近日，上海海洋大学远洋渔业科学与技术创新团队在柔鱼人工智能渔场预测方面取得最新研究成果“Deep learning-based fishing ground prediction using asymmetric spatiotemporal scales: a case study of Ommastrephes bartramii”与“Deep learning-based fishing ground prediction with multiple environmental factors”，分别发表在渔业科学领域的期刊《Marine Life Science & Technology》和《Fishes》。海洋生物资源与管理学院博士后解明阳为第一作者，导师陈新军教授，柳彬讲师为共同通讯作者。
近年来，大洋性经济物种的渔场预测精度问题存在着瓶颈，在大数据背景下，人工智能技术尤其是深度学习在处理渔场时空分布具有明显的优势，在渔业海洋学中逐渐成为国际研究热点。目前我国在此领域的研究仍处于起步阶段，因此，柔鱼渔场分布高精度预测技术是实现我国北太平洋远洋鱿钓渔业的高质量发展的关键核心技术，并且为提升我国远洋鱿钓渔业的国际竞争力，促进渔情预报学等学科的发展奠定基础。
论文根据中国远洋渔业数据，结合海洋遥感数据，建立深度学习的“端对端”渔场预测模型，并针对特定渔场类型设计了非对称个性化时空尺度方案进行分析，最终总结时空尺度变化规律与最优环境组合模型，此研究结果对其他大洋性经济物种的渔场分布研究具有启发和示例作用。
柔鱼渔场深度学习模型架构与模型精度结果
相关文章链接：
https://doi.org/10.3390/fishes9020064
https://doi.org/10.1007/s42995-024-00222-4
（供稿：海洋生物资源与管理学院）