馮永玖，陳新軍，*，楊銘霞，霍 丹，朱國平

(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實驗室，上海201306;3.國家遠洋漁業(yè)工程技術(shù)研究中心，上海201306)

柔魚Ommastrephes bartramii廣泛分布于西北太平洋海域，是一種經(jīng)濟大洋性頭足類，已成為日本、韓國、中國(臺灣省)等國和地區(qū)的重要捕撈對象［1-2］。開展柔魚資源時空格局分析與潛在規(guī)律的挖掘，能夠為柔魚資源的可持續(xù)開發(fā)與資源評估管理提供一定的參考依據(jù)。

目前有關(guān)學(xué)者對柔魚基礎(chǔ)生物學(xué)［1，3］、資源量分布變動及其機制［4-6］、資源量評估［7］等，以及時空格局及其與海洋環(huán)境的關(guān)系［8-9］、漁情預(yù)報［10-11］等領(lǐng)域進行較為廣泛的研究。在漁業(yè)資源空間分布或格局的研究中，利用傳統(tǒng)方法分析柔魚資源空間變動的文獻較多［5-6，8］，這些研究為初步掌握柔魚資源分布規(guī)律奠定了基礎(chǔ)。

傳統(tǒng)GIS可直觀表達漁業(yè)資源的空間分布，并通過數(shù)據(jù)或語言文字進行位置分布的描述［12］，但卻無法挖掘和揭示漁業(yè)資源的全局空間分布模式和內(nèi)在的空間關(guān)聯(lián)關(guān)系。迄今，漁業(yè)資源相關(guān)空間問題的深層次研究仍屬鮮見，如有關(guān)漁業(yè)資源的空間聚類、漁業(yè)生態(tài)學(xué)過程和格局的空間異質(zhì)性等問題。針對漁業(yè)資源的空間問題，國內(nèi)學(xué)者利用遙感、GIS、空間分析和地學(xué)關(guān)聯(lián)規(guī)則等方法，對東海區(qū)魚類資源的時空格局和變化進行了一系列研究［13-14］，展示了GIS空間分析與地統(tǒng)計方法在漁業(yè)資源研究中的廣闊前景。近年來，楊曉明等利用空間變異函數(shù)分析了印度洋黃鰭金槍魚(Thunnusal bacares)圍網(wǎng)漁獲量的空間異質(zhì)性［15］，并利用空間自相關(guān)和變異函數(shù)分析了中西太平洋鰹魚(Katsuwonus pelamis)圍網(wǎng)漁業(yè)資源的空間熱點和空間異質(zhì)性［16］;牛明香則利用空間自相關(guān)和標(biāo)準(zhǔn)差橢圓分別研究了東海鳀魚(Engraulis japonicus)的空間格局與定向分布特征［17］，展示了空間統(tǒng)計分析在漁業(yè)資源研究中的最新成果。

探索性空間數(shù)據(jù)分析方法(ESDA)［18-19］是一種典型的GIS數(shù)據(jù)分析方法，能夠有效探測空間數(shù)據(jù)中潛在的關(guān)聯(lián)關(guān)系并發(fā)現(xiàn)數(shù)據(jù)分布趨勢。為此，本研究擬綜合利用全局和局部空間自相關(guān)方法［20-21］，有效識別柔魚資源的空間自相關(guān)結(jié)構(gòu)、熱點和冷點分布格局，利用克里金插值［23］獲取柔魚資源熱冷點分布的面狀格局，并利用變化檢測和景觀分析等方法分析柔魚資源熱冷點格局的變動，多角度揭示西北太平洋柔魚資源的整體空間模式、熱冷點區(qū)域及其變動規(guī)律，為柔魚資源空間分布規(guī)律的掌握提供科學(xué)方法。

1 材料與方法

1.1 研究區(qū)域與數(shù)據(jù)

以西北太平洋柔魚資源為研究對象，研究范圍為150°E—160°E、38°N—45°N(圖1)。數(shù)據(jù)獲取時間為2007年和2010年，其中2007年為5—11月，2010年為5—12月。本文采用的是原始數(shù)據(jù)，即每個數(shù)據(jù)點的位置就是捕撈漁船所記錄的空間位置，2007年獲取2212個數(shù)據(jù)點，2010年獲取7918個數(shù)據(jù)點。將數(shù)據(jù)點的值換算為單位捕撈努力量漁獲量(CPUE)，用以代表每個年度的柔魚資源豐度。本文采用的CPUE換算公式為C/E，式中C表示1艘漁船1d的產(chǎn)量(t)，E表示其對應(yīng)的作業(yè)次數(shù)［22］。此外，為了準(zhǔn)確地獲取柔魚資源空間熱點范圍，利用GIS中的不等邊三角網(wǎng)TIN(Triangulated Irregular Network)方法［23］建立漁獲量數(shù)據(jù)范圍(圖1)。通過建立TIN能夠剔除無漁獲量的海域并產(chǎn)生有效數(shù)據(jù)區(qū)域，使熱冷點的分析不受或少受無數(shù)據(jù)區(qū)域的影響，從而提高空間分析的可靠性。

圖1 研究區(qū)域與數(shù)據(jù)Fig.1 The study area and the dataset used

1.2 全局空間自相關(guān)分析方法

為研究柔魚資源在全局空間上可能存在的聚集、離散或隨機模式，采用ESDA方法中的全局空間自相關(guān)統(tǒng)計量Moran's I進行度量，其計算公式如下:

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，ˉX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。

全局空間自相關(guān)Moran's I值域范圍為［-1，1］ ，該值大于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)程度越高，表明空間分布呈現(xiàn)聚集現(xiàn)象;Moran's I絕對值越小代表空間分布的自相關(guān)程度越低，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)隨機分布［24］。在實際計算中Moran's I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較大時表示要素呈聚集分布狀態(tài)。P值表示樣本空間模式是某一隨機分布的概率，當(dāng)P值很小時表示探測所得的空間模式不太可能是隨機分布，當(dāng)P值較大則表示空間模式為隨機分布的概率較大［24］。

1.3 局部空間自相關(guān)分析方法

全局空間自相關(guān)統(tǒng)計量Moran's I反映的是柔魚資源空間整體自相關(guān)狀態(tài)，側(cè)重于柔魚資源的全局空間模式［18-21］，但是卻無法揭示資源局部的分布狀態(tài)。此外，全局空間自相關(guān)還存在一些局限性，例如整體聚集的情況下可能存在局部的隨機分布，同樣整體隨機分布的情況下也可能存在局部聚集分布。因此，通過局部空間自相關(guān)統(tǒng)計量分析不僅可以識別局部分布特征，更能探測柔魚資源的熱點和冷點區(qū)域［18-21］。

式中，xj是要素j的屬性值，wij表示要素i和j之間的空間權(quán)重，其意義與式(1)相同，n是要素數(shù)量，ˉX為均值，S為標(biāo)準(zhǔn)差。統(tǒng)計結(jié)果返回Z得分和P值，其意義與全局空間自相關(guān)類似。當(dāng)Z得分大于2倍標(biāo)準(zhǔn)差，表示空間熱點區(qū)域;當(dāng)Z得分介于1倍與2倍標(biāo)準(zhǔn)差之間、-2倍與-1倍標(biāo)準(zhǔn)差之間，均表示可能出現(xiàn)一定的熱冷點分布，但不能否定隨機分布的可能;當(dāng)Z得分介于-1倍與1倍標(biāo)準(zhǔn)差之間，則表示空間模式有極大可能是隨機分布;當(dāng)Z得分小于-2倍標(biāo)準(zhǔn)差，表示空間冷點區(qū)域［24］。此外，熱點區(qū)域表示要素高值被高值包圍，而冷點表示要素低值被低值包圍，可用于揭示柔魚資源漁獲量高值或者低值在空間上發(fā)生聚類的位置［16］。

1.4 柔魚資源空間熱冷點格局的評價方法

與傳統(tǒng)研究不同，本文側(cè)重從地理信息科學(xué)的視角去解釋漁業(yè)資源空間格局及其變動。GIS中圖層疊置方法(Overlay)是空間分析的經(jīng)典方法，在遙感與GIS、資源與環(huán)境等領(lǐng)域中應(yīng)用廣泛［23］。本研究中，利用疊置方法分析柔魚資源熱冷點格局隨時間的變化。

同時，從生態(tài)學(xué)和空間科學(xué)的角度來看，柔魚資源熱冷點分布圖的基本組成單元是斑塊(Patch)，因此是一種典型的景觀鑲嵌圖，故而非常適合于利用景觀指數(shù)(Landscape Metrics)來評價和分析其結(jié)構(gòu)［25-26］。景觀指數(shù)是能夠高度濃縮景觀格局信息，反映其結(jié)構(gòu)組成和空間配置的簡單定量指標(biāo)［27-29］。景觀指數(shù)包括景觀層次(Landscape-level)、類型層次(Class-level)和斑塊層次(Patch-level)3種指標(biāo)［26］，可從不同層次評價漁業(yè)資源的空間熱冷點結(jié)構(gòu)。

2 結(jié)果

2.1 常規(guī)統(tǒng)計與全局空間自相關(guān)分析

為了解柔魚資源整體情況，對其獲取的樣本數(shù)據(jù)進行常規(guī)統(tǒng)計量及全局空間自相關(guān)統(tǒng)計量測算(表1)。結(jié)果顯示，柔魚樣本在2007和2010年的偏態(tài)Sk均大于0，頻數(shù)分布均為正偏;2007年的峰態(tài)Ku小于3，呈現(xiàn)平峰分布，表明高產(chǎn)值海域較多，2010年的峰態(tài)Ku大于3，呈現(xiàn)尖峰分布，表明2010年低產(chǎn)值海域較多;變異值Cv顯示，柔魚樣本量在2007和2010年的Cv值均大于0，表明不同空間位置柔魚資源差異較大，而2010年差異程度大于2007年;此外，2007和2010年的S2/m值均大于1，表明柔魚資源呈現(xiàn)較強的聚集分布特征。

全局自相關(guān)Moran's I統(tǒng)計量表明，西北太平洋柔魚資源在2007和2010年均為正相關(guān)，且呈現(xiàn)一定的聚集特征，印證了S2/m的計算結(jié)果。同時，兩個年份的Z得分均非常高，且P值均為0，表明柔魚資源呈現(xiàn)出顯著的聚集分布模式。

表1 西北太平洋柔魚資源樣本統(tǒng)計參數(shù)及全局空間自相關(guān)Table1 Statistics and global spatial autocorrelation for the fishery resource of O.bartramii in the northwestern Pacific Ocean

圖2 西北太平洋柔魚資源空間熱點和冷點分布特征比較(2007和2010年)Fig.2 A comparison of distribution of hot/cold spots between 2007 and 2010 for the fishery resource of O.bartramii in the northwestern Pacific Ocean

2.2 局部空間自相關(guān)與空間熱冷點分布格局

根據(jù)上述理論和方法，在ArcGIS桌面軟件中對2007和2010年進行計算和渲染，所得的熱冷點區(qū)域分布如圖2。其中，GiZscore表示Getis-Ord值的Z得分，點狀GiZscore是利用ArcGIS渲染之后的可視化圖形，而面狀GiZscore為經(jīng)過ArcGIS克里金插值方法得到的可視化結(jié)果［24，30］。

圖2表明，2007年柔魚資源的空間熱點有8個區(qū)域，但面積足夠大且視覺上可見的只有3個，其中心位置分別為156°E/44°N(A區(qū))、152°E/42°N(B區(qū))和158°E/40°N(C區(qū))，其中A區(qū)柔魚資源高值最為密集，C區(qū)密集度次之但范圍最大，而B區(qū)密集度最低且范圍最小;同時2007年具有3個冷點區(qū)域，但只有1個冷點區(qū)域范圍較大且視覺上可見，其中心位置為154°E/43°N(D區(qū))。圖2表明，2010年柔魚資源的空間熱點有1個區(qū)域，其中心位置為157°E/43°N(E區(qū))，與2007年空間熱點A區(qū)在空間距離上較為接近，但其范圍和密集度大于2007年A區(qū);此外，2010年具有5個冷點區(qū)域，其中4個區(qū)域視覺上可見，中心位置分別為151°E/42°N(F區(qū))、153°E/42°N(G區(qū))、155°E/40°N(H區(qū))和157.5°E/39.5°N(I區(qū))，其中H區(qū)范圍最大且資源低值的密集度也較大，G區(qū)范圍最小且低值密集度也最小。

2.3 空間熱冷點的構(gòu)成

為了研究柔魚資源空間熱冷點的構(gòu)成及百分比，基于面狀的空間熱點區(qū)域，對GiZscore值包含的5種類型和“No sample”數(shù)據(jù)區(qū)進行統(tǒng)計如圖3。圖3表明，2007年無數(shù)據(jù)區(qū)域占研究區(qū)范圍46.1%，2010年無數(shù)據(jù)區(qū)則僅占26.8%。2007年熱點區(qū)域占10.4%，2010年僅占3.8%，表明柔魚資源高值被高值包圍的范圍減少;2007年冷點區(qū)域占11.3%，2010年占13.1%，比之2007年增加了近2%，表明柔魚資源低值被低值包圍的范圍有所增大;不管是2007年還是2010年，其余非熱點和冷點(即聚集性不顯著或呈隨機分布)所占的面積較大，尤其是2010年GiZscore值在［-2.0，-1.0］ 范圍內(nèi)的面積達到了31.0%，表明研究區(qū)內(nèi)大部分漁獲量并不高。對比2010年原始點位數(shù)據(jù)，CPUE≤2.0的數(shù)據(jù)點為4048個，占總數(shù)據(jù)量的70.5%。

圖3 2007和2010年西北太平洋柔魚資源熱冷點構(gòu)成Fig.3 Percentage of hot/cold spots for the fishery resource of O.bartramii in the northwestern Pacific Ocean in 2007 and 2010，respectively

2.4 空間熱冷點的變動

基于GIS的空間疊置分析，本文檢測了柔魚資源熱冷點在空間位置上的變動(圖4)。

圖4 2007和2010年西北太平洋柔魚資源熱冷點變動的比較Fig.4 A comparison of hot/cold spots change between 2007 and 2010 for the fishery resource of O.bartramii in the northwestern Pacific Ocean

圖4表明，對比2007和2010年僅有1個區(qū)域為空間熱點不變，其中心位置為156.5°E/44°N;從2007年空間熱點變成2010年空間冷點的區(qū)域有2個，中心點分別位于151.5°E/42°N和157.5°E/39.5°N;對比2007和2010年呈現(xiàn)空間冷點不變的區(qū)域有1個，其中心位置為156.5°E/44°N。此外，聚集性不顯著或呈隨機分布的非熱點和冷點區(qū)域之間的變動，在研究區(qū)域占據(jù)了主導(dǎo)地位，但是熱點和冷點之間的變動是本區(qū)域的柔魚資源的關(guān)鍵性信息。

3 分析與討論

3.1 關(guān)于漁區(qū)劃分和TIN預(yù)處理

在傳統(tǒng)漁業(yè)資源研究中，無論是有關(guān)漁情預(yù)報［1-2，11］、HSI建模［10］還是空間分析［13-17］，均將漁獲量分成不同的漁區(qū)進行統(tǒng)計，如0.5°×0.5°為一個漁區(qū)。這樣的漁區(qū)劃分方法非常經(jīng)典，也具有其理論依據(jù)與實踐意義，在漁業(yè)資源研究中被廣泛接受。從空間角度來看，漁區(qū)的劃分是否能夠準(zhǔn)確地代表采樣點的空間特性，是需要結(jié)合漁業(yè)捕撈作業(yè)和空間采樣理論來綜合考慮的。在這方面，形成了一個既有實踐價值又具有科學(xué)意義的主題，即漁業(yè)資源CPUE的標(biāo)準(zhǔn)化［22］。漁區(qū)劃分和CPUE標(biāo)準(zhǔn)化之后的空間數(shù)據(jù)，在空間中形成了規(guī)則的分布模式。但是，漁業(yè)資源的空間分析主要是從空間視角對其分布進行考察;而從GIS的角度來看，空間分析偏好不規(guī)則的數(shù)據(jù)分布形式，并從中挖掘潛在的規(guī)律［24］。因此，本文利用的數(shù)據(jù)為原始捕撈記錄數(shù)據(jù)，即每個數(shù)據(jù)點位置就是捕撈漁船所記錄的空間位置，其屬性值即為CPUE?；谶@種不規(guī)則的原始空間數(shù)據(jù)，能夠獲取更為準(zhǔn)確的空間熱點和冷點區(qū)域。

此外，研究范圍(150°E—160°E、38°N—45°N)內(nèi)很多區(qū)域是沒有漁業(yè)捕撈數(shù)據(jù)的，即漁船并沒有到達這些區(qū)域生產(chǎn)。但是，這并不表明這些區(qū)域沒有漁業(yè)資源。如果將這些沒有數(shù)據(jù)的區(qū)域納入空間熱點的研究，很可能會增加空間分析的不確定性和誤差。因此，將無數(shù)據(jù)區(qū)域劃分為“No samples”類型，不參與空間熱點的分析，這將極大降低GIS空間分析的不確定性。然而，無數(shù)據(jù)區(qū)域的確定是一個困難的問題。本文采用了GIS中的TIN三角網(wǎng)方法［23］，將數(shù)據(jù)采樣區(qū)域和無采樣區(qū)域分開。規(guī)則的漁區(qū)分布數(shù)據(jù)不能體現(xiàn)TIN的不規(guī)則特性，很難構(gòu)造有效的TIN三角網(wǎng)，再次印證了利用原始數(shù)據(jù)進行分析的必要性。由于GIS中的TIN三角網(wǎng)必須是凸包［23］，而圖1中所示的TIN包含了凹多邊形，因此它實際上并不是GIS中的標(biāo)準(zhǔn)TIN三角網(wǎng)。這是因為，如果采用標(biāo)準(zhǔn)TIN，很多無漁獲量區(qū)域?qū)⒈话ㄔ谟袛?shù)據(jù)的區(qū)域內(nèi)。因此，本文對標(biāo)準(zhǔn)TIN進行修改，將被包含在標(biāo)準(zhǔn)TIN內(nèi)、但無漁獲量的區(qū)域剔除，形成了圖1所示的三角網(wǎng)。由于剔除了數(shù)據(jù)無關(guān)區(qū)域，故而在點狀和面狀熱冷點區(qū)域的探測中，由于原始數(shù)據(jù)造成的誤差則會減小;因此，TIN三角網(wǎng)的構(gòu)建能夠很好地輔助柔魚資源的空間熱點分析，從而減小分析的不確定性。

3.2 基于景觀指數(shù)的空間熱冷點格局評價

本文同時采用了景觀和類型兩種層次的指數(shù)，分別對柔魚資源的空間熱冷點進行評價。景觀層次指數(shù)評價的是柔魚資源每一年的整體空間結(jié)構(gòu)，類型層次指數(shù)評價的是柔魚資源的熱點、冷點或隨機分布等每一類型的空間結(jié)構(gòu)。在計算景觀指數(shù)時去除了“No samples”，即將無樣本的海域當(dāng)作背景進行處理，結(jié)果分別見表2和表3。

表2中NP指數(shù)顯示，2007和2010年西北太平洋柔魚資源分別包含31和19個斑塊，表明2007年熱冷點的組成結(jié)構(gòu)較2010年復(fù)雜;LPI指數(shù)表示景觀中最大斑塊占整體景觀的比例，對應(yīng)2007和2010年的GiZscore值，最大斑塊所屬類型分別為“1.0—2.0”和“-2.0—-1.0”，與圖3所示結(jié)果一致;LSI指數(shù)大于1，表明熱冷點格局的幾何形狀稍顯復(fù)雜，但是這種復(fù)雜程度并不高;PAFRAC指數(shù)的意義為熱冷點格局的分維數(shù)，表2中具體數(shù)值說明其復(fù)雜性和自相似并不高，但2007年比2010年復(fù)雜程度稍高;CONTAG指數(shù)較高，表明熱冷點格局的聚集性非常強，即存在優(yōu)勢熱點或冷點斑塊;DIVISION指數(shù)介于0到1之間，0表示熱冷點只由1個斑塊組成，而1表示熱冷點由很多復(fù)雜的斑塊組成，表2顯示了在斑塊組成結(jié)構(gòu)上2007年的復(fù)雜程度高于2010年;同時，SHDI和SIDI指數(shù)均表明了柔魚資源熱冷點格局的多樣性呈均衡化趨勢，也說明了柔魚資源的異質(zhì)性較強。該空間異質(zhì)性反映出，在空間結(jié)構(gòu)上有多種類型的柔魚分布形式(熱點、冷點、統(tǒng)計不顯著和隨機分布等)，交錯地存在于西北太平洋海域，且在各個方向上其分布性質(zhì)也不相同。

表2 景觀層次的柔魚資源空間熱冷點格局評價Table2 Landscape-level metrics of hot/cold spots for the fishery resource of Ommastrephes bartramii in the northwestern Pacific Ocean

表3中NP指數(shù)顯示了熱點、冷點等各類型GiZscore值對應(yīng)的斑塊數(shù)量，對應(yīng)于“＞2.0”為空間熱點，對應(yīng)于“＜-2.0”為空間冷點，同時各類型斑塊的總數(shù)與表2一致;LPI指數(shù)揭示各類型中最大斑塊占總景觀(熱點和冷點分布)面積的比例，如2010年中30.0079%表示GiZscore值介于-2.0和-1.0之間的面積占總景觀的比例;LSI表明各類型結(jié)構(gòu)的復(fù)雜性，可以看出2007年空間熱點的復(fù)雜程度(2.5146)大于2010年(1.1345)，2007年有8個熱點而2010年只有1個熱點，很顯然2007年更加復(fù)雜;與此類似，2007年的空間冷點復(fù)雜程度低于2010年;IJI指數(shù)表明，其值越高則熱冷點的空間異質(zhì)性越高，各類型之間的連接性下降，這說明2007年柔魚資源的異質(zhì)性高于2010年，而2010年熱點(＞2.0)和冷點(＜-2.0)呈規(guī)則形狀分布的趨勢(IJI為0)較明顯;COHESION指數(shù)表明了柔魚資源空間熱冷點各類型的關(guān)聯(lián)程度，從具體數(shù)據(jù)可知COHESION較大且接近于100，表明各類型的整體性和凝聚度均很高;表3中各類型的AI指數(shù)均較大且接近于100，表明各類型的聚集度較高。

表3 類型層次的柔魚資源空間熱冷點格局評價Table3 Class-level metrics of hot/cold spots for the fishery resource of Ommastrephes bartramii in the northwestern Pacific Ocean

可見，將柔魚資源的熱冷點空間格局看成一種景觀分布，利用景觀和類型層次兩種指數(shù)對其進行刻畫和分析，能夠深入挖掘其內(nèi)在結(jié)構(gòu)與特征。總結(jié)起來，西北太平洋柔魚資源的空間特征包括:1)中心位置位于156.5°E/44°N的區(qū)域可能是多年的熱點和高產(chǎn)量區(qū)域;2)冷點或統(tǒng)計不顯著的區(qū)域在該海域是優(yōu)勢斑塊;3)熱冷點格局的聚集性非常強;4)資源分布的異質(zhì)性較高。

3.3 空間熱冷點與海表溫的關(guān)系

柔魚資源熱冷點格局的變動，很大程度上反映了中心漁場的變動，而引起這種變動的因素是多方面的，如漁業(yè)捕撈本身、海洋環(huán)境要素(親潮、表溫及餌料對象等)以及全球氣候變化等。本文以國際海洋水色協(xié)調(diào)組(IOCCG，http://oceancolor.gsfc.nasa.gov)提供的年平均海表溫度(Annual Mean SST)為例，分析柔魚資源空間熱冷點分布與海洋環(huán)境的關(guān)系(圖5)。

圖5 西北太平洋年平均海表溫度與柔魚空間熱冷點的關(guān)系(2007和2010年)Fig.5 The relationship between annual mean sea surface temperature and hot/cold in the northwestern Pacific Ocean in both 2007 and 2010

根據(jù)圖5中西北太平洋柔魚資源熱冷點與年平均海表溫的疊加顯示，同時結(jié)合日本氣象廳發(fā)布的數(shù)據(jù)和報告(http://www.data.kishou.go.jp)，可知2007年西北太平洋海域平均海表溫度總體上略低于正常水溫，但從6月中旬開始在整個盛漁期平均海表溫有不同程度的升高，月平均增長3℃，持續(xù)至10月中旬開始有所回落。此階段黑潮和親潮交匯相互作用最為強烈，2007年親潮勢力為1997年以來最弱，但是受影響的水域面積較小，相對來說黑潮勢力占主導(dǎo)優(yōu)勢［1］。黑潮自31°N向北蜿蜒，2月產(chǎn)生了向東的離岸流，并形成幾個小分支蜿蜒至西北太平洋［9］。西北太平洋柔魚漁區(qū)的形成受溫度和海流的影響，近一半作業(yè)漁區(qū)產(chǎn)量相對較高，但并未充分保證空間熱點的形成(圖2)，最終形成空間熱冷點分布面積大致相當(dāng)?shù)母窬帧?/p>

圖5表明西北太平洋海域2010年平均海表溫度稍高于2007年，亦為非大彎曲年份。該年親潮勢力強盛，3月到達37°N附近，至5月親潮最南端靠近39°N，慢慢形成了暖渦，在暖渦附近產(chǎn)生的上升流帶來了豐富的營養(yǎng)鹽等條件，形成了一個中心漁場，一直持續(xù)至8月［1］。同時2010年黑潮勢力較弱，越往東流力量越弱，沒有形成主流。因此整個西北太平洋柔魚漁場受親潮勢力影響，盛漁期漁場集中分布在40°—45°N、154°—158°E，隨親潮的流動漁場有所遷移［1］。根據(jù)本文對空間熱冷點分布的探測，顯示在38°—45°N、150°—160°E海域空間冷點較多，較為分散，大多分布在43°N以南;而熱點區(qū)域非常集中于42°—45°N、155°—158°E海域(圖2)。這與受親潮勢力影響的漁區(qū)所在海域基本一致，反應(yīng)了柔魚魚群為集中分布，并指示了中心漁場所在的區(qū)域。

4 結(jié)論

本文利用ESDA中全局和局部空間自相關(guān)方法，對西北太平洋柔魚資源的分布格局進行了探索性分析?；诰植靠臻g自相關(guān)方法，對2007和2010年西北太平洋柔魚資源的空間熱冷點結(jié)構(gòu)進行了可視化制圖，結(jié)果顯示該區(qū)域2007年存在3個顯著的熱點和1個冷點，2010年存在1個熱點和4個冷點;聚集性不顯著或呈隨機分布的非熱冷點區(qū)域之間的變動，在研究區(qū)域占據(jù)了主導(dǎo)地位。結(jié)合海洋環(huán)境因素，并利用百分比堆積圖、空間變化檢測和景觀指數(shù)等方法進行了深入分析與挖掘，揭示了西北太平洋柔魚資源中的內(nèi)在特征。

此外，所有空間分布及其規(guī)律均是在建立在某種空間尺度的基礎(chǔ)之上的。本文采用不是經(jīng)過漁區(qū)劃分的柔魚資源數(shù)據(jù)，而是捕撈作業(yè)的原始點位數(shù)據(jù)，因此在后續(xù)研究中將對建立在漁區(qū)劃分之上的熱冷點格局進行補充分析，并與本研究的結(jié)果進行比較，同時考慮漁區(qū)空間尺度對熱冷點分析的影響。

［1］ Chen X J，Tian S Q，Chen Y，Cao J，Ma J，Li S L，Liu B L.Fishery Biology for Ommastrephes Bartramii in the Northwestern Pacific Ocean.Beijing:Science Press of China，2011.

［2］ Chen X，Liu B，Chen Y.A review of the development of Chinese distant-water squid jigging fisheries.Fisheries Research，2008，89(3):211-221.

［3］ Lin Q，Jin X S，Zhang B.Trophic interactions，ecosystem structure and function in the southern Yellow Sea.Chinese Journal of Oceanology and Limnology，2013，31(1):46-58.

［4］ Liu W，Lin Z J，Jiang Y E，Huang Z R.Spatial distribution of demersal fishery resources in the continental shelf of the northern South China Sea.Journal of Tropical Oceanography，2011，30(5):95-103.

［5］ Li S F，Yan L P，Li H Y，Li J S，Cheng J H.Spatial distribution of cephalopod assemblages in the Region of the East China Sea.Journal of Fishery Sciences of China，2006，13(6):936-944.

［6］ Chen X J，Xu L X，Tian S Q.Spatial and temporal analysis of Ommastrephe bartrami resources and its fishing ground in North Pacific Ocean.Journal of Fisheries of China，2003，27(4):334-342.

［7］ Wang H Z，Li C H，Jia X P.The fishery production from the north part of the South China Sea using the primary production method.Marine Fisheries Research，2005，26(3):9-15.

［8］ Yang S L，Zhang Y，Zhang H，Wang D，Ma J J，Zhang J，Cui X S.The relationship between the temporal-spatial distribution of fishing ground of yellowfin tuna(Thunnus albacares)and themocline characteristics in the tropic Indian Ocean.Acta Ecologica Sinica，2012，32(3):671-679.

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

［10］ Feng Y J，Chen X J，Yang X M，Gao F.HSI modeling and intelligent optimization for fishing ground forecasts using a genetic algorithm.ActaEcologicaSinica，2013，doi:10.5846/stxb201212171813.

［11］ Fan W，Cui X S，Wu Y M，Zhou W F，Chen X Z.Key technologies of operational application in fishing ground analysis and forecasting.Journal of Fishery Sciences of China，2013，20(1):234-241.

［12］ Xu H L，Ma Z H，Qiao X T，Yang Y.Status of research and application of Geographic Information System(GIS)in Chinese marine fishery.Marine Science Bulletin，2012，31(1):113-119.

［13］ Shao Q Q，Zhou C H，Shen X Q，Yang C J.Operational GIS and RS technology＆methods for marine fishery.Journal of Remote Sensing，2003，7(3):194-200.

［14］ Su F Z，Du Y Y，Yang X M，Liu B G.Geo-association rule with spatiotemporal reasoning.Geo-information Science，2004，6(4):66-70.

［15］ Yang X M，Dai X J，Zhu G P.Geostatistical analysis of spatial heterogeneity of yellowfin tuna(Thunnus albacares)purse seine catch in the western Indian Ocean.Acta Ecologica Sinica，2012，32(15):4682-4690.

［16］ Yang X M，Dai X J，Tian S Q，Zhu G P.Hot spot analysis and spatial heterogeneity of skipjack tuna(katsuwonus pelamis)purse seine resources in the western and central Pacific Ocean.Acta Ecologica Sinica，2013，doi:10.5846/stxb201211101579.

［17］ Niu M X.Spatiotemporal Dynamics of Anchovy Population and Its Response to Environmental Factors in the Yellow Sea Based on Ocean RSandGIS［D］ .Taian:ShandongAgricultural University，2012.

［18］ Getis A，Ord J K.The analysis of spatial association by use of distancestatistics.GeographicalAnalysis，1992，24(3):189-206.

［19］ AnselinL.Localindicatorsofspatialassociation-LISA.Geographical Analysis，1995，27(2):93-115.

［20］ Zhang S L，Zhang K.Contrast study on Moran and Getis-Ord indexes of local spatial autocorrelation indices.Journal of Geodesy and Geodynamics，2007，27(3):31-34.

［21］ Zhang S L，Zhang K.Comparison between general Moran's Index andGetis-OrdGeneralGofspatialautocorrelation.Acta Scientiarum Naturalium Universitatis Sunyatseni，2007，46(4):93-97.

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

［23］ Longley PA，Goodchild M，Maguire D J，Rhind D W.Geographic Information Systems and Science 3ed ed.New York:Wiley，2009.

［24］ Mitchell A.The ESRI Guide to GIS Analysis(Volume 2).California:ESRI Press，2005.

［25］ Wu J G.Landscape Ecology:Pattern，Process，Scale and Hierarchy.Beijing:Higher Education Press，2007.

［26］ McGarigal K，Cushman S A，Ene E.FRAGSTATS v4:Spatial pattern analysis program for categorical and continuous maps.Computer Software Program Produced by the Authors at the University of Massachusetts，Amherst.Available at the following web site:http://www.umass.edu/landeco/research/fragstats/fragstats.html，2012(accessed 10 May 2013).

［27］ Feng Y J，Han Z.RS and GIS derived spatio-temporal evolution of water landscape in coastal areas:A case study of Shanghai section on the northern Bank of Hangzhou Bay.Remote Sensing for Land and Resources，2011，23(1):123-127.

［28］ Feng Y J，Liu Y，Han Z.Land use simulation and landscape assessment by using genetic algorithm based on cellular automata under different sampling schemes.Chinese Journal of Applied Ecology，2011，22(4):957-963.

［29］ Feng Y J，Han Z.Impact of neighbor configurations on spatiallyexplicit modeling results.Geographical Research，2011，30(6):1055-1065.

［30］ Liu A L，Wang P F，Ding Y Y.An Introduction to Geostatistics.Being:Science Press of China，2012.

參考文獻:

［1］ 陳新軍，田思泉，陳勇，曹杰，馬金，李思亮，劉必林.北太平洋柔魚漁業(yè)生物學(xué).北京:科學(xué)出版社，2011.

［4］ 劉維，林昭進，江艷娥，黃梓榮.南海北部陸架區(qū)底層漁業(yè)資源的空間分布特征.熱帶海洋學(xué)報，2011，30(5):95-103.

［5］ 李圣法，嚴(yán)利平，李惠玉，李建生，程家驊.東海區(qū)頭足類群聚空間分布特征的初步研究.中國水產(chǎn)科學(xué)，2006，13(6):936-944.

［6］ 陳新軍，許柳雄，田思泉.北太平洋柔魚資源與漁場的時空分析.水產(chǎn)學(xué)報，2003，27(4):334-342.

［7］ 王增煥，李純厚，賈曉平.應(yīng)用初級生產(chǎn)力估算南海北部的漁業(yè)資源量.海洋水產(chǎn)研究，2005，26(3):9-15.

［8］ 楊勝龍，張禹，張衡，王棟，馬軍杰，張晶，崔雪森.熱帶印度洋黃鰭金槍魚漁場時空分布與溫躍層的關(guān)系.生態(tài)學(xué)報，2012，32(3):671-679.

［10］ 馮永玖，陳新軍，楊曉明，高峰.基于遺傳算法的漁情預(yù)報HSI建模與智能優(yōu)化.生態(tài)學(xué)報，2013，doi:10.5846/stxb201212171813.

［11］ 樊偉，崔雪森，伍玉梅，周為峰，陳雪忠.漁場漁情分析預(yù)報業(yè)務(wù)化應(yīng)用中的關(guān)鍵技術(shù)探討.中國水產(chǎn)科學(xué)，2013，20(1):234-241.

［12］ 徐海龍，馬志華，喬秀亭，楊翼.我國海洋漁業(yè)地理信息系統(tǒng)發(fā)展現(xiàn)狀.海洋通報，2012，31(1):113-119.

［13］ 邵全琴，周成虎，沈新強，楊崇俊.海洋漁業(yè)遙感地理信息系統(tǒng)應(yīng)用服務(wù)技術(shù)和方法.遙感學(xué)報，2003，7(3):194-200.

［14］ 蘇奮振，杜云艷，楊曉梅，劉寶銀.地學(xué)關(guān)聯(lián)規(guī)則與時空推理的漁業(yè)分析應(yīng)用.地球信息科學(xué)，2004，6(4):66-70.

［15］ 楊曉明，戴小杰，朱國平.基于地統(tǒng)計分析西印度洋黃鰭金槍魚圍網(wǎng)漁獲量的空間異質(zhì)性.生態(tài)學(xué)報，2012，32(15):4682-4690.

［16］ 楊曉明，戴小杰，田思泉，朱國平.中西太平洋鰹魚圍網(wǎng)漁業(yè)資源的空間熱點和空間異質(zhì)性分析.生態(tài)學(xué)報，2013，doi:10.5846/stxb201211101579.

［17］ 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］ .泰安:山東農(nóng)業(yè)大學(xué)，2012.

［20］ 張松林，張昆.空間自相關(guān)局部指標(biāo)Moran指數(shù)和G系數(shù)研究.大地測量與地球動力學(xué)，2007，27(3):31-34.

［21］ 張松林，張昆.全局空間自相關(guān)Moran指數(shù)和G系數(shù)對比研究.中山大學(xué)學(xué)報:自然科學(xué)版，2007，46(4):93-97.

［25］ 鄔建國.景觀生態(tài)學(xué)——格局、過程、尺度與等級.北京:高等教育出版社，2007.

［27］ 馮永玖，韓震.基于遙感和GIS的海岸帶水域生態(tài)景觀格局演變研究—以杭州灣北岸上海市段為例.國土資源遙感，2011，23(1):123-127.

［28］ 馮永玖，劉艷，韓震.不同樣本方案下遺傳元胞自動機的土地利用模擬及景觀評價.應(yīng)用生態(tài)學(xué)報，2011，22(4):957-963.

［29］ 馮永玖，韓震.元胞鄰域?qū)臻g直觀模擬結(jié)果的影響.地理研究，2011，30(6):1055-1065.

［30］ 劉愛利，王培法，丁園圓.地統(tǒng)計學(xué)概論.北京:科學(xué)出版社，2012.