基于空間自相關模型的西北太平洋日本鯖漁場時空變動研究

趙國慶，吳祖立，崔雪森，樊偉，石永闖，肖戈，唐峰華*

( 1. 上海海洋大學 海洋科學學院，上海 201306；2. 中國水產科學研究院東海水產研究所，上海 200090)

1 引言

日本鯖（Scomber japonicus）是一種具有重要商業價值的大洋暖水性中上層魚類，沿大陸架廣泛分布于太平洋、大西洋和印度洋及其鄰近海域，橫跨溫帶和亞熱帶[1-2]，垂直分布范圍為0～300 m[3]，具有趨光、垂直移動特性，在產卵期（3-6月）和越冬季（12月至翌年2月）會進行長距離洄游[4]。日本鯖是西北太平洋公海燈光圍網的主要捕撈對象，日本在該海域捕撈歷史悠久，另外，在該海域進行生產的國家還有中國、韓國和俄羅斯[5-6]。根據季節性洄游模式和產卵場位置的不同，西北太平洋日本鯖被劃分為對馬暖流群體和太平洋系群體[7]，前者產卵地為東海南部到對馬海峽之間的海域，后者往往在黑潮洋流邊緣產卵[1]，我國在西北太平洋公海的主要捕撈對象為太平洋系群體。據研究，20世紀70年代該群體的資源量一直處于較高水平，80年代初開始下降，直至2012年一直處于較低水平，自2014年開始，其資源量大幅提升，目前，太平洋系群體的利用程度較低，捕撈潛力較大[6]。自20世紀70年代以來，太平洋系群體資源量一直處于劇烈變動中，且變動強度要遠大于對馬暖流群體[6]，據推測，這可能與海洋環境的改變和漁業管理制度的實施有很大關系。

資源量變化是漁業生產者、管理者主要的關注內容，但漁場變動也應同樣受到重視。漁場變動研究可以較好地展示漁場的變動方向、分布格局、時空演變等特征，對捕撈生產、保護管理等意義重大。燈光敷網和燈光圍網是我國在西北太平洋的主要作業方式，日本鯖是這兩種作業方式的主要目標種，漁獲組成占比高達80%以上[8]，因此，日本鯖漁場變動一直是西北太平洋漁業研究的重要內容。目前，相關研究多利用漁業生產數據來計算漁場重心以探討漁場變動的特征，如采用漁獲量重心法、地統計插值法等研究日本鯖漁場重心的季節性變動、漁場區域的變化等[9-10]，同時也多結合環境數據探討漁場的變動是否與環境因子存在相關性，如將海面溫度、葉綠素濃度、海流、溫躍層等數據與日本鯖漁場變動特征結合起來進行研究[10-11]。Wang等[1]通過對越冬和產卵地指數分析后指出，大尺度氣候因子對日本鯖越冬場和產卵場的溫度變化具有重要影響，并認為該指數可以較好地解釋其資源豐度的變化。但是目前有關漁場變動的研究多缺乏對變動特征的描述，如分布格局、擴張范圍、方向、冷熱點分析等。漁場變動是時間和空間互相疊加產生的結果，因此，地理上的空間統計方法對漁場變動分析具有很大優勢。空間統計是分析特定時間范圍內某一空間尺度下某要素是否存在統計意義上的聚集或離散性質的一種有效方法，已發展成為研究自然界具有隨機性和規律性變化的普遍性的科學方法，在諸多領域如經濟[12]、醫學[13]、生態[14]等方面都得到成功應用，目前在漁業中也已得到應用[15]。全局莫蘭指數和熱點分析是研究某一要素全局和局部分布模式的有效方法，可以得到變量的全局空間分布特征和具有統計顯著性的熱點和冷點，因此，可以清晰展示漁場變動的相關特征[16]。標準差橢圓模型是一種定量描述研究對象空間分布整體特征及時空演變過程的空間格局統計分析方法，可以直觀地展現漁場在空間上的變動方向、擴張海域和分布格局[17]。

基于商業捕撈漁船進行漁業研究對了解漁業動態、量化生物資源量具有很大優勢[18]，然而，目前基于長時間序列漁業數據對西北太平洋日本鯖漁場變動的研究相對較少。基于此，本研究以我國2014-2019年西北太平洋日本鯖捕撈統計資料為基礎，首先采用全局空間自相關工具全局莫蘭指數和局部空間自相關工具局部熱點分析分析了日本鯖全局和局部空間分布模式，然后采用重心遷移軌跡模型和標準差橢圓模型分析了統計年間日本鯖漁場重心的時空變動軌跡和分布范圍的變遷。本研究綜合運用了多種時空分析工具，對西北太平洋日本鯖漁場的時空分布特征進行了研究，以期為日本鯖合理開發利用、保護和管理等提供借鑒。

2 材料與方法

2.1 數據來源及漁場區域

本文所用統計數據來源于中國遠洋漁業協會公海圍拖網漁業技術組所收集的西北太平洋公海燈光圍網日本鯖生產統計資料，該資料共由國內14家遠洋漁業公司提供，統計內容包括作業日期（年、月、日）、作業位置（經度和緯度）、投網次數、漁獲量等信息。本文所用統計數據的時間跨度為2014-2019年，主要作業時間為每年的4-11月，作業區域分布在35°～45°N，145°～165°E（圖1）。本文在進行產量分布分析時將經緯度0.5°×0.5°定義為一個小漁區，統計每個小漁區的產量之和來進行產量空間分布研究，同時，為兼顧每個捕撈點對漁場的貢獻，在進行空間自相關研究、產量重心軌跡遷移和標準差橢圓分析時使用產量的點要素。

圖1 西北太平洋公海日本鯖作業海域Fig. 1 Fishing area of chub mackerel in the high seas of the Northwest Pacific

2.2 漁獲數據處理

對漁獲量數據進行處理，利用單位捕撈努力量漁獲量（Catch Per Unit Effort，CPUE，單位：t/網次）表示漁獲效率[17]，計算公式為

式中，Ci為每艘漁船第i網次的漁獲量（單位：t）；n是總網次。本文在進行年份和月份的漁獲量、CPUE統計和計算時，使用的均是累加數據。

2.3 核密度估計

核密度估計（Kernel Density Estimation，KDE）是一種常用的點密度方法，在概率論中被用于概率密度函數的估算[19]，本文采用KDE模型探索了西北太平洋日本鯖捕撈密度的變化情況，計算公式為

式中，fn為捕撈點的核密度估計值；n為捕撈點的數量；k( )為權重函數，通常取對稱的單峰概率密度函數；x-xi為估計捕撈點x到樣本捕撈點xi處的距離；h為搜索半徑。

2.4 空間自相關檢驗模型

2.4.1 全局空間自相關

全局空間自相關是對地理屬性要素值在整個區域的空間特征描述，用來度量整個研究區域上空間對象之間的關聯程度，以表明空間對象之間是否存在顯著的空間分布模式，通常采用全局莫蘭指數、全局Gear’sC和全局Getis-OrdG等統計量來進行分析[20]。本文采用全局全局莫蘭指數來度量日本鯖產量在空間上的全局自相關程度，并利用標準化Z值檢驗全局莫蘭指數的顯著水平，計算公式為[21]

式中，I為全局莫蘭指數；n為研究單元總個數；x為產量的平均值；xi、xj分別為第i、j個研究區域日本鯖的產量；wij為i、j區域的空間權重系數，它反映第i、j區域在空間上的關系，并定義為：若區域相鄰，wij=1，否則，wij=0；x為產量均值；E（I）、VAR（I）分別表示莫蘭指數的期望值和方差。全局莫蘭指數取值范圍為[-1,1]，定義為當全局莫蘭指數大于0（p<0.05），表示存在空間正相關，即產量高值（或低值）在空間上顯著聚集；等于0或接近0，表示相鄰區域不存在空間自相關性，產量隨機分布；小于0（p<0.05），表示空間負相關，即相鄰區域的產量不具相關性。在顯著性為0.05水平下，|Zscore|>1.96，則表明全局莫蘭指數顯著[21]。

2.4.2 局部空間自相關

全局空間自相關描述了整個研究區域日本鯖分布的自相關程度，但不能有效表達研究區域內不同空間單元與鄰近區域在空間上的自相關水平。本文利用局部熱點分析（Getis-OrdGi*方法）來展現日本鯖產量在局部區域的空間集聚特征，進而得到具有統計顯著性的熱點和冷點，以計算日本鯖漁場產量的高值（或低值）在空間上聚類的位置，局部熱點分析公式為[22]

式中，Gi*為局部熱點分析值；xj為要素j的屬性值；wi,j表示要素i和j之間的空間權重（相鄰為1，不相鄰為0）；S為研究時間段內產量的標準差；n為樣本點總數。Gi*統計結果為Z得分，Z得分為正且顯著，則表示熱點，值越大熱點聚集越緊密；Z得分為負且顯著，則表示冷點，值越小冷點聚集越緊密[23]。根據Gi*的高低及顯著性水平，結合ArcGIS中自然間斷點分級法將漁獲量區域分為5類：冷點區、次級冷點區、隨機分布區、次級熱點區和熱點區。

2.5 重心遷移軌跡與標準差橢圓分析

重心遷移軌跡模型可基于地理要素的加權中心表達時空遷移規律[24]，本文將日本鯖產量作為變量，用該模型來進行漁場重心時空變化計算。標準差橢圓（Standard Deviational Ellipse, SDE）是一種定量描述研究對象空間分布整體特征及時空演變過程的空間格局統計分析方法，其結果能夠準確地描述中心性、分布、研究對象的空間分布方向和形狀（圖2），并能夠精確表達地理要素空間分布的整體特征[25]，本文采用產量作為權重字段來揭示日本鯖漁場的變動方向和分布格局。相關參數計算公式為

圖2 標準差橢圓基本參數Fig. 2 Basic parameters of the standard deviational ellipse

3 結果與分析

3.1 產量和CPUE

2014-2019年，從年間變化來看，日本鯖產量在前5年逐年增長，2018年達到最大值，2019年驟降，恢復到2014年水平；CPUE逐年遞減，在8.77～22.92 t/網之間。從月間變化來看，日本鯖產量最低值發生在4月份，6-10月產量相差不大且均維持在較高水平，11月產量下降至與5月產量相當；總體上來看，CPUE呈波動增長趨勢，10月份達到最大值，CPUE值的范圍為11.96～20.15 t/網（圖3）。統計年間，日本鯖產量分布在35°～45°N，145°～164°E范圍內，產量高值主要集中的海域范圍為39°～44°N，147°～155°E，沿陸地呈帶狀分布，自155°E往東，產量低值占比高（圖4）。以自然間斷點分級法對漁獲網次的空間分布做核密度可視化分析，結果如圖5所示，核密度高值發生在39°～43°N，147°～155°E范圍內，且沿陸地呈帶狀分布，與產量高值的分布范圍具有高度一致性。

圖3 西北太平洋公海日本鯖產量和CPUEFig. 3 Catch and CPUE of chub mackerel in the high seas of the Northwest Pacific

圖4 2014-2019年西北太平洋公海日本鯖產量分布Fig. 4 Catch distribution of chub mackerel in the high seas of the Northwest Pacific from 2014 to 2019

圖5 2014-2019年西北太平洋公海日本鯖漁獲網次核密度Fig. 5 The kernel density of fishing haul numbers of chub mackerel in the high seas of the Northwest Pacific from 2014 to 2019

3.2 日本鯖漁場分布空間關聯性分析

3.2.1 日本鯖漁場的空間聚集性

由表1可知，所有年份偏態大于1，表明年間產量頻數分布呈正偏且漁場為高度偏態分布；峰態值大于3，峰陡峭，表明日本鯖年間產量較為集中，漁場具有很強的聚集性；各年變異系數均在0.1～1之間，表明各區域產量差異水平為中等；標準差平方與均值的比值大于1，表明年間各區域日本鯖產量呈強烈聚集分布；各年份全局莫蘭指數均為正值，Z得分均大于1.96且p<0.05，因此年間日本鯖漁獲量存在空間自相關并呈現顯著聚集分布模式，但是2015年、2016年和2018年的全局莫蘭指數均小于0.1，因此這3年的空間自相關性較弱。

表1 日本鯖產量年間常規統計和全局空間自相關參數Table 1 Ordinary statistics and global spatial autocorrelation parameters of annual catches of chub mackerel

由表2可知，所有月份偏態大于1，表明月間產量頻數分布呈正偏且漁場為高度偏態分布；峰態值大于3，峰陡峭，表明日本鯖月間產量較為集中，漁場具有很強的聚集性；4月和5月的變異系數大于1，表明4月、5月各區域產量差異較大，6-11月的變異系數均在0.1～1之間，表明6-11月各區域產量差異水平為中等；標準差平方與均值的比值大于1，表明月間各區域日本鯖產量呈強烈聚集分布；各月份全局莫蘭指數均為正值且較大，Z得分均大于1.96且p<0.05，因此月間日本鯖產量存在空間自相關并呈現顯著聚集分布模式，且空間自相關性較強。

表2 日本鯖產量月間常規統計和全局空間自相關參數Table 2 Ordinary statistics and global spatial autocorrelation parameters of monthly catches of chub mackerel

3.2.2 日本鯖漁場局域空間分布格局

分析2014-2019年的年間和月間西北太平洋產量空間格局熱點演化情況，結果如圖6和圖7所示。年間、月間日本鯖產量分布的熱點區和冷點區均表現出一定空間集聚特征，但是不同年份、月份的熱點區和冷點區的分布區域、面積均存在較大差異。具體來看，年間熱點分析顯示，2014年熱點區和冷點區的分布海域面積相差不大，且熱點區集中在東北方，冷點區集中在西南方；2015年熱點區集中在39°～40°N，148°～151°E，冷點區集中在36°～40°N，145°～148°E；2016年熱點區主要集中在38°～41°N，146°～151°E，冷點區位于熱點區的東北方，集中在40°～43°N，150°～154°E；2017年熱點區和冷點區具有間隔分布的特點，從西南往東北逐漸表現為冷點區、熱點區、冷點區和熱點區；2018年幾乎全由熱點區和冷點區組成，隨機分布區海域面積占比較小，冷點區集中在38°～41°N，146°～152°E，熱點集中在41°～43°N，148°～153°E；2019年熱點區和冷點區海域面積占比均較小且集中在西南方，大部分海域為隨機分布區。

圖6 西北太平洋日本鯖產量年間熱點分析Fig. 6 Hotspots of annual catches of chub mackerel in the Northwest Pacific

圖7 西北太平洋日本鯖產量月間熱點分析Fig. 7 Hotspots of monthly catches of chub mackerel in the Northwest Pacific

月間熱點分析顯示，4月隨機分布區遠大于熱點區和冷點區海域面積之和，熱點區和冷點區主要分布在捕撈海域的東北方；5月冷點區位于熱點區之間，集中在37°～41°N，145°～149°E，熱點區由兩部分組成，分別為35°～37°N，145°～148°E和39°～42°N，149°～151°E；6月和7月熱點區和冷點區在分布格局上基本一致，熱點區占比較大，分別集中在39°～42°N，147°～152°E和40°～43°N，149°～154°E，冷點區都由兩部分組成，分布在熱點區的東北和西南；8月和9月熱點區和冷點區的分布表現出一定的相似性，冷點區均分布于捕撈海域的東北，熱點區均分布于西南，8月冷點區占比較大，9月反之；10月冷點區位于熱點區之間，集中在41°～43°N，149°～153°E，熱點區主要集中在冷點區的西南，集中在39°～41°N，146°～150°E；11月冷點區較為分散，熱點區主要集中在39°～41°N，148°～151°E。

3.3 日本鯖漁場變動分析

3.3.1 日本鯖產量重心時空變化

通過重心遷移軌跡模型得到日本鯖產量重心的變化，結果如圖8所示。從年間變化來看，產量重心集中在40.8°～41.6°N，150.1°～151.2°E范圍內，移動軌跡呈右轉約90°的扁“W”形狀，總體上往西北移動（圖8a）。從月間變化來看，產量重心集中在39.4°～42.1°N，147.7°～151.9°E范圍內，從4月份開始逐漸向東北方向移動，8月到達最東北端后，9月開始向西南方向折返（圖8b）。

圖8 西北太平洋日本鯖漁場重心年間（a）和月間（b）變化Fig. 8 Interannual variation (a) and monthly variation (b) of fishing ground gravity centers of chub mackerel in the Northwest Pacific

3.3.2 日本鯖漁場變動方向和分布格局

日本鯖漁場的時空分異特征如圖9所示。從年間變化來看，漁場年間分布方位角變化較小，均在52.84°～67.62°之間變動，表明日本鯖漁場年間分布方向性較強，且具有很強的一致性，均呈現西南-東北格局；年間擴張海域面積變化較小，最小值、最大值分別發生在2018年、2014年；標準差橢圓扁率在3.04～5.88之間，均保持在較高水平，表明日本鯖漁場具有很強的向心力（圖9a，表3）。從月間變化來看，漁場月間分布方位角變化較小，分布在47.01°～67.64°之間，表明日本鯖漁場月間分布具有較強的方向性，呈現西南-東北格局；月間擴張海域面積變化較小，最小值、最大值分別發生在4月、9月；標準差橢圓扁率在2.13～4.06之間，向心力較強（圖9b，表3）。總的來看，年間、月間日本鯖漁場變動方向一致，均呈西南-東北格局，具有較強的方向性和向心力，表明日本鯖漁場具有較高的聚集性。

表3 日本鯖年間、月間產量分布標準差橢圓形狀參數Table 3 Parameters of standard deviational ellipse of annual and monthly catch distributions of chub mackerel

圖9 西北太平洋日本鯖漁場年間（a）和月間（b）標準差橢圓Fig. 9 Annual (a) and monthly (b) standard deviation ellipses of chub mackerel fishing ground in the Northwest Pacific

4 討論

4.1 產量和CPUE時空變化

漁業資源的豐度、產量是漁業生產者和管理者所關注的主要內容，并影響著漁業資源的開發利用。日本鯖是西北太平洋燈光圍網的主要捕撈魚種，其資源豐度和產量均具有明顯的季節性變化[8-10]。本文對2014-2019年日本鯖進行統計分析后得出了年間產量先增后降、CPUE逐年遞減的結論，日本中央水產研究所年度報告[6]所得結論的產量變動趨勢與本文具有一定相似性，但CPUE的差異性較大，究其原因，本文與日方統計的捕撈海域[6,26-27]、作業方式和數據來源[6]等都存在較大差異，可能產生了一定影響。月產量在6-10月均維持在較高水平，且CPUE逐月增加，往年研究也具有此特性[9,28]，進一步表明日本鯖的季節性變化規律明顯。唐峰華等[29]研究發現，1-5月為日本鯖的成長期，其在成長過程中不斷尋找適宜生存的漁場，中心漁場的不確定性較高，導致漁船也跟隨進行漁場的找尋，實際作業時間較短，因此，初始捕撈月份的產量和CPUE往往較低。莊之棟等[30]指出，日本鯖在8-10月處于索餌洄游期，分布相對集中，且處于生物量較大值，因此產量和CPUE均較大。11月較大的風浪對捕撈產生了一定影響，導致產量和CPUE均有所下降[9]。

西北太平洋日本鯖產量也具有很明顯的地理分布特點。產量高值集中分布于39°～44°N，147°～155°E范圍內，沿陸地呈帶狀分布。薛嘉倫等[31]基于最大熵模型對西北太平洋日本鯖潛在棲息地分布研究后發現，漁場區域與其棲息地分布區域變化基本一致，主要集中在40°～42°N，147.5°～152.5°E海域，同時指出海表面溫度是影響西北太平洋棲息地分布的首要因子，海表面溫度極大值和極小值的交會對中心漁場的分布有一定影響。而捕撈海域的人為選擇性、捕撈漁船的增減、管理政策的實施均是造成產量分布不均的重要因素[32]，本文發現，日本鯖產量高值與捕撈網次高值的分布范圍具有高度一致性，一方面可以說明漁船可能對于漁場具有較好的掌控能力，但是從另一方面考慮，其產量也可能高度依賴于大量捕撈努力量的投入。

4.2 漁場變動的空間自相關分析

在漁場研究中，利用的往往都是點數據，而掌握整個漁場的資源分布情況對漁業資源、漁業捕撈、漁業管理等研究更具意義，因此，漁業資源平面分布的可視化就顯得尤為重要[33]。地理學上的空間自相關模型能夠度量某位置的點數據與其他位置點數據之間潛在的相互依賴性[34]，能夠較好地對空間數據進行統計分析并得出要素之間的關系[35]。本文利用2014-2019年西北太平洋日本鯖漁獲數據，通過空間自相關分析模型對該海域日本鯖漁業資源的空間分布特征進行了分析，得到了日本鯖的空間聚集程度和局部空間分布的冷熱點特征。研究發現，日本鯖年際、月間產量呈現顯著的聚集分布，但個別年份的空間自相關性較弱，不同年份、月份漁場的熱點區和冷點區的分布區域、面積均存在較大差異，說明日本鯖漁場具有很明顯的空間自相關性。目前，空間自相關已開始被應用于漁業資源分布特征的研究中，其結果對于資源分布、漁場變動等的深入研究具有重要意義[36-38]。

本文所研究的區域位于遠離大陸的西北太平洋公海，人類活動影響相對較小，所以日本鯖資源的空間聚集程度可能與種內競爭、環境因素存在一定關系。2015年、2016年和2018年的全局莫蘭指數均小于0.1，空間自相關性較其他年份較弱，總體上空間分布格局趨于分散，但是統計結果表明，這3年的產量、CPUE均處于較高水平，據推測，該現象可能會在一定程度上降低魚類資源因密度過大而加劇的種內資源競爭[36-37]，這一現象也可描述為-通過降低地理分布上的空間自相關性來緩解密度過大而導致的種內競爭。而相關研究也發現，其他種類諸如南海的大眼鯛（Priacanthusspp.）[36]、海州灣的日本槍烏賊（Loligo japonica）和短蛸（Octopus ochellatus）[37]等也在季節性分布上存在該特征，并指出該特征可能在漁業資源的分布上具有普遍性。將2014-2019年內同一月份的數據分別累加進行分析可得，各月份漁場的自相關性和聚集性均較強，證明了西北太平洋日本鯖漁場具有明顯的季節性變化，究其原因，因為不同年份內同一月份的環境條件相對較為相似，也從側面驗證了薛嘉倫等[31]關于海表面溫度與日本鯖棲息地顯著相關的結論。

冷熱點分析發現，盛漁期6月和7月、8月和9月的熱點、冷點的分布分別表現出一定的相似性：6月和7月熱點區集中于漁場中部，冷點區集中于漁場兩端，熱點區占比遠高于冷點區；而8月和9月的冷點區分布于漁場的東北部，熱點區分布于西南部，8月冷點區占比較大。各年份的冷熱點的分布區域、分布范圍、所占比例等均表現出較大的差異性。另外，不管是冷點區、熱點區還是隨機分布區，均各自表現出較為明顯的空間聚集性，呈團塊狀分布，符合水生生態系統研究中普遍存在的球形半方差函數的特征，即當樣點間隔距離達到變程之前，樣點的空間依賴性隨樣點的距離增大而逐漸降低[39]，這也是海洋漁業資源分布普遍存在的現象，東海帶魚（Trichiurus japonicus）[40]、西北太平洋柔魚（Ommastrephes bartramii）[41]、中西太平洋鰹魚（Katsuwonus pelamis）[38]、南海北部大眼鯛[36]等冷熱點的分布均表現出團塊狀聚集狀態。漁業資源在地理上冷熱點格局的變動在很大程度上反映了漁場中心的變動特征，而引起這種變化的原因是多方面的，如船隊動態變化[15]、海洋環境因素（海流[40]、海表溫度[33,40]、葉綠素濃度[33]）、氣候變暖[33]等。冷點區和熱點區均具有較強的聚集性，漁船在冷點區和熱點區都具有較高的作業頻率，本質區別在于熱點區作業頻次和產量都較高，而冷點區的作業頻次高而產量低，但是兩者均為中心作業漁場。對于隨機分布區，馮永玖等[33]提出兩種猜測，一種是作業頻次較低，而單船單日的產值可能高也可能低，一種是作業頻次較高但空間自相關性較低。漁場冷熱點的分布具體受何種因素的影響仍有待繼續深入研究。

4.3 漁場時空變異特征分析

2014-2019年，西北太平洋日本鯖漁場的變動范圍為35°～44°N，145°～164°E。本文利用重心遷移軌跡模型得到了西北太平洋日本鯖的年間、月間產量重心變動情況，年間產量重心總體上往西北方向移動，月間產量重心顯示，從4月開始逐漸向東北方向移動，8月到達最北端，然后向西南方向折返，表現出明顯的季節性變化。據研究，氣候變暖可能是造成年間漁場重心變動的主要原因。Kang等[42]對1970年以來日本和韓國統計的日本鯖的捕撈情況進行了研究，指出在氣候變化的大背景下，隨著海溫的升高，日本鯖的棲息地似乎正逐漸向北擴展。Cheung等[43]指出，海洋魚類通常會前往高緯度和更深水域來應對海洋變暖，并提出了漁獲物平均溫度（Mean Temperature of the Catch，MTC）的概念來計量氣候變暖對各海區產量的影響，得出在1970-2006年間，全球范圍內非熱帶地區的MTC以0.19℃/（10 a）的速度增長，氣候變暖已顯著影響到全球漁業。本文月間產量重心變化的結論與戴澍蔚等[9]、徐博等[10]、崔國辰等[28]分別對2014年、2015年、2016-2017年的研究結果具有一致的變動規律，驗證了西北太平洋日本鯖漁場重心具有明顯季節性變動趨勢的結論。月間漁場重心的變動與日本鯖自身的生態學特征和習性息息相關。日本鯖每年都會進行生殖和越冬的遠距離洄游[11]，每年的4-6月太平洋系群體在日本中部沿海進行產卵，而后向東北方向洄游至黑潮和親潮的交匯區甚至到達更北的親潮海域的索餌場進行索餌育肥[44-45]。海流對推動日本鯖漁場形成和消失、季節性變動起到了一定程度的影響[46]。黑潮暖流和親潮寒流在西北太平洋海域交匯[47]，大氣與海洋強烈作用，水溫合適，小型浮游生物眾多，是多種小型中上層魚類的重要索餌場，王良明等[11]指出，漁場位置會隨兩個水系強弱的不同而發生變化，同時表明，海流對于日本鯖漁場的作用機制還有待深入研究。另外，環境因子諸如海表面溫度、水溫的垂直結構等，對日本鯖漁場季節性變動也同樣起著較大作用[11,31]。

本文利用SDE模型首次對西北太平洋漁場的變動情況進行了深入分析，可視化了漁場的變動方向和分布格局，得到了表征漁場變動的相關參數。結果表明，西北太平洋日本鯖漁場的擴張方向為嚴格的西南-東北格局，漁場各年份的擴張方向極為一致，且具有很強的向心力，結合產量分布、漁獲網次核密度可以看出，每年在西北太平洋進行燈光圍網作業的路線沒有大的變化，即每年都延續上一年的捕撈路線。月間漁場方向性也較強，與年間的擴張方向一致，保持西南-東北格局，但在一致性上較年間弱-各月份的擴張方向稍有差異，另外，各月份漁場的擴張海域差別較大，從而驗證了漁場具有明顯季節性變化的結論。年間和月間的漁場變動方向均為嚴格的西南-東北格局，且相關研究也得到了相同的結論[9-10,28]，究其原因，從表面上看主要受船隊作業動態的影響，從更深層次來看，日本鯖漁場的變動是日本鯖聚集狀態的結果，從而受其生態學特征及其習性的支配，但是具體原因仍有待深入研究。由于SDE模型在空間結構和空間區位研究上可視化的優越性，已在多個領域得到了應用[48]，近年來也已被應用到漁業資源分布研究中，比如Guan等[49]分析了渤海灣13 種主要魚類和無脊椎動物種群的分布，蔡研聰等[17]分析了南海北部近海蘇門答臘金線魚（Nemipterus mesoprion）資源的分布特征。本文將SDE模型首次應用到了西北太平洋日本鯖漁場分布的研究上，對遠洋漁業資源的漁場分布提供了一種新的思路。

4.4 不足與展望

本文使用了地理上的空間自相關模型和空間統計方法中的SDE模型等多種時空分析方法，對西北太平洋日本鯖的漁場變動特征進行了深入的分析，得到了日本鯖漁場年間以及季節性的變化特征，對漁場的選擇具有一定意義。但是本文還存在一定局限性：首先，本文主要從時間和空間上對日本鯖漁場的變動特征進行了研究，對于影響因素和驅動機制僅在討論部分進行了剖析，而并未深入研究，在后續研究中應加強研究各影響因素的作用；其次，本文雖然研究了西北太平洋日本鯖漁場變動特征，但是并未對漁業的實際發展提出相關建議；最后，本文并未考慮數據本身可能存在的不確定性以及模型參數的敏感性，在以后研究中，應著重對其進行深入的分析，以使漁場分布特征分析的結果更可信。