基于VMS的东黄海张网渔船捕捞强度提取与分析

来源 :上海海洋大学 | 被引量 : 0次 | 上传用户:lanying
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
渔船监控系统(Vessel Monitoring System,VMS)是一种集渔船定位、网络通讯、地理信息、数据管理、电子信息显示等技术于一体的渔船综合应用系统。我国以具有自主知识产权的北斗导航系统为基础,构建了北斗渔船监控管理服务系统。目前,北斗VMS提供渔船报位经纬度、发报时间、速度、航向等信息的时间分辨率3min,空间分辨率10m,高精度的船位信息,可在渔船航迹识别、捕捞状态识别、作业区域监控等方面进行深入研究。本研究使用2017年浙江省和2018年东黄海沿线省(市)渔船的北斗VMS数据。首先将北斗VMS船位数据按作业航次划分,从中筛选出有效航次并绘制出渔船捕捞特征航迹;然后人工筛选出张网渔船和其他捕捞方式渔船的特征航迹,组成训练集、验证集和测试集,用于训练特征航迹识别模型;随机选取若干个张网渔船完整的作业航次船位信息,人工标注每个船位点的捕捞状态,通过阈值筛选、深度神经网络和DBSCAN密度聚类算法,建立捕捞状态分类模型;对VMS数据使用这个方法,可获得张网渔船一个航次的网次数量、位置和捕捞时长等信息。可视化2017年浙江海域和2018年东黄海海域张网渔船捕捞强度空间分布。研究结果如下:1)张网属于定置型过滤式网具,依靠潮水推动力伸展网身并过滤渔获,达到捕捞目的,对潮汐依赖性较强。渔船通常在海水大潮汐开始(农历每月初一或十五)前抵达目标渔场,在海水小潮汐开始(农历每月初五或二十)后结束捕捞返航。张网渔船单航次集中作业区域较小,集中作业面积30~100km2。本研究使用2017年浙江省渔船和2018年东黄海沿线6省(市)渔船的北斗VMS船位数据,分别提取张网渔船作业航次733个和4794个。2)将张网渔船的捕捞状态分为航行、布网/收渔获、收网具和抛锚4种状态,处于不同状态时的船位数据和特征差别明显,通过船位状态分布并结合张网渔船作业方式,可以确定各网次的敷设位置。尝试采用BP神经网络识别捕捞状态准确率较高,但网位的确定精度较低;尝试采用阈值筛选和DBSCAN密度聚类方法分类捕捞状态准确率稍低,但对网位的判断较准确。最终使用阈值筛选、深度神经网络和DBSCAN密度聚类共同组成船位状态判别模型,船位状态判断准确率94.74%,网位判断准确率93%。3)通过渔船捕捞状态确定张网各捕捞网次的网位坐标,并计算各网次的捕捞时长,计算经纬度步长为0.1°×0.1°的格网内的累计捕捞时长,并除以各格网的地理面积,获得0.1°×0.1°格网内的平均每平方公里的捕捞时长,作为捕捞强度分布,单位(h/km2)。2017年浙江海域张网捕捞强度小于10 h/km2的海域占总捕捞面积51.44%;捕捞强度大于10h/km2小于20 h/km2的海域占总捕捞面积31.51%;捕捞强度大于20 h/km2的海域占总捕捞面积17.03%。2018年东黄海海域张网渔具捕捞强度小于10 h/km2的海域占总捕捞面积69.71%;捕捞强度大于10 h/km2小于20h/km2的海域占总面积13.31%;捕捞强度大于20 h/km2小于30 h/km2的海域占总面积6.68%;捕捞强度大于30 h/km2的海域占总面积10.30%。4)张网渔具对对经济价值高的生物幼体捕获量较大,过度捕捞不利于渔业资源恢复及可持续利用。张网时我国重点管制的捕捞渔具,目前,东黄海沿线6省(市)对张网作业实行4.5个月强制休渔管制。张网渔船在上半年捕捞强度相对较低,分布相对分散,其中2月份捕捞强度最低;下半年捕捞强度相对较高,其中10、11月份高捕捞强度海域分布集中。本研究的创新点主要提现在:1)利用北斗VMS船位数据提取渔船作业航次,使用图像识别方法,建立航迹类型识别模型,分类张网渔船作业航次和其他类型渔船作业航次,为今后渔船捕捞类型识别方法提供参考。2)使用阈值筛选、深度神经网络和DBSCAN密度聚类算法建立张网渔船捕捞状态判别模型,判断张网渔船作业航次中的船位状态,并确定航次中各网次的位置,填补国内目前张网渔船捕捞状态识别领域的空白。3)根据船位状态计算各网次捕捞时长,提取东黄海张网捕捞强度分布情况,并与环境因素和相关政策进行讨论,为监控张网捕捞区域提供新方法,对张网渔船作业管理提供新思路。
其他文献
解决计算机视觉问题时,分割是最主要的任务。尤其在自动驾驶、室内导航以及医学造影等领域,语义分割技术的影响不容小觑。近年来,基于深度学习方法的图像语义分割算法已经取得了优异的成绩,尤其是基于卷积神经网络的方法,例如FCN、PSPNet。较传统基于图论的分割方法相比,基于卷积神经网络的分割方法可以将更好的将图像进行全局特征分析,并且提取出各像素点之间的隐藏关联信息。凭借此优势,基于卷积神经网络的图像分
现如今物联网的发展速度已经超出了人们的想象,万物互联已经是大势所趋,人们身边已经充斥着各种各样的物联网应用成果,家中有智能家居,农业有农业物联网,工业有工业物联网,汽车有车联网,学校中有教育信息化。针对高校而言,物联网的发展给学校带来了新的提升教育信息化水平、减少能源浪费的机会。论文以此为背景,设计了一个基于物联网的云数据采集分析控制系统,通过在教室安装智能设备(如日光灯、空调、投影等),以及多种
目前国内陆基工厂化养殖模式得到大力推广和发展,智能机械化设备也在养殖任务中发挥重要的作用。水产养殖中,鱼粪、残饵及微生物菌群等物质会附着在池底和池壁上,影响水质导致病害发生,需要定期的予以清除。传统清洗方式需要人工手持板刷或者拖着水枪机四周环绕清刷,工作繁琐重复且池底易滑,也不符合节能环保的理念。本文的研究对象—鱼池清刷机器人主要用于养殖车间的鱼池池底污染物清理,解决了人工清洗存在的问题,清洁效率
在世界各国进军海洋的进程中,水下作业装备扮演着极其重要的角色,水下机器人作为目前普遍使用的海洋探测作业装置,在民用和军事两大领域的相关海洋活动中,发挥着不可替代的关键作用。水下机器人控制技术作为控制理论在水下作业工程装备方面的具体应用,对水下机器人尤其是自主水下机器人的发展具有重大影响和深远意义。自主水下机器人控制技术的研究方向主要涵盖构建控制系统体系结构、动力学建模与模型的合理简化及相关参数的优
在计算机视觉领域,关于深度学习的研究逐渐增多,其发展也日新月异,特别是在人的面部包括生物特征和表情识别、头部姿态估计、活体检测等领域的应用广泛。日前,在社会发展的需求和促进下,各式各样的计算机技术在不断地被发掘,其中,计算机视觉中的头部姿态估计研究已经成为该领域的一大热点。国内外众多的科学研究院、大学实验室、公司研究机构等陆续都在开展对头部姿态估计的研究,将深度学习应用于头部姿态估计算法,旨在提高
船舶在航行过程中船体表面会附着贝类和藤壶等海生物,船体表面附着物的存在会对航行产生不利的影响。经过研究表明,海生物附着在船体表面会增加船体表面粗糙度,增大船舶航行阻力,增加了运输时间和运输油耗,造成经济损失。目前,潜水员用清洗枪对水下船体表面进行清洗是主要的方式。潜水作业劳动强度大,安全性低,清洗成本高,效率低且受天气影响大。为了解决上述问题,可代替人工的清洗爬壁机器人成为了热门研究方向。清洗爬壁
本文主要研究混合图上最小-最大圈覆盖问题。依据不同的覆盖对象,具体分为两种情形:一是覆盖对象仅为弧的情形,二是覆盖对象既包含弧又包含边的情形。该类问题是计算机科学和运筹学中一个重要的组合优化问题,它和它的变形在诸如快递配送、垃圾回收、积雪清理等相关领域具有广泛应用。因此,对其进行科学研究具有重要的理论和实际价值。本文主要从近似算法的角度对其开展研究,针对两种情形,分别给出了较好的近似算法,具体内容
随着近年来人们对水产养殖的关注度增多,鱼类检测与识别对水产养殖业的环境监控、渔业发展等起到关键性作用。目前,水下目标识别技术已成为探索水产养殖业的重要部分,而对水产养殖浑浊水域鱼类的精确识别是渔民经济收益的保障。并随着行动摄像机和无人水下设备等水下记录设备的可及性提高,使得能够高效、安全地拍摄,而不存在通常人工数据收集时带来的后勤困难。然而,水下设备收集了大量需要手动处理的图像数据,对目标识别带来
深海区域占全球海洋面积的90%,超过一半的国际贸易都是通过海洋进行运输。浩瀚的海洋在促进人类文明、经济发展的同时,也留下了众多的人类遗址、遗迹和遗物。我国古代拥有辉煌的海上贸易历史,进行深海遗迹考古与发掘一方面可以推进我国先进海洋装备的研发与进步,另一方面也可以重现历史还原当时社会形态,对发展深海探测技术和传承发扬传统文化具有重要意义。为实现水下考古机器人近距离海底精细化目标检测,本论文以关键帧提
糖尿病视网膜病变(DR)是临床常见的眼病,是导致全球失明的主要原因之一。随着我国人民生活水平的提高,糖尿病视网膜病变的发病致盲率明显增高,其严重影响着患者的视力功能和生活质量。糖尿病黄斑水肿(DME)是导致糖尿病患者视力损害的常见原因。糖尿病黄斑水肿(DME)的早期发现和监测对于治疗糖尿病视网膜病变,预防患者视力损伤具有积极意义。光学相干断层扫描(OCT)是一种无创和无接触的成像方法,可提供视网膜