卫星合成孔径雷达（SAR）是一种星载雷达成像系统，可在任何天气条件下检测海上船舶和基础设施。卫星天线向地球表面发射微波脉冲，然后测量并整合散射回航天器的微波能量，形成“后向散射”图像。SAR图像包含关于水面上不同物体的丰富信息，如它们的大小、方向和纹理。SAR成像系统克服了大多数天气条件和光照水平的限制，包括由于微波的云穿透特性而不受云和雨的影响，以及由于雷达是“主动”传感器（它发射并记录自己的能量）而不受白天或黑暗的影响。SAR相对于其他一些“被动”卫星传感器（如光电成像，由基于卫星的相机记录地面物体反射/发射的阳光/红外辐射）具有优势。后一种方法可能会受到云层、雾霾、天气事件和高纬度地区季节性黑暗的影响。
\n海洋渔业观察使用算法检测卫星图像中的“异常”或亮像素，然后使用机器学习模型排除船舶，并确定其属于已知基础设施类别的概率：风力基础设施、石油基础设施、其他基础设施和噪声。
\n我们使用欧洲航天局（ESA）哥白尼Sentinel-1任务的SAR影像[1]。这些图像来自两颗卫星（S1A和S1B，直到2021年12月S1B停止运行，2022年起仅有S1A），它们以180度相位差在极地太阳同步轨道上运行。每颗卫星的重复周期为12天，因此在两颗卫星都运行期间，它们共同提供大约每6天一次的全球沿海水域测绘。然而，每个位置的图像数量根据任务优先级、纬度和相邻卫星轨道的重叠程度而有很大差异。空间覆盖范围也随时间变化[2]。我们的数据包括干涉宽幅（IW）模式下的双极化图像（VH和VV），分辨率约为20米。
\n[1]\n \n https://sedas.satapps.org/wp-content/uploads/2015/07/Sentinel-1_User_Handbook.pdf\n \n
\n[2]\n \n https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-1/observation-scenario\n \n
\n使用SAR检测基础设施基于一种称为恒虚警率（CFAR）的算法，这是一种用于雷达图像异常检测的阈值算法。该算法旨在搜索与周围区域（海杂波）相比异常明亮的像素值（目标）。该方法基于局部背景（在窗口内）的像素值设置阈值，逐像素扫描整个图像。高于阈值的像素值构成异常，很可能是检测结果的样本。
\n为了对每个检测到的海上基础设施进行分类，我们使用机器学习模型并设计了基于ConvNeXt架构的卷积神经网络。我们机器学习分类方法的一个新颖方面是结合了Sentinel-1的SAR影像和Sentinel-2的光学影像。从双波段SAR（VH和VV）和四波段光学（RGB和NIR）图像的六个月合成图像中，我们为每个检测到的固定基础设施提取了小瓦片，相应物体位于瓦片中心。单个模型输出包括指定类别的概率：风力基础设施、石油基础设施、其他基础设施和噪声。
\n海洋渔业观察对SAR检测结果进行了后处理，以减少噪声（误报）、移除船舶，并排除高纬度海冰区域。我们使用聚类方法识别随时间变化（50米半径内）的检测结果，这些结果可能是同一结构但其坐标略有不同，并为它们分配了聚类中最常见的预测标签。我们还为在一个时间步中缺失但在前一个和后一个时间步中检测到的固定结构填补了空白，并删除了仅在单个时间步中出现的检测结果。
\n本研究中开发的所有用于SAR检测、机器学习模型和分析的代码都是开源的，可在\n \n https://github.com/GlobalFishingWatch/paper-industrial-activity\n .\n
\n所有船舶和基础设施数据均可通过海洋渔业观察数据门户\n \n https://globalfishingwatch.org\n . 重现本研究的所有数据可从\n \n https://doi.org/10.6084/m9.figshare.24309475 / https://doi.org/10.5281/zenodo.8256932\n \n （统计分析和图表）和\n \nhttps://doi.org/10.6084/m9.figshare.24309469\n \n /\n \n https://doi.org/10.5281/zenodo.8258124\n \n （模型训练和评估）。\n
\n仅非商业使用。本网站和服务仅根据CC BY-NC 4.0许可证用于非商业用途。如果您想将本网站和/或服务用于商业目的，请联系我们。
", "schema": { "label": { "keyword": "标签", "enum": { "oil": "石油", "wind": "风力", "unknown": "未知" } } } }, "public-fixed-infrastructure-filtered-v1.1": { "name": "海上固定基础设施（SAR、光学）", "description": "海上固定基础设施是一个全球数据集，使用人工智能和机器学习来检测和分类世界各地海洋中的结构。
提供了分类标签（石油、风力和未知）以及反映我们对分配标签确定性的置信度水平（高、中或低）。可以使用标签和置信度水平在地图上过滤和着色检测结果。数据每月更新一次，每月初添加新的分类检测结果。使用时间条查看变化很简单，任何人都可以识别世界海洋的快速工业化。例如，您可以轻松观察到中国东海和北海的风电场扩张，或墨西哥湾或波斯湾石油基础设施的变化。
通过叠加现有地图图层，您可以探索船舶如何与石油和风力结构相互作用，可视化合成孔径雷达（SAR）和可见红外成像辐射仪套件（VIIRS）船舶检测在基础设施周围的密度，或确定哪些海洋保护区（MPA）包含风力、石油或其他基础设施类型。这些只是我们现在可以提出的问题类型的例子。海上固定基础设施是同类中的第一个数据集，它不仅揭示了我们海洋的广泛工业化，还使各个行业的用户能够在研究、监测和管理中使用这些信息。
我们使用欧洲航天局（ESA）哥白尼Sentinel-1任务的SAR影像[1]。这些图像来自两颗卫星（S1A和S1B，直到2021年12月S1B停止运行，2022年起仅有S1A），它们以180度相位差在极地太阳同步轨道上运行。每颗卫星的重复周期为12天，因此在两颗卫星都运行期间，它们共同提供大约每6天一次的全球沿海水域测绘。然而，每个位置的图像数量根据任务优先级、纬度和相邻卫星轨道的重叠程度而有很大差异。空间覆盖范围也随时间变化[2]。我们的数据包括干涉宽幅（IW）模式下的双极化图像（VH和VV），分辨率约为20米。
[1] https://sedas.satapps.org/wp-content/uploads/2015/07/Sentinel-1_User_Handbook.pdf
[2] https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-1/observation-scenario
使用SAR检测基础设施基于广泛使用的恒虚警率（CFAR）算法，这是一种专为在合成孔径雷达图像中检测船舶而设计的异常检测方法，已被修改以移除非静止物体。该算法旨在搜索与周围区域（海杂波）相比异常明亮的像素值（目标）。该方法基于局部背景（在窗口内）的像素值设置阈值，逐像素扫描整个图像。高于阈值的像素值构成异常，很可能是目标的样本。
为了对每个检测到的海上基础设施进行分类，我们使用了深度学习，并设计了一个基于ConvNeXt架构的卷积神经网络。我们深度学习分类方法的一个新颖方面是将Sentinel-1的SAR影像与Sentinel-2的光学影像相结合。从双波段SAR（VH和VV）和四波段光学（RGB和NIR）图像的六个月合成图像中，我们为每个检测到的固定基础设施提取了小瓦片，相应物体位于瓦片中心。单个模型输出包括指定类别的概率：风力、石油、未知、马拉开波湖和噪声。
海洋渔业观察对分类后的SAR检测结果进行了后处理，以减少噪声（误报）、移除船舶、排除高纬度海冰区域，并纳入专家反馈。我们使用聚类方法来识别随时间变化（在50米半径内）可能是同一结构但其坐标略有不同的检测结果，并为它们分配聚类中最大的平均预测标签。我们还为在一个时间步中缺失但在前一个和后一个时间步中检测到的固定结构填补了空白，并删除了仅在单个时间步中出现的检测结果。最后，数据集经过了研究人员和行业专家的广泛人工审查和编辑，以完善最终产品，并提供尽可能准确的数据集。
每个检测结果都有一个唯一的个体标识符（detection_id）。分类中使用了六个月的图像合成，因此detection_date代表六个月期间的中间日期。这有助于移除非静止物体（即船舶），并避免在结构正在建造或没有足够图像可用时模型产生混淆。structure_id允许您随时间跟踪一个结构。因此，每个structure_id对应多个detection_id（结构被检测到的每个月对应一个）。wind和oil标签分别代表任何与风力或石油相关的结构。Unknown代表与石油或风力无关的结构，如桥梁或导航浮标。
每个结构都被分配了'高'、'中'和'低'的标签置信度级别，这些级别取决于检测结果相对于手动开发的风力和石油多边形边界的位置，以及标签与前一个月相比是否发生了变化。label_confidence字段可用于过滤分析。
自动化过程中使用了两个代码仓库，两者都是私有的，不应公开共享。
检测和分类：https://github.com/GlobalFishingWatch/sentinel-1-ee/tree/master
聚类和重新分类：https://github.com/GlobalFishingWatch/infrastructure-post-processing
为论文开发的所有代码，Paolo, F.S., Kroodsma, D., Raynor, J.等人，《卫星测绘揭示海上广泛的工业活动》，Nature 625, 85–91 (2024)，https://doi.org/10.1038/s41586-023-06825-8，包括SAR检测、深度学习模型和分析，都是开源的，可在https://github.com/GlobalFishingWatch/paper-industrial-activity免费获取。
Copernicus Sentinel data 2017-current
Lujala, Päivi; Jan Ketil Rød & Nadia Thieme, 2007. 'Fighting over Oil: Introducing A New Dataset', Conflict Management and Peace Science 24(3), 239-256
Sabbatino, M., Romeo, L., Baker, V., Bauer, J., Barkhurst, A., Bean, A., DiGiulio, J., Jones, K., Jones, T.J., Justman, D., Miller III, R., Rose, K., and Tong., A., Global Oil & Gas Infrastructure Features Database Geocube Collection, 2019-03-25, https://edx.netl.doe.gov/dataset/global-oil-gas-infrastructure-features-database-geocube-collection, DOI: 10.18141/1502839
仅非商业使用。本网站和服务仅根据CC BY-NC 4.0许可证用于非商业用途。如果您想将本网站和/或服务用于商业目的，请联系我们。
基础设施开发方法应引用以下论文：
Paolo, F.S., Kroodsma, D., Raynor, J.等人。《卫星测绘揭示海上广泛的工业活动》。Nature 625, 85–91 (2024)。https://doi.org/10.1038/s41586-023-06825-8
为该论文开发的所有代码，包括SAR检测、深度学习模型和分析，都是开源的，可在https://github.com/GlobalFishingWatch/paper-industrial-activity免费获取。这些脚本生成和使用的所有数据可以引用以下数据仓库：
分析和图表：https://doi.org/10.6084/m9.figshare.24309475
训练和评估：https://doi.org/10.6084/m9.figshare.24309469
", "schema": { "label": { "keyword": "标签", "enum": { "oil": "石油", "wind": "风力", "unknown": "未知" } }, "structure_id": "结构ID", "label_confidence": { "keyword": "置信度", "enum": { "high": "高", "low": "低", "medium": "中" } }, "structure_end_date": "结束日期", "structure_start_date": "开始日期" } }, "public-fixed-infrastructure-filtered": { "name": "海上固定基础设施（SAR、光学）", "description": "海上固定基础设施是一个全球数据集，使用人工智能和机器学习来检测和分类世界各地海洋中的结构。
提供了分类标签（石油、风力和未知）以及反映我们对分配标签确定性的置信度水平（高、中或低）。可以使用标签和置信度水平在地图上过滤和着色检测结果。数据每月更新一次，每月初添加新的分类检测结果。使用时间条查看变化很简单，任何人都可以识别世界海洋的快速工业化。例如，您可以轻松观察到中国东海和北海的风电场扩张，或墨西哥湾或波斯湾石油基础设施的变化。
通过叠加现有地图图层，您可以探索船舶如何与石油和风力结构相互作用，可视化合成孔径雷达（SAR）和可见红外成像辐射仪套件（VIIRS）船舶检测在基础设施周围的密度，或确定哪些海洋保护区（MPA）包含风力、石油或其他基础设施类型。这些只是我们现在可以提出的问题类型的例子。海上固定基础设施是同类中的第一个数据集，它不仅揭示了我们海洋的广泛工业化，还使各个行业的用户能够在研究、监测和管理中使用这些信息。
我们使用欧洲航天局（ESA）哥白尼Sentinel-1任务的SAR影像[1]。这些图像来自两颗卫星（S1A和S1B，直到2021年12月S1B停止运行，2022年起仅有S1A），它们以180度相位差在极地太阳同步轨道上运行。每颗卫星的重复周期为12天，因此在两颗卫星都运行期间，它们共同提供大约每6天一次的全球沿海水域测绘。然而，每个位置的图像数量根据任务优先级、纬度和相邻卫星轨道的重叠程度而有很大差异。空间覆盖范围也随时间变化[2]。我们的数据包括干涉宽幅（IW）模式下的双极化图像（VH和VV），分辨率约为20米。
[1] https://sedas.satapps.org/wp-content/uploads/2015/07/Sentinel-1_User_Handbook.pdf
[2] https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-1/observation-scenario
使用SAR检测基础设施基于广泛使用的恒虚警率（CFAR）算法，这是一种专为在合成孔径雷达图像中检测船舶而设计的异常检测方法，已被修改以移除非静止物体。该算法旨在搜索与周围区域（海杂波）相比异常明亮的像素值（目标）。该方法基于局部背景（在窗口内）的像素值设置阈值，逐像素扫描整个图像。高于阈值的像素值构成异常，很可能是目标的样本。
为了对每个检测到的海上基础设施进行分类，我们使用了深度学习，并设计了一个基于ConvNeXt架构的卷积神经网络。我们深度学习分类方法的一个新颖方面是将Sentinel-1的SAR影像与Sentinel-2的光学影像相结合。从双波段SAR（VH和VV）和四波段光学（RGB和NIR）图像的六个月合成图像中，我们为每个检测到的固定基础设施提取了小瓦片，相应物体位于瓦片中心。单个模型输出包括指定类别的概率：风力、石油、未知、马拉开波湖和噪声。
海洋渔业观察对分类后的SAR检测结果进行了后处理，以减少噪声（误报）、移除船舶、排除高纬度海冰区域，并纳入专家反馈。我们使用聚类方法来识别随时间变化（在50米半径内）可能是同一结构但其坐标略有不同的检测结果，并为它们分配聚类中最大的平均预测标签。我们还为在一个时间步中缺失但在前一个和后一个时间步中检测到的固定结构填补了空白，并删除了仅在单个时间步中出现的检测结果。最后，数据集经过了研究人员和行业专家的广泛人工审查和编辑，以完善最终产品，并提供尽可能准确的数据集。
每个检测结果都有一个唯一的个体标识符（detection_id）。分类中使用了六个月的图像合成，因此detection_date代表六个月期间的中间日期。这有助于移除非静止物体（即船舶），并避免在结构正在建造或没有足够图像可用时模型产生混淆。structure_id允许您随时间跟踪一个结构。因此，每个structure_id对应多个detection_id（结构被检测到的每个月对应一个）。wind和oil标签分别代表任何与风力或石油相关的结构。Unknown代表与石油或风力无关的结构，如桥梁或导航浮标。
每个结构都被分配了'高'、'中'和'低'的标签置信度级别，这些级别取决于检测结果相对于手动开发的风力和石油多边形边界的位置，以及标签与前一个月相比是否发生了变化。label_confidence字段可用于过滤分析。
自动化过程中使用了两个代码仓库，两者都是私有的，不应公开共享。
检测和分类：https://github.com/GlobalFishingWatch/sentinel-1-ee/tree/master
聚类和重新分类：https://github.com/GlobalFishingWatch/infrastructure-post-processing
为论文开发的所有代码，Paolo, F.S., Kroodsma, D., Raynor, J.等人，《卫星测绘揭示海上广泛的工业活动》，Nature 625, 85–91 (2024)，https://doi.org/10.1038/s41586-023-06825-8，包括SAR检测、深度学习模型和分析，都是开源的，可在https://github.com/GlobalFishingWatch/paper-industrial-activity免费获取。
Copernicus Sentinel data 2017-current
Lujala, Päivi; Jan Ketil Rød & Nadia Thieme, 2007. 'Fighting over Oil: Introducing A New Dataset', Conflict Management and Peace Science 24(3), 239-256
Sabbatino, M., Romeo, L., Baker, V., Bauer, J., Barkhurst, A., Bean, A., DiGiulio, J., Jones, K., Jones, T.J., Justman, D., Miller III, R., Rose, K., and Tong., A., Global Oil & Gas Infrastructure Features Database Geocube Collection, 2019-03-25, https://edx.netl.doe.gov/dataset/global-oil-gas-infrastructure-features-database-geocube-collection, DOI: 10.18141/1502839
仅非商业使用。本网站和服务仅根据CC BY-NC 4.0许可证用于非商业用途。如果您想将本网站和/或服务用于商业目的，请联系我们。
基础设施开发方法应引用以下论文：
Paolo, F.S., Kroodsma, D., Raynor, J.等人。《卫星测绘揭示海上广泛的工业活动》。Nature 625, 85–91 (2024)。https://doi.org/10.1038/s41586-023-06825-8
为该论文开发的所有代码，包括SAR检测、深度学习模型和分析，都是开源的，可在https://github.com/GlobalFishingWatch/paper-industrial-activity免费获取。这些脚本生成和使用的所有数据可以引用以下数据仓库：
分析和图表：https://doi.org/10.6084/m9.figshare.24309475
训练和评估：https://doi.org/10.6084/m9.figshare.24309469
", "schema": { "label": { "keyword": "标签", "enum": { "oil": "石油", "wind": "风力", "unknown": "未知" } }, "structure_id": "结构ID", "label_confidence": { "keyword": "标签置信度", "enum": { "high": "高", "low": "低", "medium": "中" } }, "structure_end_date": "结构结束日期", "structure_start_date": "结构开始日期" } }, "public-gfcm-fao": { "name": "地中海渔业总委员会（GFCM）粮农组织（FAO）", "description": "渔业限制区（FRA）是一个地理划定的区域，其中某些特定的捕捞活动被暂时或永久禁止或限制，以改善特定鱼类种群以及栖息地和深海生态系统的开发模式和保护。在地中海和黑海，176万平方公里的海洋栖息地受到GFCM设立的10个渔业限制区的保护。这包括一个大型深水渔业限制区（173万平方公里），其中禁止在所有水深超过1000米的水域使用拖网和拖曳网，以保护深海底栖生境。该图层取自GFCM网站，但经过手动调整，以反映REC. GFCM/29/2005/1号文件规定的渔业限制区原始坐标。" }, "public-global-all-tracks": { "name": "船舶轨迹", "description": "该数据集包含所有船舶的轨迹（AIS）- 版本3.0", "schema": { "speed": { "keyword": "速度", "enum": { "0": "0", "20": "20" } } } }, "public-global-all-vessels": { "name": "AIS（所有船舶）", "description": "船舶自动识别系统（AIS）船舶", "schema": { "source": "来源" } }, "public-global-bathymetry": { "name": "水深", "description": "当检测到两艘船舶符合以下条件时，海洋渔业观察将其归类为相遇事件：
用户可以通过船舶特征和上下文过滤相遇事件，包括：
当前显示的相遇类型包括：
要查看特定相遇的更多详细信息（例如其位置或相遇船舶的身份），请点击与该事件关联的“查看更多”图标。
您可以从我们的 报告 或 科学出版物 中了解更多关于转运行为的信息。
", "schema": { "duration": { "keyword": "持续时间", "enum": { "2": "2", "48": "48" } }, "next_port_id": "下一港口ID", "encounter_type": { "keyword": "相遇类型", "enum": { "CARRIER-FISHING": "运输船 <> 渔船", "SUPPORT-FISHING": "支持船 <> 渔船", "FISHING-CARRIER": "渔船 <> 运输船", "FISHING-BUNKER": "渔船 <> 加油船", "FISHING-FISHING": "渔船 <> 渔船", "CARRIER-BUNKER": "运输船 <> 加油船", "FISHING-SUPPORT": "渔船 <> 支持船" } } } }, "public-global-fishing-effort": { "name": "AIS（自动识别系统）", "description": "海洋渔业观察使用关于船只身份、类型、位置、速度、方向等的数据，这些数据通过自动识别系统（AIS）广播，并通过卫星和地面接收器收集。AIS是为安全/避碰而开发的。\n\n海洋渔业观察分析从我们研究中确定为已知或可能的商业渔船的船只收集的AIS数据，并应用捕鱼存在算法根据船只速度和方向的变化确定\"明显捕鱼活动\"。该算法将这些船只的每个AIS广播数据点分类为明显捕鱼或非捕鱼，并在海洋渔业观察的捕鱼活动热图上显示前者。\n\n广播的AIS数据在完整性、准确性和质量方面可能有所不同。此外，卫星或地面接收器收集的数据可能会通过缺失或不准确的数据引入错误。海洋渔业观察的捕鱼存在算法是通过数学方法识别\"明显捕鱼活动\"的最佳努力。因此，可能有些捕鱼活动未被海洋渔业观察识别为捕鱼活动；相反，海洋渔业观察可能会显示明显捕鱼活动而实际上并未发生捕鱼的情况。\n\n出于这些原因，海洋渔业观察将船只捕鱼活动的指定，包括\"捕鱼活动\"一词的同义词，如\"捕鱼\"或\"捕鱼努力\"，限定为\"明显\"而非确定的。任何和所有关于\"明显捕鱼活动\"的海洋渔业观察信息都应被视为估计值，您必须自行承担风险依赖。\n\n海洋渔业观察正在采取措施确保捕鱼活动指定尽可能准确。海洋渔业观察的捕鱼存在算法使用观察员收集的实际捕鱼事件数据进行开发和测试，并结合对船舶移动数据的专家分析，从而手动分类了数千个已知的捕鱼事件。海洋渔业观察还通过我们的研究计划与学术研究人员广泛合作，分享捕鱼活动分类数据和自动分类技术。", "schema": { "speed": "速度", "bearing": "方位角", "distance_from_port_km": { "keyword": "港口缓冲区", "enum": { "0": "0", "1": "1", "2": "2", "3": "3", "4": "4", "5": "5" } } } }, "public-global-fishing-events": { "name": "捕捞事件（AIS）", "description": "该数据集包含AIS的捕鱼事件", "schema": { "type": { "keyword": "类型", "enum": { "CARGO": "货船", "DISCREPANCY": "异常", "CARRIER": "运输船", "FISHING": "渔船", "GEAR": "渔具船", "OTHER": "其他", "PASSENGER": "客船", "SEISMIC_VESSEL": "物探船", "SUPPORT": "支持船" } } } }, "public-global-fishing-vessels": { "name": "AIS（渔船）", "description": "AIS渔船", "schema": { "source": "来源" } }, "public-global-gaps-events": { "name": "AIS关闭事件", "description": "该数据集包含AIS信号中断事件" }, "public-global-loitering-events-carriers": { "name": "运输船徘徊事件（AIS）", "description": "该数据集包含AIS运输船徘徊事件" }, "public-global-loitering-events": { "name": "徘徊事件（AIS）", "description": "当满足以下条件时，海洋渔业观察将事件归类为徘徊事件：
您可以通过查看 表观捕鱼事件（AIS）数据文档中的AIS限制部分 来了解使用AIS数据的注意事项。
", "schema": { "type": { "keyword": "船舶类型", "enum": { "CARGO": "货船", "DISCREPANCY": "异常", "CARRIER": "运输船", "FISHING": "渔船", "GEAR": "渔具船", "OTHER": "其他", "PASSENGER": "客船", "SEISMIC_VESSEL": "物探船", "SUPPORT": "支持船" } }, "duration": { "keyword": "持续时间", "enum": { "0": "0", "48": "48" } }, "next_port_id": "下一港口ID" } }, "public-global-nitrate": { "name": "硝酸盐浓度（NO3）", "description": "卫星合成孔径雷达（SAR）是一种星载雷达成像系统，可以在任何天气条件下检测海上船舶和结构。微波脉冲由星载天线向地球表面发射。然后测量并整合散射回航天器的微波能量，形成“后向散射”图像。SAR图像包含有关水上不同物体的丰富信息，例如它们的大小、方向和纹理。由于微波的云层穿透特性，SAR成像系统可以克服大多数天气条件和光照水平，包括云层或降雨；由于雷达是一种“主动”传感器（它发射并记录自己的能量），因此也不受白天或黑夜的影响。SAR相对于其他“被动”卫星传感器（如电光成像）具有优势，后者由基于卫星的相机组成，记录物体反射的可见光/红外辐射。后一种方法可能会受到云层覆盖、雾霾、天气事件和高纬度地区季节性黑暗的影响。
\n该图层显示使用欧洲航天局Sentinel-2卫星收集的光学卫星影像检测到的船舶。光学影像类似于从太空拍摄的高质量航空摄影，使用可见光和近红外波长的反射阳光。这种类型的影像提供高分辨率细节，使我们能够发现小型船舶、识别尾流模式并更好地了解近岸活动。
\n海洋渔业观察组织使用机器学习模型处理每张图像，根据尾流特征识别船舶并估计其长度、方向和速度。然后使用二级分类器过滤检测结果，移除非船舶物体，如云层、岩石或冰山。每个检测结果都链接到一个裁剪图像（缩略图），以便用户可以直观地检查模型识别的内容。
\n由于光学卫星依赖阳光和晴朗天空，因此只有在白天且区域未被云层或雾霾遮蔽时才能进行检测。尽管存在这些局限性，光学影像检测在识别可能未出现在其他跟踪系统中的小型未跟踪船舶方面特别有帮助。
\n《联合国海洋法公约》将公海描述为 ‘不属于任何国家专属经济区、领海、内水或群岛国群岛水域的所有海域部分。’ 公海区是完全被专属经济区包围的区域。 这些口袋区很难与周围的多个专属经济区管辖区区分开来，因此我们有一个图层来突出显示它们。 引用：佛兰德斯海洋研究所（2024）。海洋边界地理数据库：公海，版本2。在线可访问：https://www.marineregions.org/。
" }, "public-indian-ocean-isa-claim-areas": { "name": "印度洋ISA许可证区域", "description": "该图层展示了印度洋国际海底管理局（ISA）海底采矿许可证区域，主要包含多金属硫化物和多金属结核。目前该区域的勘探租约由印度、德国、韩国和中国持有。", "schema": { "type": "类型", "label": "标签", "contractor": "承包商" } }, "public-indonesia-fishing-effort": { "name": "印度尼西亚VMS", "description": "印度尼西亚的船舶监控系统（VMS）数据目前无法获取2020年7月以后的时期。\n\n船舶监控系统（VMS）数据由印度尼西亚政府海事和渔业部提供。数据通过卫星和地面接收器使用其VMS收集，包含船舶身份、渔具类型、位置、速度、方向等信息。海洋渔业观察使用为自动识别系统（AIS）数据开发的相同算法分析这些数据，以识别捕鱼活动和行为。该算法将这些船舶的每个广播数据点分类为明显捕鱼或非捕鱼，并在海洋渔业观察的捕鱼活动热图上显示前者。\n\nVMS的数据广播方式与AIS有很大不同，可能在完整性、准确性和质量方面给出不同的衡量标准。随着时间的推移，我们的算法将在所有广播数据格式中得到改进。海洋渔业观察的VMS捕鱼存在算法（与AIS一样）是通过算法识别\"明显捕鱼活动\"的最佳努力。可能存在一些捕鱼活动未被识别，或者热图可能显示明显捕鱼活动而实际上并未发生捕鱼的情况。出于这些原因，海洋渔业观察将\"捕鱼活动\"、\"捕鱼\"或\"捕鱼努力\"等术语限定为\"明显\"而非确定的。\n\n任何和所有关于\"明显捕鱼活动\"的海洋渔业观察信息都应被视为估计值，您必须自行承担风险依赖。海洋渔业观察的捕鱼存在算法使用观察员收集的实际捕鱼事件数据进行开发和测试，并结合对AIS船舶移动数据的专家分析，从而手动分类了数千个已知的捕鱼事件。海洋渔业观察还通过我们的研究计划与学术研究人员广泛合作，分享捕鱼活动分类数据和自动分类技术。" }, "public-indonesia-fishing-vessels": { "name": "印度尼西亚VMS（渔船）", "description": "印度尼西亚船舶监控系统（VMS）公开数据集" }, "public-indonesia-pelagic-fishing-effort": { "name": "印度尼西亚中上层渔业（试点）", "description": "印度尼西亚中上层渔业捕捞努力量公开数据" }, "public-indonesia-pelagic-presence": { "name": "印度尼西亚远洋中上层鱼类（试点）", "description": "海洋渔业观察的这一图层使用由Rare、Aruna和AP2HI提供的数据。数据通过远洋设备收集，这些设备跟踪位置和速度。显示的信息代表船舶存在。存在状态通过每小时获取一次船舶跟踪设备传输的位置来确定。" }, "public-indonesia-zebrax-presence": { "name": "印度尼西亚Zebrax", "description": "海洋渔业观察的这一图层使用由Rare、Aruna和AP2HI提供的数据。数据通过远洋设备收集，这些设备跟踪位置和速度。显示的信息代表船舶存在。存在状态通过每小时获取一次船舶跟踪设备传输的位置来确定。", "schema": { "speed": "速度", "bearing": "航向" } }, "public-inshore-fishing-zone-1618837176535": { "name": "近岸渔业区", "description": "特里斯坦群岛周围50海里和戈夫岛周围40海里（专属经济区的8%）" }, "public-isa-areas-contractor": { "name": "按承包商划分的ISA区域", "description": "| 承包商ID | 首选承包商名称 | 国籍 |
|---|---|---|
| BGRPMN1 | 德国联邦地质科学和自然资源研究所 - PMN | 德国 |
| BGRPMS1 | 德国联邦地质科学和自然资源研究所 - PMS | 德国 |
| BMJPMN1 | 牙买加蓝色矿物有限公司（BMJ） - PMN | 牙买加 |
| BPHDCPMN1 | 北京先驱高科技开发公司 - PMN | 中国 |
| BrazilCRFC1 | 巴西矿产资源研究公司 - CRFC | 巴西 |
| CIICPMN1 | 库克群岛投资公司 - PMN | 库克群岛 |
| CMMPMN1 | 中国五矿集团公司 - PMN | 中国 |
| COMRACRFC1 | 中国大洋矿产资源研究开发协会 - CRFC | 中国 |
| COMRAPMN1 | 中国大洋矿产资源研究开发协会 - PMN | 中国 |
| COMRAPMS1 | 中国大洋矿产资源研究开发协会 - PMS | 中国 |
| DORDPMN1 | 深海资源开发有限公司 - PMN | 日本 |
| GSRPMN1 | 全球海洋矿产资源有限公司 - PMN | 比利时 |
| IFREMERPMN1 | 法国海洋开发研究院 - PMN | 法国 |
| IFREMERPMS1 | 法国海洋开发研究院 - PMS | 法国 |
| IndiaPMN1 | 印度政府 - PMN | 印度 |
| IndiaPMS1 | 印度政府 - PMS | 印度 |
| IOMPMN1 | 国际海洋金属联合组织 - PMN | 国际组织 |
| JOGMECCRFC1 | 日本石油天然气金属矿物资源机构 - CRFC | 日本 |
| KOREACRFC1 | 韩国 - CRFC | 韩国 |
| KOREAPMN1 | 韩国 - PMN | 韩国 |
| KOREAPMS1 | 韩国 - PMS | 韩国 |
| MARAWAPMN1 | MARAWAPMN1 - PMN | 瑙鲁 |
| NORIPMN1 | 挪威极地研究所 - PMN | 挪威 |
| OMSPMN1 | OMSPMN1 - PMN | 中国 |
| POLPMS1 | 波兰海洋地质研究所 - PMS | 波兰 |
| RUSFEDPMS1 | 俄罗斯联邦自然资源和环境部 - PMS | 俄罗斯 |
| RUSMNRCRFC1 | 俄罗斯自然资源部 - CRFC1 | 俄罗斯 |
| TOMLPMN1 | 汤加海洋矿产有限公司 - PMN | 汤加 |
| UKSRLPMN1 | 英国海底资源有限公司 - PMN1 | 英国 |
| UKSRLPMN2 | 英国海底资源有限公司 - PMN2 | 英国 |
| YUZHPMN1 | 俄罗斯南海地质协会 - PMN | 俄罗斯 |
海洋保护区指南旨在填补现有海洋保护区分类和评估工具的空白，帮助确定海洋保护区实现预期保护成果的可能性。在过去几年中，MPAtlas团队和主要合作者已将海洋保护区指南框架应用于世界各地的海洋保护区，以更清晰地了解全球海洋保护情况，其中包括最近一项为全球\"30x30\"目标建立基线的研究 - 出版物：海洋保护质量落后于数量。MPAtlas是海洋保护区指南评估和相关数据的在线存储库。建立阶段代表海洋保护区处于成为海洋保护区的哪个阶段。提议/承诺：创建海洋保护区的意向已公开。已指定：海洋保护区通过法律手段或其他权威规则制定而建立/认可。已实施：海洋保护区被确认在\"水中\"运营，管理计划已激活。积极管理中：海洋保护区管理正在进行中，包括监测、定期审查和根据需要进行调整，以实现生物多样性保护和其他生态及社会目标。保护级别代表海洋保护区免受七种主要人类活动影响的程度，以及可能产生积极生物多样性成果的程度。完全保护：不允许来自采掘或破坏性活动的影响，并将所有可减少的影响降至最低。高度保护：仅允许总影响低的轻度采掘活动，所有其他可减少的影响均降至最低。轻度保护：存在一定的生物多样性保护，但允许可能产生中度至显著影响的采掘或破坏性活动。最低保护：存在广泛的采掘或破坏性活动，对生物多样性的保护有限。
", "schema": { "establishment_stage": { "keyword": "建立阶段", "enum": { "proposed/committed": "提议/承诺", "designated": "已指定", "actively managed": "积极管理中", "implemented": "已实施", "unknown": "未知" } }, "mpaguide_protection_level": { "keyword": "保护级别", "enum": { "unknown": "未知", "light": "轻保护", "full": "完全保护", "high": "高", "incompatible": "不兼容", "minimal": "最小保护" } } } }, "public-mpa-all": { "name": "海洋保护区（WDPA）", "description": "海洋保护区（MPA）是为长期保护而划定的海洋区域。这些区域可以有不同级别的保护，其边界内允许或禁止的活动范围也有很大差异。来源：世界保护区数据库。有关该图层的更多详细信息，请参阅元数据信息。" }, "public-mpa-no-take": { "name": "海洋保护区 - 禁止捕捞", "description": "海洋保护区（MPA）一词包括海洋保护区、完全保护的海洋区域、禁止捕捞区、海洋保护区、海洋保护区、海洋公园、当地管理的海洋区域等。其中许多具有完全不同的保护级别，其边界内允许或禁止的活动范围也有很大差异。禁止捕捞图层是使用海洋保护区Planet WDPA提供的数据创建的，使用过滤器NO_TAKE = 'All'。来源：世界保护区数据库（WDPA）" }, "public-mpa-no-take-partial": { "name": "海洋保护区 - 部分禁止捕捞", "description": "海洋保护区术语包括海洋保护区、完全保护的海洋区域、禁渔区、海洋保护区、海洋圣所、海洋公园、本地管理的海洋区域等。其中许多具有完全不同的保护级别，其边界内允许或禁止的活动范围也有很大差异。来源：世界保护区数据库（WDPA）" }, "public-mpa-restricted": { "name": "海洋保护区 - 限制（来源：WDPA）", "description": "海洋保护区（MPA）一词包括海洋保护区、完全保护的海洋区域、禁渔区、海洋保护区、海洋保护区、海洋公园、当地管理的海洋区域等。其中许多具有完全不同的保护级别，其边界内允许或禁止的活动范围也有很大差异。禁渔图层是使用海洋保护区Planet WDPA提供的数据创建的，使用过滤器NO_TAKE = 'Part'。来源：世界保护区数据库（WDPA）" }, "public-no-take-zone-1618836692786": { "name": "海洋保护区", "description": "90% of EEZ" }, "public-northwest-pacific-isa-claim-areas": { "name": "西北太平洋ISA许可证区域", "description": "该图层展示了西北太平洋国际海底管理局（ISA）海底采矿许可证区域，主要包含富钴铁锰结壳和多金属结核资源。中国、日本、俄罗斯和韩国等多个国家在该区域持有勘探租约。", "schema": { "type": "类型", "label": "标签", "contractor": "承包商" } }, "public-norway-fishing-effort": { "name": "挪威VMS", "description": "船舶监控系统（VMS）数据由挪威渔业局提供。数据通过挪威的船舶监控系统经卫星收集，并在三天延迟后发布，包含船舶位置、速度、航向和移动信息。海洋渔业观察使用为自动识别系统（AIS）开发的相同算法分析这些数据，以识别捕捞活动和行为。该算法将船舶的每个广播数据点分类为明显捕捞或非捕捞，并将前者显示在海洋渔业观察的捕捞活动热力图上。VMS的数据广播方式与AIS不同，可能提供不同的完整性、准确性和质量度量。海洋渔业观察正在不断改进其跨所有广播数据格式的算法，以算法方式识别\"明显捕捞活动\"。可能存在一些捕捞活动未被识别，或者热力图可能显示实际未发生捕捞时的明显捕捞活动。出于这些原因，海洋渔业观察将\"捕捞活动\"、\"捕捞\"或\"捕捞努力量\"等术语限定为明显而非确定的。任何和所有海洋渔业观察关于\"明显捕捞活动\"的信息都应被视为估计值，必须由用户自行决定是否依赖。海洋渔业观察的捕捞检测算法使用观察者收集的实际捕捞事件数据开发和测试，并结合对AIS船舶运动数据的专家分析，结果是对数千个已知捕捞事件的手动分类。海洋渔业观察还通过我们的研究计划与学术研究人员广泛合作，共享捕捞活动分类数据并改进自动分类技术。", "schema": { "speed": "速度", "bearing": "航向" } }, "public-norway-fishing-vessels": { "name": "挪威VMS（渔船）", "description": "挪威船舶监控系统（VMS）公开数据集", "schema": { "source": "来源" } }, "public-norway-non-fishing-vessels": { "name": "挪威VMS（非渔船）", "description": "挪威船舶监控系统（VMS）公开数据集", "schema": { "source": "来源" } }, "public-norway-presence": { "name": "挪威船舶监控系统", "description": "船舶监控系统（VMS）数据由挪威渔业局提供。数据通过挪威的船舶监控系统经卫星收集，并在三天延迟后发布，包含船舶位置、速度、航向和移动信息。活动图层显示船舶存在的热力图。存在图层中的每个点代表船舶的一个位置，但并非所有位置都显示。船舶位置每小时显示一次。您可以选择一个位置查看船舶的完整航迹。", "schema": { "speed": "速度", "bearing": "航向" } }, "public-norway-vessel-identity-fishing": { "name": "挪威船舶监控系统（渔船）", "description": "挪威船舶监控系统（VMS）公开数据集" }, "public-norway-vessel-identity-non-fishing": { "name": "挪威船舶监控系统（非渔船）", "description": "挪威船舶监控系统（VMS）公开数据集" }, "public-paa-duke": { "name": "PAAS（渔船辅助服务）", "description": "这个全球优惠准入区域（PAA）数据库是根据Basurto等人（2023）和FAOLEX数据库（https://www.fao.org/faolex/en/）为照明隐藏收获（IHH）倡议确定的44个国家的数据构建的。本研究中确定的44个国家的总PAAs（n = 63）可能被视为下限而非全面，因为政府也可以通过以下方式通过法律或法规建立PAAs：（i）与渔业部门无关且在FAOLEX数据库其他地方分类，因此未被搜索，或（ii）未在其中报告或捕获。最近一次审查FAOLEX以识别PAAs的时间是2022年。为了对PAAs进行制图和空间分析，使用每个PAA的定义参数（即距海岸线或基线的距离、深度或给定的坐标集或海底特征周围的缓冲距离）创建了PAA边界的地理数据库。基线从Flanders海洋研究所（2023）的第12版全球EEZ数据库中提取，由\"直线基线\"特征定义。海岸线数据集是ESRI的2014年全球海岸线，与Flanders海洋研究所全球EEZ数据库使用的海岸线数据集相同。深度数据从GEBCO 2023全球地形数据集中提取。可能的情况下，杜克大学联系了当地专家审查边界，以确认我们对FAOLEX和相关法律或法规的解释与当地渔民使用的一致。如果您对PAA边界有反馈、关于此处未反映的PAAs的信息或其他问题，请联系ssf-paa-info@duke.edu。有关PAAs及其管理方式的更多信息，请参见杜克大学Basurto等人（2024）的出版物：https://doi.org/10.1038/s44183-024-00096-0。请注意，PAA没有单一的定义，因此每个国家将根据其具体情况和需求定义和管理PAAs。
" }, "public-panama-fishing-effort": { "name": "巴拿马VMS", "description": "船舶监控系统（VMS）数据由巴拿马水产资源局（ARAP）提供。数据通过卫星由巴拿马的VMS系统接收，包含船舶身份、渔具类型、位置、速度、方向等信息。巴拿马的运输船数据也可在此处获取。运输船数据层中的每个点代表运输船的一个位置，但并非所有位置都显示。运输船位置每天显示一次。在未来，我们预计能够显示更多位置。点击运输船的位置可查看船舶的完整航迹。海洋渔业观察使用为自动识别系统（AIS）数据开发的相同算法分析这些数据，以识别捕鱼活动和行为。该算法将船舶的每个广播数据点分类为明显捕鱼或非捕鱼，并在海洋渔业观察的捕鱼活动热图上显示前者。VMS的数据广播方式与AIS有很大不同，可能在完整性、准确性和质量方面给出不同的衡量标准。随着时间的推移，我们的算法将在所有广播数据格式中得到改进。海洋渔业观察的VMS捕鱼存在算法（与AIS一样）是通过算法识别\"明显捕鱼活动\"的最佳努力。可能存在一些捕鱼活动未被识别，或者热图可能显示明显捕鱼活动而实际上并未发生捕鱼的情况。出于这些原因，海洋渔业观察将\"捕鱼活动\"、\"捕鱼\"和\"捕鱼努力\"等术语限定为\"明显\"而非确定的。任何和所有关于\"明显捕鱼活动\"的海洋渔业观察信息都应被视为估计值，您必须自行承担风险依赖。海洋渔业观察的捕鱼存在算法使用观察员收集的实际捕鱼事件数据进行开发和测试，并结合对AIS船舶移动数据的专家分析，从而手动分类了数千个已知的捕鱼事件。海洋渔业观察还通过我们的研究计划与学术研究人员广泛合作，共享捕鱼活动分类数据和自动分类技术。", "schema": { "speed": "速度", "bearing": "航向" } }, "public-panama-fishing-vessels": { "name": "巴拿马VMS（公共渔船）", "description": "巴拿马船舶监控系统（VMS）公开数据集", "schema": { "source": "来源" } }, "public-panama-non-fishing-vessels": { "name": "巴拿马VMS（公共非渔船）", "description": "巴拿马船舶监控系统（VMS）- 运输船公开数据集", "schema": { "source": "来源" } }, "public-panama-vessel-identity-fishing": { "name": "巴拿马船舶监控系统（公开渔船）", "description": "巴拿马船舶监控系统（VMS）公开数据集" }, "public-panama-vessel-identity-non-fishing": { "name": "巴拿马船舶监控系统（公开非渔船）", "description": "巴拿马船舶监控系统（VMS）- 运输船公开数据集" }, "public-peru-fishing-effort": { "name": "秘鲁VMS", "description": "船舶监控系统（VMS）数据由秘鲁政府生产部渔业部门（PRODUCE）提供。包含秘鲁数据需要实施10天的发布延迟。数据通过卫星和地面接收器使用其船舶监控系统（VMS）收集，包含船舶身份、渔具类型、位置、速度、方向等信息。海洋渔业观察使用为自动识别系统（AIS）数据开发的相同算法分析这些数据，以识别捕鱼活动和行为。该算法将这些船舶的每个广播数据点分类为明显捕鱼或非捕鱼，并在海洋渔业观察的捕鱼活动热图上显示前者。VMS的数据广播方式与AIS有很大不同，可能在完整性、准确性和质量方面给出不同的衡量标准。随着时间的推移，我们的算法将在所有广播数据格式中得到改进。海洋渔业观察的VMS捕鱼存在算法（与AIS一样）是通过算法识别\"明显捕鱼活动\"的最佳努力。可能存在一些捕鱼活动未被识别，或者热图可能显示明显捕鱼活动而实际上并未发生捕鱼的情况。出于这些原因，海洋渔业观察将\"捕鱼活动\"、\"捕鱼\"或\"捕鱼努力\"等术语限定为\"明显\"而非确定的。任何和所有关于\"明显捕鱼活动\"的海洋渔业观察信息都应被视为估计值，您必须自行承担风险依赖。海洋渔业观察的捕鱼存在算法使用观察员收集的实际捕鱼事件数据进行开发和测试，并结合对AIS船舶移动数据的专家分析，从而手动分类了数千个已知的捕鱼事件。海洋渔业观察还通过我们的研究计划与学术研究人员广泛合作，共享捕鱼活动分类数据和自动分类技术。", "schema": { "fleet": { "keyword": "船队", "enum": { "industrial": "工业", "artisanal": "手工", "small-scale": "小规模", "not defined": "未定义" } }, "speed": "速度", "origin": { "keyword": "来源地", "enum": { "PER": "秘鲁", "Foreign": "外国" } }, "bearing": "航向" } }, "public-peru-fishing-vessels": { "name": "秘鲁VMS（渔船）", "description": "秘鲁船舶监控系统（VMS）公开数据集" }, "public-peru-presence": { "name": "秘鲁船舶监控系统", "description": "船舶监控系统（VMS）数据由秘鲁政府生产部渔业部门（PRODUCE）提供。包含秘鲁数据需要实施10天的发布延迟。数据通过卫星和地面接收器使用其船舶监控系统（VMS）收集，包含船舶身份、渔具类型、位置、速度、方向等信息。海洋渔业观察使用为自动识别系统（AIS）数据开发的相同算法分析这些数据，以识别捕鱼活动和行为。该算法将这些船舶的每个广播数据点分类为明显捕鱼或非捕鱼，并在海洋渔业观察的捕鱼活动热图上显示前者。VMS的数据广播方式与AIS有很大不同，可能在完整性、准确性和质量方面给出不同的衡量标准。随着时间的推移，我们的算法将在所有广播数据格式中得到改进。海洋渔业观察的VMS捕鱼检测算法（与AIS一样）是通过算法识别\"明显捕鱼活动\"的最佳努力。可能存在一些捕鱼活动未被识别，或者热图可能显示明显捕鱼活动而实际上并未发生捕鱼的情况。出于这些原因，海洋渔业观察将\"捕鱼活动\"、\"捕鱼\"或\"捕鱼努力\"等术语限定为\"明显\"而非确定的。任何和所有关于\"明显捕鱼活动\"的海洋渔业观察信息都应被视为估计值，您必须自行承担风险依赖。海洋渔业观察的捕鱼检测算法使用观察员收集的实际捕鱼事件数据进行开发和测试，并结合对AIS船舶移动数据的专家分析，从而手动分类了数千个已知的捕鱼事件。海洋渔业观察还通过我们的研究计划与学术研究人员广泛合作，共享捕鱼活动分类数据和自动分类技术。", "schema": { "fleet": { "keyword": "船队", "enum": { "industrial": "工业", "artisanal": "手工", "small-scale": "小规模", "not defined": "未定义" } }, "origin": { "keyword": "来源地", "enum": { "PER": "秘鲁", "Foreign": "外国" } } } }, "public-peru-vessel-identity-fishing": { "name": "秘鲁船舶监控系统（渔船）", "description": "秘鲁船舶监控系统（VMS）公开数据集" }, "public-pmn-exploration-areas-individual": { "name": "PMN勘探区域", "description": "多金属结核分布在深海平原。这些结核可以在3000米至6500米的深度发现，在太平洋和中印度洋盆地高度丰富。结核以每百万年1-3毫米的速度形成，周围水中的金属沉淀在小颗粒上，如沙粒或贝壳碎片，形成独特且知之甚少的生物多样性栖息地。它们主要由锰、镍、钴、铜和稀土元素组成。国际海底管理局下的勘探区域是向特定国家和相关承包商颁发矿产资源勘探许可证的区域。每个承包商分配75,000平方公里用于多金属结核勘探区域。", "schema": { "status": "状态", "remarks": { "keyword": "备注", "enum": { "xx": "xx", "Total exploration area of GSR (PMN) is 41,468.91606 sq.km": "GSR（PMN）的总勘探面积为41,468.91606平方公里", "Total exploration area of IOM (PMN) is 75,000 sq.km; AreaKM2 was calculated by ISA": "IOM（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of Yuzhmorgeologiya (PMN) is 75,000 sq.km; AreaKM2 was calculated by ISA": "南海地质协会（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of Korea (PMN) is 75,000 sq.km; AreaKM2 was calculated by ISA": "韩国（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of COMRA (PMN) is 75,000 sq.km; AreaKM2 was calculated by ISA": "中国大洋矿产资源研究开发协会（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of DORD (PMN) is 75,000 sq.km; AreaKM2 was calculated by ISA": "DORD（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of IFREMER (PMN) is 75,000 sq.km; AreaKM2 was calculated by ISA": "法国海洋开发研究院（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of India (PMN) is 75,000 sq.km, AreaKM2 was calculated by ISA": "印度（PMN）的总勘探面积为75,000平方公里；面积由ISA计算", "Total exploration area of GSR (PMN) is 76,728 sq.km; AreaKM2 was calculated by ISA": "GSR（PMN）的总勘探面积为76,728平方公里；面积由ISA计算", "Total exploration area of MARAWA (PMN) is 74,990 sq.km; AreaKM2 was calculated by ISA": "MARAWA（PMN）的总勘探面积为74,990平方公里；面积由ISA计算", "Total exploration area of CIIC (PMN) is 71,937 sq.km; AreaKM2 was calcualted by ISA": "CIIC（PMN）的总勘探面积为71,937平方公里；面积由ISA计算" } }, "act_date": { "keyword": "生效日期", "enum": { "985816800000": "985816800000", "1717970400000": "1717970400000" } }, "area_key": "区域关键字", "blk_cell": "区块单元格", "blk_orig": "区块来源", "sub_area": "子区域", "area_km_2": { "keyword": "面积（平方公里）", "enum": { "74919": "74919", "2182.876": "2182.876" } }, "area_type": "区域类型", "clst_orig": "集群起源", "cluster_id": "集群ID", "blk_cell_id": "区块单元ID", "contract_id": { "keyword": "合同ID", "enum": { "KOREAPMN1": "韩国PMN1", "IOMPMN1": "国际海洋金属联合组织PMN1", "DORDPMN1": "深海资源开发有限公司PMN1", "BMJPMN1": "牙买加蓝色矿物有限公司PMN1", "IndiaPMN1": "印度政府PMN1", "TOMLPMN1": "汤加海洋矿产有限公司PMN1", "IFREMERPMN1": "法国海洋开发研究院PMN1", "BGRPMN1": "德国联邦地质科学和自然资源研究所PMN1", "BPHDCPMN1": "北京先驱高科技开发公司PMN1", "UKSRLPMN2": "英国海底资源有限公司PMN2", "UKSRLPMN1": "英国海底资源有限公司PMN1", "YUZHPMN1": "俄罗斯南海地质协会PMN1", "CIICPMN1": "库克群岛投资公司PMN1", "OMSPMN1": "OMS PMN1", "GSRPMN1": "全球海洋矿产资源有限公司PMN1", "MARAWAPMN1": "MARWA PMN1", "CMMPMN1": "中国五矿集团公司PMN1", "NORIPMN1": "挪威极地研究所PMN1", "COMRAPMN1": "中国大洋矿产资源研究开发协会PMN1" } } } }, "public-pmn-reserved-areas-individual": { "name": "PMN保留区域", "description": "多金属结核分布在深海平原。这些结核可以在3000米至6500米的深度发现，在太平洋和中印度洋盆地高度丰富。结核以每百万年1-3毫米的速度形成，周围水中的金属沉淀在小颗粒上，如沙粒或贝壳碎片，形成独特且知之甚少的生物多样性栖息地。它们主要由锰、镍、钴、铜和稀土元素组成。国际海底管理局下的保留区域是确保发展中国家未来能够获取深海矿产资源的关键机制。这些区域通常由发达国家在申请勘探权时贡献。", "schema": { "status": "状态", "remarks": { "keyword": "备注", "enum": { "Origin:INDIA": "来源：印度", "Origin:COMRA": "来源：中国大洋矿产资源研究开发协会", "Origin:Yuzhmorgeologia": "来源：俄罗斯联邦水文气象和环境监测局", "Origin:DORD": "来源：法国海洋开发研究院深海研究中心", "Origin:IFREMER": "来源：法国海洋开发研究院", "Origin:Government of the Republic of Korea": "来源：大韩民国政府", "Origin:IOM": "来源：国际海洋研究所", "Origin:BGR": "来源：德国联邦地质科学和自然资源研究所", "Origin:UKSRL-ll": "来源：英国海底资源有限公司" } }, "act_date": { "keyword": "生效日期", "enum": { "988322400000": "988322400000", "1617487200000": "1617487200000" } }, "area_key": "区域关键字", "blk_cell": "区块单元格", "blk_orig": { "keyword": "区块来源", "enum": { "983401200000": "983401200000", "986076000000": "986076000000" } }, "sub_area": "子区域", "area_km_2": { "keyword": "面积（平方公里）", "enum": { "150000": "150000", "1032.952": "1032.952" } }, "area_type": "区域类型", "clst_orig": "集群起源", "cluster_id": "集群ID", "blk_cell_id": "区块单元ID", "contract_id": { "keyword": "合同ID", "enum": { "BPHDCPMN1": "BPHDCPMN1", "PMNReserved": "多金属结核保留区域" } } } }, "public-pms-exploration-areas-individual": { "name": "PMS勘探区域", "description": "多金属硫化物，或海底块状硫化物，形成于洋中脊和弧后盆地附近的热液喷口，深度在约1000至4000米之间。它们是当地幔中过热的富含矿物质的流体被深水迅速冷却时形成的。快速冷却导致流体中的溶解金属沉淀为金属硫化物。这些硫化物和周围的多金属泥浆可能含有铜、锌、银和金。对于多金属硫化物，分配给每个承包商的勘探面积为10,000平方公里，由100个区块组成。每个区块不超过100平方公里。", "schema": { "status": "状态", "act_date": { "keyword": "生效日期", "enum": { "1474840800000": "1474840800000", "1698098400000": "1698098400000" } }, "area_key": "区域关键字", "blk_cell": "区块单元格", "blk_orig": { "keyword": "区块来源", "enum": {} }, "sub_area": "子区域", "area_km_2": { "keyword": "面积（平方公里）", "enum": { "1": "1", "101": "101" } }, "area_type": "区域类型", "clst_orig": { "keyword": "集群起源", "enum": { "A": "A", "B": "B", "C": "C", "D": "D", "E": "E" } }, "cluster_id": { "keyword": "集群ID", "enum": { "NR": "NR", "A": "A", "B": "B", "C": "C", "D": "D", "E": "E", "NA": "NA" } }, "blk_cell_id": { "keyword": "区块单元ID", "enum": {} }, "contract_id": { "keyword": "合同ID", "enum": { "KOREAPMS1": "韩国PMS1", "COMRAPMS1": "中国大洋矿产资源研究开发协会PMS1", "IFREMERPMS1": "法国海洋开发研究院PMS1", "POLPMS1": "波兰海洋地质研究所PMS1", "RUSFEDPMS1": "俄罗斯联邦自然资源和环境部PMS1", "BGRPMS1": "德国联邦地质科学和自然资源研究所PMS1", "IndiaPMS1": "印度政府PMS1" } } } }, "public-png-fishing-effort": { "name": "巴布亚新几内亚VMS", "description": "船舶监控系统（VMS）数据由巴布亚新几内亚国家渔业局提供。数据通过巴布亚新几内亚的船舶监控系统（VMS）经卫星收集，包含船舶标识符和位置，并在五天延迟后发布。海洋渔业观察组织为每个船舶位置推断速度和航向，并使用为自动识别系统（AIS）开发的相同算法分析这些数据，以识别捕捞活动和行为。该算法将船舶的每个广播数据点分类为明显捕捞或非捕捞，并在海洋渔业观察组织的捕捞活动热力图上显示前者。VMS与AIS的数据广播方式不同，可能会在完整性、准确性和质量方面产生不同的测量结果。海洋渔业观察组织持续改进其在所有广播数据格式上的算法，以通过算法识别'明显捕捞活动'。可能存在一些捕捞活动未被识别，或者热力图可能在实际未发生捕捞时显示明显捕捞活动。由于这些原因，海洋渔业观察组织将'捕捞活动'、'捕捞'或'捕捞努力量'等术语限定为明显而非确定的。任何和所有关于'明显捕捞活动'的海洋渔业观察组织信息都应被视为估计值，必须由用户自行斟酌。海洋渔业观察组织的捕捞检测算法是使用观察员收集的实际捕捞事件数据开发和测试的，并结合了对AIS船舶运动数据的专家分析，结果是对数千个已知捕捞事件的手动分类。海洋渔业观察组织还通过我们的研究计划与学术研究人员广泛合作，分享捕捞活动分类数据并改进自动分类技术", "schema": { "speed": "速度", "bearing": "航向" } }, "public-png-fishing-vessels": { "name": "巴布亚新几内亚VMS（渔船）", "description": "巴布亚新几内亚船舶监控系统（VMS）公开数据集", "schema": { "source": "来源" } }, "public-png-presence": { "name": "巴布亚新几内亚VMS", "description": "船舶监控系统（VMS）数据由巴布亚新几内亚国家渔业局提供。数据通过巴布亚新几内亚国家VMS收集，该系统由渔业信息和管理系统（FIMS）提供。VMS数据包括船舶标识符和位置，并有五天延迟发布。\n\n活动图层显示船舶存在的热力图。存在数据通过每小时从船舶VMS传输的位置中获取两个位置来确定。", "schema": { "speed": "速度", "bearing": "航向" } }, "public-png-vessel-identity-fishing": { "name": "巴布亚新几内亚VMS（渔船）", "description": "巴布亚新几内亚船舶监控系统（VMS）公开数据集" }, "public-ports": { "name": "港口", "description": "命名港口", "schema": { "name": "名称", "port_id": "港口ID" } }, "public-ports-v1": { "name": "港口", "description": "命名港口 v1" }, "public-presence-viirs-match-prototype": { "name": "VIIRS夜间灯光船舶探测", "description": "夜间灯光船舶探测图层，称为可见红外成像辐射计套件或VIIRS，显示卫星通过夜间发光检测到的海上船舶。虽然不完全与渔船相关，但此活动图层很可能显示与鱿鱼捕捞等活动相关的船舶，这些船舶使用强光并在夜间捕捞。