排序方式： 共有207条查询结果，搜索用时 15 毫秒
41.
基于产卵场海表温度的阿根廷滑柔鱼资源丰度预测模型研究 总被引：1，自引：0，他引：1
阿根廷滑柔鱼(Illex argentinus)为短生命周期种，其资源丰度易受海洋环境变化的影响，尤其是在产卵场的早期生活史阶段。根据2003?2016年我国鱿钓船队在西南大西洋的生产统计数据，以及产卵场海洋表面温度(SST)卫星遥感数据，用相关性分析方法筛选出阿根廷滑柔鱼产卵旺季期间(6月份)表征产卵场SST变化的特征海域；基于阿根廷滑柔鱼产卵场最适SST范围占总面积之比(Ps)与资源丰度单位捕捞努力渔获量(CPUE，t/船)呈正相关性的假设，回溯阿根廷滑柔鱼最适的产卵场及水温环境条件，并据此建立多种基于表征产卵场SST环境因子的资源丰度多元线性预测模型。相关性分析结果表明:6月份有两片连续海域(Area 1、Area 2)的SST与CPUE之间存在显著相关性，分别为42.5°～44°S、57.5°～59°W(Area 1)和39°～39.5°S、45°～46°W(Area 2)；回溯的阿根廷滑柔鱼产卵场范围为37.5°～44°S、41.5°～51.5°W，产卵场最适SST范围为16～17.5℃。利用2个特征海域(Area 1、Area 2)SST以及回溯的产卵场Ps建立4种的多元线性资源丰度指数(ICPUE)预测模型，结果表明，包含表征寒暖流的特征海域和回溯产卵场Ps的方案4模型优于其他3种模型，其资源丰度指数预测模型为ICPUE=1.390 4×Ps+0.261 9×SSTArea 1+0.096 2×SSTArea 2?3.248 0。 相似文献
42.
马里亚纳海沟弧前广泛发育来源于深部地幔楔、由泥火山作用形成的碎屑蛇纹岩,并且在泥火山顶部海底有非生物成因甲烷渗漏和无光合作用的自养生物群,是地球科学界的研究热点。在弧陆碰撞形成的台湾利吉混杂岩带发育有蛇纹岩角砾碎屑岩,一直有构造成因、沉积成因与构造沉积复合成因的争议。本次研究对台湾利吉蛇纹岩角砾碎屑岩的岩石学和地球化学进行了研究,蛇纹岩角砾碎屑岩呈层状或巨砾发育于台东利吉村附近的混杂岩泥质基质中,蛇纹岩角砾碎屑岩的角砾和粉砂质-泥质基质均由蛇纹岩组成,角砾呈次棱角状至次圆状,显示沉积成因特征。蛇纹岩角砾碎屑岩的Al2O3-MgO-CaO位于与蛇绿岩套有关的变质橄榄岩范围内,且偏低的Al2O3和CaO含量表明,其来源于活动大陆边缘俯冲带上盘的弧前环境。此外,蛇纹岩角砾富集As、Sb和Pb元素,暗示具有俯冲带上驮板块地幔楔蛇纹岩的特征,并富集来自俯冲板片的中低温流体。因此,利吉蛇纹岩角砾碎屑岩很可能来自俯冲带上盘地幔楔,由北吕宋火山岛弧弧前基底形成的蛇纹岩通过泥火山作用喷出海底,最后经弧陆碰撞进入台湾利吉混杂岩带。 相似文献
43.
日本鲭(Scomber japonicus)是西北太平洋重要的鱼类资源之一，科学预测日本鲭的资源丰度有利于其资源的合理开发和利用。本研究依据日本渔业机构提供的1987–2012年日本鲭太平洋群体的资源量数据，结合产卵场和渔场的海洋环境数据以及气候因子，使用广义加性模型对影响日本鲭太平洋群体的海洋环境和气候因子进行分析，筛选出有显著影响的因子并建立该群体的资源量预测模型。结果表明，与该群体资源量有显著关系的影响因子有:北极涛动指数、太平洋年代际振荡指数、渔场海表面高度、渔场海表面盐度和渔场海表面温度。基于赤池信息准则筛选出的4个资源量预测模型分析表明，包含北极涛动指数、渔场海表面高度和渔场海表面温度的模型有较好的预测效果，该模型的验证结果也通过了t检验(P<0.05)，可用于日本鲭太平洋群体资源量的预测。 相似文献
44.
秋刀鱼舷提网渔具性能模型试验与海上实测结果的比较评估 总被引：1，自引：0，他引：1
舷提网是秋刀鱼（Cololabis saira）作业的主要方式之一，由于渔获率较高得到迅速推广。模型试验和海上实测是研究网具性能最为普遍的两种方式，两者试验结果的对比评估对于更好地测定网具作业性能具有十分重要的意义。根据2014年11-12月进行的秋刀鱼舷提网静水槽模型试验以及2015年7-10月和2016年6-10月在"鲁蓬远渔019"号船上进行的秋刀鱼舷提网网具性能测试试验测定的网具数据，采用多元线性回归方法，对网具的沉降深度和提升速度进行了标准化，并利用Bootstrap法分析了舷提网模型试验和海上实测试验结果。结果表明:（1）通过Bootstrap法得出标准化后的实测网最大沉降深度的均值分布范围为20.37~29.54 m，95%置信区间为21.76~28.13 m；模型网网具最大沉降深度均值的范围为26.42~37.58 m，95%置信区间为27.70~36.20 m。实测网网具中部最大沉降深度均值大约是模型网网具中部最大沉降深度均值的0.731~0.783倍。（2）通过Bootstrap法得出标准化后的实测网提升速度的均值分布范围为0.107~0.193 m/s，95%置信区间为0.111~0.191 m/s；模型网网具提升速度均值的范围为0.204~0.316 m/s，95%置信区间为0.207~0.312 m/s。实测网网具中部提升速度均值大约是模型网网具中部提升速度均值的0.591~0.611倍。（3）当假设海流速度为0时，求得实测网网具的平均沉降深度为29.14~41.21 m，约为模型网网衣中部最大沉降深度均值的0.751~0.807倍。（4）30 m和60 m水深的海流速度均对实物网网具中部的沉降深度有所影响，60 m水深的流速影响更加显著（P<0.05）。 相似文献
45.
基于GRACE卫星重力数据估计格陵兰岛冰盖质量变化 总被引：1，自引：0，他引：1
重力场恢复与气候试验（GRACE）卫星为高分辨率地监测全球冰川质量变化提供了一种新的手段。本文利用2003年1月至2014年12月Level-2 RL05的GRACE产品，进行去相关误差滤波、高斯滤波和海洋-陆地信号泄漏改正后，得到了格陵兰岛冰盖质量变化的时间序列，分析了格陵兰岛冰盖质量变化的长期趋势项，并与ICESat的结果进行了比较验证。研究表明，在2003年1月至2014年12月之间，格陵兰岛冰盖质量减小速率约为（-260±43）Gt/a，对全球海平面的贡献约为（0.72±0.12）mm/a，对同时期海平面上升的贡献占25.8%，并且格陵兰岛冰盖消融有着很强的区域差异性，冰盖消融的区域主要集中在边缘区域，中部内陆地区的冰盖质量则有增加的趋势。并进一步和ICESat的结果进行了比较分析，ICESat的结果显示格陵兰岛冰盖质量减小速率约为（-174±43）~（-184.8±28.2）Gt/a，而GRACE的结果则为（-209.4±26.3）Gt/a，有着较好的一致性，并且区域分布特征也符合较好。 相似文献
46.
47.
随着近几年视觉SLAM的快速发展，为机器人、无人机、汽车等导航定位提供了更多选择。针对当前水下机器人定位技术存在的系统复杂、操作难度大等问题，本文提出了一种基于ORB-SLAM2算法的水下定位方案。利用单目相机作为传感器，构建了单目视觉SLAM水下机器人定位模型，完成像素坐标系到世界坐标系的转换，介绍了ORB-SLAM2算法定位涉及的关键技术。通过水下理想环境试验，对ORB-SLAM2算法在水下定位性能进行了综合评价，通过海洋环境试验证明ORB-SLAM2算法可以有效对水下机器人进行实时定位。 相似文献
48.
本文利用1998-2016年西北太平洋柔鱼渔业数据及其渔场（35°~45°N，140°~165°E）的海洋遥感环境数据，包括海表温度、海面高度异常和叶绿素浓度，采用基于渔场环境的方法标准化西北太平洋柔鱼单位捕捞努力量渔获量（catch per unit effort，CPUE）。结果表明:柔鱼高频次作业的海表温度范围为10.2~22.2℃（96.05%），海面高度异常范围为-15.9~28.2 cm（97.91%），叶绿素浓度范围为0.0~1.0 mg/m3（96.69%）。名义CPUE和基于环境因子的标准化CPUE年际变化趋势基本一致。但由于柔鱼作业方式高度集中，有效捕捞努力量远低于名义捕捞努力量，以及考虑环境因子影响效应，名义CPUE均低于标准化CPUE。在深入理解鱿钓渔业和其生物学特性的基础上，基于渔场环境因子准化后的CPUE更具代表性，建议在以后的柔鱼资源评估与管理中使用基于渔场环境因子的标准化CPUE。 相似文献
49.
东南太平洋秘鲁鳀资源量预报模型的构建 总被引：2，自引：0，他引：2
秘鲁鳀（Engraulis ringens）是栖息于东南太平洋沿岸的一种小型中上层鱼类。有效地对秘鲁鳀资源量进行预报将有助于为我国鱼粉进口企业提供决策支撑。为此，本研究结合秘鲁鳀生物（上一个渔汛季度的资源量、渔获物中的幼鱼比例）和环境（渔场水温和nino1+2区的温度距平）因素及捕捞量为预报因子，利用主成分分析和多元线性回归的方法对17个渔汛季度（2006年至2014年第一渔汛季度）秘鲁鳀的资源量建立预报模型并利用主成分分析的结果对影响秘鲁鳀资源变动的因子进行初步评价。研究表明，随着时间的推移样本量的增加，模型拟合资源量与真实资源量的平均相对误差逐渐下降，拟合资源量序列与真实资源量序列的相关系数逐渐增加。最终模型5（建模数据为2006-2013年第二渔汛季度的数据，验证数据为2014年第一渔汛季度的数据）能够很好地拟合出秘鲁鳀资源量的大小及变动趋势拟合资源量序列与真实资源量序列的相关系数为0.861；拟合资源量序列与真实资源量序列的平均相对误差为12%；预报得到的2014年第一渔汛季度的数据与真实值相比，相对误差为1%。结合主成分分析的结果对影响秘鲁鳀资源变动的因素进行评价结果表明，第一主成分的方差贡献率为46%，其中环境因素占据了最大的载荷；第二主成分的方差贡献率为23%，同样环境因素占据了最大载荷，但是，排名第二和第三的因素分别是上一个渔汛季度的资源量和捕捞量，其载荷相当；第三和第四主成分的方差贡献率分别为9%和7%，其中幼鱼比例占的载荷最大。根据各主成分得分序列与资源量序列的相关系数结果，环境因子对秘鲁鳀资源变动有重要影响。 相似文献
50.