一种鸢乌贼渔情数据处理方法、系统、装置和存储介质
阅读：732发布：2020-05-17
专利汇可以提供一种鸢乌贼渔情数据处理方法、系统、装置和存储介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种鸢乌贼渔情 数据处理 方法、系统、装置和存储介质，所述方法包括从渔捞日志中获取产量数据，从 数据库 中获取环境数据，对所述产量数据和环境数据进行空间尺度统一化处理，使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所述产量数据进行标准化，根据经过标准化后的所述产量数据计算单因子栖息地指数以及根据所述单因子栖息地指数计算综合栖息地指数等步骤。本发明通过对积累的产量数据和环境数据进行处理分析，所计算出的综合栖息地指数能够及时反映鸢乌贼的捕捞价值，从而向渔船推送新的渔区，缩短渔船寻找 渔场 的时间、减少耗费的成本，提高鸢乌贼捕捞产量和捕捞效率。本发明广泛应用于渔情数据分析技术领域。，下面是一种鸢乌贼渔情数据处理方法、系统、装置和存储介质专利的具体信息内容。
1.一种鸢乌贼渔情数据处理方法，其特征在于，包括以下步骤：
从渔捞日志中获取产量数据；
从数据库中获取环境数据；所述环境数据包括海表面温度、海平面高度、海表面叶绿素a浓度和海表面盐度；
对所述产量数据和环境数据进行空间尺度统一化处理；
使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所述产量数据进行标准化；
根据经过标准化后的所述产量数据计算单因子栖息地指数；
根据所述单因子栖息地指数计算综合栖息地指数。
2.根据权利要求1所述的一种鸢乌贼渔情数据处理方法，其特征在于，所述对所述产量数据和环境数据进行空间尺度统一化处理这一步骤，具体包括：
使用公式 对所述产量数据进行空间分辨率转换，式中
CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，∑catchi,l,k,j为在第i年l月在k经度和j纬度的总产量，∑Ei,l,k,j为在第i年l月在k经度和j纬度的总作业天数；
使用公式 对所述海表面温度进行空间分辨率转换，式中SSTi,l,k,j为
在第i年l月在k经度和j纬度的渔区内平均海表面温度，SSTx为在第i年l月在k经度和j纬度的渔区内单个海表面温度，n为在第i年l月在k经度和j纬度的渔区内海表面温度测量点个数；
使用公式 对所述海表面叶绿素a浓度进行空间分辨率转换，式中
Chlai,l,k,j为在第i年l月在k经度和j纬度的渔区内平均海表面叶绿素a浓度，Chlax为在第i年l月在k经度和j纬度的渔区内单个海表面叶绿素a浓度，n为在第i年l月在k经度和j纬度的渔区内海表面叶绿素a浓度测量点个数；
使用三次线条插值方法对所述海平面高度和所述海表面盐度进行空间分辨率转换。
3.根据权利要求1所述的一种鸢乌贼渔情数据处理方法，其特征在于，所述使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所述产量数据进行标准化这一步骤，所使用的公式为：
Ln(CPUEi,l,k,j+1)＝k+a1yeari+a2monthl+a3lonk+a4latj+a5SST+a6Chla+a6SSS+a7SSH+εi,l,k,j
或
Ln(CPUEi,l,k,j+1)＝s(yeari)+s(monthl)+s(lonk)+s(latj)+s(SST)+s(Chla)+s(SSS)+s(SSH)+εi,l,k,j；
式中，CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，εi,l,k,j为与CPUEi,l,k,j对应的误差项，yeari为第i年，monthl为第l月，lonk为k经度，latj为j纬度，a1、a2、a3、a4、a5、a6、a7和k分别为自定义的参数，s()为样条平滑函数。
4.根据权利要求3所述的一种鸢乌贼渔情数据处理方法，其特征在于，所述根据经过标准化后的所述产量数据计算单因子栖息地指数这一步骤，所使用的公式为：
式中，CPUEi为经过标准化后的一个每艘船每天捕捞产量，CPUEmax为经
过标准化后的所有每艘船每天捕捞产量中的最大值，SIi为计算得到的单因子栖息地指数。
5.根据权利要求4所述的一种鸢乌贼渔情数据处理方法，其特征在于，所述根据所述单因子栖息地指数计算综合栖息地指数这一步骤，所使用的公式为：
HSI＝minSIi，HSI＝maxSIi， 或 式中，HSI
为计算得到的综合栖息地指数，SIi为单因子栖息地指数，n为单因子栖息地指数的个数。
6.根据权利要求1所述的一种鸢乌贼渔情数据处理方法，其特征在于，还包括以下步骤：
将所述产量数据和环境数据按照所属的渔区进行归类；
对归属同一渔区的产量数据和环境数据建立对应关系。
7.根据权利要求1所述的一种鸢乌贼渔情数据处理方法，其特征在于，还包括以下步骤：
分别计算各渔区对应的综合栖息地指数；
根据各所述综合栖息地指数对各渔区进行排名；
将排名最前的至少一个渔区标记为中心渔区；
输出与所述中心渔区相关的信息。
8.一种鸢乌贼渔情数据处理系统，其特征在于，包括：
产量数据模块，用于从渔捞日志中获取产量数据；
环境数据模块，用于从数据库中获取环境数据；所述环境数据包括海表面温度、海平面高度、海表面叶绿素a浓度和海表面盐度；
尺度统一模块，用于对所述产量数据和环境数据进行空间尺度统一化处理；
标准化模块，用于使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所述产量数据进行标准化；
单因子栖息地指数计算模块，用于根据经过标准化后的所述产量数据计算单因子栖息地指数；
综合栖息地指数计算模块，用于根据所述单因子栖息地指数计算综合栖息地指数。
9.一种鸢乌贼渔情数据处理装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-7任一项所述方法。
10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述方法。
一种鸢乌贼渔情数据处理方法、系统、装置和存储介质
技术领域
[0001] 本发明涉及渔情数据分析技术领域，尤其是一种鸢乌贼渔情数据处理方法、系统、装置 和存储介质。
背景技术
[0002] 鸢乌贼作为南海最重要的中上层渔业资源捕捞对象。据中国水产科学研究院南海水产研 究所调查评估显示，南海鸢乌贼资源年可捕量在400万吨以上，而我国年捕捞量仅10万吨， 明显处于未开发状态。为了指导鸢乌贼捕捞生产，需要对鸢乌贼渔情进行分析。目前对南海 外海鸢乌贼渔情预报系统的研究，只处于资源量的评估及模型研究阶段，这依赖于使用渔船 等设备进行实地考察，分析结果的实时性、精度和可靠性均得不到保证。
发明内容
[0003] 为了解决上述技术问题，本发明的目在于提供一种鸢乌贼渔情数据处理方法、系统、装 置和存储介质。
[0004] 一方面，本发明包括一种鸢乌贼渔情数据处理方法，包括以下步骤：
[0005] 从渔捞日志中获取产量数据；
[0007] 对所述产量数据和环境数据进行空间尺度统一化处理；
[0008] 使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所述产量数据进 行标准化；
[0009] 根据经过标准化后的所述产量数据计算单因子栖息地指数；
[0010] 根据所述单因子栖息地指数计算综合栖息地指数。
[0011] 进一步地，所述对所述产量数据和环境数据进行空间尺度统一化处理这一步骤，具体包 括：
[0012] 使用公式 对所述产量数据进行空间分辨率转换，式中CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，∑catchi,l,k,j为在第i年l月在k经度 和j纬度的总产量，∑Ei,l,k,j为在第i年l月在k经度和j纬度的总作业天数；
[0013] 使用公式 对所述海表面温度进行空间分辨率转换，式中SSTi,l,k,j为在第 i年l月在k经度和j纬度的渔区内平均海表面温度，SSTx为在第i年l月在k经度和j纬度的 渔区内单个海表面温度，n为在第i年l月在k经度和j纬度的渔区内海表面温度测量点个数；
[0014] 使用公式 对所述海表面叶绿素a浓度进行空间分辨率转换，式中 Chlai,l,k,j为在第i年l月在k经度和j纬度的渔区内平均海表面叶绿素a浓度，Chlax为在第i年 l月在k经度和j纬度的渔区内单个海表面叶绿素a浓度，n为在第i年l月在k经度和j纬度 的渔区内海表面叶绿素a浓度测量点个数；
[0015] 使用三次线条插值方法对所述海平面高度和所述海表面盐度进行空间分辨率转换。
[0016] 进一步地，所述使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对 所述产量数据进行标准化这一步骤，所使用的公式为：
[0017] Ln(CPUEi,l,k,j+1)＝k+a1yeari+a2monthl+a3lonk+a4latj+a5SST+a6Chla+a6SSS+a7SSH+εi,l,k,j或
[0018] Ln(CPUEi,l,k,j+1)＝s(yeari)+s(monthl)+s(lonk)+s(latj)+s(SST)+s(Chla)+s(SSS)+s(SSH)+εi,l,k,j；
[0019] 式中，CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，εi,l,k,j为与 CPUEi,l,k,j对应的误差项，yeari为第i年，monthl为第l月，lonk为k经度，latj为j纬度，a1、 a2、a3、a4、a5、a6、a7和k分别为自定义的参数，s()为样条平滑函数。
[0020] 进一步地，所述根据经过标准化后的所述产量数据计算单因子栖息地指数这一步骤，所 使用的公式为：
[0021] 式中，CPUEi为经过标准化后的一个每艘船每天捕捞产量，CPUEmax为 经过标准化后的所有每艘船每天捕捞产量中的最大值，SIi为计算得到的单因子栖息地指数。
[0022] 进一步地，所述根据所述单因子栖息地指数计算综合栖息地指数这一步骤，所使用的公 式为：
[0023] HSI＝minSIi，HSI＝maxSIi， 或 式中， HSI为计算得到的综合栖息地指数，SIi为单因子栖息地指数，n为单因子栖息地指数的个数。
[0024] 进一步地，所述一种鸢乌贼渔情数据处理方法还包括以下步骤：
[0025] 将所述产量数据和环境数据按照所属的渔区进行归类；
[0026] 对归属同一渔区的产量数据和环境数据建立对应关系。
[0027] 进一步地，所述一种鸢乌贼渔情数据处理方法还包括以下步骤：
[0028] 分别计算各渔区对应的综合栖息地指数；
[0029] 根据各所述综合栖息地指数对各渔区进行排名；
[0030] 将排名最前的至少一个渔区标记为中心渔区；
[0031] 输出与所述中心渔区相关的信息。
[0033] 产量数据模块，用于从渔捞日志中获取产量数据；
[0034] 环境数据模块，用于从数据库中获取环境数据；所述环境数据包括海表面温度、海平面 高度、海表面叶绿素a浓度和海表面盐度；
[0035] 尺度统一模块，用于对所述产量数据和环境数据进行空间尺度统一化处理；
[0036] 标准化模块，用于使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果 对所述产量数据进行标准化；
[0037] 单因子栖息地指数计算模块，用于根据经过标准化后的所述产量数据计算单因子栖息地 指数；
[0038] 综合栖息地指数计算模块，用于根据所述单因子栖息地指数计算综合栖息地指数。
[0039] 另一方面，本发明实施例还包括一种鸢乌贼渔情数据处理装置，包括存储器和处理器， 所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行本发明方 法。
[0040] 另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的指令，所述 处理器可执行的指令在由处理器执行时用于执行本发明方法。
[0041] 本发明的有益效果是：通过对积累的产量数据和环境数据进行处理分析，所计算出的综 合栖息地指数能够及时反映鸢乌贼的捕捞价值，从而向渔船推送新的渔区，缩短渔船寻找渔 场的时间、减少耗费的成本，提高鸢乌贼捕捞产量和捕捞效率。附图说明
[0042] 图1为本发明实施例中鸢乌贼渔情数据处理方法的流程图；
[0043] 图2为本发明实施例中鸢乌贼渔情数据处理系统的结构框图。
具体实施方式
[0044] 本实施例包括一种鸢乌贼渔情数据处理方法，参照图1，包括以下步骤：
[0045] S1.从渔捞日志中获取产量数据；
[0046] S2.从数据库中获取环境数据；所述环境数据包括海表面温度、海平面高度、海表面叶绿 素a浓度和海表面盐度；
[0047] S3.对所述产量数据和环境数据进行空间尺度统一化处理；
[0048] S4.使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所述产量数 据进行标准化；
[0049] S5.根据经过标准化后的所述产量数据计算单因子栖息地指数；
[0050] S6.根据所述单因子栖息地指数计算综合栖息地指数。
[0051] 步骤S1中，可以从水产技术推广站等地获取其管理的渔船的渔捞日志，所述渔捞日志通 常记录了各渔船的船名、船主、主机功率、作业日期、作业时间、作业经纬度位置和渔获量 等数据，这些数据的时间分辨率为天，空间分辨率为0.5°×0.5°，即每0.5°×0.5°所划定 的空间作为一个渔区，每个渔区都分别对应位于其内部的渔船的船名、船主、主机功率、作 业日期、作业时间、作业经纬度位置和渔获量等数据。例如经度110°-110.5°E，纬度10.5° -11°N确定了一个0.5°×0.5°的范围，那么就可以将110°-110.5°E，10.5°-11°N所确 定的范围标记为一个渔区，用(110.25°E，10.75°N)表示。本实施例中，所述产量数据是指 渔捞日志中的渔获量数据。
[0052] 步骤S2中，从美国NASA的MODIS Aqua卫星传感器数据库 (https://oceandata.sci.gsfc.nasa.gov/)获取海表面温度(Sea Surface Temperature，SST)和海 表面叶绿素a浓度(Sea Surface Chlorophyll a concentration，Chla)等环境数据，海表面温度 和海表面叶绿素a浓度的时间分辨率为月，空间分辨率为0.0417°×0.0417°。从哥白尼海 洋环境管理服务数据库(CMEMS，Copernicus Marine Environment Management Service) (http://marine.copernicus.eu)中的全球海洋物理再分析产品(Global Ocean Physical Reanalysis Product)中获取海平面高度(Sea Surface Height，SSH)和海表面盐度(Sea Surface Salinity， SSS)等环境数据，海平面高度和海表面盐度的时间分辨率为月，空间分辨率为1°×1°。
[0053] 步骤S1和步骤S2中所获取的产量数据和环境数据具有不同的空间分辨率，这不利于后 续的分析过程。步骤S3中，对产量数据和环境数据进行空间尺度统一化处理，使得它们具有 相同的空间分辨率。
[0054] 步骤S4中，使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果对所 述产量数据进行标准化，从而在步骤S5和S6中进一步计算出单因子栖息地指数和综合栖息 地指数。步骤S4-S5使用一元非线性回归来建立各个显著性因子(即具有较大影响的产量数 据和环境数据)与单因子栖息地指数之间的关系模型，从而计算出单因子栖息地指数。最后 计算出的综合栖息地指数可以反映渔区环境对鸢乌贼生活的适宜程度，即综合栖息地指数越 大，渔区环境越适宜鸢乌贼生活繁殖，表明该渔区具有捕捞价值的概率越大，据此指导渔船 进行鸢乌贼捕捞工作。
[0055] 进一步作为优选的实施方式，所述步骤S3，即对所述产量数据和环境数据进行空间尺度 统一化处理这一步骤，具体包括：
[0056] S301.使用公式 对所述产量数据进行空间分辨率转换，式中 CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，∑catchi,l,k,j为在第i年l 月在k经度和j纬度的总产量，∑Ei,l,k,j为在第i年l月在k经度和j纬度的总作业天数；
[0057] S302.使用公式 对所述海表面温度进行空间分辨率转换，式中SSTi,l,k,j为 在第i年l月在k经度和j纬度的渔区内平均海表面温度，SSTx为在第i年l月在k经度和j纬 度的渔区内单个海表面温度，n为在第i年l月在k经度和j纬度的渔区内海表面温度测量点 个数；
[0058] S303.使用公式 对所述海表面叶绿素a浓度进行空间分辨率转换，式 中Chlai,l,k,j为在第i年l月在k经度和j纬度的渔区内平均海表面叶绿素a浓度，Chlax为在第 i年l月在k经度和j纬度的渔区内单个海表面叶绿素a浓度，n为在第i年l月在k经度和j纬 度的渔区内海表面叶绿素a浓度测量点个数；
[0059] S304.使用三次线条插值方法对所述海平面高度和所述海表面盐度进行空间分辨率转换。
[0060] 步骤S301中，∑catchi,l,k,j和∑Ei,l,k,j均为从捕捞日志中获取到的产量数据。通过执行步 骤S301，所得到的CPUEi,l,k,j的空间分辨率被统一为0.5°×0.5°。
[0061] 步骤S302和S303中，SSTx和Chlax均为从数据库中获取到的环境数据，并且它们对应 的经纬度划分到相应的渔区。通过执行步骤S302和S303，海表面温度SSTi,l,k,j和海表面叶绿 素a浓度Chlai,l,k,j的空间分辨率被统一为0.5°×0.5°。
[0062] 步骤S304中，所述海平面高度SSH和所述海表面盐度SSS均为从数据库中获取到的环 境数据，并且它们对应的经纬度划分到相应的渔区。通过执行步骤S302和S303，海平面高 度SSH和所述海表面盐度SSS的空间分辨率被统一为0.5°×0.5°。
[0063] 使用计算机程序执行步骤S304所使用的三次线条插值方法时，可以运行以下代码：
[0064] clear；
[0065] clc；
[0066] file＝'文件位置'；％数据读入
[0067] data＝xlsread(file)；％赋值
[0068] lat＝data(:,1)；％其中的1代表第1列
[0069] lon＝data(:,2)；％
[0070] chl＝data(:,3)；％其中的3代表第3列
[0071] datanum＝length(chl)；％数据的长度
[0072] monnum＝3；％月份的数量
[0073] [latuni,latindex]＝unique(lat)；％纬度唯一值
[0074] [lonuni,lonindex]＝unique(lon)；％经度唯一值
[0075] lonuni＝sort(lonuni)；％经度升序
[0076] latuni＝sort(latuni)；％纬度降序,'descend'
[0077] m1＝length(latuni)；％行数是433
[0078] n1＝length(lonuni)；％列数是529
[0079] chln1＝reshape(chl,[datanum/monnum,monnum])；％重塑矩阵
[0080] chlApril＝reshape(chln1(:,3),[n1,m1])；
[0081] [m2,n2]＝size(chlApril)；％size(行数，列数)
[0082] [latn1,lonn1]＝meshgrid(latuni,lonuni)；％lonn是列数，latn是行数[0083] latunit＝min(latuni):0.5:max(latuni)；
[0084] latunit＝latunit-0.25；
[0085] lonunit＝min(lonuni):0.5:max(lonuni)；
[0086] lonunit＝lonunit-0.25；
[0087] [latn2,lonn2]＝meshgrid(latunit,lonunit)；％lonn是列数，latn是行数[0088] chlinterp＝interp2(latn1,lonn1,chlApril,latn2,lonn2,'spline')；％三次样条插值
[0089] [m3,n3]＝size(chlinterp)；
[0090] chlwrite＝reshape(chlinterp,[m3*n3 1])；
[0091] latwrite＝reshape(latn2,[m3*n3 1])；
[0092] lonwrite＝reshape(lonn2,[m3*n3 1])；
[0093] variablename＝{'Lat','Lon','Wind'}；
[0094] T＝table(latwrite,lonwrite,chlwrite)；
[0095] T＝table2cell(T)；
[0096] writefile＝('C:\Users\xps13\Desktop\')；％文件读出
[0097] xlswrite(writefile,[variablename；T])；
[0098] 进一步作为优选的实施方式，所述步骤S4，即使用GLM模型或GAM模型对所述环境 数据进行筛选，根据筛选结果对所述产量数据进行标准化这一步骤，所使用的公式为：
[0099] Ln(CPUEi,l,k,j+1)＝k+a1yeari+a2monthl+a3lonk+a4latj+a5SST+a6Chla+a6SSS+a7SSH+εi,l,k,j或
[0100] Ln(CPUEi,l,k,j+1)＝s(yeari)+s(monthl)+s(lonk)+s(latj)+s(SST)+s(Chla)+s(SSS)+s(SSH)+εi,l,k,j；
[0101] 式中，CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，εi,l,k,j为与 CPUEi,l,k,j对应的误差项，yeari为第i年，monthl为第l月，lonk为k经度，latj为j纬度，a1、 a2、a3、a4、a5、a6、a7和k分别为自定义的参数，s()为样条平滑函数。
[0102] 步骤S4中所使用的GLM模型假设响应变量的期望值与解释变量呈线性关系，例如： 式中g为关联函数，μi＝E(Yi)，Xi为第i个响应变量的解释变量，β为模型估 计参数，Yi为第i个响应变量。假设CPUE服从对数正态分布，因此GLM模型表示为公式 Ln(CPUEi,l,k,j+1)＝k+a1yeari+a2monthl+a3lonk+a4latj+a5SST+a6Chla+a6SSS+a7SSH+εi,l,k,j，式中，CPUEi,l,k,j为在第i年l月在k经度和j纬度的每艘船每天捕捞产量，εi,l,k,j为与 CPUEi,l,k,j对应的误差项，yeari为第i年，monthl为第l月，lonk为k经度，latj为j纬度，a1、 a2、a3、a4、a5、a6、a7和k分别为自定义的参数。GLM模型中，将时间(年、月)、空 间(经度、纬度)、环境(SST、Chla、SSH、Salinity)因素作为解释变量，其中变量年、月、 经度、纬度为分类离散变量，其他变量为连续变量。CPUE加上常数1，再作对数变换后，作 为响应变量，以解决CPUE为0的情况。
[0103] 步骤S4中所使用的GAM模型为GLM模型的延伸，可以用来表示响应变量和解释变量 的非线性关系，即：
[0104]
[0105] 式中，g为链接函数，μi＝E(Yi)，Xi为第i个响应变量的解释变量，Yi为第i个响应变量。 α为适合函数的截距；ε表示残差；fi(xi)表示各自变量的任意单变量函数，。因此GAM模型 表示为公式 Ln(CPUEi,l,k,j+1)＝s(yeari)+s(monthl)+s(lonk)+s(latj)+s(SST)+s(Chla)+s(SSS)+s(SSH)+εi,l,k,j，式中s()为样条平滑函数(spline smoothing)。
[0106] 将解释变量依次加入GAM模型,得到包含不同个数解释变量的GAM模型。AIC值最小 的模型，为最佳模。AIC值的计算如下：
[0107] AIC＝-2Lnl(p1,…pm,σ2)+2m
[0108] 式中,m为模型中参数的个数。
[0110] 进一步作为优选的实施方式，所述步骤S5，即根据经过标准化后的所述产量数据计算单 因子栖息地指数这一步骤，所使用的公式为：
[0111] 式中，CPUEi为经过步骤S4标准化后的一个每艘船每天捕捞产量， CPUEmax为经过步骤S4标准化后的所有每艘船每天捕捞产量中的最大值，SIi为计算得到的 单因子栖息地指数。
[0112] 进一步作为优选的实施方式，所述步骤S6，所述根据所述单因子栖息地指数计算综合栖 息地指数这一步骤，所使用的公式为：
[0113] HSI＝minSIi，HSI＝maxSIi， 或 式中， HSI为计算得到的综合栖息地指数，SIi为单因子栖息地指数，n为单因子栖息地指数的个数。
[0114] 本实施例中，使用公式 进行计算的方法被称为连乘法，使用公式 HSI＝minSIi进行计算的方法被称为最小值法，使用公式HSI＝maxSIi进行计算的方法被称 为最大值法，使用公式 进行计算的方法被称为算术平均法，使用公式
进行计算的方法被称为几何平均法。通过连乘法、最小值法、最大值法、算
术平均法或几何平均法，均可根据多个单因子栖息地指数计算出一个综合栖息地指数，该综 合栖息地指数综合地考虑了所有单因子栖息地指数的作用。
进行计算的方法被称为几何平均法。通过连乘法、最小值法、最大值法、算
术平均法或几何平均法，均可根据多个单因子栖息地指数计算出一个综合栖息地指数，该综 合栖息地指数综合地考虑了所有单因子栖息地指数的作用。
[0115] 进一步作为优选的实施方式，所述鸢乌贼渔情数据处理方法还包括以下步骤：
[0116] S2A.将所述产量数据和环境数据按照所属的渔区进行归类；
[0117] S2B.对归属同一渔区的产量数据和环境数据建立对应关系。
[0118] 本实施例中，所述步骤S2A和S2B在步骤S2之后、S3之前执行。从渔捞日志中获取得 到的产量数据和从数据库中获取得到环境数据的都对应有经纬度信息，可以确定产量数据和 环境数据各自对应的渔区，从而对产量数据和环境数据进行归类。将归属同一渔区的产量数 据和环境数据建立对应关系，具体地，可以使用EXCEL2010软件中的VLOOKUP执行，使 得通过经纬度可以查找到相应的产量数据和环境数据，便于对产量数据和环境数据进行管理。
[0119] 进一步作为优选的实施方式，所述鸢乌贼渔情数据处理方法还包括以下步骤：
[0120] S7.分别计算各渔区对应的综合栖息地指数；
[0121] S8.根据各所述综合栖息地指数对各渔区进行排名；
[0122] S9.将排名最前的至少一个渔区标记为中心渔区；
[0123] S10.输出与所述中心渔区相关的信息。
[0124] 步骤S7中，针对各渔区分别执行步骤S1-S6，从而计算出各渔区对应的综合栖息地指数。 步骤S8中，按照对应的综合栖息地指数从大到小的顺序，对各渔区进行排名。由于综合栖息 地指数越大表示相应渔区越适合鸢乌贼生存，该渔区对鸢乌贼捕捞产生的经济价值越大，因 此排名越靠前的渔区越可能成为渔船的目标渔区。步骤S9中，可以选择将排名最前的一个、 三个或五个等数量的渔区标记为中心渔区，从而提示这些渔区具有较高的经济价值。步骤S10 中，通过卫星电话或者4G等通信手段，将中心渔区的经纬度等相关信息发送到渔船，从而 指导渔船到这些中心渔区进行捕捞生产。
[0125] 综上所述，本实施例中的鸢乌贼渔情数据处理方法具有以下优点：
[0126] 通过对积累的产量数据和环境数据进行处理分析，所计算出的综合栖息地指数能够及时 反映鸢乌贼的捕捞价值，从而向渔船推送新的渔区，缩短渔船寻找渔场的时间、减少耗费的 成本，提高鸢乌贼捕捞产量和捕捞效率。
[0127] 本实施例还包括一种鸢乌贼渔情数据处理系统，参照图2，包括：
[0128] 产量数据模块，用于从渔捞日志中获取产量数据；
[0129] 环境数据模块，用于从数据库中获取环境数据；所述环境数据包括海表面温度、海平面 高度、海表面叶绿素a浓度和海表面盐度；
[0130] 尺度统一模块，用于对所述产量数据和环境数据进行空间尺度统一化处理；
[0131] 标准化模块，用于使用GLM模型或GAM模型对所述环境数据进行筛选，根据筛选结果 对所述产量数据进行标准化；
[0132] 单因子栖息地指数计算模块，用于根据经过标准化后的所述产量数据计算单因子栖息地 指数；
[0133] 综合栖息地指数计算模块，用于根据所述单因子栖息地指数计算综合栖息地指数。
[0135] 本实施例还包括一种鸢乌贼渔情数据处理装置，包括存储器和处理器，所述存储器用于 存储至少一个程序，所述处理器用于加载所述至少一个程序以执行本发明鸢乌贼渔情数据处 理方法。
[0136] 本实施例还包括一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的 指令在由处理器执行时用于执行本发明鸢乌贼渔情数据处理方法。
[0137] 本实施例中的鸢乌贼渔情数据处理系统、装置和存储介质，可以执行本发明的鸢乌贼渔 情数据处理方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效 果。
[0138] 需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征， 它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外， 本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置 关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式， 除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科 学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是 为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或 多个相关的所列项目的任意的组合。
[0139] 应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元 件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公 开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元 件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地 说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
[0140] 应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在 非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术- 包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置 的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附 图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若 需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。 此外，为此目的该程序能够在编程的专用集成电路上运行。
[0141] 此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示 或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可 执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上 执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组 合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
[0142] 进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不 限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计 算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非 暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如 硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存 储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机 器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他 数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类 型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括 计算机本身。
[0143] 计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成 存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。 在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和 有形对象的特定视觉描绘。
[0144] 以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以 相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同 替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/ 或实施方式可以有各种不同的修改和变化。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种浅水湖莲藕种植用施肥装置 | 2020-05-18 | 332 |
| 一种远洋渔场用波浪能转换装置 | 2020-05-13 | 402 |
| 一种渔场诱捕信息采集装置 | 2020-05-16 | 364 |
| 一种4G的智慧渔业管理系统 | 2020-05-16 | 724 |
| 灯光罩网渔船作业数据处理方法、系统、装置和存储介质 | 2020-05-16 | 1069 |
| 渔场围网破损检测方法及系统 | 2020-05-19 | 765 |
| 一种基于动态建模的渔场渔情预测方法 | 2020-05-12 | 319 |
| 一种海上渔场 | 2020-05-12 | 48 |
| 一种半潜式海上风电和养殖渔场平台综合结构 | 2020-05-14 | 646 |
| 一种深海渔场自动消流增氧装置 | 2020-05-13 | 1070 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈