一种利用多尺度环境特征的渔场预报方法与流程

本发明涉及海洋渔场预报领域，具体地说，特别涉及到一种利用多尺度环境特征的渔场预报方法。

背景技术：

向从事海洋捕捞生产的渔民或渔业船队提供海洋渔业资源的丰度分布和海洋水文气象等海洋环境信息，可以有效减少海上寻鱼时间，节约燃料及降低劳动成本，提高捕捞效率，具有显著的经济价值和社会效益。现有的技术集中在以整个作业渔区为对象，采用固定格网大小的单一分辨率海洋环境参数和渔业生产数据，通过传统统计学习模型进行海洋环境分析和渔场预报。

海洋渔场的分布和变化是与不同时间和空间尺度的多种海洋环境因子密切相关的。根据海洋环境参数进行海洋渔场预报，实质是建立多维海洋环境特征空间到海洋渔场特征空间的一个映射。映射关系的建立是否可以准确反映渔场特征的分布，是海洋渔场预报方法研究的关键问题。海洋现象包含着大量的柔性信息，表现出模糊性、复杂性和不精确性，若忽略时空数据的时空特性，用传统数理统计的相关分析和回归分析进行处理，存在是否满足传统数理统计前提条件的问题。同时，忽略时空特性或现象间的时空关系，存在可能造成分析结果的不可靠等问题。海洋渔场分布受到不同时空尺度的多种海洋环境因子的影响。采用固定格网大小的少数几种单一时空分辨率海洋环境参数建立的映射模型，只能反映海洋渔场分布特征的部分空间子集，对其未覆盖到的渔场特征空间区域，并不能实现有效预报。

技术实现要素：

本发明的目的在于针对现有技术中的不足，提供一种利用多尺度环境特征的渔场预报方法，以解决上述问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种利用多尺度环境特征的渔场预报方法，包括如下步骤：

(1)原始海洋环境遥感数据预处理

将卫星遥感技术得到的海表多环境要素进行预处理，据按照感兴趣区域的经纬度范围进行裁切，得到感兴趣区域环境数据子集。由于卫星遥感反演数据受到天气条件云遮挡等因素的影响，导致在不同时段和地理位置处会有数值缺失，因此，还需基于邻域相关性对缺失值进行插值补值。

(2)构建多尺度环境特征数据集

根据渔业作业特点，利用3天平均、8天平均、4km分辨率、9km分辨率等原始数据进行重采样，得到0.1度、0.25度、0.5度分辨率的特征数据，同时利用同源或异源的其他不同时空尺度的环境数据，组合构建多时空尺度数据集。

(3)计算单位捕捞努力量渔获量

根据渔业捕捞生产记录数据，计算单位捕捞努力量渔获量。

CPUE＝渔获产量/捕捞努力量

根据CPUE分布设定阈值，生成渔场样本标签。

(4)渔业生产数据与海洋遥感环境数据的时空匹配，建立多时空尺度渔场海洋环境特征样本集；

根据渔业生产数据的时间和经纬度，搜索不同尺度上的空间及时间距离满足临近阈值的海洋环境数据，作为样本匹配的多尺度环境特征，形成多尺度渔场海洋环境特征样本数据集。

(5)利用多尺度渔场海洋环境特征开展渔场预报

利用以上多时空尺度样本集，建立不同时间尺度和空间尺度的海洋环境特征到渔场分布特征的空间映射并开展渔场预报，获得渔场概率预报结果。

与现有技术相比，本发明的有益效果如下：

本发明通过建立多维海洋环境特征空间到海洋渔场特征空间的有效映射，使得映射关系可以更稳健更全面的反映海洋渔场分布规律，提高了渔场预报的准确性，具有重要的科学价值和经济社会效益。

附图说明

图1为本发明所述渔场预报方法的流程图。

图2为本发明所述实施例的多尺度环境数据特征集。

图3为本发明所述实施例的渔业生产数据集。

图4为本发明所述实施例的多尺度渔场海洋环境特征样本数据集。

图5为本发明所述实施例的渔场预报结果图(叠加海面高度等值线显示)。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1，本发明一种利用多尺度环境特征的渔场预报方法，包括如下步骤：

(1)将卫星遥感技术得到的海洋遥感多环境要素产品进行预处理，在具体实施例中，海表环境数据包括但不限于叶绿素a、海表温度、海面高度。

数据裁切：本实施例以南海渔业常规作业范围，按照105°E-130°E，0°N-30°N经纬度范围进行裁切，得到南海作业区域环境数据子集。

数据插值：由于遥感反演数据受到天气条件等因素的影响，导致在不同时段和地理位置处会有数值缺失，基于邻域相关性对缺失值进行插补。

(2)构建多时空尺度数据集

原始海洋环境参数数据中叶绿素a、海表面温度包括MODIS卫星的Aqua和Terra空间分辨率4km时间分辨率8天的全球反演数据，海表面温度包括SST、NSST、SST4等三种不同算法的产品。海面高度为空间分辨率0.25度、时间分辨率1天的南海区域的数据。

根据渔业作业特点，利用原始4km数据进行重采样，得到0.1度、0.25度、0.5度分辨率的特征数据，如图2所示。渔场预报同时采用原始4km以及0.1度，0.25度、0.5度等4种不同分辨率数据作为输入特征。

(3)渔业捕捞生产数据预处理

收集鸢乌贼生产数据共计939条生产记录，根据输入的渔获产量和生产时长，采用以下公式计算单位捕捞努力量渔获量。

CPUE＝渔获产量/生产时长

根据CPUE的百分位统计信息，以其中位数为阈值，设置渔场样本标签，如图3所示。

(4)渔业生产数据与海洋遥感环境的匹配

根据渔业生产数据的作业日期和经纬度，搜索4km、0.1度、0.25度、0.5度、1天、8天等不同时空尺度上空间及时间距离最接近的海洋环境数据，作为样本匹配的多尺度环境特征，构成多尺度样本数据集，如图4所示。

(5)基于以上多尺度样本数据集，采用支持向量机建立多时空尺度的海洋环境特征到渔场分布特征的空间映射，开展渔场预报，对2014年第104天及邻近8天的环境数据建立多尺度海洋环境特征集并进行渔场预报。预报结果如图4所示。图4为叠加了海面高度等值线的预报结果图，其中各个位置的渔场概率大小以不同直径的圆圈符号表示。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。