基于衛(wèi)星船位數(shù)據(jù)的北太平洋作業(yè)漁船分布及類型研究

孫永文, 張勝茂, 唐峰華, 王書獻, 樊偉, 范秀梅, 楊勝龍

（1.大連海洋大學(xué)航海與船舶工程學(xué)院, 遼寧大連 116023；2.中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所, 農(nóng)業(yè)農(nóng)村部東海漁業(yè)資源開發(fā)利用重點實驗室, 上海 200090）

隨著衛(wèi)星技術(shù)飛速進步, 獲取的船舶實時位置、日期、航速、航向等主要信息愈來愈精準(zhǔn)。船位衛(wèi)星數(shù)據(jù)被廣泛用于船舶安全生產(chǎn)和海洋漁業(yè)方面, 如船橋碰撞[1]、船舶碰撞危險區(qū)[2]預(yù)警及計算漁場捕撈努力量[3]、捕撈強度[4]、漁場分布[5-6]。北太平洋海域遼闊, 但多數(shù)漁獲物均在特定海域生活, 通過分析該區(qū)域的漁船出海作業(yè)情況及捕撈上岸的漁獲物組成[7-8]判定該區(qū)域內(nèi)主要有圍網(wǎng)漁船、燈光魷釣漁船等[8], 但對于區(qū)分不同類型漁船的作業(yè)分布的研究較缺乏。為確定北太平洋公海海域不同漁船作業(yè)分布及漁船類型, 本文基于2019年衛(wèi)星數(shù)據(jù)與實際生產(chǎn)數(shù)據(jù), 運用熱點分析方法將北太平洋特定漁船作業(yè)分布可視化, 再將實際生產(chǎn)數(shù)據(jù)中的漁船船位與其疊加, 最終通過分析重疊情況初步判別漁船分布與漁船類型。

研究不同類型漁船作業(yè)分布情況可為研究不同漁船分布、預(yù)測漁場重心提供數(shù)據(jù), 有利于掌握研究區(qū)域漁場資源分布。目前在漁業(yè)應(yīng)用方面利用熱點分析方法研究漁場分布[9-10]、生物多樣性[11-14]、漁獲物動態(tài)變化[15-16]、珍稀海洋生物分布[17]等較普遍。李佳佳等[10]研究太平洋10年濤動（Pacific decadal oscillation index,PDOI）冷期與暖期氣候模態(tài)下西北太平洋柔魚漁場的時空分布變化, 對柔魚資源的可持續(xù)開發(fā)具有一定科學(xué)意義；Barbosa-Filho等[11]研究南大西洋熱帶海洋生物多樣性分布情況, 為保護生物多樣性提供數(shù)據(jù)參考；劉禹希[15]探究了大眼鯛資源分布的時空分布變化,有利于提高大眼鯛資源評估工作的準(zhǔn)確性, 為大眼鯛資源的可持續(xù)利用及科學(xué)管理提供了參考；Bass[17]研究識別海牛死亡率高值的重要空間集群, 為保護海牛提供參考。綜上, 利用熱點分析方法分析漁船作業(yè)分布具有可行性, 結(jié)果對管理作業(yè)漁船有積極意義。

目前中國海洋一號、海洋二號等多顆衛(wèi)星搭載數(shù)據(jù)接收機[18], 北斗三號已實現(xiàn)全面組網(wǎng)并在全球推廣使用, 中國自主研發(fā)的衛(wèi)星網(wǎng)絡(luò)精度提升[19-20], 船位監(jiān)測能力增強。本文基于衛(wèi)星獲取的漁船船位數(shù)據(jù), 經(jīng)過預(yù)處理獲得船位記錄數(shù)量, 同時利用熱點分析方法研究區(qū)域漁船作業(yè)動態(tài)變化, 結(jié)合漁船實際作業(yè)分布情況初步判斷漁船類型, 以期為漁業(yè)管理提供北太平洋公海海域漁船作業(yè)資料, 為未來在該區(qū)域內(nèi)提高捕撈效率以及加強漁業(yè)資源的科學(xué)管理提供參考。

1 材料與方法

1.1 數(shù)據(jù)來源

研究區(qū)域位于北太平洋公海海域30°—45°N、150°—170°E和40°—45°N、170°—180°E。由于研究區(qū)域內(nèi)漁汛期從每年的3月開始至12月結(jié)束[4,7-8,21-22], 本文選擇2019年3—12月的數(shù)據(jù)開展研究。船位數(shù)據(jù)來源于國家衛(wèi)星海洋應(yīng)用中心（https://osdds.nsoas.org.cn/）, 船位記錄共14 852 241條, 數(shù)據(jù)具有27種標(biāo)準(zhǔn)報文, 報文的主要字段包括日期、時間、經(jīng)度、緯度、水上移動業(yè)務(wù)標(biāo)識碼（maritime mobile service identifier,MMSI）、航速、航向等。

2019年漁汛期的魷釣漁船和圍網(wǎng)漁船生產(chǎn)數(shù)據(jù)來源于中國遠(yuǎn)洋漁業(yè)協(xié)會漁業(yè)專業(yè)委員會收集的漁撈日志。魷釣漁船共有5 905條數(shù)據(jù), 圍網(wǎng)漁船共有4 109條數(shù)據(jù)。內(nèi)容包括作業(yè)日期、作業(yè)經(jīng)緯度、日產(chǎn)量等。

根據(jù)北太平洋公海漁場的生產(chǎn)資料及研究進展[8,10,23-30]匯總漁船作業(yè)范圍與作業(yè)類型（表1）。目前在研究區(qū)域主要有3種作業(yè)方式：秋刀魚漁船采用舷提網(wǎng)網(wǎng)捕方式, 其作業(yè)范圍基本和魷釣漁船一致, 是燈光魷釣漁船的兼捕作業(yè)類型, 本研究將舷提網(wǎng)歸入魷釣作業(yè)類型進行分析；圍網(wǎng)漁船主要作業(yè)范圍為35°—45°N、150°—170°E；魷釣漁船采用燈光誘捕方式, 主要作業(yè)范圍為38°—42°N、152°—179°E。

表1 漁船作業(yè)范圍與作業(yè)類型Table 1 Operating scope and types of light fishing vessels

1.2 數(shù)據(jù)處理

衛(wèi)星數(shù)據(jù)具有27種船位數(shù)據(jù)的消息格式, 國家衛(wèi)星海洋中心每天記錄的數(shù)據(jù)中后綴為l1b的文件包含船位數(shù)據(jù), 運用python語言完成解析, 解析過程：確定文件類型, 讀取需要字段到csv文件中。篩選出本文需要的字段：MMSI、日期、時間、經(jīng)度、緯度、航速。解析后的數(shù)據(jù)直接導(dǎo)入SQL Server 2017數(shù)據(jù)庫, 運用語句判斷、計算、統(tǒng)計, 數(shù)據(jù)預(yù)處理流程如圖1所示, 將預(yù)處理后的數(shù)據(jù)導(dǎo)入ArcGIS軟件進行熱點分析。

圖1 數(shù)據(jù)預(yù)處理流程Fig.1 Data preprocessing procedure

為篩選出準(zhǔn)確的漁船信息, 對在該區(qū)域作業(yè)的漁船按照以下條件進行篩選：圍網(wǎng)作業(yè)時主船保持低航速向前, 輔船以主船為起點繞一周回到主船；魷釣漁船作業(yè)時保持低航速, 用燈光引誘魷魚, 根據(jù)作業(yè)特點本文界定圍網(wǎng)漁船、魷釣漁船等作業(yè)航速相似的漁船作業(yè)航速為：0～4節(jié)[22,28,33], 作業(yè)時間為18∶00—6∶00。以1 h為時間單元, 篩選研究區(qū)域內(nèi)符合條件的作業(yè)漁船數(shù)量, 計算每小時的平均經(jīng)緯度作為中心坐標(biāo), 以中心坐標(biāo)計算左上角、右下角的經(jīng)緯度坐標(biāo), 進而計算出球面面積[34]；篩選出符合條件的作業(yè)漁船數(shù)量與面積的比值作為熱點分析的輸入要素, 比值的意義為單位面積（km2）的平均船舶數(shù)量。為保證驗證方法準(zhǔn)確, 漁船生產(chǎn)數(shù)據(jù)的篩選與衛(wèi)星船位數(shù)據(jù)的處理方法相同, 限制條件包括相同區(qū)域與時間。

式中,S為經(jīng)緯度球面面積；R為地球半徑, 本文取6 371 km；λ1、λ2為經(jīng)度,φ1、φ2為緯度, 單位rad。

1.3 研究方法

1.3.1 熱點分析 為了驗證船位衛(wèi)星數(shù)據(jù)與實際生產(chǎn)數(shù)據(jù), 本文采用局部空間自相關(guān)分析方法中的熱點分析方法計算得出高值要素、低值要素發(fā)生聚類的空間位置, 即熱點、冷點, 進而反映要素聚集程度（式2）[4]。

式中,G*i表示要素的空間位置；n表示要素總數(shù)量；ωi,j是要素j和要素i之間的空間權(quán)重, 要素j和要素i不相鄰,ωi,j=0, 反之,ωi,j=1；xj是第j個要素的屬性值；Xˉ是為所有要素屬性的平均值；S為所有要素屬性值的標(biāo)準(zhǔn)差。

使用ArcGIS軟件中熱點分析工具獲得Z得分（GiZScore）、P值（GiPValue）[31]。其中P值表示假設(shè)空間要素在整個空間范圍內(nèi)為隨機分布的概率, 為2個相鄰要素的局部總和與全部要素總和的比值；Z得分表示標(biāo)準(zhǔn)差的倍數(shù), 其絕對值越大說明要素分布越密集, 此時P值也越小, 即出現(xiàn)顯著特征, 顯著特征為熱點或冷點。本文選擇置信區(qū)間±1.96作為Z得分的閾值, 當(dāng)Z得分小于-1.96時, 說明該要素有超過95%的可能性是冷點；當(dāng)Z得分大于1.96時, 說明該要素有超過95%的可能性是熱點；當(dāng)Z得分在-1.96～1.96時, 表示該要素為隨機分布的概率較大。根據(jù)閾值將研究區(qū)域劃分為熱點區(qū)域、冷點區(qū)域、隨機分布區(qū)域, 其中熱點區(qū)域表示某要素與相鄰要素均為高值, 表明漁船每平方千米作業(yè)記錄高值在地理空間上出現(xiàn)聚類現(xiàn)象的位置, 冷點區(qū)域則相反, 隨機分布區(qū)域?qū)傩灾堤卣鞑幻黠@, 本文主要研究熱點和冷點分布變化。

1.3.2 重疊率 為確定熱點、冷點與圍網(wǎng)漁船、魷釣漁船的對應(yīng)關(guān)系, 漁船實際作業(yè)點與衛(wèi)星數(shù)據(jù)記錄作業(yè)船位的重疊率可作為其判斷依據(jù)。本文將重疊記錄數(shù)量與實際作業(yè)記錄數(shù)量的比值作為重疊率（式3）。漁船實際作業(yè)數(shù)據(jù)經(jīng)過時間和區(qū)域條件篩選后, 獲得預(yù)處理數(shù)據(jù), 將預(yù)處理后的實際船位與衛(wèi)星數(shù)據(jù)記錄匹配, 當(dāng)實際船位處于衛(wèi)星數(shù)據(jù)構(gòu)成的0.1°×0.1°區(qū)域[35-36]內(nèi), 即屬于重疊, 反之不屬于重疊。運用ArcGIS軟件篩選工具, 匹配的過程如圖2所示。

圖2 計算重疊數(shù)Fig.2 Calculating the number of overlaps

2 結(jié)果與分析

2.1 衛(wèi)星記錄的航速統(tǒng)計分析

為確定衛(wèi)星記錄的漁船航速數(shù)據(jù)情況, 對2019年3—12月漁船航速分布進行統(tǒng)計（圖3）, 漁船航速屬于0～1節(jié)記錄有25 676條, 2～3節(jié)記錄有3 302條, 大于5節(jié)的記錄均處于5 000～13 000條之間。結(jié)合圖3, 發(fā)現(xiàn)漁船航速0～4節(jié), 基本符合漁船航速的正常作業(yè)范圍, 并將其定義為漁船生產(chǎn)航速。

圖3 2019年3—12月不同漁船航速對應(yīng)記錄數(shù)量Fig.3 Number of records corresponding to different fishing boat speed from March to December 2019

2.2 作業(yè)漁船熱點分析

以Z得分作為熱點分析指標(biāo), 2019年3—12月平均漁船作業(yè)船位數(shù)量熱點分析如圖4所示。其中紅色熱點分布在37°—44°N、154°—167°E, 在40°—42°N、172°—175°E處有較少數(shù)熱點；藍(lán)色冷點分布較分散, 多數(shù)冷點分布在40°—43°N、150°—153°E, 在30°—36°N、150°—170°E處有少數(shù)冷點；白色點為隨機分布, 主要分布在36°—43°N、154°—174°E。該結(jié)果展示了預(yù)處理后衛(wèi)星數(shù)據(jù)中漁船作業(yè)分布的熱點和冷點, 其均具有顯著的聚集特征, 可單獨分析熱點和冷點的分布特點。

圖4 2019年3—12月北太平洋作業(yè)船位數(shù)量熱點分析Fig.4 Hot spot analysis on the number of vessels operating in the North Pacific from March to December 2019

2.3 作業(yè)漁船熱點分布

熱點分布的變動代表大多數(shù)漁船位置變化情況, 圖5所示為漁船作業(yè)位置動態(tài)變化?？梢钥闯? 5月熱點（黃色圓點）分布在39°—41°N、160°—168°E；6月（棕色圓點）多數(shù)熱點分布在39°—44°N、169°—177°E, 在32°—37°N、166°—171°E處有少數(shù)熱點；7月（青色圓點）多數(shù)熱點分布在42°—45° N、164°—168° E, 在43°—44° N、171°—174°E處有少數(shù)熱點；8月（天藍(lán)色圓點）多數(shù)熱點分布在38°—44°N、158°—163°E, 在39°—42°N、166°—180°E處有較少熱點；9月（紫色圓點）熱點分布在38°—45°N、159°—166°E；10月（綠色圓點）多數(shù)熱點分布在36°—43°N、159°—168°E, 在39°—42°N、169°—176°E處有較少熱點；11月（紅色圓點）熱點分布在40°—43°N、154°—157°E。分析各月熱點分布變化可知：多數(shù)漁船先向東北移動, 之后由東北返回西南。在8月有少數(shù)熱點抵達(dá)最東部, 在7—10月多數(shù)漁船分布在研究區(qū)域中部, 11月移動至最西部。觀察圖4發(fā)現(xiàn), 北太平洋作業(yè)漁船主要分布在37°—44°N、154°—176°E, 熱點作業(yè)漁船的動態(tài)變化與往年北太平洋魷釣漁船作業(yè)分布及軌跡變化基本相似。

圖5 2019年5—11月北太平洋作業(yè)船位數(shù)量熱點分析Fig.5 Hot spot analysis of the number of operating vessel positions in the North Pacific from May to November 2019

2.4 作業(yè)漁船冷點分布

冷點分布代表相對少數(shù)漁船的分布情況, 如圖6所示, 3月（深藍(lán)色圓點）、4月（紅色圓點）冷點分布在34°—36°N、157°—159°E；5月（黃色圓點）冷點分布在35°—38°N、160°—164°E；6月（棕色圓點）冷點分布在36°—38°N、155°—165°E, 分布較分散, 出現(xiàn)以上情況的原因應(yīng)是這幾月不斷有漁船加入到捕撈隊伍中導(dǎo)致；7月（青色圓點）冷點分布在42°N、152°E附近；8月（天藍(lán)色圓點）冷點分布在39°—43°N、154°—155°E；9月（紫色圓點）冷點分布在39°—43°N、153°—155°E；10月（綠色圓點）冷點分布在41°—45°N、150°—156°E；11月（紅色圓點）冷點分布在41°—43°N、150°—156°E。觀察各月冷點分布可知：3—6月少數(shù)漁船整體先向北移動, 7—11月向漁場（41°—44°N、150°—156°E）西北部移動。經(jīng)分析, 船位數(shù)據(jù)冷點初期在南部分布, 后期轉(zhuǎn)移至41°—44°N、150°—156°E, 與往年北太平洋圍網(wǎng)漁船作業(yè)分布位置及變化軌跡基本相同。

圖6 2019年3—11月北太平洋作業(yè)船位數(shù)量冷點分析Fig.6 Cold spot analysis of the number of working positions in the North Pacific from March to November 2019

2.5 作業(yè)漁船類型驗證

為了進一步驗證作業(yè)漁船的類型, 經(jīng)過重疊條件預(yù)處理篩選可得熱點與魷釣漁船重疊2 763條作業(yè)記錄, 冷點與圍網(wǎng)漁船重疊795條作業(yè)記錄。根據(jù)作業(yè)范圍篩選出冷熱點數(shù)量, 其中衛(wèi)星漁船數(shù)據(jù)記錄熱點4 498條、冷點1 536條。運用Python語言對進行計數(shù), 得到重疊的實際作業(yè)數(shù)據(jù)記錄數(shù)：圍網(wǎng)1 017條、魷釣3 300條。將實際魷釣漁船、圍網(wǎng)漁船作業(yè)船位數(shù)據(jù)分別與熱點（圖7A）、冷點疊加（圖7B）可視化, 并計算重疊率得：魷釣漁船為83.7%, 圍網(wǎng)漁船為78.1%。由此可知, 衛(wèi)星數(shù)據(jù)記錄作業(yè)船位與實際作業(yè)船位有較高的重疊率。覆蓋率結(jié)果表明, 熱點應(yīng)為魷釣漁船, 冷點應(yīng)為圍網(wǎng)漁船, 結(jié)果得到驗證。

圖7 熱點、冷點與漁船實際作業(yè)點疊加Fig.7 Overlay of hot spots, cold spots, and actual operating points of light fishing boats

3 討論

3.1 作業(yè)漁船動態(tài)分布分析

通過分析發(fā)現(xiàn), 基于2019年3—12月漁船衛(wèi)星數(shù)據(jù)得到的漁船作業(yè)船位動態(tài)熱點分布結(jié)果基本符合漁汛期漁船在研究區(qū)域動態(tài)分布變化, 利用船位衛(wèi)星數(shù)據(jù)中經(jīng)緯度確定漁場分布位置變化, 實為漁船作業(yè)船位分布, 說明兩者可作對比, 結(jié)果可通過漁場重心的變動對照作業(yè)漁船船位數(shù)據(jù)冷熱點變化開展辨析。在考慮相同限制區(qū)域、航速、作業(yè)時間的情況下, 本文研究2019年3—12月北太平洋作業(yè)漁船熱點分布與利用其他數(shù)據(jù)及方法研究2019年之前的北太平洋漁場重心變化有較高的相似性。如徐博等[21]、戴澍蔚等[29]基于海洋環(huán)境數(shù)據(jù)與漁撈日志, 利用廣義加性模型提出2014—2017年燈光圍網(wǎng)漁場重心集中分布在39°—43°N、147°—155°E范圍內(nèi), 漁場重心先在北太平洋公海南部、后向東北移動, 9月以后逐步向西南移動, 與本研究的冷點分布變化類似。魏廣恩等[23]、王韞沛等[25]基于海洋環(huán)境數(shù)據(jù)與漁撈日志, 利用聚類分析、神經(jīng)網(wǎng)絡(luò)分析2004—2015年正常氣候下39°—45°N、150°—165°E海域的魷釣漁場重心變化規(guī)律, 發(fā)現(xiàn)在8—9月向東北移動、9—10月向西南移動, 與本研究的熱點分布變化類似, 但也有明顯區(qū)別, 如漁場重心在9月底向西南方向(39°N、148°E)折返[23], 而作業(yè)漁船在10月仍有大量熱點分布于東北（40°N、172°—175°E）, 作業(yè)漁船冷點分布中10月仍有大量冷點處于東北（43°N上下、156°E左右）。因此可知, 上述魷釣漁船及燈光圍網(wǎng)漁船的漁汛期漁場重心變化結(jié)果與本文衛(wèi)星數(shù)據(jù)的研究結(jié)果相似, 且上述研究的數(shù)據(jù)全面, 針對作業(yè)漁船動態(tài)分布分析方法相對成熟等, 故可用于驗證本文結(jié)果。

3.2 衛(wèi)星數(shù)據(jù)與漁船類型分析

基于衛(wèi)星船位數(shù)據(jù)對漁船作業(yè)分析研究, 再結(jié)合海洋環(huán)境因素、漁撈日志, 利用合理方法可了解漁場重心具體區(qū)域及其變化、不同海洋生物的洄游路線等, 可提高漁場重心的準(zhǔn)確率、捕撈效率[21,25,37]。本研究通過計算衛(wèi)星漁船船位數(shù)據(jù)與漁船實際作業(yè)位置重疊率, 驗證了漁船作業(yè)類型的判別, 即熱點應(yīng)為魷釣漁船, 冷點應(yīng)為圍網(wǎng)漁船。研究過程屬于在衛(wèi)星船位數(shù)據(jù)基礎(chǔ)上深入挖掘工作, 并對不同漁船作業(yè)方式進行區(qū)分判別, 彌補了該方面的空白。北太平洋公海存在3種作業(yè)方式, 即燈光魷釣[38]、燈光圍網(wǎng)[39]、舷提網(wǎng)作業(yè)[40], 其中有一部分漁船是魷釣和舷提網(wǎng)兼捕作業(yè), 該類兼捕作業(yè)漁船在每年9—11月主要開展舷提網(wǎng)作業(yè)[41], 其他月份開展魷釣作業(yè), 所以基本無法區(qū)分這2種漁船, 故研究通過冷熱點分析僅區(qū)別了圍網(wǎng)與魷釣2種作業(yè)類型, 若要區(qū)別燈光魷釣與舷提網(wǎng)作業(yè)類型不能僅依據(jù)衛(wèi)星船位數(shù)據(jù), 更需要根據(jù)作業(yè)時間與燈光亮度（魷釣用傳統(tǒng)鹵素?zé)舳咸峋W(wǎng)用紅白色LED燈）等來輔助判別。另外通過上述船位重疊率計算得到有少部分作業(yè)船位數(shù)據(jù)并未重疊, 分析可能與選取航速0～4節(jié)有關(guān), 范圍偏廣, 篩選后仍包含了漁船停船未作業(yè)和少量漁船找魚的數(shù)據(jù)；漁撈日志提供了重復(fù)的實際生產(chǎn)作業(yè)船位位置, 記錄船位太少。若要精準(zhǔn)識別漁船類型與具體漁船作業(yè)分布大, 可通過夜光遙感技術(shù)手段[41]和每艘漁船對應(yīng)的MMSI識別輔助驗證。

本文基于2019年衛(wèi)星漁船船位數(shù)據(jù)得到漁船在研究區(qū)域的作業(yè)動態(tài)分布情況, 再利用中國圍網(wǎng)漁船、魷魚釣漁船生產(chǎn)數(shù)據(jù)疊加衛(wèi)星船位數(shù)據(jù)的方法, 達(dá)到圍網(wǎng)漁船、魷釣漁船不同作業(yè)類型的初步識別。本研究利用數(shù)據(jù)庫進行數(shù)據(jù)預(yù)處理到利用ArcGIS軟件熱點分析整個過程中, 其中作圖過程花費時間較長, 后期將從使用程序?qū)崿F(xiàn)自動化出圖方面考慮, 提高出圖效率。另外,利用熱點分析方法將有效衛(wèi)星船位數(shù)據(jù)按置信區(qū)間±1.96分為3個區(qū)間, 其中隨機分布區(qū)間（白色點）沒有明顯規(guī)律, 有可能是部分不同作業(yè)類型的船只混雜在一起, 導(dǎo)致漁船類型難以判斷, 未來研究需要借助更好的技術(shù)手段來輔助識別。