胡啟偉，陳新軍，2，3，4*，徐良琦，余景

(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；5.上海水產(chǎn)集團(tuán)總公司，上海 200090；6.中國水產(chǎn)科學(xué)院 南海水產(chǎn)研究所，廣東 廣州 510300)

?

中西太平洋金槍魚圍網(wǎng)漁場聚類及其原因分析

胡啟偉1，陳新軍1，2，3，4*，徐良琦5，余景6

(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；5.上海水產(chǎn)集團(tuán)總公司，上海 200090；6.中國水產(chǎn)科學(xué)院 南海水產(chǎn)研究所，廣東 廣州 510300)

本文根據(jù)1995—2010年我國中西太平洋金槍魚圍網(wǎng)生產(chǎn)統(tǒng)計數(shù)據(jù)，按年和月不同時間空間分辨率對金槍魚圍網(wǎng)漁場進(jìn)行聚類分析，劃定不同漁場類型；同時結(jié)合海表溫度(SST)及Nio3.4區(qū)指數(shù)，探討其漁場類型形成的原因。研究表明，在月為時間尺度下氣候異常事件(El Nio 和La Nia事件)發(fā)生頻次與漁場聚類結(jié)果類別相關(guān)聯(lián)，在1—12月發(fā)生氣候異常事件頻數(shù)分布可劃分為以下幾個階段：1—3月、4—6、7—9月、10—12月，與月時間尺度下金槍魚圍網(wǎng)中心漁場4種聚類結(jié)果的時間范圍具有一致性。通過漁場重心聚類結(jié)果和El Nio 和La Nia事件分類統(tǒng)計對比發(fā)現(xiàn)，在年時間尺度下，氣候異常事件的類型與聚類結(jié)果相關(guān)聯(lián)，聚類結(jié)果同一類別包含的年份發(fā)生的氣候異常事件具有一致性，即在同一類別下1995年、1997年為強(qiáng)El Nio 年；1998年、2007、年、2009年為正常年份；2010年為強(qiáng)La Nia年；1999年、2000年、2001年為La Nia年；1996年、2008年為La Nia年；2002年、2004年為El Nio 年。研究認(rèn)為，中心漁場的年際聚類變化與El Nio、La Nia事件的發(fā)生分布具有很強(qiáng)的相關(guān)性，因此可以利用El Nio、La Nia指標(biāo)來預(yù)測漁場的年間和月份間的變化。

中西太平洋；金槍魚圍網(wǎng)漁場；聚類分析；海表面溫度；厄爾尼諾；拉尼娜

1 引言

金槍魚漁業(yè)是眾多太平洋島國和地區(qū)重要的生活和經(jīng)濟(jì)來源[1]，我國的金槍魚圍網(wǎng)主要分布在中西太平洋島國附近海域[2]。海洋環(huán)境對中西太平洋金槍魚圍網(wǎng)漁場有著重要影響[3]，研究漁場類型對指導(dǎo)科學(xué)生產(chǎn)具有重要意義。全球氣候異常也會使其資源和漁場發(fā)生波動，特別是厄爾尼諾(El Nio)和拉尼娜(La Nia)事件[4]。有研究表明，厄爾尼諾-南方濤動現(xiàn)象對中西太平洋鰹魚圍網(wǎng)漁場的空間分布有顯著影響[5]。但氣候變化對中西太平洋金槍魚漁業(yè)資源豐度卻有不同的意見[1，6]，Lehodey等[6]研究認(rèn)為，氣候變化會減少該區(qū)域金槍魚漁業(yè)產(chǎn)量，而Matear等[1]認(rèn)為沒有太大影響，有關(guān)El Nio 和La Nia 事件對金槍魚漁場空間位置和資源豐度分布影響機(jī)理有待進(jìn)一步研究。因此，本研究利用長時間序列的中西太平洋金槍魚圍網(wǎng)漁場數(shù)據(jù)，結(jié)合海洋表面溫度(SST)和El Nio/La Nia事件，運(yùn)用聚類和空間疊加分析方法分析中西太平洋金槍魚漁場分布及其環(huán)境狀況，掌握其資源空間分布的變化規(guī)律，為科學(xué)指導(dǎo)我國金槍魚圍網(wǎng)生產(chǎn)提供科學(xué)依據(jù)。

2 材料與方法

2.1 數(shù)據(jù)來源

采用1995—2010年1-12月中西太平洋鰹魚生產(chǎn)統(tǒng)計數(shù)據(jù)以及對應(yīng)的海表溫度(SST)環(huán)境數(shù)據(jù)，時間分辨率為月，空間分辨率為經(jīng)緯度5°×5°。經(jīng)緯范圍為0°～15°S，125°～180°E，其中生產(chǎn)數(shù)據(jù)包括月份、作業(yè)次數(shù)以及鰹魚自由群產(chǎn)量(單位：t)和鰹魚流木群(單位：t)，CPUE為每月的捕撈產(chǎn)量(單位：t/月)。SST數(shù)據(jù)來自美國NOAA的OceanWatch數(shù)據(jù)庫(http://oceanwatch.pifsc.noaa.gov/las/servlets/dataset)。

2.2 研究方法

(1)CPUE計算。CPUE為每月的單位作業(yè)網(wǎng)次捕撈產(chǎn)量。

(2)不同時間尺度的漁場聚類。從年和月兩種尺度對以CPUE為指標(biāo)的金槍魚圍網(wǎng)漁場進(jìn)行聚類分析。第一種情況，以 12個月份CPUE為指標(biāo)對不同年份CPUE類別進(jìn)行系統(tǒng)聚類。第二種情況，按照16年每年12個月份CPUE為指標(biāo)對年份進(jìn)行系統(tǒng)聚類。

(3)聚類方法。系統(tǒng)聚類將n個CPUE樣品各自作為一類，規(guī)定樣品之間的距離和類與類之間的空間距離，將距離近的兩類并為一個新類，計算新類與其他類之間的空間距離，重復(fù)進(jìn)行兩個空間距離最近的類合并，每次減少一類，直至所有的樣品合并成為一類。最后形成一個親疏關(guān)系圖譜(聚類樹圖形)，通常從圖上能清晰的看出應(yīng)分為幾類及每類包含的變量。由于在系統(tǒng)聚類中類平均很好地利用了所有樣品之間的信息，在很多情況下它被認(rèn)為是一種比較好的系統(tǒng)聚類方法。因此，本研究用系統(tǒng)聚類中的類平均法聚類(average linkage method)進(jìn)行兩種尺度下的聚類分析[7-8]。

定義類與類之間的聚類為兩類最近樣品間的距離[8]，即：

(1)

若某一類GK與GL聚成新的一類，記為GM，類GM與任意已有類GJ之間的距離為[8]:

(2)

類與類之間的平均距離定義為CPUE樣品之間平方距離的平均值。GK與GL之間的平方距離為[8]：

(3)

類間平方距離的遞推公式為[14]：

(4)

(4)不同類別漁場分布與海洋環(huán)境關(guān)系分析。上述聚類劃分后，重點(diǎn)探討不同類型(本研究中可以取一個代表性年份或者月份)CPUE與海洋環(huán)境的關(guān)系。利用R軟件繪出每年各月CPUE空間分布熱圖(HeatMap)，通過熱圖顏色的變化分布可以直觀的觀察到CPUE每年每月的變化趨勢。此外，色差也能反應(yīng)出“冷熱”月份和年份。

(5)z分?jǐn)?shù)(z-score)，也稱標(biāo)準(zhǔn)分?jǐn)?shù)(standard score)是一個數(shù)與平均數(shù)的差再除以標(biāo)準(zhǔn)差的過程。本研究用z分?jǐn)?shù)表示：“一個給的時間尺度下CPUE分?jǐn)?shù)距離平均數(shù)多少個標(biāo)準(zhǔn)差”在平均數(shù)之上的分?jǐn)?shù)會得到一個正的標(biāo)準(zhǔn)分?jǐn)?shù)，在平均數(shù)之下的分?jǐn)?shù)會得到一個負(fù)的標(biāo)準(zhǔn)分?jǐn)?shù)。z分?jǐn)?shù)是一種可以看出某分?jǐn)?shù)在分布中相對位置的方法。z分?jǐn)?shù)能夠真實(shí)的反應(yīng)一個分?jǐn)?shù)距離平均數(shù)的相對標(biāo)準(zhǔn)距離[9]。

3 結(jié)果

3.1 CPUE的時間變化

由圖1可知，在月的時間尺度下，1995-2010年1-12月CPUE平均值變化不大，穩(wěn)定在15 t/月左右，但每月CPUE離散變化表現(xiàn)出明顯不同，總體來看2-7月的離散度要小于其他月份。由圖2可知，在年的時間尺度下，1995—2010年均CPUE值變化較大。1997年為16年間的最小值，平均CPUE為10.3 t/網(wǎng)次；2008年為16年間最大值，平均為19.8 t/網(wǎng)次。總體來看(圖1，圖2)，16年間年均CPUE的變化幅度遠(yuǎn)比月平均CPUE大。

圖1 1995—2010年各月單位捕撈努力量漁獲量分布Fig.1 Monthly CPUE distribution during 1995 to 2010

圖2 1995—2010年每年12個月份單位捕撈努力量漁獲量分布Fig.2 Monthly CPUE distribution in each year from 1995 to 2010

(1)基于月份的金槍魚圍網(wǎng)漁場聚類

根據(jù)R軟件繪制月熱圖和聚類樹(圖3a)，漁場聚類可分為4類：1—3月、4—7月、8—9月及10—12月結(jié)果(表1)。以月為時間尺度1—12月發(fā)生氣候異常事件(El Nio 和La Nia事件)頻數(shù)的分布(圖4和圖5)，可劃分為以下幾個階段：1—3月、4—6月、7—9月、10—12月，與金槍魚圍網(wǎng)中心漁場聚類結(jié)果基本具有一致性。此外，由熱圖可知在月時間尺度下(圖3a)，z分?jǐn)?shù)范圍在(-3，3)之間漁場中心變化較大，但分布比較集中在均值附近，只有少部分月份漁場中心變異較大。

(2)基于年份的金槍魚圍網(wǎng)漁場聚類

在年時間尺度下(圖3b)，漁場聚類可分為6類，第一類：1995年、1997年，第二類：1998年、2007年、2009年，第三類：2005年、2010年，第四類：1999年、2000年、2001年，第五類：1996年、2006年、2008年，第六類：2002年、2003年、2004年結(jié)果(表1)。通過漁場中心聚類結(jié)果和El Nio 和La Nia事件(圖3)分類統(tǒng)計對比發(fā)現(xiàn)第一類：1995年、1997年為強(qiáng)厄爾尼諾年，第二類：1998年、2007年、2009年為正常年份，第三類：2010年為強(qiáng)拉尼娜年，第四類：1999年、2000年、2001年為拉尼娜年，第五類：1996年、2008年為拉尼娜年，第六類：2002年、2004年為厄爾尼諾年。因此，中心漁場的年際聚類變化與El Nio、La Nia事件的發(fā)生分布基本具有一致性。另外，由熱圖分析(圖3b)可知z分?jǐn)?shù)范圍在(-2，2)之間漁場中心仍存在變化，變化幅度小于月時間尺度，但分布較發(fā)散，大多數(shù)年份的漁場中心都偏離平均值。這可能是因?yàn)槟陼r間尺度大，漁場中心受到不同尺度環(huán)境要素的影響。

另外，在聚類的結(jié)果中，通過其(圖3a，圖3b)下方的聚類色標(biāo)可發(fā)現(xiàn)在年時間尺度下1995、1997年；月時間尺度下8、9月漁場中心差異較大。

圖3 不同時間尺度下單位捕撈努力量漁獲量聚類和熱圖分布Fig.3 The clustering and heatmap distribution of CPUE at different time scales

時間尺度類別分類結(jié)果年11995年、1997年21998年、2007年、2009年32005年、2010年41999年、2000年、2001年51996年、2006年、2008年62002年、2003年、2004年月18月、9月210月、11月、12月31月、2月、3月44月、5月、6月、7月

圖4 1995年1月-2010年12月Nio3.4 區(qū)SSTA 時間序列分布Fig.4 The time series distribution of SSTA in the area Nio3.4 from January of 1995 to December of 2010

圖5 1995—2010年12個月份El Nio 和La Nia事件發(fā)生次數(shù)Fig.5 The frequency of El Nio and La Nia event of 12 months from 1995-2010

3.3 漁場類型與SST的關(guān)系

在月時間尺度下，由圖1和6a可知，CPUE變化基本和SST變化一致。其中SST在6、7、8、9月份較其他月份較低，波動幅度偏高，同期CPUE較其他月份出現(xiàn)下降。在年時間尺度下，由圖2、圖6b可知，在1995-2002年SST年際變化幅度較其余年份大，同期CPUE波動范圍較大；在2003-2010年SST變化幅度較小，同期CPUE相對穩(wěn)定。另外氣候異常變化對CPUE影響較低，例如1997年、2008年是都是氣候異常年份(圖4)，同期年SST和年CPUE都是出現(xiàn)較大幅度的波動。因此，在不同的時間尺度下都發(fā)現(xiàn)SST的變化與CPUE的變化密切相關(guān)，氣候異常對CPUE的影響顯著。

4 討論與分析

水溫是影響魚類活動最重要的環(huán)境因子之一，魚類的分布、洄游遷移和集群等會直接或間接地受到環(huán)境溫度的限制[10—11]。本文通過不同時間尺度下CPUE和SST時間序列分析(圖1，圖2，圖6)發(fā)現(xiàn)，當(dāng)SST值在27.0～30.0℃時，CPUE變化趨勢和SST變化趨勢基本一致。

月份時間序列中5—9月SST值明顯低于其他月份分布在27.5～28.5℃之間(圖6b)，對應(yīng)時間階段CPUE值也出現(xiàn)下降，其值分布在12.5～17.5 t 之間(圖1)。這反映出中西太平洋的金槍魚生長有一定的適宜溫度，27.5～28.5℃并不適合它的生長，唐峰華等[3]研究表明中西太平洋的金槍魚生長最適宜的海表溫度為29～31℃[3]。

圖6 1995—2010年不同時間尺度下海表面溫度分布Fig.6 The distribution of SST at different time scales during January of 1995 to December of 2010

圖7 2009年10月(a)、11月(b)、12月(c)中西太平洋金槍魚CPUE空間分布與SST關(guān)系Fig.7 CPUE distribution of tuna and relationship with SST in the west-central Pacificin October(a)，November(b) and Decmber(c) of 2009

圖8 2010年10月(a)、11月(b)、12月(c)中西太平洋金槍魚CPUE空間分布與SST關(guān)系Fig.8 CPUE distribution of tuna and relationship with SST in the west-central Pacificin October(a),November(b) and December(c) of 2010

在年時間尺度下，整體來看1995—2002年SST值(在28～29℃之間波動)明顯低于2003—2010年SST值(在28.5～29.5℃之間波動)，年CPUE值的變化基本和SST值變化一致。這一方面反映出了20世紀(jì)以來受全球氣候變暖影響中西太平洋海域海表溫度增加，另一方面也表明了氣候變化影響著中西太平洋金槍魚漁業(yè)[12]。

根據(jù)郭愛等[14]、胡奎偉等[15]、唐峰華等[3]研究結(jié)果表明，中西太平洋金槍魚圍網(wǎng)漁場主要分布在SST值為28～32℃的海域，最適SST值為29～31℃，而El Nio和La Nia的發(fā)生引起SST的變化是造成金槍魚圍網(wǎng)漁場中心變動的主要原因之一，另外海水溫度的變化還會帶來海水葉綠素、營養(yǎng)鹽等物質(zhì)的變動[1]，也會對中西太平洋金槍魚圍網(wǎng)漁場中心的變動產(chǎn)生影響。

[1] Matear R J，Chamberlain M A，Sun C，et al. Climate change projection for the western tropical Pacific Ocean using a high-resolution ocean model:implications for tuna fisheries[J]. Deep-Sea Research Part Ⅱ:Topical Studies in Oceanography，2015，113:22-46.

[2] 朱江峰，戴小杰. 中西太平洋金槍魚圍網(wǎng)漁業(yè)現(xiàn)狀及我國發(fā)展對策[J]. 中國漁業(yè)經(jīng)濟(jì)，2009，27(1):115-119.

Zhu Jiangfeng，Dai Xiaojie. China development stagey on tuna fishery in western and central Pacific[J]. Chinese Fisheries Economics，2009，27(1):115-119.

[3] 唐峰華，崔雪森，楊勝龍，等. 海洋環(huán)境對中西太平洋金槍魚圍網(wǎng)漁場影響的GIS時空分析[J]. 南方水產(chǎn)科學(xué)，2014，10(2):18-26.

Tang Fenghua，Cui Xuesen，Yang Shenglong，et al. GIS analysis on effect of temporal and spatial patterns of marine environment on purse seine fishery in the western and central Pacific[J]. South China Fisheries Science，2014，10(2):18-26.

[4] 徐冰，陳新軍，田思泉，等. 厄爾尼諾和拉尼娜事件對秘魯外海莖柔魚漁場分布的影響[J]. 水產(chǎn)學(xué)報，2012，36(5):696-707.

Xu Bing，Chen Xinjun，Tian Siquan，et al. Effects of El Nio/La Nia on distribution of fishing ground ofDosidicusgigasoff Peru waters[J]. Journal of Fisheries of China，2012，36(5):696-707.

[5] 周甦芳. 厄爾尼諾-南方濤動現(xiàn)象對中西太平洋鰹魚圍網(wǎng)漁場的影響[J]. 中國水產(chǎn)科學(xué)，2005，12(6):739-744.

Zhou Sufang. Impacts of the El Nio-Southern Oscillation on skipjack tuna purse-seine fishing grounds in the Western and Central Pacific Ocean[J]. Journal of Fishery Sciences of China，2005，12(6):739-744.

[6] Lehodey P，Senina I，Nicol S，et al. Modelling the impact of climate change on South Pacific albacore tuna[J]. Deep-Sea Research Part Ⅱ:Topical Studies in Oceanography，2015，113:246-259.

[7] 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，2002，12(1):91-95.

Du Yunyan，Zhou Chenghu，Shao Quanqin，et al. Extracting spatio-temporal patterns from ocean fishery dataset in East China Sea using spatial cluster[J]. Chinese High Technology Letters，2002，12(1):91-95.

[8] 謝中華. MATLAB統(tǒng)計分析與應(yīng)用:40個案例分析[M]. 北京:北京航空航天大學(xué)出版社，2010:292-295.

Xie Zhonghua. MATLAB Statistical Analysis and Application of Case Studies 40[M]. Beijing:Beijing University of Aeronautics and Astronautics Press，2010:292-295.

[9] Runyon R P，Haber A，Coleman K A. Behavioral statistics:the Core[M]. Core，1994.

[10] 郭愛，陳新軍. ENSO與中西太平洋金槍魚圍網(wǎng)資源豐度及其漁場變動的關(guān)系[J]. 海洋漁業(yè)，2005，27(4):338-342.

Guo Ai，Chen Xinjun. The relationship between ENSO and tuna purse-seine resource abundance and fishing grounds distribution in the Western and Central Pacific Ocean[J]. Marine Fisheries，2005，27(4):338-342.

[11] 胡奎偉，許柳雄，陳新軍，等. 海洋遙感在漁場分析中的研究進(jìn)展[J]. 中國水產(chǎn)科學(xué)，2012，19(6):1079-1088.

Hu Kuiwei，Xu Liuxiong，Chen Xinjun，et al. Application of ocean remote sensing on fishing ground analysis:a review[J]. Journal of Fishery Sciences of China，2012，19(6):1079-1088.

[12] 王少琴，許柳雄，朱國平，等. 中西太平洋金槍魚圍網(wǎng)的黃鰭金槍魚CPUE時空分布及其與環(huán)境因子的關(guān)系[J]. 大連海洋大學(xué)學(xué)報，2014，29(3):303-308.

Wang Shaoqin，Xu Liuxiong，Zhu Guoping，et al. Spatial-temporal profiles of CPUE and relations to environmental factors for yellowfin tunaThunnusalbacoresfrom purse-seine fishery in Western and Central Pacific Ocean[J]. Journal of Dalian Ocean University，2014，29(3):303-308.

[13] 靳少非，樊偉. 鰹魚資源開發(fā)利用研究現(xiàn)狀及未來氣候變化背景下研究展望[J]. 漁業(yè)信息與戰(zhàn)略，2014，29(4):272-279.

Jin Shaofei，F(xiàn)an Wei. Review and perspectives on skipjack tuna fishery under global climate change[J]. Fishery Information & Strategy，2014，29(4):272-279.

[14] 郭愛，陳新軍，范江濤. 中西太平洋鰹魚時空分布及其與ENSO關(guān)系探討[J]. 水產(chǎn)科學(xué)，2010，29(10):591-596.

Guo Ai，Chen Xinjun，F(xiàn)an Jiangtao. Spatial and temporal distribution of skipjack and relationship with ENSO in the West-central Pacific Ocean[J]. Fisheries Science，2010，29(10):591-596.

[15] 胡奎偉，朱國平，王學(xué)昉，等. 中西太平洋鰹魚豐度的時空分布及其與表溫的關(guān)系[J]. 海洋漁業(yè)，2011，33(4):417-422.

Hu Kuiwei，Zhu Guoping，Wang Xuefang，et al. Spatio-temporal distribution of skipjack tuna (Katsuwonuspelamis) abundance and its relationship with sea surface temperature in Western and Central Pacific Ocean[J]. Marine Fisheries，2011，33(4):417-422.

Cluster analysis of tuna purse seine fishery in the Western and Central Pacific

Hu Qiwei1，Chen Xinjun1，2，3，4，Xu Liangqi5，Yu Jing6

(1.CollegeofMarineSciences，ShanghaiOceanUniversity，Shanghai201306，China；2.TheKeyLaboratoryofSustainableExploitationofOceanicFisheriesResources，ShanghaiOceanUniversity，MinistryofEducation，Shanghai201306，China; 3.NationalDistant-waterFisheriesEngineeringResearchCenter，Shanghai201306，China; 4.CollaborativeInnovationCenterforDistant-waterFisheries，Shanghai201306，China；5.ShanghaiFisheriesCompany，Shanghai200090，China;6.SouthChinaSeaFisheriesResearchInstitute,ChineseAcademyofFisherySciences,Guangzhou510300,China)

According to production statistics from tuna purse seine fishery during 1995 to 2010，cluster analysis of purse seine fishery by year and month different time scale is analyzed. Combined with sea surface temperature (SST) and Nio3.4 zone index，the causes of different fishing ground type are discussed. The studies shown that the frequency distribution of abnormal weather events (El Nio and La Nia events)are closely related to the class of clustering results of fishing ground in a monthly time scale，which can be divided into the following phases，i.e. January to March，April to June，July to September and October to December，this results is basically consistent with the time range of clustering results of fishing ground. Compared with center of clustering fishing ground and classification statistical of El Nio and La Nia events，it is found that the type of abnormal climate event associated with the results of clustering. Under the same category，the first category is in 1995 and 1997 with strong El Nio years，the second category is 1998，2007 and 2009 with normal year，the third category is 2010 with a strong La Nia year，the fourth category is 1999，2000 and 2001 with La Nia years，the fifth category is 1996 and 2008 with La Nia Year，and category VI is 2002 and 2004 with El Nio years. It is concluded that the changing annual fishing grounds has a strong correlation with the occurrence of El Nio and La Nia events，the index of the El Nio and La Nia can be used to predict the changes of fishing grounds at year and month scales．

the Western and Central Pacific; tuna purse seine fishery class; cluster analysis; sea surface temperature; El Nio； La Nia

2016-06-06；

2016-07-22。

海洋局公益性行業(yè)專項(xiàng)(20155014)；上海市科技創(chuàng)新計劃(15DZ1202200)。

胡啟偉(1992—)，男，河南省固始市人，主要研究方向?yàn)闈O業(yè)遙感。E-mail：1140629881@qq.com

*通信作者：陳新軍(1967—)，男，教授。E-mail：xjchen@shou.edu.cn

10.3969/j.issn.0253-4193.2016.12.007

S931

A

0253-4193(2016)12-0066-10

胡啟偉，陳新軍，徐良琦，等. 中西太平洋金槍魚圍網(wǎng)漁場聚類及其原因分析[J].海洋學(xué)報，2016，38(12)：66—75，

Hu Qiwei，Chen Xinju，Xu Liangqi，et al. Cluster analysis of tuna purse seine fishery in the Western and Central Pacific [J]. Haiyang Xuebao，2016，38(12)：66—75，doi：10.3969/j.issn.0253-4193.2016.12.007