信息,渔场渔情分析预报逐渐实用化。 相似文献
18.
<正>11月13日,垦利县海域股、渔技站、环境监测站一起参加了山东省海洋与渔业厅2012年海洋预报减灾工作重点任务部署培训会议。培训内容主要有海平面变化影响评估实施方案、山东省沿海警戒潮位实施方案和省级重点保障目标邻近海域预报实施方案等重点工作任务。垦利县海域广阔,面临着风暴潮、海浪、海平面上升、海岸侵蚀、咸潮入侵等多种海洋灾害影响。随着海洋经济 相似文献
19.
<正> 10月底受国家水产总局委托,在青岛召开由山东海洋湖沼学会主持的“海洋水温预报成果评审会”.有海洋、水产两系统的21个单位,35名代表参加.中国海洋湖沼学会副理事长赫崇本、毛汉礼均出席了会议. 会议认为:渤、黄、东海近海区大面水温预报方法的研 相似文献
20.
根据2003―2011年主渔汛期间中国鱿钓船队在西南大西洋的鱿钓生产数据,结合海洋遥感获得的海表温度(SST)、海面高度(SSH)和叶绿素a浓度(CHL-a)数据,匹配组织成不同时空尺度和环境因子的样本集,使用人工神经网络(artificial neural network,ANN)作为中心渔场的预报模型,比较所匹配的样本集对阿根廷滑柔鱼中心渔场预报模型的影响。研究表明,样本的时间尺度为周时,1.0o×1.0o的空间尺度和环境因子为SST所建立的BP中心渔场预报模型,具有最高的预报精度和最小的平均相对变动值(average relative variance,ARV);样本时间尺度为月时,0.25o×0.25o的空间尺度和环境因子为SST所建立的BP中心渔场预报模型,具有最高的预报精度和最小的ARV值。对这两种最优样本集建立的BP中心渔场预报模型进行灵敏度分析发现,不同样本集建立的中心渔场预报模型表达的渔场栖息地适宜程度也不尽相同。研究认为,在建立中心渔场预报模型时,需要考虑海洋环境因子的时空尺度。 相似文献