一种鱿鱼钓渔场捕捞强度空间信息提取方法

IPRDB

API 数据接口

专利申请

使用指引 chat嘟嘟

会员体验

联系我们

交流群

现在联系顾问~

一种鱿鱼钓渔场捕捞强度空间信息提取方法
申请号	CN202011561042.4	申请日	2020-12-25	公开(公告)号	CN112801807A	公开(公告)日	2021-05-14
申请人	中国水产科学研究院东海水产研究所;			发明人	杨胜龙; 樊伟; 史慧敏; 张涵; 伍玉梅; 崔雪森; 王斐; 吴祖立;
摘要	本发明涉及一种鱿鱼钓渔场捕捞强度空间信息提取方法，包括以下步骤：基于AIS数据获取鱿鱼钓渔场内所有鱿鱼钓渔船的船位轨迹数据；采用速度和光亮度两个因子数据，根据得到的鱿鱼钓渔船的船位轨迹数据挖掘所有鱿鱼钓渔船的作业状态；根据所有鱿鱼钓渔船的作业状态计算鱿鱼钓渔船的捕捞努力量。本发明能够挖掘鱿鱼钓渔场捕捞强度信息。
权利要求	1.一种鱿鱼钓渔场捕捞强度空间信息提取方法，其特征在于，包括以下步骤：(1)基于AIS数据获取鱿鱼钓渔场内所有鱿鱼钓渔船的船位轨迹数据； (2)采用速度和光亮度两个因子数据，根据得到的鱿鱼钓渔船的船位轨迹数据挖掘所有鱿鱼钓渔船的作业状态； (3)根据所有鱿鱼钓渔船的作业状态计算鱿鱼钓渔船的捕捞努力量。 2.根据权利要求1所述的鱿鱼钓渔场捕捞强度空间信息提取方法，其特征在于，所述步骤(1)具体为：依据AIS数据和搜集的鱿鱼钓渔船MMSI号挑选所有鱿鱼钓渔船的轨迹信息，得到渔场内所有鱿鱼钓渔船的船位轨迹数据。 3.根据权利要求1所述的鱿鱼钓渔场捕捞强度空间信息提取方法，其特征在于，所述步骤(1)和步骤(2)之间还包括对船位轨迹数据进行预处理的步骤，具体为：首先剔除数据量不足的鱿鱼钓渔船的船位轨迹数据；其次，剔除速度异常值，将数据按时间排序，剔除重复的轨迹点数据；最后计算每个轨迹点的光亮度数据。 4.根据权利要求3所述的鱿鱼钓渔场捕捞强度空间信息提取方法，其特征在于，还包括剔除鱿鱼钓渔船在白天小于2节的轨迹点数据和渔船位于港口0.2°半径范围内的轨迹点数据。 5.根据权利要求1所述的鱿鱼钓渔场捕捞强度空间信息提取方法，其特征在于，所述步骤(2)具体为：通过对鱿鱼钓渔船的速度统计图进行分析，确定捕捞状态和非捕捞状态的速度阈值，以光亮度0值区别白天和黑夜，通过得到鱿鱼钓渔船的作业状态，其中，Bo0为光亮度，Bo0＝0表示黑夜，v表示鱿鱼钓渔船的速度，V1和V2表示鱿鱼钓渔船在捕捞状态时的速度阈值的上届和下界，P＝1表示鱿鱼钓渔船处于捕捞状态，P＝0表示鱿鱼钓渔船处于非捕捞状态。 6.根据权利要求1所述的鱿鱼钓渔场捕捞强度空间信息提取方法，其特征在于，所述步骤(3)具体为：提取鱿鱼钓渔船在非捕捞状态下的各个轨迹点，计算鱿鱼钓渔船相邻两个轨迹点之间的时间差，将该时间差作为前一个轨迹点的持续时间，则鱿鱼钓渔船寻找鱼群的时间总和其中，UTk为提取的鱿鱼钓渔船轨迹点序列中第k个轨迹点的更新时间，n为轨迹点的数量；计算鱿鱼钓渔船在捕捞状态下单位时间单位网格的累计捕捞努力量Elon,lat＝∑Tlon,lat，其中，Tlon,lat网格内轨迹点鱿鱼钓渔船的累计时间，lon表示栅格化后网格坐标经度，lat表示栅格化后网格坐标纬度。
说明书全文	一种鱿鱼钓渔场捕捞强度空间信息提取方法技术领域 [0001] 本发明涉及渔业资源管理技术领域，特别是涉及一种鱿鱼钓渔场捕捞强度空间信息提取方法。背景技术 [0002] 阿根廷滑柔鱼，亦称阿根廷鱿鱼，是大洋性浅海物种，主要分布在西南大西洋大陆架和陆坡，是重要的头足类资源，也是中国鱿钓渔业重要的捕捞对象，在海洋生态系统中也起着重要的作用。阿根廷鱿鱼是一年生海洋生物，合理捕捞利用阿根廷鱿鱼资源，可以为人类提供食物和蛋白质，但过度捕捞可能导致食物链断裂、破坏生态。目前的阿根廷鱿鱼资源管理存在的问题是传统的渔业资源评估采用商业捕捞数据。商业捕捞数据存在时间延迟和不准确，时空分辨率低。商业捕捞数据虽然可以为中长期的渔业资源管理提供科学决策评估，但对于一年生海洋生物，只有中长期的渔业资源管理是不够的。短期的捕捞和环境变动都对其资源量有重要影响，并产生变化。因此还需要短期的捕捞信息为渔业资源管理和保护提供支撑。发明内容 [0003] 本发明所要解决的技术问题是提供一种鱿鱼钓渔场捕捞强度空间信息提取方法，能够挖掘鱿鱼钓渔场捕捞强度信息。 [0004] 本发明解决其技术问题所采用的技术方案是：提供一种鱿鱼钓渔场捕捞强度空间信息提取方法，包括以下步骤： [0005] (1)基于AIS数据获取鱿鱼钓渔场内所有鱿鱼钓渔船的船位轨迹数据； [0006] (2)采用速度和光亮度两个因子数据，根据得到的鱿鱼钓渔船的船位轨迹数据挖掘所有鱿鱼钓渔船的作业状态； [0007] (3)根据所有鱿鱼钓渔船的作业状态计算鱿鱼钓渔船的捕捞努力量。 [0008] 所述步骤(1)具体为：依据AIS数据和搜集的鱿鱼钓渔船MMSI号挑选所有鱿鱼钓渔船的轨迹信息，得到渔场内所有鱿鱼钓渔船的船位轨迹数据。 [0009] 所述步骤(1)和步骤(2)之间还包括对船位轨迹数据进行预处理的步骤，具体为：首先剔除数据量不足的鱿鱼钓渔船的船位轨迹数据；其次，剔除速度异常值，将数据按时间排序，剔除重复的轨迹点数据；最后计算每个轨迹点的光亮度数据。 [0010] 所述步骤(2)具体为：通过对鱿鱼钓渔船的速度统计图进行分析，确定捕捞状态和非捕捞状态的速度阈值，以光亮度0值区别白天和黑夜，通过得到鱿鱼钓渔船的作业状态，其中，Bo0为光亮度，Bo0＝0表示黑夜，v表示鱿鱼钓渔船的速度， V1和V2表示鱿鱼钓渔船在捕捞状态时的速度阈值的上届和下界，P＝1表示鱿鱼钓渔船处于捕捞状态，P＝0表示鱿鱼钓渔船处于非捕捞状态。 [0011] 所述步骤(3)具体为：提取鱿鱼钓渔船在非捕捞状态下的各个轨迹点，计算鱿鱼钓渔船相邻两个轨迹点之间的时间差，将该时间差作为前一个轨迹点的持续时间，则鱿鱼钓渔船寻找鱼群的时间总和其中，UTk为提取的鱿鱼钓渔船轨迹点序列中第k个轨迹点的更新时间，n为轨迹点的数量；计算鱿鱼钓渔船在捕捞状态下单位时间单位网格的累计捕捞努力量Elon,lat＝∑Tlon,lat，其中，Tlon,lat网格内轨迹点鱿鱼钓渔船的累计时间，lon表示栅格化后网格坐标经度，lat表示栅格化后网格坐标纬度。 [0012] 有益效果 [0013] 由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过AIS数据识别鱿鱼钓渔船作业状态，挖掘鱿鱼钓渔场捕捞强度信息，可以为渔业管理部门渔船管理提供支撑，为渔业资源管理和渔情预报提供实时和高分辨率信息。附图说明 [0014] 图1是本发明的流程图； [0015] 图2是实施例中单艘鱿鱼渔船作业轨迹特征图； [0016] 图3是实施例中速度分布统计和航向分布统计图； [0017] 图4是实施例中中国大陆鱿鱼钓渔船两种捕捞努力量图； [0018] 图5是实施例中其他国家地区渔船两种捕捞努力量图； [0019] 图6是实施例中全部渔船两种捕捞努力量图； [0020] 图7是实施例中全部渔船1‑3月捕捞努力量图； [0021] 图8是实施例中全部渔船4‑5月捕捞努力量图。具体实施方式 [0022] 下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。 [0023] 本发明的实施方式涉及一种鱿鱼钓渔场捕捞强度空间信息提取方法，如图1所示，包括以下步骤：基于AIS数据获取渔场内所有鱿鱼钓渔船的船位轨迹数据；采用速度和光亮度两个因子数据，根据得到的鱿鱼钓船位轨迹数据挖掘所有鱿鱼钓渔船的作业状态；根据所有鱿鱼钓渔船的作业状态计算鱿鱼钓渔船的捕捞努力量。 [0024] 下面以2018年1月到2018年5月在西南大西洋区域活动的173条鱿鱼渔船的AIS数据为例进一步说明本发明。 [0025] (一)船位轨迹数据和预处理 [0026] 1.1船位轨迹数据 [0027] AIS数据来自exactView卫星星座，时间从2018年1月到2018年5月。每个船位点数据包含船号MMSI，时间，经度，纬度，航向，航速等信息。鱿鱼渔船MMSI号信息来自'Global Fishing Watch’中标示的鱿鱼渔船MMSI号和搜集的我国鱿鱼钓信息。本实施例依据AIS数据和搜集的我国鱿鱼钓信息挑选出273个鱿鱼渔船MMSI号。依据MMSI号挑选所有鱿鱼渔船轨迹信息，提取出在西南大西洋区域活动的鱿鱼渔船共173条。该173条渔船中，中国137条、韩国23条、阿根廷9条、瓦努阿图1条，其它国家地区3条，中国的137条渔船中包括中国大陆 112条和中国台湾地区25条。 [0028] 1.2数据处理方法 [0029] 对挑选的173条渔船，按照MMSI号逐条渔船处理轨迹信息。图2给出的是单艘鱿鱼渔船作业轨迹特征图。首先剔除数据量太少的渔船的船位轨迹数据。接着，剔除速度异常值，保留速度为0‑15的数据。将数据按时间排序，剔除重复的轨迹点数据。最后计算每个轨迹点的光亮度数据。光亮度的计算利用了solaR程序包中的calcSol函数。 [0030] 鱿鱼捕捞作业发生在夜晚，白天低速行驶处于漂泊或者停靠休息状态，将白天的小于 2.0节的轨迹点剔除掉。选定(66°W‑55°W，55°S‑38°S)为研究区域。研究区域内有四个港口分别是马德普拉塔港(57°32′W，38°03′S)、斯蒂芬港(60.50′W,52.05′S)、阿根廷港 (59°31′W，51°37′S)和霍华德港(57°51′W，51°42′S)。由于渔船会在港口停泊休整，没有捕捞活动。为消除渔船停泊时发送AIS信息对研究造成影响，将港口0.2°半径范围内数据剔除。剔除后剩余数据共3394088条数据。 [0031] (二)渔船作业状态识别 [0032] 鱿鱼钓渔船作业主要分为白天高速航行寻找潜在渔场和夜间进行灯光诱捕鱿鱼两个阶段，依据鱿鱼钓渔船捕捞鱿鱼的行为，鱿鱼捕捞发生在晚上，作业时渔船停泊。速度和光亮度是识别渔船作业状态的两个重要特征。本实施例采用速度和光亮度两个因子数据挖掘鱿鱼钓渔船作业状态。通过对鱿鱼钓渔船的速度统计图(见图3)进行分析，确定捕捞状态和非捕捞状态的速度阈值，以光亮度0值区别白天和黑夜，光亮度大于0是白天，等于0是黑夜。 [0033] 根据速度阈值和光亮度因素共同确定捕捞状态。将捕捞状态记为1，非捕捞状态记为 0。公式如下： [0034] [0035] 其中，Bo0为光亮度，v表示渔船的速度，V1和V2表示渔船在捕捞状态时的速度阈值的上届和下界。 [0036] (三)捕捞强度计算 [0037] 为区分了解和掌握鱿鱼渔船捕捞作业强度和为捕捞投入的捕捞努力量空间分布，本实施例定义了两种捕捞努力量。第1种捕捞捕捞努力量定义为鱿鱼钓渔船晚上投入捕捞的时间和白天转移渔场寻找鱼群的时间总和，即为捕捞投入的所有努力量。第2种捕捞努力量定义鱿鱼钓渔船晚上投入捕捞作业的时间，即鱿鱼渔船捕捞作业状态下投入的努力量。 [0038] 根据定义的两种捕捞捕捞量，提取非捕捞状态下渔船的各个轨迹点。依据提取的各个轨迹点，计算渔船的相邻两个轨迹点之间的时间差，作为前一个轨迹点的持续时间，对上述时间差求和能得到转移渔场寻找鱼群的时间总和，公式为 [0039] [0040] 式中，UTk为提取的渔船轨迹点序列中第k个轨迹点的更新时间，n为轨迹点的数量。由于数据预处理时删除了白天低速行驶的渔船轨迹点，删除部分时间差较大的轨迹点。 [0041] 接着计算渔船在捕捞状态下单位时间单位网格的累计捕捞努力量，即鱿鱼钓渔船晚上投入捕捞的时间，公式为： [0042] Elon,lat＝∑Tlon,lat (3) [0043] 式中，Tlon,lat网格内轨迹点渔船的累计时间，lon表示栅格化后网格坐标经度，lat表示栅格化后网格坐标纬度。 [0044] 采用上述方法提取173条阿根廷鱿鱼钓渔业，共3394088条数据，分别计算挖掘和绘制中国大陆渔船、其它国家地区渔船和所有渔船的2018年1‑5月两种捕捞强度空间图(见图4‑图8)。同时绘制2018年1月到5月中国大陆渔船、其它国家地区渔船和所有渔船三种不同速度区间(0‑2(晚上)、0‑15、8‑14)内月捕捞努力量分布图。 [0045] 不难发现，本发明通过AIS数据识别渔船作业状态，挖掘渔场捕捞强度信息，可以为渔业管理部门渔船管理提供支撑，为渔业资源管理和渔情预报提供实时和高分辨率信息。