馮永玖，楊銘霞，陳新軍*

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306；2.大洋漁業(yè)資源可持續(xù)開發(fā)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；3.國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；4.遠(yuǎn)洋漁業(yè)協(xié)同創(chuàng)新中心，上海 201306）

基于Voronoi圖與空間自相關(guān)的西北太平洋柔魚資源空間聚集特征分析

馮永玖1，2，3，4，楊銘霞1，陳新軍1，2，3，4*

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306；2.大洋漁業(yè)資源可持續(xù)開發(fā)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；3.國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；4.遠(yuǎn)洋漁業(yè)協(xié)同創(chuàng)新中心，上海 201306）

以西北太平洋柔魚Ommastrephesbartramii為例，基于2007—2010年中國魷釣船的生產(chǎn)統(tǒng)計原始點(diǎn)位數(shù)據(jù)，利用Voronoi圖和空間自相關(guān)方法，評估柔魚資源的全局空間模式、局部空間聚集特征，并以空間可視化方式呈現(xiàn)。在漁業(yè)資源及空間分析中，高產(chǎn)值聚集的海域稱為空間熱點(diǎn)，而低產(chǎn)值聚集的海域稱為空間冷點(diǎn)。研究表明，全局自相關(guān)統(tǒng)計量Moran's I和General G均指示了西北太平洋柔魚資源的聚集分布狀態(tài)。局部空間自相關(guān)顯示，2007和2009年均具有2個熱點(diǎn)和1個冷點(diǎn)區(qū)域，2008年具有1個熱點(diǎn)和1個冷點(diǎn)區(qū)域，2010年具有1個熱點(diǎn)和2個冷點(diǎn)區(qū)域，這些熱冷點(diǎn)呈南北向或東西向分布態(tài)勢。熱冷點(diǎn)格局的疊加圖顯示，研究區(qū)內(nèi)存在1個強(qiáng)熱點(diǎn)、1個弱熱點(diǎn)和1個強(qiáng)冷點(diǎn)，其中弱熱點(diǎn)覆蓋的區(qū)域在4年間表現(xiàn)為熱點(diǎn)和冷點(diǎn)的交互變動。對7—11月平均海表溫度和葉綠素a濃度的分析顯示，熱點(diǎn)和冷點(diǎn)均為中心漁場，熱冷點(diǎn)形成的溫度條件無顯著差異；熱冷點(diǎn)形成的葉綠素a濃度范圍為0.2～1.1 mg／m3，其中冷點(diǎn)區(qū)域的濃度相對較高。

空間熱點(diǎn)；Voronoi圖；空間自相關(guān)；柔魚；西北太平洋

1 引言

隨著空間信息技術(shù)的發(fā)展，利用地理信息系統(tǒng)（GIS）管理漁業(yè)資源數(shù)據(jù)、分析漁業(yè)資源的空間分布特征，不僅成為生產(chǎn)領(lǐng)域和學(xué)界的共識，更成為了研究的熱點(diǎn)。但當(dāng)GIS已經(jīng)發(fā)展到新時代的地理信息科學(xué)（GISciences），如果仍然依賴“信息系統(tǒng)”的思想去管理數(shù)據(jù)并企圖發(fā)現(xiàn)漁業(yè)資源的空間規(guī)律，就會變得極端困難。在利用GISciences挖掘漁業(yè)資源空間規(guī)律時，不僅要重視靜態(tài)格局，也要重視其變動過程，更要分析引起這種變動的海洋環(huán)境動力學(xué)因素。

有關(guān)漁業(yè)資源的GIS空間分布研究，雖然文獻(xiàn)數(shù)量相比漁業(yè)資源生物學(xué)等領(lǐng)域并不多，但不乏經(jīng)典的著作和最新的報道。在21世紀(jì)初，國外學(xué)者已經(jīng)開始利用GISciences的空間自相關(guān)方法，進(jìn)行漁業(yè)資源調(diào)查和漁業(yè)資源評估［1—3］，其中Rivoirard等利用地統(tǒng)計方法對漁業(yè)資源空間分布進(jìn)行的研究［3］，開啟了漁業(yè)空間統(tǒng)計的新領(lǐng)域。在國內(nèi)，有學(xué)者采用空間動態(tài)聚類的方法對東海區(qū)漁業(yè)資源進(jìn)行了分析，認(rèn)為漁業(yè)密度數(shù)據(jù)和對應(yīng)的溫度環(huán)境數(shù)據(jù)存在一定的空間分布關(guān)聯(lián)模式，并且隨季節(jié)變化非常明顯［4］。此外，GISciences中的空間趨勢面擬合方法在漁業(yè)資源中也得到應(yīng)用，相關(guān)學(xué)者利用該方法分析了1987—1998年東海區(qū)中上層魚類資源的區(qū)域分異特征，顯示該區(qū)漁業(yè)資源具有自西南向東北或者自西向東減少的趨勢［5］。另有國內(nèi)學(xué)者利用地統(tǒng)計學(xué)方法對柔魚資源的空間分布特征進(jìn)行了分析，探討了中小尺度下柔魚資源的空間變異特性［6］。

在利用GISciences研究漁業(yè)資源中，應(yīng)著重解決全局空間分布模式、空間關(guān)聯(lián)關(guān)系、空間聚類、漁業(yè)生態(tài)學(xué)空間過程和空間異質(zhì)性等重要的科學(xué)問題，但目前為止這些問題并未得到徹底的闡釋和解決。本文以西北太平洋柔魚資源為例，重點(diǎn)研究漁業(yè)資源空間模式中的高低產(chǎn)值的聚集性及其變動。目前利用空間自相關(guān)研究漁業(yè)空間分布的重要報道為數(shù)不多，如有關(guān)黃海鳀魚種群的時空動態(tài)［7］，而通過空間聚集特征去認(rèn)知漁業(yè)資源的研究則更少［8—9］。

柔魚Ommastrephesbartramii為西北太平洋海域重要的捕撈對象，具有一年生的生物學(xué)特性，其資源變動及空間分布更易受到海洋環(huán)境的影響，年間變動差異顯著［10］。因此，西北太平洋柔魚作為空間聚集特征（熱冷點(diǎn)格局）分析方法探討的案例，是比較切合科學(xué)要求和實(shí)踐需要的。為此，本文在馮永玖等的研究基礎(chǔ)上［8］，利用Voronoi圖和空間自相關(guān)方法提取西北太平洋漁業(yè)資源的空間熱冷點(diǎn)分布，并以空間可視化方式呈現(xiàn)。Voronoi圖是一種用于界定點(diǎn)實(shí)體空間影響范圍的圖形化方法，在GISciences中Voronoi圖也被稱為Thiessen多邊形，它能在點(diǎn)狀實(shí)體的基礎(chǔ)之上獲取面狀范圍［11］。借助Voronoi圖，本研究獲取的空間自相關(guān)及聚集特征以面狀區(qū)域呈現(xiàn)。此外，結(jié)合海表溫度（SST）和葉綠素a（Chla）濃度，分析了西北太平洋柔魚資源空間聚集特征及其變動的海洋環(huán)境因素。

2 材料與方法

2.1 研究區(qū)域與數(shù)據(jù)

我國在西北太平洋魷釣生產(chǎn)統(tǒng)計顯示，2007—2010年我國魷釣船主要在傳統(tǒng)漁場150°～160°E海域進(jìn)行作業(yè)，其漁獲量占西北太平洋總產(chǎn)值的比重均在85%以上［10］。為此，本文以38°～45°N和150°～160°E為研究區(qū)域（見圖1），從空間視角探究柔魚資源的熱冷點(diǎn)分布及變動。數(shù)據(jù)由中國遠(yuǎn)洋漁業(yè)協(xié)會魷釣技術(shù)組提供，包括2007—2010年盛漁期的7—11月。

為了更好地分析柔魚資源的空間熱冷點(diǎn)格局，本文采用原始數(shù)據(jù)，即圖1中的點(diǎn)狀實(shí)體。每個數(shù)據(jù)點(diǎn)包括捕撈生產(chǎn)的船名、時間、空間位置、捕撈次數(shù)和漁獲量等信息。利用公式C／E將數(shù)據(jù)點(diǎn)的值換算為單位捕撈努力量漁獲量（catch per unit fishing effort，CPUE），用以代表每個年度的柔魚資源，其中C表示一艘漁船一天的產(chǎn)量（t），E表示其對應(yīng)的作業(yè)次數(shù)［12］。該數(shù)據(jù)集中，2007、2008、2009和2010年分別包含了2 212、8 228、6 964和7 918個數(shù)據(jù)點(diǎn)，對其進(jìn)行經(jīng)典統(tǒng)計學(xué)計算如表1。經(jīng)典統(tǒng)計顯示，2007—2010年柔魚CPUE的最小值較為相近，但是最大值差異較大，其中2007和2008年均為18 t／（船·次），2010年為15 t／（船·次），而2009年為7.2 t／（船·次），屬4年中最低值。2007年平均產(chǎn)值為5.03 t／（船·次），表明2007年柔魚產(chǎn)值為4年中最高；2009年平均產(chǎn)值為4年中最低值，表明2009年西北太平洋柔魚產(chǎn)值較低。2007—2010年的偏度Sk均大于0，表明頻數(shù)分布均為正偏；2007年的峰度Ku小于3，呈現(xiàn)平峰分布，表明高產(chǎn)值海域較多；2008-2010年的峰度Ku大于3，呈現(xiàn)尖峰分布，表明低產(chǎn)值海域較多。此外，分位數(shù)和中值也顯示了同樣的結(jié)論。

表1 西北太平洋柔魚資源經(jīng)典統(tǒng)計學(xué)描述Tab.1 Classical statistics a for the fishery resource of O.bartramii in the Northwest Pacific Ocean

圖1 研究區(qū)域、數(shù)據(jù)及Voronoi圖劃分Fig.1 Study area，dataset and their Voronoi maps

此外，選取月平均海表溫度（monthly mean SST）和月平均葉綠素a濃度（monthly mean Chlaconcentrations），分析海洋環(huán)境對柔魚資源空間聚集特征的影響。海洋環(huán)境源數(shù)據(jù)為遙感影像，由國際海洋水色協(xié)調(diào)組（IOCCG，http：／／oceancolor.gsfc.nasa.gov）提供；有年平均和月平均SST和Chla等數(shù)據(jù)可供選擇，最高空間分辨率為4 km。

2.2 Voronoi圖

Voronoi圖由一組連接兩個鄰點(diǎn)直線的垂直平分線構(gòu)成的多邊形組成［11］。在Voronoi圖中，n個在平面上不同的點(diǎn)，按照最鄰近原則劃分平面，每個點(diǎn)與它的最近鄰區(qū)域相關(guān)聯(lián)［13］。通過Voronoi圖構(gòu)造，可以將點(diǎn)狀實(shí)體覆蓋的區(qū)域轉(zhuǎn)化為面域，從而進(jìn)行基于面域的漁業(yè)資源空間分析。

柔魚原始數(shù)據(jù)是以點(diǎn)實(shí)體的方式存在的，然而漁業(yè)資源的分布在空間上卻是連續(xù)的。從GIS方法學(xué)角度來看，這種連續(xù)的分布是以面實(shí)體的方式存在的，因此利用Voronoi圖將點(diǎn)數(shù)據(jù)轉(zhuǎn)換為面數(shù)據(jù)。利用ArcGIS中的Voronoi構(gòu)圖功能［13］建立漁獲量數(shù)據(jù)區(qū)（圖1中的不規(guī)則多邊形），有助于準(zhǔn)確獲取柔魚資源聚集特征的空間面狀范圍。

2.3 全局空間自相關(guān)

為研究漁業(yè)資源在全局空間上蘊(yùn)含的聚集、離散或隨機(jī)模式，采用探測性數(shù)據(jù)分析方法中的全局空間自相關(guān)統(tǒng)計量Moran's I進(jìn)行度量。局部Moran's I的高值表示具有相似產(chǎn)值的面積單元的空間聚集，而低值則表示不相似產(chǎn)值的面積單元的空間聚集［13-15］。局部Moran's I的計算公式如下［13—15］：

式中，n是參與分析的要素數(shù)量（即樣本數(shù)量），xi是要素i的屬性值，xj是要素j的屬性值，x是全部要素的平均值，wij是空間權(quán)重矩陣，表示要素i和j的鄰近關(guān)系，它可以根據(jù)鄰接標(biāo)準(zhǔn)或者距離標(biāo)準(zhǔn)來度量。wij=1表示第i和j個要素相鄰，wij=0表示第i和j個要素不相鄰。

Moran's I的值大于0表示正相關(guān)，小于0表示負(fù)相關(guān)。Moran's I絕對值越大，表示空間分布的自相關(guān)性越高，即空間分布的聚集性越強(qiáng)；Moran's I絕對值越小代表空間分布的自相關(guān)性越低，說明空間分布呈現(xiàn)分散格局；當(dāng)Moran's I值等于0時，表示空間分布呈現(xiàn)隨機(jī)分布［14-15］。在實(shí)際計算中，Moran's I同時返回另外兩個值：Z得分和P值。其中，Z得分是I標(biāo)準(zhǔn)差的倍數(shù)，當(dāng)Z較大時表示漁業(yè)資源呈聚集分布狀態(tài)。P值表示樣本空間模式隨機(jī)分布的概率，當(dāng)P值小于0.01表示漁業(yè)資源不太可能是隨機(jī)分布，當(dāng)P值大于0.1則表示漁業(yè)資源為隨機(jī)分布的概率較大［13］。

此外，全局空間自相關(guān)統(tǒng)計量Getis-Ord General G與Moran's I類似，同樣能夠探測漁業(yè)資源的全局空間模式，其計算公式如下［13，16］：

式中，n、xi、xj、wij的意義均與式（1）相同。與Moran's I統(tǒng)計量類似，在實(shí)際計算中General G將轉(zhuǎn)化為Z得分和P值兩個值。Z得分為正高值表示漁業(yè)資源高產(chǎn)值區(qū)的聚集性較強(qiáng)，Z得分為負(fù)高值表示漁業(yè)資源低產(chǎn)值區(qū)的聚集性較強(qiáng)，Z得分接近0值表示研究區(qū)域內(nèi)漁業(yè)資源不具有顯著的聚集特征。無論Z得分是正值還是負(fù)值，當(dāng)Z得分絕對值越大，表明漁業(yè)資源的聚集性越強(qiáng)［12，15］。

2.4 局部空間自相關(guān)

全局空間自相關(guān)統(tǒng)計量Moran's I和General G側(cè)重反映漁業(yè)資源的空間格局［8，13］。因此，若要詳細(xì)探局部空間上的分布狀態(tài)，需要通過局部空間自相關(guān)統(tǒng)計量進(jìn)行識別，即該統(tǒng)計量能有效挖掘漁業(yè)資源空間熱點(diǎn)和冷點(diǎn)的具體位置，并能以空間可視化方式展現(xiàn)出來［13］。在漁業(yè)資源研究中，空間熱點(diǎn)表示柔魚資源高產(chǎn)值聚集的海域，而空間冷點(diǎn)表示低產(chǎn)值聚集的海域［8—9］。

Getis-Ord是空間熱點(diǎn)分析中常用的方法，該統(tǒng)計量產(chǎn)生兩個值：即每個要素的Z得分和顯著性P值。Getis-Ord統(tǒng)計量的計算公式如下［13］：式中，n、xj、wij、x的意義與式（1）相同。統(tǒng)計結(jié)果返回Z得分和P值，其意義如下［13］：當(dāng)Z得分大于2.58倍標(biāo)準(zhǔn)差，P值小于0.01，表示空間熱點(diǎn)區(qū)域；當(dāng)Z得分介于1.96與2.58倍標(biāo)準(zhǔn)差之間或-2.58與-1.96倍標(biāo)準(zhǔn)差之間，P值將大于0.05，這時漁業(yè)資源可能出現(xiàn)一定的熱點(diǎn)和冷點(diǎn)分布，但不能否定隨機(jī)分布的可能；當(dāng)Z得分介于1.65與1.96倍標(biāo)準(zhǔn)差之間或-1.96與-1.65倍標(biāo)準(zhǔn)差之間，P值將大于0.10，這時漁業(yè)資源有極大可能是一種隨機(jī)分布；當(dāng)Z得分介于-1.65與1.65倍標(biāo)準(zhǔn)差之間，這時漁業(yè)資源在空間上是一種隨機(jī)分布模式；當(dāng)Z得分小于-2.58倍標(biāo)準(zhǔn)差，P值小于0.01，表示空間冷點(diǎn)區(qū)域。

3 結(jié)果

3.1 全局空間自相關(guān)與整體格局

根據(jù)前述方法測算了柔魚樣本數(shù)據(jù)的全局空間自相關(guān)統(tǒng)計量，包括Moran's I指數(shù)和General G指數(shù)、及其相關(guān)的Z得分和P值（見表2）。

表2中Moran's I指數(shù)和General G指數(shù)均為正值、且所有P值均小于0.001，表明西北太平洋柔魚資源從2007—2010年均呈現(xiàn)高產(chǎn)值聚集狀態(tài)。從Moran's I值來看，聚集性從強(qiáng)到弱依次為2010、2008、2007和2009，Z得分指示的趨勢與Moran's I值一致；而從General G值來看，聚集性從強(qiáng)到弱依次為2009、2007、2010和2008，Z得分指示2008到2010年為高產(chǎn)值聚集，而由于2007年Z得分為負(fù)值，則表示低產(chǎn)值聚集?？梢钥吹剑瑑煞N全局自相關(guān)統(tǒng)計結(jié)果稍有差異，但都同樣指示了西北太平洋柔魚資源的聚集分布狀態(tài)。

3.2 局部空間自相關(guān)與空間熱冷點(diǎn)

利用前述方法對柔魚樣本數(shù)據(jù)進(jìn)行了計算，通過GIS渲染產(chǎn)生可視化熱冷點(diǎn)圖（見圖2，黑色橢圓表示熱點(diǎn)，白色橢圓表示冷點(diǎn)）。基于面狀CPUE數(shù)據(jù)進(jìn)行局部空間自相關(guān)計算，從而探測西北太平洋柔魚資源的熱冷點(diǎn)區(qū)域，并以渲染的方式進(jìn)行空間可視化。同時，基于面狀熱冷點(diǎn)區(qū)域，進(jìn)一步以橢圓方式標(biāo)識柔魚資源的熱冷點(diǎn)區(qū)域，以更加直觀的方式呈現(xiàn)熱冷點(diǎn)的面積和方向性。

表2 西北太平洋柔魚資源全局空間自相關(guān)統(tǒng)計量Tab.2 Spatial autocorrelation for the fishery resource of O.bartramii in the Northwest Pacific Ocean

圖2 2007—2010年西北太平洋柔魚資源空間熱冷點(diǎn)分布特征Fig.2 The patterns of hot／cold spots for fishery resource ofO.bartramiiin the Northwest Pacific Ocean from 2007 to 2010

圖2表明，2007年研究區(qū)內(nèi)柔魚資源有2個熱點(diǎn)和1個冷點(diǎn)區(qū)域，其中一個面積較小的熱點(diǎn)區(qū)域中心位置位于44.5°N，156.5°E，呈南北向分布態(tài)勢，另一個熱點(diǎn)區(qū)域中心位置位于40°N，157°E，其面積大于前一個熱點(diǎn)，呈東西向分布態(tài)勢；唯一的冷點(diǎn)區(qū)域中心位置位于43°N，154°E，呈南北向分布態(tài)勢。根據(jù)熱冷點(diǎn)的漁業(yè)資源學(xué)意義，冷點(diǎn)的平均CPUE較小且分布密集，作為熱點(diǎn)則CPUE較大且分布密集，而第一個熱點(diǎn)的CPUE比第二個熱點(diǎn)要大。2008年具有1個熱點(diǎn)和1個冷點(diǎn)區(qū)域，其中熱點(diǎn)中心位置在44°N，157°E，其面積大于2007年的熱點(diǎn)，呈東西向分布態(tài)勢；冷點(diǎn)中心位置位于42°N，153°E，呈東西向分布態(tài)勢。2009年同樣2個熱點(diǎn)和1個冷點(diǎn)，但其格局與2007和2008年差異非常大，其中一個熱點(diǎn)區(qū)域中心位置位于42°N，157.5°E，呈南北向分布態(tài)勢，另一個熱點(diǎn)中心位置位于40.5°N，155°E，呈東西向分布態(tài)勢，兩個熱點(diǎn)的面積大小接近，但前一個熱點(diǎn)柔魚資源小于后一個；唯一的冷點(diǎn)區(qū)域中心位置位于43.5°N，155.5°E，呈南北向分布態(tài)勢。2010年具有1個熱點(diǎn)和2個冷點(diǎn)，唯一的熱點(diǎn)中心位置位于43.5°N，57°E，不具有顯著的分布方向性；此外，一個冷點(diǎn)區(qū)域中心位置位于42°N，151°E，呈南北向分布態(tài)勢，另一個冷點(diǎn)中心位于40.5°N，154.5°E，呈東西向分布態(tài)勢，兩個冷點(diǎn)覆蓋的區(qū)域面積接近，其中后一個冷點(diǎn)的柔魚資源小于前一個，即后一個區(qū)域作為冷點(diǎn)的特征更加顯著。

3.3 空間熱冷點(diǎn)的變動

為了探測2007—2010年研究區(qū)內(nèi)柔魚資源的熱冷點(diǎn)格局變動，將各年份橢圓狀熱冷點(diǎn)進(jìn)行疊加顯示（圖3a），其中黑色橢圓表示熱點(diǎn)，藍(lán)色橢圓表示冷點(diǎn)；并綜合4年熱冷點(diǎn)計算結(jié)果，對研究區(qū)柔魚資源的整體格局進(jìn)行了總體評估（圖3b）。

圖3a表明，156°E以東主要以熱點(diǎn)為主，而156°E以西主要以冷點(diǎn)為主，這說明150°～156°E范圍內(nèi)平均產(chǎn)值和資源低于156°～160°E。圖3b表明，總體評估下研究區(qū)內(nèi)存在1個強(qiáng)熱點(diǎn)，中心軸接近157°E，呈南北向分布態(tài)勢；存在1個弱熱點(diǎn)，以40°N為中心軸，呈東西向分布態(tài)勢；存在1個強(qiáng)冷點(diǎn)，中心軸為45°方向，東西向和南北向分布范圍大致相同。在這3個熱冷點(diǎn)區(qū)域中，強(qiáng)熱點(diǎn)覆蓋的區(qū)域在2007—2010年間每年均表現(xiàn)為熱點(diǎn)，弱熱點(diǎn)覆蓋的區(qū)域在4年間表現(xiàn)為熱點(diǎn)和冷點(diǎn)的互相轉(zhuǎn)化，而強(qiáng)冷點(diǎn)覆蓋的區(qū)域在4年間均表現(xiàn)為冷點(diǎn)。

圖3 2007—2010年西北太平洋柔魚資源熱冷點(diǎn)的變動Fig.3 The variation of hot／cold spots for fishery resource of O.bartramii in the Northwest Pacific Ocean from 2007 to 2010

從柔魚資源的空間熱冷點(diǎn)分布格局可見，2007—2010年熱點(diǎn)和冷點(diǎn)分布不均，2008年熱冷點(diǎn)中心位置接近2007年，但是2007年位于40°N的熱點(diǎn)在2008并未聚集為熱點(diǎn)；2009和2010年與前兩年差異較大，特別是2010年出現(xiàn)了2個冷點(diǎn)和1個熱點(diǎn)的情況。從熱點(diǎn)分布的面積來看，與平均單船產(chǎn)值數(shù)據(jù)有所聯(lián)系。報告顯示，2007年和2008年為高產(chǎn)年份，全年產(chǎn)值均超過400 t／船，2007年高于2008年，熱冷點(diǎn)格局顯示2007年的熱點(diǎn)區(qū)域大于2008年；2009年和2010年為低產(chǎn)年份，均不超過220 t／船，熱冷點(diǎn)格局恰好又驗(yàn)證了這一點(diǎn)，其熱點(diǎn)區(qū)域明顯小于2007年和2008年。

4 分析與討論

4.1 基于Voronoi圖的漁業(yè)資源空間表達(dá)

漁業(yè)資源在空間的分布是連續(xù)的，而漁業(yè)資源的捕撈作業(yè)記錄數(shù)據(jù)卻是點(diǎn)數(shù)據(jù)；因?yàn)樽鳂I(yè)船只在海上的作業(yè)點(diǎn)是有限的，因此產(chǎn)生的必然是點(diǎn)數(shù)據(jù)［10］。而在漁業(yè)資源研究中，了解整個海域的資源分布狀態(tài)更加有意義，因此需要產(chǎn)生面狀的評估結(jié)果。從GIS方法學(xué)的角度來看，這涉及從點(diǎn)實(shí)體向其影響范圍（面實(shí)體）轉(zhuǎn)換的過程［11］。

漁業(yè)資源的空間表達(dá)，一般地是以規(guī)則的網(wǎng)格來進(jìn)行劃分并計算相應(yīng)的CPUE值［12］。這種規(guī)則的網(wǎng)格有其生態(tài)學(xué)的科學(xué)基礎(chǔ)和實(shí)踐意義，每個方形網(wǎng)格的長度即是漁業(yè)資源研究中的分辨率，如最為常用的是50′×50′［10］。規(guī)則網(wǎng)格中，每個漁業(yè)資源數(shù)據(jù)點(diǎn)的影響范圍也是規(guī)則的，例如在50′×50′分辨率中每個點(diǎn)的影響范圍即是該數(shù)據(jù)點(diǎn)鄰域25′范圍內(nèi)。然而在生態(tài)學(xué)和地理學(xué)中，由于作業(yè)數(shù)據(jù)點(diǎn)的不規(guī)則性，要求每個點(diǎn)的影響范圍具有規(guī)則性幾乎是不可能的。因此，在漁業(yè)資源中需要一種能夠較為準(zhǔn)確地表達(dá)數(shù)據(jù)點(diǎn)空間不規(guī)則特性的方法，從而確定其不規(guī)則的影響范圍［8］。

本文基于魷釣船的西北太平洋柔魚資源原始點(diǎn)位數(shù)據(jù)，通過Voronoi圖界定每個點(diǎn)的空間影響范圍。與其對偶形式TIN三角網(wǎng)不同，Voronoi圖產(chǎn)生的并不是影響范圍的凸包［8］，而是覆蓋了整個研究區(qū)。通過影響范圍的生成，在研究區(qū)內(nèi)每個空間位置均有CPUE數(shù)據(jù)。在利用局部空間自相關(guān)進(jìn)行空間熱冷點(diǎn)評估中，其結(jié)果也同樣會覆蓋整個研究區(qū)，繼而將得到對整個區(qū)域漁業(yè)資源的全面認(rèn)知。

4.2 空間熱冷點(diǎn)與海表溫的關(guān)系

研究認(rèn)為，柔魚群體本身有洄游和晝夜垂直游動等生活習(xí)性，驅(qū)使其形成這種生活習(xí)性的主要原因可能是其棲息環(huán)境的變化［10］。由于現(xiàn)有商業(yè)捕撈數(shù)據(jù)的限制，難從垂直方向去探究柔魚資源的空間變動模式，但是結(jié)合多時段的水平空間自相關(guān)性與海洋大環(huán)境變化，可以揭示柔魚資源的分布格局及時間變動。本文選取了影響柔魚資源空間變動的兩個重要因素：7—11月平均海表溫度和7—11月平均葉綠素a濃度，分析海洋環(huán)境對柔魚資源及其空間熱冷點(diǎn)的影響，在ArcGIS中處理后的SST等值線圖4所示。

圖4 2007—2010年西北太平洋柔魚資源熱冷點(diǎn)區(qū)域與7—11月平均海表溫度的關(guān)系Fig.4 The relationship between monthly mean（July to November）SST and hot／cold spots for fishery resource of O.bartramii in the Northwest Pacific Ocean from 2007 to 2010

一般認(rèn)為，黑潮和親潮是對柔魚資源影響最為顯著的海洋環(huán)境因素［10，17］。據(jù)文獻(xiàn)記載，2007—2010年均為非大彎曲年份，2007年親潮勢力最弱、黑潮勢力占主導(dǎo)地位，黑潮自31°N向北蜿蜒，形成的小分支影響了大部分作業(yè)漁區(qū)［8］。圖4顯示，2007年低溫（低于15℃）區(qū)域范圍為4年中最大，與已有文獻(xiàn)稍有不一致；這可能是因?yàn)閺腎OCCG獲取的溫度遙感圖像中存在無數(shù)據(jù)區(qū)域，當(dāng)進(jìn)行7—11月平均溫度計算時會導(dǎo)致一定的誤差。

文獻(xiàn)表明，2007年傳統(tǒng)作業(yè)漁場大面積取得了豐收［8］，這與魷釣漁業(yè)技術(shù)組提供的產(chǎn)值數(shù)據(jù)一致；其中北部熱點(diǎn)在12～15℃形成，南部熱點(diǎn)在22～25℃形成，而冷點(diǎn)在14～19℃形成。與2007年比較，2008年在44°N，157°E附近取得了更大的產(chǎn)值，該熱點(diǎn)在15～19℃形成；但是在40°N，157°E附近產(chǎn)值則遠(yuǎn)小于2007年，該冷點(diǎn)在18～22℃形成。Voronoi圖和熱冷點(diǎn)格局顯示，上述2個年份的熱點(diǎn)區(qū)域面積較大，基本符合高產(chǎn)的推斷。圖4表明，2009年熱點(diǎn)區(qū)域面積與2007年相當(dāng)，但是其強(qiáng)度小于2007年，且2007年42°N以北熱點(diǎn)位于44°N左右，而2009年則在42°N附近，熱點(diǎn)區(qū)域顯著南移并在19～24℃形成，而冷點(diǎn)在13～21℃形成。2010年熱點(diǎn)區(qū)域偏于42°N以北海域，在20～25℃形成；42°N以南海域形成冷點(diǎn)，同樣在20～26℃形成。上述結(jié)果表明，熱冷點(diǎn)形成的溫度條件無顯著差異，熱點(diǎn)的溫度范圍較小，冷點(diǎn)的溫度范圍較大。

4.3 空間熱冷點(diǎn)與葉綠素a的關(guān)系

葉綠素a濃度同樣是影響柔魚資源分布及變動的主要海洋環(huán)境因素之一，且高緯度葉綠素a濃度一般要高于低緯度［10］。研究表明，西北太平洋存在一個生物量鋒，即過渡區(qū)的葉綠素鋒（TZCF），它是低葉綠素的亞熱帶區(qū)域和高葉綠素濃度的亞北極區(qū)域的分界線，通常把TZCF定義為表層葉綠素a濃度為0.2 mg／m3的區(qū)域。一般而言，柔魚都在TZCF以北海域覓食生長［10］。圖5是各年空間熱冷點(diǎn)圖與7-11月平均葉綠素a濃度的疊加顯示。

圖5 2007—2010年西北太平洋柔魚資源熱冷點(diǎn)區(qū)域與7—11月平均葉綠素a濃度的關(guān)系Fig.5 The relationship between monthly mean（July to November）Chl a concentrations and hot／cold spots for fishery resource of O.bartramii in the Northwest Pacific Ocean from 2007 to 2010

單月平均葉綠素a遙感數(shù)據(jù)表，總體上7—8月TZCF呈現(xiàn)向北移動趨勢，而9—11月則逐步向南移動，對于具體的年份也有可能7—9月向北移動而10—11月向南移動，這與陳新軍等［10］的研究結(jié)果基本一致。2007年北部熱點(diǎn)形成于0.5 mg／m3左右，但熱點(diǎn)面積較小，南部熱點(diǎn)形成于0.3～0.6 mg／m3；而冷點(diǎn)形成于0.5～1.1 mg／m3。2008年熱點(diǎn)形成于0.3 mg／m3左右，冷點(diǎn)形成于0.3～0.9 mg／m3。2009年熱點(diǎn)形成于0.3～0.9 mg／m3，冷點(diǎn)形成于0.5～0.7 mg／m3。2010年熱點(diǎn)形成于0.6～1.0 mg／m3，北部冷點(diǎn)形成的葉綠素a濃度大于1.0 mg／m3，南部冷點(diǎn)形成在0.2～0.3 mg／m3。本研究表明，除了1個冷點(diǎn)區(qū)域在大于1.0 mg／m3的區(qū)域形成，所有熱冷點(diǎn)區(qū)域的葉綠素a濃度均在0.2～1.1 mg／m3之間，這與陳新軍等［10］的研究基本一致。一般而言，冷點(diǎn)區(qū)域所在的葉綠素a濃度相對較高。

4.4 空間熱冷點(diǎn)的綜合討論

從海表溫度和葉綠素a濃度來看，熱點(diǎn)和冷點(diǎn)均為中心漁場。從空間自相關(guān)和空間熱點(diǎn)的理論來看，熱點(diǎn)和冷點(diǎn)具有較強(qiáng)的聚集特性，作業(yè)漁船在熱冷點(diǎn)區(qū)域的作業(yè)頻次都較高；而非熱冷點(diǎn)則不具有聚集特性。這同樣表明熱冷點(diǎn)均是中心漁場，熱冷點(diǎn)分別是高產(chǎn)值和低產(chǎn)值的聚集區(qū)，這是熱冷點(diǎn)的本質(zhì)區(qū)別。漁船在熱點(diǎn)區(qū)域的作業(yè)頻次較高，且產(chǎn)值也較高；在冷點(diǎn)區(qū)域的作業(yè)頻次也較高，但是產(chǎn)值較低；非熱冷點(diǎn)區(qū)域存在兩種可能，一種是作業(yè)頻次較低，而單船單日的產(chǎn)值可能高也可能低，一種是作業(yè)頻次較高但空間自相關(guān)性較低。

在方法上，馮永玖等［8］的研究通過不規(guī)則三角網(wǎng)（TIN）構(gòu)建捕撈作業(yè)的有效范圍，并在點(diǎn)狀空間自相關(guān)的基礎(chǔ)之上進(jìn)行空間插值，生成面狀空間自相關(guān)的可視化圖形，該圖形是不規(guī)則的。本研究在通過Voronoi圖構(gòu)建每個空間點(diǎn)數(shù)據(jù)的影響范圍，進(jìn)而以每個面狀多邊形為實(shí)體，通過局部空間自相關(guān)統(tǒng)計量直接計算并產(chǎn)生面狀熱冷點(diǎn)區(qū)域，同時提取了規(guī)則橢圓狀的熱冷點(diǎn)區(qū)域。在指示西北太平洋柔魚資源的空間熱冷點(diǎn)方面，本研究與馮永玖等［8］的結(jié)果類似，但本研究對于熱冷點(diǎn)的方向性評估更準(zhǔn)確。此外，與點(diǎn)狀空間自相關(guān)的可視化結(jié)果比較，本研究與馮永玖等［8］的結(jié)果均存在對熱冷點(diǎn)區(qū)域評估過大的風(fēng)險，但其優(yōu)點(diǎn)是能充分了解捕撈作業(yè)鄰近海域的熱冷點(diǎn)歸屬，這是點(diǎn)狀空間自相關(guān)無法評估的。

通過空間自相關(guān)獲取的熱冷點(diǎn)是一種相對熱冷點(diǎn)，因?yàn)榭臻g自相關(guān)指數(shù)是一種統(tǒng)計量，它是基于單個數(shù)據(jù)集而產(chǎn)生的，描述的是單個數(shù)據(jù)集內(nèi)部實(shí)體之間的依賴關(guān)系；不同數(shù)據(jù)集的空間自相關(guān)統(tǒng)計量可以進(jìn)行相對比較［13—16］。一般認(rèn)為，在漁業(yè)資源中數(shù)據(jù)集A的熱點(diǎn)面積大于數(shù)據(jù)集B的熱點(diǎn)面積時，A涵蓋的產(chǎn)值比B高［8—9］。但這種情況并非在各種情況下都成立，這是因?yàn)榭臻g自相關(guān)描述的是依賴關(guān)系，在漁業(yè)資源研究中我們通過空間依賴關(guān)系推定產(chǎn)值的空間分布，因此它是相對的。本研究中，2010年的熱點(diǎn)區(qū)域較2008年略大，但其產(chǎn)值卻低于2008年；當(dāng)然2010年的冷點(diǎn)區(qū)域較2008年更大也是重要的影響因素。

實(shí)際上，通過空間插值方法（如普通克里金和指示克里金）可以獲取漁業(yè)資源的空間熱冷點(diǎn)區(qū)域，并且與空間自相關(guān)不同的是，當(dāng)用同樣的產(chǎn)值間隔界定熱冷點(diǎn)區(qū)域時，這種熱冷點(diǎn)便是絕對的，不同的年份和月份之間可以進(jìn)行基于產(chǎn)值的比較。這也將是我們后續(xù)需要深入開展的研究工作。

5 結(jié)論

利用GISciences的理論、方法和技術(shù)，能夠有效挖掘和揭示漁業(yè)資源的空間模式，并探測其時空變動規(guī)律與海洋環(huán)境動力學(xué)過程。GISciences在探討諸如漁業(yè)資源空間變異特性、空間聚類特性、空間自相關(guān)和空間熱冷點(diǎn)結(jié)構(gòu)等方面，能夠行之有效并能以可視化方式呈現(xiàn)。

本文利用Voronoi圖、全局和局部空間自相關(guān)方法，研究漁業(yè)資源的全局空間模式、局部空間熱冷點(diǎn)格局和及其變動。以西北太平洋柔魚為例，利用魷釣漁業(yè)的原始點(diǎn)位數(shù)據(jù)，以年為時間分辨率，研究其2007—2010年的空間熱冷點(diǎn)及其變動規(guī)律，并以空間可視化方式進(jìn)行顯示。通過Voronoi圖和空間自相關(guān)方法，有效探測了西北太平洋柔魚資源中潛在的空間分布模式，識別出該區(qū)域存在的強(qiáng)、弱熱點(diǎn)區(qū)域和強(qiáng)冷點(diǎn)區(qū)域。結(jié)合月平均海表溫度和葉綠素a濃度，分析了空間熱冷點(diǎn)變動的海洋環(huán)境因素。論文對幾種空間熱冷點(diǎn)分析方法在漁業(yè)資源中的應(yīng)用，也進(jìn)行了詳細(xì)歸納與探討。

［1］ Nishida T，Chen D G.Incorporating spatial autocorrelation into the general linear model with an application to the yellowfin tuna（Thunnus albacares）longline CPUE data［J］.Fisheries Research，2004，70（2／3）：265-274.

［2］ Petitgas P.Geostatistics in fisheries survey design and stock assessment：models，variances and applications［J］.Fish and Fisheries，2001，2（3）：231-249.

［3］ Rivoirard J，Simmonds J，F(xiàn)oote K G，et al.Geostatistics for Estimating Fish Abundance［M］.New York：Wiley Blackwell，2000.

［4］ 杜云艷，周成虎，邵全琴，等.東海區(qū)海洋漁業(yè)資源環(huán)境的空間聚類分析［J］.高技術(shù)通訊，2002（1）：91-95.

［5］ 蘇奮振，張甲，杜云艷，等.東海區(qū)中上層魚類資源的時空分異［J］.自然資源學(xué)報，2004，19（5）：591-596.

［6］ 楊銘霞，陳新軍，馮永玖，等.中小尺度下西北太平洋柔魚資源豐度的空間變異［J］.生態(tài)學(xué)報，2013，33（20）：6427-6435.

［7］ 牛明香.基于海洋遙感和GIS的黃海鳀魚種群時空動態(tài)及對海洋環(huán)境因子的響應(yīng)［D］.濟(jì)南：山東農(nóng)業(yè)大學(xué)，2012.

［8］ 馮永玖，陳新軍，楊銘霞，等.基于ESDA的西北太平洋柔魚資源空間熱點(diǎn)區(qū)域及其變動研究［J］.生態(tài)學(xué)報，2014，34（7）：1841-1850.

［9］ 楊曉明，戴小杰，田思泉，等.中西太平洋鰹魚圍網(wǎng)漁業(yè)資源的空間熱點(diǎn)和空間異質(zhì)性分析［J］.生態(tài)學(xué)報，2014，34（13）：3771-3778.

［10］ 陳新軍，田思泉，陳勇，等.西北太平洋柔魚漁業(yè)生物學(xué)［M］.北京：科學(xué)出版社，2011.

［11］ Longley P A，Goodchild M，Maguire D J，et al.Geographic Information Systems and Science［M］.3rd ed.New York：Wiley，2009.

［12］ Tian S Q，Chen Y，Chen X J，et al.Impacts of spatial scales of fisheries and environmental data on catch per unit effort standardization［J］.Marine and Freshwater Research，2009，60（12）：1273-1284.

［13］ Mitchell A.The ESRI Guide to GIS Analysis（Volume 2）［M］.Redlands，CA：ESRI Press，2005.

［14］ Goodchild M F.Spatial Autocorrelation（Catmog 47）［M］.Nowich，UK：Geo Books，1986.

［15］ Griffith D.Spatial Autocorrelation：A Primer.Resource Publications in Geography［M］.Washington，D.C：Association of American Geographers，1987.

［16］ Getis A，Ord J K.The analysis of spatial association by use of distance statistics［J］.Geographical Analysis，1992，24（3）：189-206.

［17］ Wang W Y，Zhou C H，Shao Q Q，et al.Remote sensing of sea surface temperature and chlorophyll-a：Implications for squid fisheries in the north-west pacific ocean［J］.International Journal of Remote Sensing，2010，31（17／18）：4515-4530.

Aanlyzing spatial aggregation of Ommastrephes bartramii in the Northwest Pacific Ocean based on Voronoi diagram and spatial autocorrelation

Feng Yongjiu1，2，3，4，Yang Mingxia1，Chen Xinjun1，2，3，4

（1.College of Marine Sciences，Shanghai Ocean University，Shanghai 201306，China；2.Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources，Ministry of Education，Shanghai 201306，China；3.National Distant-water Fisheries Engineering Research Center，Shanghai Ocean University，Shanghai 201306，China；4.Collaborative Innovation Center for Distant-water Fisheries，Shanghai 201306，China）

An integrated method of Voronoi diagram and spatial autocorrelation was used to explore global spatial pattern，local spatial hot spot and its variation of fishery resources abundance ofOmmastrephes bartramiiin the Northwest Pacific Ocean.TheO.bartramiiwithin the boundaries from 38°N to 45°N and 150°E to 160°E from 2007 to 2010 in the Northwest Pacific Ocean was selected as the research subjects，based on the original fishing data of each fishing boat of China.Using an ArcGIS environment，the spatial aggregation patterns ofO.bartramiiwere revealed by using the global spatial autocorrelation statistics of both Moran's I and General G，as well as mapped both spatially and visually.In the fields of fisheries resources and spatial analysis，sea areas with clustered high productivity are hot spots，whereas sea areas with clustered low productivity are cold spots.The local spatial autocorrelation statistics show that，there were 2 hot spots and 1 cold spot in both 2007 and 2009，and there were 1 hot spot and 1 cold spot in 2008，while there were 1 hot spot and 2 cold spot in 2010.These hot or cold spots were distributed along either a north-south or an east-west axis.An overlay map of the four years of hot／cold spots demonstrates that there was 1 strong hot spot，1 weak hot spot and 1 strong cold spot across the study area.The strong hot／cold spots were always the same spots for each year，while the weak hot spot was changed its state between a hot spot and a cold spot.An analysis of the variation of spatial hot spots based on monthly mean（July to November）sea surface temperature（SST）and monthly mean（July to November）chlorophyll-aconcentration（Chla）demonstrated that，both hot spots and cold spots are central fishing grounds.There is not obvious difference of SST between the hot and cold spots，while the hot and cold spots were observed in the areas with 0.2 to 1.1 mg／m3Chlaconcentration but the Chlaconcentration of a cold spot is larger than that of a hot spot.

spatial hot spot；Voronoi diagram；spatial autocorrelation；Ommastrephes bartramii；Northwestern Pacific Ocean

S917.4

A

0253-4193（2014）12-0074-11

馮永玖，楊銘霞，陳新軍.基于Voronoi圖與空間自相關(guān)的西北太平洋柔魚資源空間聚集特征分析［J］.海洋學(xué)報，2014，36（12）：74—84，

10.3969／j.issn.0253-4193.2014.12.007

Feng Yongjiu，Yang Mingxia，Chen Xinjun.Aanlyzing spatial aggregation of Ommastrephes bartramii in the Northwest Pacific Ocean based on Voronoi diagram and spatial autocorrelation［J］.Acta Oceanologica Sinica（in Chinese），2014，36（12）：74—84，doi：10.3969／j. issn.0253-4193.2014.12.007

2014-01-02；

2014-03-27。

國家自然科學(xué)基金（41276156，41406146）；上海市自然科學(xué)基金面上項(xiàng)目（13ZR1419300）；教育部高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金新教師類項(xiàng)目（20123104120002）；上海市一流學(xué)科水產(chǎn)學(xué)（A類）。

馮永玖（1981—），男，云南省鎮(zhèn)雄縣人，博士，副教授，研究方向?yàn)檫b感與GIS應(yīng)用、漁業(yè)地理信息科學(xué)。E-mail：yjfeng＠shou.edu.cn

*通信作者：陳新軍，教授，博士生導(dǎo)師，主要研究領(lǐng)域?yàn)闈O業(yè)資源學(xué)。E-mail：xjchen＠shou.edu.cn