論文の概要: Predicting Illegal Fishing on the Patagonia Shelf from Oceanographic Seascapes

• arxiv url: http://arxiv.org/abs/2007.05470v1
• Date: Fri, 10 Jul 2020 16:31:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 21:43:28.459626
• Title: Predicting Illegal Fishing on the Patagonia Shelf from Oceanographic Seascapes
• Title（参考訳）: 海洋景観からのパタゴニア棚の違法漁獲予測
• Authors: A. John Woodill, Maria Kavanaugh, Michael Harte, and James R. Watson
• Abstract要約: 違法で、報告されず、規制されていない(IUU)漁業は、魚の備蓄と管理の努力を損なう。 船舶追跡データと機械学習を用いて、パタゴニア棚の違法な漁獲を予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many of the world's most important fisheries are experiencing increases in illegal fishing, undermining efforts to sustainably conserve and manage fish stocks. A major challenge to ending illegal, unreported, and unregulated (IUU) fishing is improving our ability to identify whether a vessel is fishing illegally and where illegal fishing is likely to occur in the ocean. However, monitoring the oceans is costly, time-consuming, and logistically challenging for maritime authorities to patrol. To address this problem, we use vessel tracking data and machine learning to predict illegal fishing on the Patagonian Shelf, one of the world's most productive regions for fisheries. Specifically, we focus on Chinese fishing vessels, which have consistently fished illegally in this region. We combine vessel location data with oceanographic seascapes -- classes of oceanic areas based on oceanographic variables -- as well as other remotely sensed oceanographic variables to train a series of machine learning models of varying levels of complexity. These models are able to predict whether a Chinese vessel is operating illegally with 69-96% confidence, depending on the year and predictor variables used. These results offer a promising step towards preempting illegal activities, rather than reacting to them forensically.
• Abstract（参考訳）: 世界で最も重要な漁業の多くは違法漁業の増加を経験しており、魚の在庫を持続的に保存し管理する努力を弱めている。 違法・未報告・未規制の漁(iuu)を終わらせるための大きな課題は、船が違法に釣りをしているか、海上で違法な釣りが起こる可能性が高いかを識別する能力を向上させることです。 しかし、海洋の監視は費用がかかり、時間がかかり、海上当局がパトロールすることを難しくしている。 この問題に対処するため,我々は船舶追跡データと機械学習を用いて,世界有数の漁業生産地域であるパタゴニア棚上での違法漁獲を予測している。 具体的には、この地域で一貫して違法に漁獲されている中国の漁船に焦点を当てる。 船舶の位置データを海洋地形(海洋変数に基づく海洋地域のクラス)と組み合わせ、他のリモートセンシングされた海洋変数と組み合わせて、さまざまなレベルの複雑さの機械学習モデルをトレーニングします。 これらのモデルは、使用する年や予測変数によって、中国の船が69-96%の信頼性で違法に活動しているかどうかを予測できる。 これらの結果は、法医学的に反応するのではなく、違法行為を先延ばしするための有望なステップを提供する。

関連論文リスト

• Jal Anveshak: Prediction of fishing zones using fine-tuned LlaMa 2 [0.049932093784950796]
  Jal AnveshakはDartとFlutterで書かれたアプリケーションフレームワークである。 Llama 2ベースのLarge Language Modelは、漁獲量と可用性に関連する政府の事前処理および強化されたデータに基づいて微調整されている。
  論文  参考訳（メタデータ） (2024-11-15T09:05:03Z)
• Lightweight Fish Classification Model for Sustainable Marine Management: Indonesian Case [2.94944680995069]
  オーバーフィッシングは 持続可能な海洋開発における 主要な問題の一つです 本研究は,保護魚種の識別を支援する魚類分類技術の進歩について提案する。 インドネシア列島沖で発見された魚の37,462枚の画像のラベル付きデータセットを収集した。
  論文  参考訳（メタデータ） (2024-01-04T13:56:54Z)
• Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
  地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。 本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。 この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-10-17T09:14:35Z)
• Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
  本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。 畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
  論文  参考訳（メタデータ） (2022-10-10T17:37:56Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Responding to Illegal Activities Along the Canadian Coastlines Using Reinforcement Learning [1.8899300124593648]
  Illegal, Unreported, and Unregulated' (IUU) 漁業事件は、深刻な環境と経済的な影響をもたらした。 IUU漁による年間損失は250億ドルに達した。 本論では, 沿岸海域において, 海難船を捕獲する船舶群の動きを調整することの問題点について述べる。
  論文  参考訳（メタデータ） (2021-08-05T04:18:07Z)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)
• Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
  水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。 提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
  論文  参考訳（メタデータ） (2020-11-28T05:51:19Z)
• Sustainable Recreational Fishing Using a Novel Electrical Muscle Stimulation (EMS) Lure and Ensemble Network Algorithm to Maximize Catch and Release Survivability [0.0]
  過剰に漁獲された個体の25%はアンカーに遡ることができる。 電気的筋肉刺激に基づく新しい釣りルアーが提案されている。 魚眼カメラのボブは、水中の映像をスマートフォンアプリにワイヤレスで中継するように設計されている。
  論文  参考訳（メタデータ） (2020-05-13T20:35:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。