海表温度异常驱动的渔场选址与季节性资源动态预测系统.docxVIP

PAGE2

海表温度异常驱动的渔场选址与季节性资源动态预测系统

摘要

我国远洋渔业长期面临资源分布动态性强、传统经验型选址命中率低等现实痛点。本课题针对此问题，设计并实现了一种融合海表温度异常与生物声学数据的渔场选址与季节性资源动态预测系统。系统首先通过多源卫星遥感获取SST异常数据，结合探鱼仪生物声学回波强度，构建时空匹配数据集；随后引入加权随机森林算法构建渔场定位模型，并基于长短期记忆网络实现季节性资源量的动态预测，最终通过WebGIS渲染动态资源分布图。

全文遵循工程递进思路展开。第一章剖析传统经验选址命中率不足的痛点，明确研究目标；第二章论证多源数据融合与深度学习选型依据；第三章细化功能与非功能需求，建立用例模型；第四章规划B/S架构与功能模块，设计时空数据存储方案；第五章阐述模型算法逻辑与接口规范；第六章展示核心功能代码实现与动态可视化效果；第七章执行功能与性能测试，验证系统可靠性；第八章总结成果并展望未来。本设计创新性地将声学生物量与SST异常进行异构融合，显著提升了渔场预测的时空颗粒度与准确率。

第一章绪论

1.1研究背景

海洋渔业是保障国家食物安全与优质蛋白供给的重要产业支撑。然而，海洋环境具有高度的动态性与复杂性，渔业资源的空间分布随季节、洋流及水温变化而发生剧烈波动。传统的渔场选址高度依赖船长经验，这种“经验型”作业模式在应对极端气候与海洋环境突变时表