【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。