基于ESDA的西北太平洋柔魚資源空間熱點區域及其變動研究

馮永玖，陳新軍，*，楊銘霞，霍 丹，朱國平

(1.上海海洋大學海洋科學學院，上海201306;2.大洋漁業資源可持續開發省部共建教育部重點實驗室，上海201306;3.國家遠洋漁業工程技術研究中心，上海201306)

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

目前有關學者對柔魚基礎生物學［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境的關系［8-9］、漁情預報［10-11］等領域進行較為廣泛的研究。在漁業資源空間分布或格局的研究中，利用傳統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律奠定了基礎。

傳統GIS可直觀表達漁業資源的空間分布，并通過數據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資源的全局空間分布模式和內在的空間關聯關系。迄今，漁業資源相關空間問題的深層次研究仍屬鮮見，如有關漁業資源的空間聚類、漁業生態學過程和格局的空間異質性等問題。針對漁業資源的空間問題，國內學者利用遙感、GIS、空間分析和地學關聯規則等方法，對東海區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空間分析與地統計方法在漁業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分析了印度洋黃鰭金槍魚(Thunnusal bacares)圍網漁獲量的空間異質性［15］，并利用空間自相關和變異函數分析了中西太平洋鰹魚(Katsuwonus pelamis)圍網漁業資源的空間熱點和空間異質性［16］;牛明香則利用空間自相關和標準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］，展示了空間統計分析在漁業資源研究中的最新成果。

探索性空間數據分析方法(ESDA)［18-19］是一種典型的GIS數據分析方法，能夠有效探測空間數據中潛在的關聯關系并發現數據分布趨勢。為此，本研究擬綜合利用全局和局部空間自相關方法［20-21］，有效識別柔魚資源的空間自相關結構、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、熱冷點區域及其變動規律，為柔魚資源空間分布規律的掌握提供科學方法。

1 材料與方法

1.1 研究區域與數據

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)。數據獲取時間為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據，即每個數據點的位置就是捕撈漁船所記錄的空間位置，2007年獲取2212個數據點，2010年獲取7918個數據點。將數據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的產量(t)，E表示其對應的作業次數［22］。此外，為了準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TIN(Triangulated Irregular Network)方法［23］建立漁獲量數據范圍(圖1)。通過建立TIN能夠剔除無漁獲量的海域并產生有效數據區域，使熱冷點的分析不受或少受無數據區域的影響，從而提高空間分析的可靠性。

圖1 研究區域與數據Fig.1 The study area and the dataset used

1.2 全局空間自相關分析方法

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統計量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量(即樣本數量)，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是空間權重矩陣，表示要素i和j的鄰近關系，它可以根據鄰接標準或者距離標準來度量。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Moran's I值域范圍為［-1，1］ ，該值大于0表示正相關，小于0表示負相關;Moran's I絕對值越大表示空間分布的自相關程度越高，表明空間分布呈現聚集現象;Moran's I絕對值越小代表空間分布的自相關程度越低，說明空間分布呈現分散格局;當Moran's I值等于0時，表示空間分布呈現隨機分布［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標準差的倍數，當Z較大時表示要素呈聚集分布狀態。P值表示樣本空間模式是某一隨機分布的概率，當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 局部空間自相關分析方法

全局空間自相關統計量Moran's I反映的是柔魚資源空間整體自相關狀態，側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。此外，全局空間自相關還存在一些局限性，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統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之間的空間權重，其意義與式(1)相同，n是要素數量，ˉX為均值，S為標準差。統計結果返回Z得分和P值，其意義與全局空間自相關類似。當Z得分大于2倍標準差，表示空間熱點區域;當Z得分介于1倍與2倍標準差之間、-2倍與-1倍標準差之間，均表示可能出現一定的熱冷點分布，但不能否定隨機分布的可能;當Z得分介于-1倍與1倍標準差之間，則表示空間模式有極大可能是隨機分布;當Z得分小于-2倍標準差，表示空間冷點區域［24］。此外，熱點區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

與傳統研究不同，本文側重從地理信息科學的視角去解釋漁業資源空間格局及其變動。GIS中圖層疊置方法(Overlay)是空間分析的經典方法，在遙感與GIS、資源與環境等領域中應用廣泛［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，從生態學和空間科學的角度來看，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(Landscape Metrics)來評價和分析其結構［25-26］。景觀指數是能夠高度濃縮景觀格局信息，反映其結構組成和空間配置的簡單定量指標［27-29］。景觀指數包括景觀層次(Landscape-level)、類型層次(Class-level)和斑塊層次(Patch-level)3種指標［26］，可從不同層次評價漁業資源的空間熱冷點結構。

2 結果

2.1 常規統計與全局空間自相關分析

為了解柔魚資源整體情況，對其獲取的樣本數據進行常規統計量及全局空間自相關統計量測算(表1)。結果顯示，柔魚樣本在2007和2010年的偏態Sk均大于0，頻數分布均為正偏;2007年的峰態Ku小于3，呈現平峰分布，表明高產值海域較多，2010年的峰態Ku大于3，呈現尖峰分布，表明2010年低產值海域較多;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，表明柔魚資源呈現較強的聚集分布特征。

全局自相關Moran's I統計量表明，西北太平洋柔魚資源在2007和2010年均為正相關，且呈現一定的聚集特征，印證了S2/m的計算結果。同時，兩個年份的Z得分均非常高，且P值均為0，表明柔魚資源呈現出顯著的聚集分布模式。

表1 西北太平洋柔魚資源樣本統計參數及全局空間自相關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 局部空間自相關與空間熱冷點分布格局

根據上述理論和方法，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為經過ArcGIS克里金插值方法得到的可視化結果［24，30］。

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

2.3 空間熱冷點的構成

為了研究柔魚資源空間熱冷點的構成及百分比，基于面狀的空間熱點區域，對GiZscore值包含的5種類型和“No sample”數據區進行統計如圖3。圖3表明，2007年無數據區域占研究區范圍46.1%，2010年無數據區則僅占26.8%。2007年熱點區域占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］ 范圍內的面積達到了31.0%，表明研究區內大部分漁獲量并不高。對比2010年原始點位數據，CPUE≤2.0的數據點為4048個，占總數據量的70.5%。

圖3 2007和2010年西北太平洋柔魚資源熱冷點構成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年呈現空間冷點不變的區域有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域之間的變動，在研究區域占據了主導地位，但是熱點和冷點之間的變動是本區域的柔魚資源的關鍵性信息。

3 分析與討論

3.1 關于漁區劃分和TIN預處理

在傳統漁業資源研究中，無論是有關漁情預報［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進行統計，如0.5°×0.5°為一個漁區。這樣的漁區劃分方法非常經典，也具有其理論依據與實踐意義，在漁業資源研究中被廣泛接受。從空間角度來看，漁區的劃分是否能夠準確地代表采樣點的空間特性，是需要結合漁業捕撈作業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意義的主題，即漁業資源CPUE的標準化［22］。漁區劃分和CPUE標準化之后的空間數據，在空間中形成了規則的分布模式。但是，漁業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，空間分析偏好不規則的數據分布形式，并從中挖掘潛在的規律［24］。因此，本文利用的數據為原始捕撈記錄數據，即每個數據點位置就是捕撈漁船所記錄的空間位置，其屬性值即為CPUE。基于這種不規則的原始空間數據，能夠獲取更為準確的空間熱點和冷點區域。

此外，研究范圍(150°E—160°E、38°N—45°N)內很多區域是沒有漁業捕撈數據的，即漁船并沒有到達這些區域生產。但是，這并不表明這些區域沒有漁業資源。如果將這些沒有數據的區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，將無數據區域劃分為“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，無數據區域的確定是一個困難的問題。本文采用了GIS中的TIN三角網方法［23］，將數據采樣區域和無采樣區域分開。規則的漁區分布數據不能體現TIN的不規則特性，很難構造有效的TIN三角網，再次印證了利用原始數據進行分析的必要性。由于GIS中的TIN三角網必須是凸包［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中的標準TIN三角網。這是因為，如果采用標準TIN，很多無漁獲量區域將被包括在有數據的區域內。因此，本文對標準TIN進行修改，將被包含在標準TIN內、但無漁獲量的區域剔除，形成了圖1所示的三角網。由于剔除了數據無關區域，故而在點狀和面狀熱冷點區域的探測中，由于原始數據造成的誤差則會減小;因此，TIN三角網的構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，分別對柔魚資源的空間熱冷點進行評價。景觀層次指數評價的是柔魚資源每一年的整體空間結構，類型層次指數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構。在計算景觀指數時去除了“No samples”，即將無樣本的海域當作背景進行處理，結果分別見表2和表3。

表2中NP指數顯示，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年熱冷點的組成結構較2010年復雜;LPI指數表示景觀中最大斑塊占整體景觀的比例，對應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所示結果一致;LSI指數大于1，表明熱冷點格局的幾何形狀稍顯復雜，但是這種復雜程度并不高;PAFRAC指數的意義為熱冷點格局的分維數，表2中具體數值說明其復雜性和自相似并不高，但2007年比2010年復雜程度稍高;CONTAG指數較高，表明熱冷點格局的聚集性非常強，即存在優勢熱點或冷點斑塊;DIVISION指數介于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雜的斑塊組成，表2顯示了在斑塊組成結構上2007年的復雜程度高于2010年;同時，SHDI和SIDI指數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性較強。該空間異質性反映出，在空間結構上有多種類型的柔魚分布形式(熱點、冷點、統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指數顯示了熱點、冷點等各類型GiZscore值對應的斑塊數量，對應于“＞2.0”為空間熱點，對應于“＜-2.0”為空間冷點，同時各類型斑塊的總數與表2一致;LPI指數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表明各類型結構的復雜性，可以看出2007年空間熱點的復雜程度(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年更加復雜;與此類似，2007年的空間冷點復雜程度低于2010年;IJI指數表明，其值越高則熱冷點的空間異質性越高，各類型之間的連接性下降，這說明2007年柔魚資源的異質性高于2010年，而2010年熱點(＞2.0)和冷點(＜-2.0)呈規則形狀分布的趨勢(IJI為0)較明顯;COHESION指數表明了柔魚資源空間熱冷點各類型的關聯程度，從具體數據可知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對其進行刻畫和分析，能夠深入挖掘其內在結構與特征?？偨Y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的區域可能是多年的熱點和高產量區域;2)冷點或統計不顯著的區域在該海域是優勢斑塊;3)熱冷點格局的聚集性非常強;4)資源分布的異質性較高。

3.3 空間熱冷點與海表溫的關系

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，如漁業捕撈本身、海洋環境要素(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調組(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境的關系(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，同時結合日本氣象廳發布的數據和報告(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優勢［1］。黑潮自31°N向北蜿蜒，2月產生了向東的離岸流，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的形成受溫度和海流的影響，近一半作業漁區產量相對較高，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的格局。

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，在暖渦附近產生的上升流帶來了豐富的營養鹽等條件，形成了一個中心漁場，一直持續至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所在海域基本一致，反應了柔魚魚群為集中分布，并指示了中心漁場所在的區域。

4 結論

本文利用ESDA中全局和局部空間自相關方法，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自相關方法，對2007和2010年西北太平洋柔魚資源的空間熱冷點結構進行了可視化制圖，結果顯示該區域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域之間的變動，在研究區域占據了主導地位。結合海洋環境因素，并利用百分比堆積圖、空間變化檢測和景觀指數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在特征。

此外，所有空間分布及其規律均是在建立在某種空間尺度的基礎之上的。本文采用不是經過漁區劃分的柔魚資源數據，而是捕撈作業的原始點位數據，因此在后續研究中將對建立在漁區劃分之上的熱冷點格局進行補充分析，并與本研究的結果進行比較，同時考慮漁區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.北太平洋柔魚漁業生物學.北京:科學出版社，2011.

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

［5］ 李圣法，嚴利平，李惠玉，李建生，程家驊.東海區頭足類群聚空間分布特征的初步研究.中國水產科學，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.水產學報，2003，27(4):334-342.

［7］ 王增煥，李純厚，賈曉平.應用初級生產力估算南海北部的漁業資源量.海洋水產研究，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系.生態學報，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報HSI建模與智能優化.生態學報，2013，doi:10.5846/stxb201212171813.

［11］ 樊偉，崔雪森，伍玉梅，周為峰，陳雪忠.漁場漁情分析預報業務化應用中的關鍵技術探討.中國水產科學，2013，20(1):234-241.

［12］ 徐海龍，馬志華，喬秀亭，楊翼.我國海洋漁業地理信息系統發展現狀.海洋通報，2012，31(1):113-119.

［13］ 邵全琴，周成虎，沈新強，楊崇俊.海洋漁業遙感地理信息系統應用服務技術和方法.遙感學報，2003，7(3):194-200.

［14］ 蘇奮振，杜云艷，楊曉梅，劉寶銀.地學關聯規則與時空推理的漁業分析應用.地球信息科學，2004，6(4):66-70.

［15］ 楊曉明，戴小杰，朱國平.基于地統計分析西印度洋黃鰭金槍魚圍網漁獲量的空間異質性.生態學報，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漁業資源的空間熱點和空間異質性分析.生態學報，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及對海洋環境因子的響應［D］ .泰安:山東農業大學，2012.

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

［21］ 張松林，張昆.全局空間自相關Moran指數和G系數對比研究.中山大學學報:自然科學版，2007，46(4):93-97.

［25］ 鄔建國.景觀生態學——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.應用生態學報，2011，22(4):957-963.

［29］ 馮永玖，韓震.元胞鄰域對空間直觀模擬結果的影響.地理研究，2011，30(6):1055-1065.

［30］ 劉愛利，王培法，丁園圓.地統計學概論.北京:科學出版社，2012.