为探明夜间灯光遥感技术在渔业研究中的应用现状和发展趋势,以四大中文数据库(中国知网、维普、万方、百度学术)与“Web of Science”核心合集为数据源,结合CiteSpace知识图谱方法,对国内外利用夜间灯光遥感进行灯光渔业研究的发文量、...为探明夜间灯光遥感技术在渔业研究中的应用现状和发展趋势,以四大中文数据库(中国知网、维普、万方、百度学术)与“Web of Science”核心合集为数据源,结合CiteSpace知识图谱方法,对国内外利用夜间灯光遥感进行灯光渔业研究的发文量、发文机构、文献共被引及高频关键词等进行分析。结果显示:(1)发文量总体上呈现增长趋势,2013年以后热度明显增加,2018年后中国发文量与世界处于同一水平。(2)关键词聚类与频次分析表明,研究区域主要集中在太平洋、大西洋以及中国近海等海域,研究尺度呈现从大范围到精细化的变化特征;云层检测与影像去噪是关系到渔船提取精度的关键预处理步骤;灯光渔船提取方法朝着自动化、高精度、系统化的方向发展。(3)共被引时区图谱分析显示,研究以2005年和2013年为间隔经历了3个阶段,热点从单一数据支持下的渔船分布监测深化为渔场与海洋环境特征相互关系的研究。(4)机构与国家网络分析结果显示,美国和中国是此方向的主要研究国家。展开更多
对渔船捕捞行为和捕捞强度空间高分辨率的估计可以作为海洋资源管理和生态脆弱性评估的重要信息。为识别远洋延绳钓渔船作业状态,该文基于2017年10-11月中西太平洋延绳钓渔船卫星船舶自动识别系统(automatic identification system,AIS...对渔船捕捞行为和捕捞强度空间高分辨率的估计可以作为海洋资源管理和生态脆弱性评估的重要信息。为识别远洋延绳钓渔船作业状态,该文基于2017年10-11月中西太平洋延绳钓渔船卫星船舶自动识别系统(automatic identification system,AIS)数据和捕捞日志数据,采用支持向量机(support vector machine,SVM)学习方法,构建了中国中西太平洋延绳钓渔船捕捞作业状态(捕捞/非捕捞)分类模型。通过计算模型分类准确率、精确率、敏感度和特异度来评价模型对渔船作业状态分类能力。结果表明,模型训练数据的准确率为95.24%(Kappa系数为0.9),验证数据的准确率为93.85%(Kappa系数为0.87)。采用构建好的模型识别2017年10月和11月中西太平洋延绳钓渔船共计125624条AIS记录数据,模型准确率在83.3%(Kappa系数为0.67)。2017年10、11月所有数据分类精确率为82.33%,灵敏度为88.32%,特异度为77.27%。渔船主要作业空间在168°E^173°E,12°S^18°S,有3个明显的作业强度较高区域。基于SVM模型和日志记录的捕捞强度信息在空间上相关性很高(r>0.98),SVM模型识别的渔船捕捞努力量空间分布特征和实际吻合。捕捞努力量与单位捕捞努力量渔获量(catch per unit of effort,CPUE)、渔获尾数、渔获质量和投钩数的相关系数分别是0.68、0.93、0.93和0.94。基于AIS信息挖掘的渔船空间捕捞努力量可用于渔业资源分析。展开更多
文摘为探明夜间灯光遥感技术在渔业研究中的应用现状和发展趋势,以四大中文数据库(中国知网、维普、万方、百度学术)与“Web of Science”核心合集为数据源,结合CiteSpace知识图谱方法,对国内外利用夜间灯光遥感进行灯光渔业研究的发文量、发文机构、文献共被引及高频关键词等进行分析。结果显示:(1)发文量总体上呈现增长趋势,2013年以后热度明显增加,2018年后中国发文量与世界处于同一水平。(2)关键词聚类与频次分析表明,研究区域主要集中在太平洋、大西洋以及中国近海等海域,研究尺度呈现从大范围到精细化的变化特征;云层检测与影像去噪是关系到渔船提取精度的关键预处理步骤;灯光渔船提取方法朝着自动化、高精度、系统化的方向发展。(3)共被引时区图谱分析显示,研究以2005年和2013年为间隔经历了3个阶段,热点从单一数据支持下的渔船分布监测深化为渔场与海洋环境特征相互关系的研究。(4)机构与国家网络分析结果显示,美国和中国是此方向的主要研究国家。
文摘对渔船捕捞行为和捕捞强度空间高分辨率的估计可以作为海洋资源管理和生态脆弱性评估的重要信息。为识别远洋延绳钓渔船作业状态,该文基于2017年10-11月中西太平洋延绳钓渔船卫星船舶自动识别系统(automatic identification system,AIS)数据和捕捞日志数据,采用支持向量机(support vector machine,SVM)学习方法,构建了中国中西太平洋延绳钓渔船捕捞作业状态(捕捞/非捕捞)分类模型。通过计算模型分类准确率、精确率、敏感度和特异度来评价模型对渔船作业状态分类能力。结果表明,模型训练数据的准确率为95.24%(Kappa系数为0.9),验证数据的准确率为93.85%(Kappa系数为0.87)。采用构建好的模型识别2017年10月和11月中西太平洋延绳钓渔船共计125624条AIS记录数据,模型准确率在83.3%(Kappa系数为0.67)。2017年10、11月所有数据分类精确率为82.33%,灵敏度为88.32%,特异度为77.27%。渔船主要作业空间在168°E^173°E,12°S^18°S,有3个明显的作业强度较高区域。基于SVM模型和日志记录的捕捞强度信息在空间上相关性很高(r>0.98),SVM模型识别的渔船捕捞努力量空间分布特征和实际吻合。捕捞努力量与单位捕捞努力量渔获量(catch per unit of effort,CPUE)、渔获尾数、渔获质量和投钩数的相关系数分别是0.68、0.93、0.93和0.94。基于AIS信息挖掘的渔船空间捕捞努力量可用于渔业资源分析。