1.海洋生态系统服务价值评估方法,其特征在于,包括:
收集海洋生态数据、渔业作业数据与渔获量;海洋生态数据包括海温、盐度与叶绿素浓度;渔业作业数据包括渔船数量,渔船功率与作业时间;
盐度是指每千克海水中溶解的盐类质量;叶绿素浓度为海水中存在的浮游植物叶绿素a的浓度;渔船数量为单位时间内从事捕捞作业的渔船总数量;渔船功率为渔船发动机功率;作业时间为渔船在海区从事捕捞活动的有效时间;
基于海洋生态数据、渔业作业数据与渔获量训练实时预测渔获量的机器学习模型;所述训练过程包括:将一组同一时间段的海洋生态数据与渔业作业数据转化为特征向量,将所述时间段内的渔获量作为特征向量对应的标签,将每组特征向量和与每组特征向量对应的标签构建为一个样本,收集多个样本构建为数据集;所述数据集分为训练集、验证集和测试集,其中训练集占数据集的70%,验证集和测试集各占数据集的15%;
将训练集作为机器学习模型的输入,所述机器学习模型以渔获量作为输出;以实时的一组特征向量所对应的渔获量作为预测目标,以最小化机器学习模型损失函数值作为训练目标;当机器学习模型损失函数值小于等于预设的目标损失值时停止训练;
所述机器学习模型损失函数为均方误差;均方误差通过将损失函数
收集海洋多样性评估值与海洋污染评估值;海洋多样性评估值为某海域内海洋生物物种数量与全体海洋生物物种数量的比值的平方;海洋污染评估值的获取方式包括:使用无人机拍摄海域图片,并对海域图片进行计算机视觉分析;通过canny算法提取污染水域面积,将污染水域面积与海域面积比值的三次方作为海洋污染评估值;
canny算法的过程包括:
灰度化处理海域图片;
梯度计算;在灰度化处理后的海域图片上,使用Sobel算子计算每个像素点的梯度,生成梯度图像;
非极大值抑制;对梯度图像进行非极大值抑制,保留可能是污染水域边缘像素点的梯度局部最大值,去除梯度较小值;
双阈值处理;设置梯度高阈值和低阈值,将梯度图像分为强边缘、弱边缘和非边缘三个部分,将梯度大于高阈值的像素标记为强边缘,对于梯度小于等于高阈值但大于低阈值的像素,标记为弱边缘;梯度小于等于低阈值的像素代表海域图片中相对平坦的区域或者噪声,标记为非边缘,排除掉非边缘;选取梯度大小的前5%作为高阈值,前20%作为低阈值;
边缘连接;保留强边缘像素点,将强边缘像素点与相邻的弱边缘像素点相连接,将连接后的边缘区域标记为污染水域区域,并基于像素计数法收集污染水域面积;
基于机器学习模型预测的渔获量、海洋多样性评估值与海洋污染评估值计算一级生态评估值;一级生态评估值M1=243(YH/178052)^2+3542DY收集气候评估度与气候切换评估度并相加生成二级生态评估值;
气候切换评估度的收集过程包括:
为每一种气候切换的过程,设置一一对应的切换评估系数;
气候切换评估度
通过设置问卷获取收集三级生态评估值;
问卷中设置对于海域的旅游推荐评分;三级生态评估值M3=
基于一级生态评估值、二级生态评估值与三级生态评估值生成服务价值评估值;服务价值评估值FW=0.7M1+0.2M2+0.1M3;式中,M1为一级生态评估值,M2为二级生态评估值,M3为三级生态评估值。
2.电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行权利要求1所述的海洋生态系统服务价值评估方法。
3.计算机可读存储介质,其特征在于:储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1所述的海洋生态系统服务价值评估方法。