排序方式： 共有28条查询结果，搜索用时 218 毫秒
1.
轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法，对于轮廓与特征点的提取最常用的方法是手动描绘与标定，利用计算机视觉进行轮廓与特征点的提取，不仅可以降低手动提取带来的误差、提高准确性，而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点，首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理，然后利用Canny算法提取角质颚轮廓，最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示，利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的，当标准差σ取值为0.1时角质颚轮廓图效果最佳，在得到的轮廓图上进行特征点的标定，通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为，将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性，同时也为后续的研究提供了新的实验思路和方法。 相似文献
2.
海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究 总被引：1，自引：1，他引：0
澳洲鲐（Scomber australasicus）是西北太平洋重要的中上层经济鱼类，生命周期相对较短，资源量受补充量影响明显，了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1（30°~32°N，130°~132°E）海表面温度（sea surface temperature，SST1）、产卵场2（34°~35°N，138°~141°E）海表面温度（SST2）、索饵场（35°~45°N，140°~160°E）海表面温度（SST3）、潮位差（tidal range，TR）、太平洋年代际涛动（Pacific decadal oscillation，PDO）和亲体量（spawning stock biomass，SSB）6个影响因子任意组合与补充量构建多个模型，运用贝叶斯模型平均法（Bayesian model averaging，BMA）分析各个环境因子对资源补充量的解释能力，并预测其补充量的变化。结果表明，SSB对补充量具有最长期且稳定的解释能力，其次是SST3，PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子，可能是由于补充群体在索饵场内生活时间较长，索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为，基于BMA的组合预报综合考虑了各个模型的优势，优于单一模型，可用于澳洲鲐资源补充量的预测。 相似文献
3.
角质颚是鸢乌贼重要的摄食器官,信息储存能力强,被广泛用于重建头足类生活史等研究。根据2017年5—8月中国灯光罩网渔船在南海西沙群岛海域采集的860尾鸢乌贼样本,结合经研磨后角质颚微结构中的日龄轮纹,对角质颚微结构及其外形生长特性展开了研究。结果表明,鸢乌贼角质颚上颚微结构分为头盖部和脊突部,两部均由明暗交替的日龄生长纹组成,头盖部的日龄生长纹较为清晰且易于读取。选取上头盖长(UHL)、上脊突长(UCL)、上侧壁长(ULWL)、上翼长(UWL)、下头盖长(LHL)、下脊突长(LCL)、下侧壁长(LLWL)和下翼长(LWL)作为描述西沙群岛海域鸢乌贼角质颚生长的外形特征参数。协方差分析表明,角质颚外形特征参数不存在性别间显著性差异。AIC分析表明, UCL和LCL与日龄的生长关系最适用线性生长模型表示, ULWL和LLWL与日龄的生长关系最适用对数生长模型表示, UHL、UWL、LHL和LWL与日龄的生长关系则均最适用于逻辑斯蒂生长模型表示。随着日龄的增加,鸢乌贼角质颚外形特征参数与胴长的比值基本稳定。日龄范围为211—240 d时,鸢乌贼角质颚UHL、UCL、UWL、LHL、LCL、LLWL和LWL的绝对生长率(AGR)较低。鸢乌贼角质颚在日龄介于121—210 d时生长迅速,在日龄介于211—240 d时生长速率下降,日龄211—240 d可能是鸢乌贼角质颚外部形态生长的拐点。研究结果为后续利用角质颚研究南海鸢乌贼的渔业生物学、生态学和关键生活史提供了科学依据。 相似文献
4.
长鳍金枪鱼(Thunnusalalunga)是主要的经济性金枪鱼鱼种之一,其空间分布与环境因子存在着密切联系。利用2012—2019年印度洋长鳍金枪鱼生产数据和海洋环境数据,包括海表面温度(sea surface temperature, SST)、叶绿素浓度(chlorophyll a, chl a)和海表面盐度(sea surface salinity, SSS)构建印度洋长鳍金枪鱼时空分布神经网络模型。以空间(经度,纬度)、环境因子(SST, chl a, SSS)为解释变量,局部渔获量为因变量,变化隐含层节点数,构建了18个BP空间分布模型,并采用10×10交叉验证模型稳定性,以均方误差(meansquareerror,MSE)、平均相对方差(averagerelativevariance,ARV)以及拟合优度(R~2)作为不同模型精度与稳定性的评判标准,最终选取5-18-1(隐含层节点18)模型为最佳模型,其平均MSE值为0.02232,平均ARV值为0.511。利用最优模型预测结果与同期实际捕捞产量进行叠加对比发现两者具有一致性。环境因子敏感性分析表明海表温度显著影响印度洋长鳍金枪鱼渔场分布,其贡献率达到0.2。印度洋长鳍金枪鱼高精度BP神经网络时空分布模型为其资源的可持续开发与动态管理提供了一种新思路。 相似文献
5.
近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。 相似文献
6.
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
7.
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
8.
水温是影响太平洋褶柔鱼冬生群生长、繁殖、补充的重要因素之一。根据2004–2015年太平洋褶柔鱼冬生群渔业数据和其栖息地环境数据，包括1月产卵场(28°～35°N，125°～130°E)和9月索饵场(31°～38°N，128°～132°E)海表面温度(Sea Surface Temperature，SST)，建立了基于SST因子的太平洋褶柔鱼冬生群体的剩余产量模型，分析SST对太平洋褶柔鱼冬生群资源量的影响，对该模型的各项指标进行验证，发现该模型的预测精度较高。结果表明:太平洋褶柔鱼冬生群当年的资源量及渔获量主要受索饵场SST影响，而产卵场SST对其当年渔获量影响不显著。由此建议在今后对产卵场SST因子是否对次年的渔获量及资源量产生影响进行研究，同时渔业管理部门也应根据每年海洋环境状况确定其最大可持续产量，并实时调整管理方案。 相似文献
9.
东南太平洋茎柔鱼(Dosidicus gigas)是短生命周期大洋性经济鱼类,其资源量受环境因素变化的影响较大。根据我国鱿钓船队2013~2017年在东南太平洋的生产统计数据,结合海洋环境数据包括海表面温度(SST)、海表面盐度(SSS)、叶绿素a浓度(chl a),运用BP神经网络(back propagation network)模型来标准化单位捕捞努力量渔获量(catch per unit effort, CPUE,也称名义CPUE)。以均方误差(mean square errors, MSE)和平均相对变动值(average relative variances, ARV)为最优模型判断依据,比较隐含层节点3-10的神经网络模型,发现6-9-1结构为最优模型。用Garson算法解释模型结果,发现各输入层因子对东南太平洋茎柔鱼资源丰度影响重要度排序为chl a、SST、经度(Lon)、SSS、纬度(Lat)、月份(Month)。并作名义CPUE和标准化CPUE资源丰度对比分布图,结果显示CPUE与标准化CPUE总体分布状况基本一致,但局部区域存在明显差异, 80°~85°W及10°~20°S海域适宜鱿钓生产,表明BP神经网络模型可以适用于东南太平洋茎柔鱼的CPUE标准化,从而为鱿钓渔业生产提供一定参考依据。 相似文献
10.
茎柔鱼(Dosidicus gigas)是重要的大洋性经济头足类,其性腺组织发育滞后于个体生长,但在性腺发育开始后生殖能量积累显著。为研究茎柔鱼脂肪积累对组织能量积累的贡献,采用组织能量密度测定技术和组织脂肪萃取技术对茎柔鱼卵巢、输卵管卵子、肌肉和消化腺4个组织脱脂前后的组织能量密度、单位质量脂肪含量及脂肪能量进行测定和分析。结果显示,脱脂前各组织的能量密度以消化腺最大,为(27.34±0.85) kJ/g;脱脂后的能量密度则以输卵管卵子的最大,为(20.01±0.56) kJ/g。各组织脱脂后的能量密度值均下降显著,尤以消化腺的下降最大,达31%。消化腺的单位质量脂肪含量最高,为(413.83±96.81) mg/g,其次为输卵管卵子和卵巢,肌肉组织的最低。在生理性成熟后,卵巢组织脂肪积累较大,输卵管卵子、肌肉和消化腺等组织则维持较稳定的脂肪积累水平。4个组织的脂肪能量占比的平均值在10%~32%之间。综上研究表明,脂肪是茎柔鱼卵巢、输卵管卵子、肌肉和消化腺等组织的重要能量物质,在组织能量积累过程中起着重要的作用。 相似文献