运用数据缺乏方法估算印度洋大青鲨可持续渔获量

运用数据缺乏方法,即基于资源衰减的可持续渔获量估算模型(DCAC),结合Monte Carol模拟,对印度洋大青鲨(Prionace glauca)的可持续渔获量进行估计。结果表明,若大青鲨资源衰减比率(Δ)为正值,当自然死亡系数M增大或最大可持续产量对应的捕捞死亡系数(F_(MSY))与M的比值c增大时,可持续渔获量估算值(Y_(sust))增大;若Δ接近零甚至为负值,当M或c增大时,Y_(sust)呈减小趋势。资源丰度指数的选择对DCAC结果有较大影响,基于日本延绳钓渔业1998—2014年和2001—2014年两个时间序列的丰度指数得到的Y_(sust)结果可靠,且与其他模型估算的MSY值接近。2014年印度洋大青鲨的年渔获量正好处在或略高于最大可持续产量(MSY)水平,但该结果仍具有一定的不确定性。本研究表明运用DCAC方法估算印度洋大青鲨可持续渔获量是可行的,但对其他鲨鱼种类的适用性仍需进一步研究,该结果可为数据缺乏方法在大洋和中国近海渔业中的应用提供参考。

数据缺乏资源评估方法在渔业资源养护中的应用研究进展

全球范围内多数鱼种缺乏足够的数据以支撑完整的资源评估,随着近年来数据缺乏资源评估方法的开发和应用,很多数据缺乏渔业能被科学有效的评估和管理。参考以往研究,概述了3类数据缺乏方法的研究进展:基于渔获量数据缺乏方法、基于体长数据缺乏方法以及适用于多鱼种情形的数据缺乏方法,并对各个模型的结构及优缺点进行了分析。重点探讨如何在资源养护中合理应用模型结果提出决策建议,并阐明在实践中需注意的问题。在后续工作中,除了加强相关数据收集工作,还可以增加管理策略评价(management strategy evaluation,MSE)和捕捞控制规则(harvest control rules,HCRs)环节,以提高渔业资源养护措施的容错性和有效性。

基于长度数据的南海北部深水金线鱼资源评估

深水金线鱼(Nemipterus bathybius)是南海北部重要的底层经济鱼类,但近年来其资源呈现过度开发的态势。利用2014—2019年在南海北部底拖网调查中采集的3059尾深水金线鱼生物学数据,使用基于长度的贝叶斯生物量评估(Length-based Bayesian biomass estimation method,LBB)和基于长度的繁殖潜力比(Length-based spawning potential ratio,LBSPR)2种数据缺乏条件下的资源评估模型,对其资源状况进行了评估,为其种群科学管理和可持续利用提供技术支撑。结果表明,2014—2019年南海北部深水金线鱼的渐近体长(Linf)、相对自然死亡率(M/K)和50%性成熟体长(L50)分别为23.7 cm、2.33和11.76 cm。LBB模型评估结果显示,其种群资源量水平(B/BMSY)、50%渔获长度与最适可捕长度的比值(Lc/Lc_opt)分别为0.89、0.85,表明深水金线鱼处于轻度过度开发状态和生长型过度捕捞状态。LBSPR模型评估结果显示繁殖潜力比(SPR)为0.19,说明深水金线鱼正处于过度捕捞状态。通过先验参数的不确定性分析,发现LBB和LBSPR对参数Linf的设置极为敏感,对参数M/K的设置比较敏感,因此在使用LBB和LBSPR模型进行评估时应谨慎设置以上2种参数。

数据缺乏条件下的渔业资源评估方法研究进展

全球范围内绝大多数渔业处于数据缺乏的状态,而常规的资源评估方法需要准确的生物学信息和完整的渔获数据,通常并不适合此类渔业资源的评估。数据缺乏方法(DLM)正是适用于此类情况的渔业资源评估方法,DLM的研究已经成为渔业资源研究的热点。作者对DLM的近期发展作了简要回顾,重点对主要的DLM方法和数据需求进行了分析比较,指出这些方法的应用需要注意的问题。历史渔获量是大多数DLM方法运用的必要数据(如DCAC、Catch-MSY模型),而关于资源丰度的相对指标和重要生活史参数(如种群内禀增长率、自然死亡系数),则是运用这些方法的必要补充。此外,对运用DLM所需的主要生物学参数的估算方法进行了简介。最后对DLM方法的使用及其在国内渔业中的运用提出了建议。

基于丹东市碘缺乏病患病情况的大数据分析

本文利用ID3算法得出结论与国家标准对比,为政府推行食盐加碘计划决策提供理论依据。

一种自适应图像融合数据增强的高原鼠兔目标检测方法

高原鼠兔目标检测是统计高原鼠兔种群数量和研究其种群动态变化的基础。基于深度卷积神经网络的目标检测模型在训练数据缺乏时会导致模型的检测性能下降,甚至出现过拟合现象。基于GAN(Generative Adversarial Network)的数据增强方法可以生成与原始数据集同分布的目标图像,能够有效解决训练数据缺乏的问题。然而GAN生成的目标图像与背景图像相融合时采用逐像素相加或直接像素替换生成新图像的方法会造成融合图像边界突出,且当被融和的目标图像和背景图像的颜色差异较大时,会产生融合图像的目标颜色与实际场景不符的问题。针对以上问题,该研究提出了一种基于多尺度梯度生成对抗网络MSG-GAN(Multi-Scale Gradients for Generative Adversarial Networks)的自适应图像融合数据增强方法。首先将训练样本中的目标图像提取出来,用于训练多尺度梯度生成对抗网络MSG-GAN,使其能够生成新的目标图像;其次,采用颜色直方图自适应地选择颜色相近的目标图像和背景图像;然后,采用泊松融合方法对自适应选择的目标图像和背景图像进行融合得到新图像,从而使得融合图像的目标边界更为平滑,减小融合图像中目标与背景之间的颜色差异;最后,将融合图像加入到原始训练集得到增强训练集,对目标检测模型进行训练。对自然场景下的高原鼠兔目标检测的试验结果表明:该研究所提出的数据增强方法训练的目标检测模型的平均精度为89.3%,高于未数据增强方法(86.5%)、Cutout方法(87.2%)、Random Erasing方法(87.9%)、Kisantal方法(87.0%)和Maeda方法(87.9%)增强数据集训练的目标检测模型的平均精度,能有效提高目标检测模型对高原鼠兔的检测性能。

基于丰度指数和恢复力的渔业资源评估:以日本海和东海带鱼为例

为了解日本海和东海带鱼(Trichiurus japonicus)渔业资源状况,利用一种基于丰度指数的评估模型(Abundance maximum sustainable yields,AMSY)对2个海域的带鱼资源进行了评估。结果显示,2个海域的带鱼渔业在20世纪90年代至21世纪00年代的大部分时间里相对资源量水平(B/BMSY)低于1,而相对捕捞死亡水平(F/FMSY)高于1,处于过度捕捞状态。AMSY模型里相对最大可持续产量(MSYq)和MSY水平下的捕捞死亡系数(FMSY)等参数评估结果对不同内禀增长率(r)先验分布范围比较敏感,而B/BMSY和F/FMSY等生物学参考点评估结果对特定年份的相对资源量水平(Bt/k)先验分布范围的下限设置比较敏感。AMSY模型仅需要单位捕捞努力量渔获量(Catch per unit effort,CPUE)数据、评估对象的r和特定年份的Bt/k水平先验信息,可以评估基于MSY的生物学参考点(B/BMSY和F/FMSY),适合无统计产量数据的海域内渔业资源评估。

基于特征曲线重构的仿真模型验证

针对仿真模型动态验证过程中缺乏参考数据的情况,提出了一种基于特征曲线重构的仿真模型验证方法。首先通过与领域专家交流得到仿真数据时序的特征曲线,然后由特征曲线对仿真数据进行参数估计,最后将所估计的参数与专家给出的范围进行比较,完成仿真模型的验证。仿真分析表明,该方法能有效解决模型验证中缺乏参考数据的问题,具有一定的参考意义。

无线局域网技术应用

无线局域网通过无线方式发送和接收数据,尽量减少了对固定线路的依赖。这种业务服务的主要对象是在某些需要得到数据服务但缺乏有线数据接入条件的环境,如会议中心、展览中心、机场和酒店等。