論文の概要: Experiential-Informed Data Reconstruction for Fishery Sustainability and Policies in the Azores
- arxiv url: http://arxiv.org/abs/2309.09326v2
- Date: Sun, 13 Oct 2024 22:14:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-15 15:01:44.691956
- Title: Experiential-Informed Data Reconstruction for Fishery Sustainability and Policies in the Azores
- Title（参考訳）: アゾレス諸島における漁業持続可能性・政策のための経験的インフォームドデータ再構成
- Authors: Brenda Nogueira, Gui M. Menezes, Nuno Moniz, Rita P. Ribeiro,
- Abstract要約: 我々は2010年から2017年にかけてアゾレス諸島の漁獲データ収集プログラムのユニークなデータセットに焦点を当てた。
ドメイン知識と機械学習を利用して,魚の上陸毎にメティア関連情報を検索し,関連づける。
- 参考スコア（独自算出の注目度）: 3.2873782624127834
- License:
- Abstract: Fishery analysis is critical in maintaining the long-term sustainability of species and the livelihoods of millions of people who depend on fishing for food and income. The fishing gear, or metier, is a key factor significantly impacting marine habitats, selectively targeting species and fish sizes. Analysis of commercial catches or landings by metier in fishery stock assessment and management is crucial, providing robust estimates of fishing efforts and their impact on marine ecosystems. In this paper, we focus on a unique data set from the Azores' fishing data collection programs between 2010 and 2017, where little information on metiers is available and sparse throughout our timeline. Our main objective is to tackle the task of data set reconstruction, leveraging domain knowledge and machine learning methods to retrieve or associate metier-related information to each fish landing. We empirically validate the feasibility of this task using a diverse set of modeling approaches and demonstrate how it provides new insights into different fisheries' behavior and the impact of metiers over time, which are essential for future fish population assessments, management, and conservation efforts.
- Abstract（参考訳）: 漁業分析は、生物種の長期持続可能性と、食料と収入のために漁業に依存する何百万人もの人々の生活を維持する上で重要である。
漁業用具(メティエ)は海洋生物にとって重要な要素であり、種や魚のサイズを選択的に狙う。
漁業の備蓄評価・管理において,商業的な漁獲量や上陸量の分析が不可欠であり,漁業活動の堅実な推計と海洋生態系への影響が示唆されている。
本稿では,2010年から2017年の間,アゾレス諸島の漁獲データ収集プログラムから収集したユニークなデータセットに着目した。
我々の主な目的は、データセットの再構築に取り組み、ドメイン知識と機械学習を利用して、魚の上陸毎にメティア関連情報を検索または関連付けることである。
多様なモデリング手法を用いて,本課題の有効性を実証的に検証し,今後の魚類の個体数評価,管理,保全に不可欠である,異なる漁業の行動に対する新たな洞察と,時間とともにメティアが与える影響を実証する。
関連論文リスト
- IoT-Based Environmental Control System for Fish Farms with Sensor
Integration and Machine Learning Decision Support [1.3499500088995464]
本稿では,魚類養殖におけるデータ駆動型意思決定支援の力について述べる。
環境責任と経済性を強調しつつ、魚介類需要の増大に対応することを約束する。
論文 参考訳（メタデータ） (2023-11-07T14:35:16Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。
我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。
機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
論文 参考訳（メタデータ） (2023-02-14T05:25:03Z) - Towards The Creation Of The Future Fish Farm [3.8176219403982126]
魚の養殖環境は、管理された環境の中で魚介類の世話と管理を支援する。
このセクターでは、効率を高めるために新しい技術が常に実装されている。
本研究は,将来の養殖施設の効率性と利用性を示す概念実証である。
論文 参考訳（メタデータ） (2023-01-02T21:41:06Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Applications of Deep Learning in Fish Habitat Monitoring: A Tutorial and
Survey [1.9249287163937976]
ディープラーニング(DL)は最先端のAI技術であり、ビジュアルデータを分析する上で前例のないパフォーマンスを示している。
本稿では,DLの重要な概念を網羅するチュートリアルを紹介し,DLの動作に関する高レベルな理解を支援する。
チュートリアルではまた、水中魚のモニタリングのような挑戦的な応用のために、DLアルゴリズムをどのように開発すべきかをステップバイステップで説明する。
論文 参考訳（メタデータ） (2022-06-11T01:59:54Z) - Tuna Nutriment Tracking using Trajectory Mapping in Application to
Aquaculture Fish Tank [0.0]
タンク内の魚の状態を推定し、栄養素の量を調整することは、魚の給餌システムのコスト管理に重要な役割を担っている。
本手法は,養殖魚養殖場から採取したビデオの栄養状態の追跡に基づく。
論文 参考訳（メタデータ） (2021-03-10T06:02:19Z) - 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) - A Realistic Fish-Habitat Dataset to Evaluate Algorithms for Underwater
Visual Analysis [2.6476746128312194]
我々は、DeepFishを大規模データセットでベンチマークスイートとして提示し、いくつかのコンピュータビジョンタスクのためのメソッドをトレーニングし、テストする。
このデータセットは、熱帯オーストラリアの海洋環境にある20の温帯生物から採取された約4万枚の画像で構成されている。
実験では,データセットの特徴を詳細に分析し,いくつかの最先端手法の性能評価を行った。
論文 参考訳（メタデータ） (2020-08-28T12:20:59Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳（メタデータ） (2020-07-02T19:08:36Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳（メタデータ） (2020-06-05T08:04:37Z)
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。