实施好长江10年禁渔是国家“十四五”工作中的一项重要内容,有效跟踪和客观评价禁渔效果业已成为当下的重大需求。长江刀鲚(Coilia nasus)是长距离溯河洄游型鱼类,在自海入江繁殖洄游过程中所受渔捞压力非常大,资源量已岌岌可危。长江...实施好长江10年禁渔是国家“十四五”工作中的一项重要内容,有效跟踪和客观评价禁渔效果业已成为当下的重大需求。长江刀鲚(Coilia nasus)是长距离溯河洄游型鱼类,在自海入江繁殖洄游过程中所受渔捞压力非常大,资源量已岌岌可危。长江禁渔已于2019年启动实施,以刀鲚为代表聚焦禁渔前后固定生境及相近渔季,对刀鲚资源群体及渔获量开展比较研究,可有效追踪和评价长江禁渔对珍稀濒危鱼类种群数量恢复的效果。本研究基于长达7年间的禁渔前(2014—2018年)、后(2019—2020年)同期采样监测数据,开展了长江禁渔的效果追踪和评价研究。结果显示,禁渔前(2014—2018年)溯河洄游型刀鲚单位捕捞努力量渔获量(catch per unit effort,CPUE)仅为(0.81±1.73)[×10^(–5),ind./(h·m)][即(1.13±2.42)ind./d],数量占比仅为(1.42±2.41)%;而禁渔后(2019—2020年)刀鲚CPUE高至(66.14±69.74)[×10^(–5),ind./(h·m)][即(92.60±97.64)ind./d],较禁渔前增长约82倍;数量占比亦增至(60.56±40.87)%,较前者增长约43倍。本研究首次表明,受益于已实施2年的长江禁渔战略,鄱阳湖洄游刀鲚数量恢复的效果已经凸显。展开更多
河湖水域岸线管控是河湖长制的重要内容,实施长江十年禁渔以来,长江岸线的非法捕捞行为屡禁不止,应用卫星-无人机-地面视频监控等遥感手段联合进行岸线禁捕场景识别成为趋势。为了实现对禁捕中垂钓行为的快速智能化精确检测,采用深度学...河湖水域岸线管控是河湖长制的重要内容,实施长江十年禁渔以来,长江岸线的非法捕捞行为屡禁不止,应用卫星-无人机-地面视频监控等遥感手段联合进行岸线禁捕场景识别成为趋势。为了实现对禁捕中垂钓行为的快速智能化精确检测,采用深度学习方法,利用Microsoft Common Objects in Context(COCO)数据集训练出一个具有较强特征提取能力的预训练权重,借助迁移学习的思想解决了目前禁捕场景样本量少的问题。为了增强对小目标的检测效果,在目标检测网络YOLOv3的基础上添加多个注意力机制模块,形成改进后的网络模型YOLOv3-CBAM。实验结果表明:YOLOv3算法采用迁移学习的训练策略,可以加快模型的收敛速度,提高模型的识别精度,将精度从78.57%提升至93.27%;添加注意力机制模块之后,在模型参数几乎不增加的情况下,识别精度又可提升到93.99%。研究成果可为长江流域禁捕垂钓的实时动态监管提供技术支持。展开更多
文摘实施好长江10年禁渔是国家“十四五”工作中的一项重要内容,有效跟踪和客观评价禁渔效果业已成为当下的重大需求。长江刀鲚(Coilia nasus)是长距离溯河洄游型鱼类,在自海入江繁殖洄游过程中所受渔捞压力非常大,资源量已岌岌可危。长江禁渔已于2019年启动实施,以刀鲚为代表聚焦禁渔前后固定生境及相近渔季,对刀鲚资源群体及渔获量开展比较研究,可有效追踪和评价长江禁渔对珍稀濒危鱼类种群数量恢复的效果。本研究基于长达7年间的禁渔前(2014—2018年)、后(2019—2020年)同期采样监测数据,开展了长江禁渔的效果追踪和评价研究。结果显示,禁渔前(2014—2018年)溯河洄游型刀鲚单位捕捞努力量渔获量(catch per unit effort,CPUE)仅为(0.81±1.73)[×10^(–5),ind./(h·m)][即(1.13±2.42)ind./d],数量占比仅为(1.42±2.41)%;而禁渔后(2019—2020年)刀鲚CPUE高至(66.14±69.74)[×10^(–5),ind./(h·m)][即(92.60±97.64)ind./d],较禁渔前增长约82倍;数量占比亦增至(60.56±40.87)%,较前者增长约43倍。本研究首次表明,受益于已实施2年的长江禁渔战略,鄱阳湖洄游刀鲚数量恢复的效果已经凸显。
文摘河湖水域岸线管控是河湖长制的重要内容,实施长江十年禁渔以来,长江岸线的非法捕捞行为屡禁不止,应用卫星-无人机-地面视频监控等遥感手段联合进行岸线禁捕场景识别成为趋势。为了实现对禁捕中垂钓行为的快速智能化精确检测,采用深度学习方法,利用Microsoft Common Objects in Context(COCO)数据集训练出一个具有较强特征提取能力的预训练权重,借助迁移学习的思想解决了目前禁捕场景样本量少的问题。为了增强对小目标的检测效果,在目标检测网络YOLOv3的基础上添加多个注意力机制模块,形成改进后的网络模型YOLOv3-CBAM。实验结果表明:YOLOv3算法采用迁移学习的训练策略,可以加快模型的收敛速度,提高模型的识别精度,将精度从78.57%提升至93.27%;添加注意力机制模块之后,在模型参数几乎不增加的情况下,识别精度又可提升到93.99%。研究成果可为长江流域禁捕垂钓的实时动态监管提供技术支持。