一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法制造技术

本发明专利技术属于海洋激光雷达遥感探测领域，公开了一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法。该方法包括如下步骤：步骤一：计算南极磷虾的名义CPUE数据；步骤二：将CALIPSO信号数据进行预处理后计算b

【技术实现步骤摘要】
一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法


[0001]本专利技术属于海洋激光雷达遥感探测领域，尤其涉及一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法。

技术介绍

[0002]单位努力捕获量(CPUE)是渔业资源评估和管理的重要数据。在评估过程中，通常假设CPUE和丰度之间存在线性关系，但商业生产数据受到时间因素、空间因素、环境因素和捕捞能力的强烈影响。为了在评估期间使用更可靠和更具代表性的CPUE数据，有必要使用统计模型对名义CPUE数据进行标准化。因此，可以提高标准化CPUE数据的质量和一致稳定模型的可预测性，为渔业资源的评估和管理提供更好的支持。卫星遥感获得的海洋环境数据通常是渔业效率评估或CPUE标准化的关键。
[0003]海洋科学家对渔业数据标准化的研究始于上世纪末。在CPUE标准化模型中，(广义线性模型)GLM和广义加性模型(GAM)是两种传统方法，其中GLM是最常用的。这两个模型简单易操作，可以通过用户友好的软件进行计算。然而，这两种方法都有显著的缺点，如虚假假设和跨项处理。后来，一些非线性技术被应用于标准化CPUE数据，例如人工神经网络(ANN)。与传统的GLM和GAM方法相比，ANN具有更好的非线性映射能力，可以获得更高的预测结果。
[0004]目前在全球范围内，渔业资源评估的遥感数据主要来自被动遥感，如中分辨率成像光谱辐射计(MODIS)。然而，由于空间分辨率、太阳光不足和云等因素，被动遥感无法在夜间和高纬度地区(如极地)获取高分辨率叶绿素数据。此外，被动遥感只能测量海洋表面或近表面，无法检索海洋内部空间结构的数据。相比之下，激光雷达作为一种主动遥感技术，具有快速和高分辨率的优势，可以在有利的天气条件下以高空间分辨率表征水体的垂直结构。激光雷达具有广泛的应用，例如(1)鱼类检测，(2)浮游生物层，(3)水深测量，(4)气泡和测量海洋表面粗糙度。NASA发射的云气溶胶激光雷达和红外探路卫星观测(CALIPSO)提供的图像支持描述海面附近浮游生物的垂直结构。CALIPSO上搭载的正交偏振云气溶胶激光雷达(CALIOP)是第一台双偏振激光雷达，它提供了全天弹性背散射的全球垂直剖面。然而，很少有研究使用激光雷达技术来标准化CPUE。

技术实现思路

[0005]本专利技术针对上述问题，为了从主动遥感反演的叶绿素数据预测南极磷虾CPUE，本专利技术提供一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法。该算法基于星载激光雷达反演的极地叶绿素数据和人工神经网络模型，能够通过夜间检测数据增加对上层海洋日变化的认识、填补极地地区被动遥感数据的空白、提供有效的CPUE预测数据。
[0006]本专利技术的目的通过如下的技术方案来实现：
[0007]一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法，该方法包括如下步骤：
[0008]步骤一：计算南极磷虾的名义CPUE数据；
[0009]步骤二：将CALIPSO信号数据进行预处理，根据处理后的CALIPSO数据计算b
bp
，使用ANN模型对所述b
bp
数据和MODIS叶绿素数据进行建模，反演叶绿素得到叶绿素反演数据；
[0010]步骤三：将步骤一得到的南极磷虾的名义CPUE数据和步骤二得到的叶绿素反演数据与环境变量数据进行匹配，然后使用ANN模型建模；
[0011]步骤四：对步骤三得到的ANN模型进行训练，训练完成后导出模型并生成可用于预测的函数；
[0012]步骤五：将需要预测年份的环境变量数据输入步骤四得到的训练模型，网络输出南极磷虾的标准化CPUE数据。
[0013]作为优选，所述步骤一中南极磷虾的名义CPUE定义为每天、i年、j月、k经度、l纬度的产量(分辨率1
°×1°
)；每1
°×1°
网格中对应的名义CPUE计算如下：
[0014][0015]作为优选，所述步骤二中CALIPSO信号数据预处理包括以下步骤：
[0016]对CALIPSO测量信号进行矫正：
[0017]β
′
(z)＝[F]‑1β(z)
ꢀꢀ
(2)
[0018]其中，β
′
(z)是真实的反向散射信号，β(z)为接收器的输出信号，[F]为瞬态函数的矩阵形式；计算瞬态函数[F]：
[0019][0020]消除平行(||)信号和垂直(
⊥
)信号的串扰影响：
[0021][0022]β
⊥
，c
＝β
⊥
，m
‑
CT
×
β
||，c
ꢀꢀꢀ
(5)
[0023]其中β
||，c
和β
⊥
，c
分别为校正的平行和垂直信号。
[0024]作为优选，所述步骤二中根据处理后的CALIPSO数据计算b
bp
的过程为：
[0025]首先，考虑到大气的影响，采用垂直平行比进行收集：
[0026][0027]其中β
W+
是垂直分量的水下柱积分后向散射，δ
w
是柱积分下表面去极化率，β
S
是激光雷达表面后向散射；
[0028]然后，计算180
°
散射角下的颗粒后向散射系数b(π)：
[0029][0030]其中Kd是海洋扩散衰减系数，t是海洋表面透射率，δ
p
是颗粒去极化率；
[0031]根据b(π)和b
bp
之间的关系计算b
bp
：
[0032][0033]作为优选，所述步骤二中ANN整体模型由以下公式给出：
[0034][0035]其中w
j，i
表示从节点j到i的连接的权重，o是输出节点，f是逻辑函数
[0036]作为优选，所述步骤三中数据匹配和ANN模型建模的过程包括：1)基于1
°×1°
分辨率将叶绿素反演数据、环境变量数据与南极磷虾的名义CPUE匹配；2)计算叶绿素反演数据、环境变量数据的对数并设置为预测值，计算南极磷虾的名义CPUE数据的对数设置为响应并导入ANN模型工具箱。
[0037]作为优选，所述步骤四中训练模型的过程为：设置训练数据比例、训练层数和训练算法，当训练结果中训练数据的相关系数R大于0.6时，视为训练完成；优选地，设置训练数据比例中70％为训练数据、15％为验证数据、15％为测试数据，训练层数为30层，训练算法选择贝叶斯正则化算法。
[0038]进一步，本申请提供了一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现所述方法。
[0039]进一步，本申请提供了一种计算机可读存储介质，其上存储有计算机程序或指令，该计算机程序或指令被处理器执行时实现所述方法。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法，其特征在于，该方法包括如下步骤：步骤一：计算南极磷虾的名义CPUE数据；步骤二：将CALIPSO信号数据进行预处理，根据处理后的CALIPSO数据计算b
bp
，使用ANN模型对所述b
bp
数据和MODIS叶绿素数据进行建模，反演叶绿素得到叶绿素反演数据；步骤三：将步骤一得到的南极磷虾的名义CPUE数据和步骤二得到的叶绿素反演数据与环境变量数据进行匹配，然后使用ANN模型建模；步骤四：对步骤三得到的ANN模型进行训练，训练完成后导出模型并生成可用于预测的函数；步骤五：将需要预测年份的环境变量数据输入步骤四得到的训练模型，网络输出南极磷虾的标准化CPUE数据。2.根据权利要求1所述的一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法，其特征在于，所述步骤一中南极磷虾的名义CPUE定义为每天、i年、j月、k经度、l纬度的产量(分辨率1
°×1°
)；每1
°×1°
网格中对应的名义CPUE计算如下：3.根据权利要求1所述的一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法，其特征在于，所述步骤二中CALIPSO信号数据预处理包括以下步骤：对CALIPSO测量信号进行矫正：β
′
(z)＝[F]
‑1β(z)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，β
′
(z)是真实的反向散射信号，β(z)为接收器的输出信号，[F]为瞬态函数的矩阵形式；计算瞬态函数[F]：消除平行(‖)信号和垂直(
⊥
)信号的串扰影响：β
⊥
,c
＝β
⊥
,m
‑
CT
×
β
||,c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中β
||,c
和β
⊥
,c
分别为校正的平行和垂直信号。4.根据权利要求1所述的一种基于星载激光雷达数据的南极磷虾昼夜CPUE预测算法，其特...

【专利技术属性】
技术研发人员：陈鹏，钟纯怿，
申请(专利权)人：自然资源部第二海洋研究所，
类型：发明
国别省市：