文献类型： 中文期刊

作者： 杨胜龙 ¹ ; 张胜茂 ¹ ; 周为峰 ¹ ; 崔雪森 ¹ ; 张忭忭 ¹ ; 樊伟 ¹ ;

作者机构： 1.中国水产科学研究院东海水产研究所农业农村部远洋与极地渔业创新重点实验室;中国水产科学研究院渔业资源与遥感信息技术重点开放实验室

关键词： 支持向量机;模型;自动识别系统(AIS);延绳钓;捕捞努力量

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2020 年 36 卷 03 期

页码： 198-203

收录情况： EI ; 北大核心 ; CSCD

摘要： 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。