一种基于星载激光雷达数据的渔业单位捕获量预测方法技术

本申请公开一种基于星载激光雷达数据的渔业单位捕获量预测方法，该方法基于星载激光雷达反演的大西洋区域叶绿素数据和广义线性预测模型，主要包括：步骤一：计算历年渔业单位捕获量数据；步骤二：CALIPSO激光雷达数据预处理；步骤三：结合MODIS数据，使用ANN模型，对CALIPSO激光雷达数据反演叶绿素；步骤四：提取海表温度数据；步骤五：渔业单位捕获量数据、反演所得叶绿素数据、海表温度数据三者时空匹配；步骤六：构建渔业单位捕获量广义线性预测模型。本申请为渔业单位捕获量预测数据提供了快速有效和更为全面的技术，完善了渔业资源评估的标准化手段。估的标准化手段。估的标准化手段。

【技术实现步骤摘要】
一种基于星载激光雷达数据的渔业单位捕获量预测方法


[0001]本专利技术涉及一种卫星遥感渔业资源评估应用的预测方法，尤其涉及一种基于星载激光雷达遥感数据的渔业单位捕获量预测方法。

技术介绍

[0002]单位捕获量是渔业资源评估和管理的重要数据。在评估过程中，通常假设单位捕获量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单位捕获量数据，有必要使用统计模型对名义单位捕获量数据进行标准化，以提高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和标准化的关键。
[0003]海洋科学家对渔业数据标准化的研究始于上世纪末。在单位捕获量标准化模型中，广义线性模型GLM是为主的且最为常用的；GLM模型假设了响应变量与解释变量存在线性关系，具体应用通过模型简单操作实施计算，是目前渔业资源评估研究中单位捕获量标准化的良好选择。
[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渔业单位捕获量预测方法，其特征包括：步骤一：计算历年渔业单位捕获量数据；步骤二：CALIPSO激光雷达数据预处理；步骤三：结合MODIS数据，使用ANN模型，对CALIPSO激光雷达数据反演叶绿素；步骤四：提取海表温度数据；步骤五：渔业单位捕获量数据、反演所得叶绿素数据、海表温度数据三者时空匹配；步骤六：构建渔业单位捕获量广义线性预测模型。2.根据权利要求1所述的一种基于星载激光雷达数据的渔业单位捕获量预测方法，其特征在于：所述步骤一中的渔业单位捕获量定义为每小时、i年、j月、k经度、l纬度的产量，其中经度
×
纬度分辨率为1
°×1°
，每1
°×1°
经纬度网格中对应的名义单位捕获量计算方法为：3.根据权利要求1所述的一种基于星载激光雷达数据的渔业单位捕获量预测方法，其特征在于：所述步骤二中CALIPSO激光雷达数据预处理包括：(1)对CALIPSO测量信号进行矫正：β
′
(z)＝[F]
‑1β(z)(2)其中：β
′
(z)是真实的后向散射信号，β(z)为接收器的输出信号，[F]为瞬态函数的矩阵形式；(2)计算瞬态函数[F]：(3)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：CT为串扰，β
⊥
,m
，β
⊥
c
分别为测量的和真实的垂直信号，β
||,m
，β
||,c
分别为测量的和真实的平行信号；(4)采用垂直平行比计算垂直分量的水下柱积分后向散射：其中：β
W+
是垂直分量的水下柱积分后向散射，δ
T
为总退偏比，δ
w...

【专利技术属性】
技术研发人员：陈鹏，钟纯怿，潘玉良，黄海清，罗敏哲，
申请(专利权)人：南方海洋科学与工程广东省实验室广州，
类型：发明
国别省市：