# 北大西洋渔业捕捞数据集

## 引言与背景

北大西洋渔业捕捞数据集是一个包含超过160万条捕捞记录的大规模数据集，涵盖了挪威海域的详细渔业活动信息。该数据集包含完整的捕捞记录元数据、船只信息、捕捞数据以及环境因子等多维度信息，为渔业资源管理、海洋生态研究、气候变化影响分析以及渔业经济学研究提供了宝贵的数据支撑。数据集由两个核心文件组成：full_dataset.csv包含160万条捕捞记录，raster.csv包含2107个渔区地理边界信息。该数据集对于理解北大西洋渔业活动的时空分布特征、分析环境因子对捕捞产量的影响、评估渔业资源可持续性以及开发智能渔业管理系统具有重要的研究价值和实际应用意义。

## 数据基本信息

### 数据字段说明

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整率(%) |
|---------|---------|---------|---------|----------|
| y_ | float64 | 捕捞状态（1=有捕捞，0=无捕捞） | 1.0 | 100.00 |
| ID | int64 | 船只唯一标识符 | 1993001257 | 100.00 |
| engine_age | float64 | 引擎年龄（年） | 10.0 | 100.00 |
| length | float64 | 船只长度（米） | 10.5 | 100.00 |
| power | float64 | 船只动力（马力） | 367.0 | 100.00 |
| month | int64 | 月份编码 | 44 | 100.00 |
| landing | object | 登陆港口名称 | RISØR | 100.00 |
| weight | float64 | 捕捞重量（公斤） | 5.0 | 100.00 |
| value | float64 | 捕捞价值（挪威克朗） | 95.7 | 100.00 |
| value_cpi | float64 | CPI调整后的价值 | 119.62 | 100.00 |
| price | float64 | 单位价格 | 19.14 | 100.00 |
| y_month | int64 | 月份（0-11） | 8 | 100.00 |
| year | float64 | 年份编号（1-18） | 3.0 | 100.00 |
| patch | object | 渔区编号 | 09-16 | 100.00 |
| dist | float64 | 距离港口距离（海里） | 13.6 | 100.00 |
| patch_area | int64 | 渔区面积（平方公里） | 3229 | 100.00 |
| weight_lym | float64 | 去年同月捕捞重量 | 0.0 | 100.00 |
| weight_lm | float64 | 上月捕捞重量 | 1.0 | 100.00 |
| val_lm | float64 | 上月捕捞价值 | 1.0 | 100.00 |
| val_lym | float64 | 去年同月捕捞价值 | 0.0 | 100.00 |
| nao_index | float64 | 北大西洋涛动指数 | -0.07 | 100.00 |
| surf_temp | float64 | 海面温度（开尔文） | 286.9 | 91.99 |

### 数据分布情况

#### 年份分布

| 年份 | 记录数量 | 占比(%) | 累计占比(%) |
|------|---------|--------|------------|
| 1.0 | 116332 | 7.26 | 7.26 |
| 2.0 | 11996 | 0.75 | 8.01 |
| 3.0 | 113698 | 7.10 | 15.11 |
| 4.0 | 119506 | 7.46 | 22.57 |
| 5.0 | 111978 | 6.99 | 29.56 |
| 6.0 | 103618 | 6.47 | 36.03 |
| 7.0 | 102654 | 6.41 | 42.44 |
| 8.0 | 101232 | 6.32 | 48.76 |
| 9.0 | 93358 | 5.83 | 54.58 |
| 10.0 | 94694 | 5.91 | 60.50 |
| 11.0 | 92322 | 5.76 | 66.26 |
| 12.0 | 88108 | 5.50 | 71.76 |
| 13.0 | 82804 | 5.17 | 76.93 |
| 14.0 | 83018 | 5.18 | 82.11 |
| 15.0 | 80356 | 5.02 | 87.13 |
| 16.0 | 81792 | 5.11 | 92.23 |
| 17.0 | 81912 | 5.11 | 97.35 |
| 18.0 | 42492 | 2.65 | 100.00 |

#### 月份分布

| 月份 | 记录数量 | 占比(%) |
|------|---------|--------|
| 0 | 92334 | 5.76 |
| 1 | 122802 | 7.67 |
| 2 | 149394 | 9.33 |
| 3 | 192014 | 11.99 |
| 4 | 181934 | 11.36 |
| 5 | 131082 | 8.18 |
| 6 | 118954 | 7.43 |
| 7 | 89282 | 5.57 |
| 8 | 122232 | 7.63 |
| 9 | 138064 | 8.62 |
| 10 | 139466 | 8.71 |
| 11 | 124312 | 7.76 |

#### 主要登陆港口分布（Top 20）

| 港口名称 | 记录数量 | 占比(%) |
|---------|---------|--------|
| TROMSØ | 82712 | 5.16 |
| ÅLESUND | 61478 | 3.84 |
| VÅGAN | 57566 | 3.59 |
| NORDKAPP | 47954 | 2.99 |
| MÅSØY | 44590 | 2.78 |
| ØKSNES | 39998 | 2.50 |
| RØST | 37540 | 2.34 |
| VÅGSØY | 37088 | 2.32 |
| KARMØY | 35974 | 2.25 |
| VESTVÅGØY | 33892 | 2.12 |
| KARLSØY | 31428 | 1.96 |
| KRISTIANSAND | 31262 | 1.95 |
| VIKNA | 30944 | 1.93 |
| HASVIK | 30806 | 1.92 |
| FLAKSTAD | 29958 | 1.87 |
| BÅTSFJORD | 27086 | 1.69 |
| ANDØY | 26160 | 1.63 |
| SKJERVØY | 25524 | 1.59 |
| EIGERSUND | 24278 | 1.52 |
| HAMMERFEST | 22708 | 1.42 |

#### 主要渔区分布（Top 20）

| 渔区编号 | 记录数量 | 占比(%) |
|---------|---------|--------|
| 05-30 | 45246 | 2.82 |
| 09-20 | 37655 | 2.35 |
| 07-33 | 36686 | 2.29 |
| 00-10 | 35443 | 2.21 |
| 07-07 | 34621 | 2.16 |
| 00-46 | 33877 | 2.11 |
| 04-11 | 31828 | 1.99 |
| 05-24 | 31011 | 1.94 |
| 04-26 | 30889 | 1.93 |
| 08-16 | 30624 | 1.91 |
| 05-23 | 30438 | 1.90 |
| 04-03 | 27116 | 1.69 |
| 09-12 | 26715 | 1.67 |
| 07-06 | 25853 | 1.61 |
| 09-16 | 25671 | 1.60 |
| 00-48 | 25525 | 1.59 |
| 07-31 | 24505 | 1.53 |
| 06-27 | 23157 | 1.45 |
| 03-25 | 22464 | 1.40 |
| 05-15 | 22111 | 1.38 |

#### 捕捞状态分布

| 捕捞状态 | 记录数量 | 占比(%) |
|---------|---------|--------|
| 0.0 | 800935 | 50.0 |
| 1.0 | 800935 | 50.0 |

### 数据规模与特征

该数据集共包含1,601,870条捕捞记录，时间跨度为18个年度，覆盖挪威沿海2107个渔区。数据集包含22个字段，涵盖船只特征（引擎年龄、长度、动力）、捕捞数据（重量、价值、价格）、时空信息（年份、月份、渔区、港口）、历史数据（上月及去年同月的捕捞情况）以及环境因子（北大西洋涛动指数、海面温度）。数据完整性高，除海面温度字段缺失率约8%外，其他字段完整率均为100%。船只长度范围为3.7至94.32米，动力范围为0至11000马力，引擎年龄最大可达120年，反映了挪威渔业船队的多样性特征。

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|---------|---------|---------|
| 大规模数据 | 超过160万条记录，覆盖18年长期数据 | 支持深度学习模型训练，分析长期趋势和周期性变化 |
| 多维度信息 | 包含船只、捕捞、时空、历史、环境等22个字段 | 支持多因素关联分析，构建综合预测模型 |
| 高质量数据 | 除海面温度外，所有字段完整率达100% | 减少数据预处理工作，提高分析可靠性 |
| 时空覆盖全面 | 覆盖挪威沿海2107个渔区，18年时间跨度 | 支持时空分析，识别渔业活动热点区域和季节性模式 |
| 环境因子集成 | 包含北大西洋涛动指数和海面温度数据 | 支持环境-渔业关联研究，分析气候变化影响 |
| 历史数据完整 | 包含上月和去年同月的捕捞重量与价值 | 支持时间序列分析，构建自回归预测模型 |
| 地理信息丰富 | 包含渔区编号、距离、面积及完整地理边界 | 支持空间分析，可视化渔业活动分布 |
| 港口信息详细 | 包含多个登陆港口的详细记录 | 支持港口物流分析，优化渔业供应链管理 |

## 数据样例

### 元数据样例（full_dataset.csv前20条）

样例1 - 有捕捞记录： - y_: 1.0 - ID: 1993001257 - engine_age: 10.0 - length: 10.5 - power: 367.0 - month: 44 - landing: RISØR - weight: 5.0 - value: 95.7 - value_cpi: 119.62 - price: 19.14 - y_month: 8 - year: 3.0 - patch: 09-16 - dist: 13.6 - patch_area: 3229 - weight_lym: 0.0 - weight_lm: 1.0 - val_lm: 1.0 - val_lym: 0.0 - nao_index: -0.07 - surf_temp: 286.9样例2 - 有捕捞记录： - y_: 1.0 - ID: 1993005128 - engine_age: 26.0 - length: 21.3 - power: 970.0 - month: 131 - landing: BÅTSFJORD - weight: 19.0 - value: 564.59 - value_cpi: 611.69 - price: 29.72 - y_month: 10 - year: 3.0 - patch: 03-03 - dist: 59.6 - patch_area: 2122 - weight_lym: 0.0 - weight_lm: 0.37 - val_lm: 0.36 - val_lym: 0.0 - nao_index: -1.616 - surf_temp: 276.25样例3 - 无捕捞记录： - y_: 0.0 - ID: 1996007882 - engine_age: 32.0 - length: 12.13 - power: 190.0 - month: 170 - landing: ØKSNES - weight: 0.0 - value: 0.0 - value_cpi: 0.0 - price: 0.0 - y_month: 2 - year: 14.0 - patch: 04-27 - dist: 286.7 - patch_area: 4596 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: 1.335 - surf_temp: 279.03样例4 - 无捕捞记录： - y_: 0.0 - ID: 1999009281 - engine_age: 8.0 - length: 27.45 - power: 1014.0 - month: 89 - landing: AVERØY - weight: 0.0 - value: 0.0 - value_cpi: 0.0 - price: 0.0 - y_month: 5 - year: 7.0 - patch: 42-72 - dist: 461.5 - patch_area: 3038 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: 0.664 - surf_temp: 282.22样例5 - 有捕捞记录： - y_: 1.0 - ID: 1986007228 - engine: 31.0 - length: 9.22 - power: 80.0 - month: 216 - landing: BRØNNØY - weight: 12.5 - value: 816.34 - value_cpi: 769.41 - price: 65.31 - y_month: 0 - year: 18.0 - patch: 06-23 - dist: 40.2 - patch_area: 2555 - weight_lym: 0.82 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: 0.882 - surf_temp: 284.25样例6 - 无捕捞记录： - y_: 0.0 - ID: 1992010489 - engine_age: 18.0 - length: 8.09 - power: 40.0 - month: 18 - landing: MÅSØY - weight: 0.0 - value: 0.0 - value_cpi: 0.0 - price: 0.0 - y_month: 6 - year: 1.0 - patch: 07-07 - dist: 1124.9 - patch_area: 2874 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: -0.2 - surf_temp: [缺失]样例7 - 有捕捞记录： - y_: 1.0 - ID: 1992007706 - engine_age: 15.0 - length: 10.1 - power: 210.0 - month: 87 - landing: HASVIK - weight: 2.0 - value: 16.84 - value_cpi: 19.93 - price: 8.42 - y_month: 3 - year: 7.0 - patch: 04-11 - dist: 23.9 - patch_area: 2221 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: 1.442 - surf_temp: 279.48样例8 - 有捕捞记录： - y_: 1.0 - ID: 1981008799 - engine_age: 29.0 - length: 9.1 - power: 62.0 - month: 47 - landing: EIGERSUND - weight: 7.0 - value: 75.08 - value_cpi: 93.27 - price: 10.73 - y_month: 11 - year: 3.0 - patch: 08-01 - dist: 30.2 - patch_area: 3292 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: 0.86 - surf_temp: 283.05样例9 - 有捕捞记录： - y_: 1.0 - ID: 1993010150 - engine_age: 15.0 - length: 19.86 - power: 330.0 - month: 38 - landing: TORSKEN - weight: 163.0 - value: 692.7 - value_cpi: 844.76 - price: 4.25 - y_month: 2 - year: 3.0 - patch: 05-28 - dist: 63.4 - patch_area: 2153 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: 0.62 - surf_temp: 279.0样例10 - 无捕捞记录： - y_: 0.0 - ID: 1992005160 - engine_age: 16.0 - length: 7.65 - power: 55.0 - month: 46 - landing: RØST - weight: 0.0 - value: 0.0 - value_cpi: 0.0 - price: 0.0 - y_month: 10 - year: 3.0 - patch: 04-03 - dist: 464.2 - patch_area: 1846 - weight_lym: 0.0 - weight_lm: 0.0 - val_lm: 0.0 - val_lym: 0.0 - nao_index: -1.26 - surf_temp: 282.78

### 地理边界样例（raster.csv前5条）

样例1： - lok: 0003 - HAVOMR: 00 - Lokasjon: 03 - LOKREF: 00-03 - geometry: POLYGON ((11 67, 11 67.08333333333333, ...))样例2： - lok: 0004 - HAVOMR: 00 - Lokasjon: 04 - LOKREF: 00-04 - geometry: POLYGON ((12 67.5, 12.09090909090909 67.5, ...))样例3： - lok: 0052 - HAVOMR: 00 - Lokasjon: 52 - LOKREF: 00-52 - geometry: POLYGON ((12 67, 12.08333333333333 67.04166666666667, ...))样例4： - lok: 0005 - HAVOMR: 00 - Lokasjon: 05 - LOKREF: 00-05 - geometry: POLYGON ((13 67, 13 67.08333333333333, ...))样例5： - lok: 0053 - HAVOMR: 00 - Lokasjon: 53 - LOKREF: 00-53 - geometry: POLYGON ((14 67.5, 14.09583333333333 67.5, ...))

## 应用场景

### 渔业资源管理与可持续性评估

该数据集可用于构建渔业资源管理决策支持系统，通过分析长期的捕捞数据和环境因子，评估渔业资源的可持续性状况。利用船只特征、捕捞重量和价值数据，可以计算不同渔区的捕捞强度，识别过度捕捞区域，为渔业管理部门制定配额政策提供科学依据。结合北大西洋涛动指数和海面温度数据，可以分析气候变化对渔业资源的影响，预测未来资源变化趋势，帮助制定适应性管理策略。数据集中的历史捕捞数据（上月和去年同月的重量与价值）支持时间序列分析，可以建立渔业资源动态模型，预测不同管理策略下的资源变化，实现渔业资源的科学管理和可持续利用。

### 渔业产量预测与经济分析

该数据集可用于开发渔业产量预测模型，通过机器学习方法预测未来捕捞产量和经济价值。利用船只特征（长度、动力、引擎年龄）、时空信息（年份、月份、渔区、港口）、历史捕捞数据以及环境因子等多维度特征，可以构建高精度的预测模型，为渔业企业和政府部门提供产量预测服务。结合CPI调整后的价值数据，可以进行渔业经济分析，评估渔业活动的经济贡献，分析价格波动趋势，为市场决策提供支持。数据集中的价格字段可以用于分析市场价格形成机制，研究供需关系对价格的影响，为渔业产品定价和营销策略提供参考。通过分析不同港口的捕捞数据，可以评估各港口的经济地位，优化港口资源配置，提高渔业经济效益。

### 环境因子影响分析与气候变化研究

该数据集集成了北大西洋涛动指数和海面温度等环境因子数据，可用于深入研究环境变化对渔业活动的影响。通过分析海面温度与捕捞产量的关系，可以识别温度变化对鱼类分布和捕捞成功率的影响机制，为理解海洋生态系统变化提供数据支持。北大西洋涛动指数是影响北大西洋气候系统的重要指标，分析该指数与渔业数据的关系，可以揭示大尺度气候振荡对渔业资源的长期影响，为气候变化适应策略提供科学依据。数据集覆盖18年时间跨度，支持分析环境因子的长期变化趋势及其对渔业的影响，有助于预测未来气候变化对渔业的影响，制定适应性管理措施。通过建立环境-渔业关联模型，可以量化环境因子对捕捞产量的贡献度，为环境友好型渔业管理提供决策支持。

### 智能渔业与精准捕捞

该数据集可用于开发智能渔业管理系统，实现精准捕捞和高效运营。利用船只特征和历史捕捞数据，可以构建船只性能评估模型，识别高效船只和低效船只，为船队优化配置提供依据。结合渔区信息和捕捞数据，可以分析不同渔区的捕捞效率和资源丰度，为船只提供最优捕捞区域推荐，减少空驶率，提高捕捞效率。通过分析月份和季节性捕捞模式，可以优化捕捞时间安排，避开低产期，提高经济效益。数据集中的距离字段可以用于分析捕捞成本与收益的关系，优化捕捞路线，降低燃油消耗，实现经济环保的捕捞作业。利用机器学习算法，可以构建智能捕捞决策支持系统，根据实时环境条件和历史数据，为船长提供捕捞建议，提高捕捞成功率和经济效益。

### 渔业活动时空分析与可视化

该数据集包含完整的时空信息和地理边界数据，支持渔业活动的时空分析和可视化研究。利用raster.csv中的地理边界数据，可以将捕捞数据映射到地理空间上，生成渔业活动热点图，直观展示渔业活动的空间分布特征。通过分析不同年份和月份的捕捞数据，可以识别渔业活动的季节性变化和长期趋势，为渔业规划提供时间维度的参考。结合船只ID和时间信息，可以追踪船只的捕捞轨迹，分析船只的移动模式和捕捞策略，为船只调度提供支持。利用时空聚类算法，可以识别渔业活动的聚集区域和模式，为渔区划分和管理提供科学依据。通过构建交互式可视化平台，可以将复杂的渔业数据以直观的方式呈现给管理者和研究人员，提高数据利用效率和决策质量。

### 渔业供应链优化与港口管理

该数据集包含详细的港口信息和捕捞数据，可用于优化渔业供应链和港口管理。通过分析各港口的捕捞量、价值和船只数量，可以评估各港口的繁忙程度和重要性，为港口基础设施投资和资源配置提供依据。结合船只特征和港口数据，可以分析不同类型船只的港口选择偏好，为港口服务优化提供参考。利用登陆时间和捕捞数据，可以预测港口的货流量，优化港口运营调度，提高处理效率。通过分析港口与渔区的距离关系，可以评估港口的地理优势，为新建港口选址提供决策支持。数据集支持构建港口物流模型，优化渔获物运输路线，降低运输成本，提高供应链效率。对于渔业企业，可以利用港口数据分析选择最优登陆港口，减少运输时间和成本，提高经济效益。

### 渔业政策评估与决策支持

该数据集可用于评估渔业政策的效果和制定科学的渔业管理政策。通过分析政策实施前后的捕捞数据变化，可以评估配额制度、禁渔期、渔区限制等政策的效果，为政策调整提供依据。利用船只特征和捕捞数据，可以分析不同规模船只的捕捞行为差异，为制定差异化管理政策提供参考。结合环境因子数据，可以评估环境政策（如气候变化适应措施）对渔业的影响，为政策制定提供科学支撑。数据集支持构建政策模拟模型，预测不同政策情景下的渔业资源变化和经济影响，为政策制定提供前瞻性分析。通过分析捕捞状态分布（有捕捞vs无捕捞），可以评估渔业活动的整体强度，为政策制定提供宏观视角。利用长期数据，可以分析渔业结构的演变趋势，为产业政策制定提供历史参考。

## 结尾

北大西洋渔业捕捞数据集是一个规模庞大、内容丰富、质量优异的渔业数据资源，包含超过160万条捕捞记录和2107个渔区的完整地理信息。该数据集集成了船只特征、捕捞数据、时空信息、历史数据和环境因子等多维度信息，为渔业资源管理、产量预测、环境分析、智能渔业、时空分析、供应链优化和政策评估等多个应用场景提供了坚实的数据基础。数据集的高完整性、长期时间跨度和全面的空间覆盖使其成为渔业研究和应用的重要数据资源。通过深入挖掘和利用该数据集，可以推动渔业管理的科学化和智能化，促进渔业资源的可持续利用，为渔业经济发展和生态环境保护提供有力支持。该数据集对于科研机构、政府部门、渔业企业和相关行业组织都具有重要的应用价值，是开展渔业相关研究和应用开发的理想数据基础。