全球鲨鱼与长线渔业热点数据集
数据来源：互联网公开数据
标签：鲨鱼保护, 长线渔业, 空间分布, 机器学习, 渔业管理, 海洋生态, 数据预测, 危险物种, 热点分析
数据概述：
本数据集提供了全球范围内鲨鱼与工业长线渔业交互热点的评估，利用机器学习技术识别濒危鲨鱼物种及其空间分布模式，突出关键风险区域，以保护受威胁的鲨鱼种群。数据集包含多种参数，例如捕获量、捕捞单位、鱼类分组、物种是否存在等详细信息，可用于分析哪些渔业活动对鲨鱼构成潜在威胁，同时识别对鲨鱼无害的活动。通过这些信息，有助于制定可持续的海洋保护策略，确保海洋生态系统的健康。
数据用途概述：
该数据集适用于以下场景：
1. 研究鲨鱼与长线渔业的交互：研究人员可分析全球范围内鲨鱼与长线渔业的热点区域，识别潜在风险。
2. 保护濒危鲨鱼种群：通过空间分布数据，制定针对性的保护措施，减少人类活动对鲨鱼的威胁。
3. 海洋生态保护政策制定：为政策制定者提供数据支持，设计更有效的海洋保护政策，促进渔业的可持续发展。
4. 机器学习模型验证与优化：利用数据集中的预测模型结果（如随机森林分类/回归树、最小节点大小分类器/回归器、均方误差等），评估和改进鲨鱼保护相关模型。
5. 环境影响评估：分析人类活动和气候变化对鲨鱼及其栖息地的影响，为生态保护提供科学依据。
数据集结构与字段说明：
主要数据文件：IOTC_ll_untuned_final_predict.csv
| 字段名称 | 描述 |
|-|-|
| .pred_class | 预测物种类别（字符串） |
| pres_abs | 物种在该区域的有无（布尔值） |
| catch | 物种总捕获量（整数） |
| rfmo | 区域渔业管理组织（字符串） |
| year | 数据年份（整数） |
| latitude | 位置纬度（浮点数） |
| longitude | 位置经度（浮点数） |
| species_sciname | 物种学名（字符串） |
| catch_units | 捕获单位（字符串） |
| gear_group | 使用的捕捞设备类型（字符串） |
| spatial_notes | 物种空间分布的注释（字符串） |
| original_effort | 原始捕捞努力（整数） |
| species_commonname | 物种俗名（字符串） |
| species_group | 物种分组（字符串） |
| species_resolution | 物种分辨率（字符串） |
| median_price_group | 分组的中位价格（浮点数） |
| median_price_species | 物种的中位价格（浮点数） |
| sdm | 统计分布模型（字符串） |
| zone | 位置区域（字符串） |
| location_cluster | 位置簇（字符串） |
| mean_sst | 平均海面温度（浮点数） |
| median_sst | 海面温度中位数（浮点数） |
| min_sst | 最小海面温度（浮点数） |
| max_sst | 最大海面温度（浮点数） |
| sd_sst | 海面温度的标准差（浮点数） |
| se_sst | 海面温度的标准误差（浮点数） |
| cv_sst | 海面温度的变异系数（浮点数） |
| mean_chla | 平均叶绿素a浓度（浮点数） |
| median_chla | 叶绿素a浓度中位数（浮点数） |
| min_chla | 最小叶绿素a浓度（浮点数） |
| max_chla | 最大叶绿素a浓度（浮点数） |
| min_ssh | 最小海面高度（浮点数） |
| max_ssh | 最大海面高度（浮点数） |
| sd_ssh | 海面高度的标准差（浮点数） |
| se_ssh | 海面高度的标准误差（浮点数） |
| cv_ssh | 海面高度的变异系数（浮点数） |
| bycatch_total_effort_* | 各国家长线渔业的副渔获努力（整数，如 Portugal、Spain、France 等） |
| .final_pred | 物种类别的最终预测（字符串） |
| bycatch_total_effort | 总副渔获努力（整数） |
额外数据文件：WCPFC_ll_models_others_results.csv
| 字段名称 | 描述 |
|-|-|
| environmental_value | 与该区域相关的环境价值（浮点数） |
| include_ssh | 是否在模型中包含海面高度（布尔值） |
| price | 数据的价格（浮点数） |
| catch_transformation | 捕获数据的转换方式（字符串） |
| mtry_class | 分类树中每个分叉随机采样的最大变量数（整数） |
| min_n_class | 分类树中节点有效分叉所需的最小观测值（整数） |
| mtry_reg | 回归树中每个分叉随机采样的最大变量数（整数） |
| min_n_reg | 回归树中节点有效分叉所需的最小观测值（整数） |
| rmse | 均方根误差（浮点数） |
| rsq | 决定系数（浮点数） |
| mae | 平均绝对误差（浮点数） |
数据特征：
1. 时空维度：数据包含经纬度、年份等信息，可进行时空分析，识别鲨鱼与长线渔业的交互热点区域。
2. 物种信息：提供物种学名、俗名、分组等详细信息，便于分析不同物种的分布和受威胁情况。
3. 捕捞活动：包含捕捞单位、捕捞设备类型、副渔获努力等参数，可用于评估渔业活动对鲨鱼的影响。
4. 环境参数：包括海面温度、叶绿素a浓度、海面高度等环境指标，有助于分析鲨鱼分布与环境因素的关系。
5. 机器学习模型结果：包含预测结果、模型参数和评估指标，便于验证和优化鲨鱼保护相关模型。
数据应用示例：
1. 热点分析：通过空间分布数据识别全球范围内鲨鱼与长线渔业的热点区域，为保护区规划提供依据。
2. 风险评估：结合捕捞努力和环境参数，评估不同区域和时间段的鲨鱼受威胁程度。
3. 政策制定：基于数据识别高风险区域，制定针对性的渔业管理政策，减少对濒危鲨鱼种群的捕捞。
4. 科学研究：利用机器学习模型结果，研究鲨鱼种群动态和渔业活动的影响，推动海洋生态保护研究。
数据许可：
本数据集采用 CC0 1.0 公共领域奉献许可，允许任何人以任何目的复制、修改、分发和执行作品，无需获取许可。
致谢：
如果您在研究中使用了本数据集，请务必引用原始作者。具体引用信息请参考数据来源链接。
