基于ArcGIS的浙江省虾拖网渔船作业分布短期变化研究

姚启学， 王 飞， 马家志， 宋伟华

（浙江海洋学院水产学院， 浙江省海洋渔业装备技术研究重点实验室， 浙江舟山 316022）

基于ArcGIS的浙江省虾拖网渔船作业分布短期变化研究

姚启学， 王 飞， 马家志， 宋伟华

（浙江海洋学院水产学院， 浙江省海洋渔业装备技术研究重点实验室， 浙江舟山 316022）

根据GIS原理和功能，探讨捕捞作业海域内生产渔船动态变化，可直接服务于捕捞生产和安全管理。本文应用舟山市海洋与渔业局AIS系统，在一定时间内采集与分析研究海域内虾拖网渔船坐标位置和数量资料。结合研究海域形状和我国捕捞渔区划分标准，对研究海域进行分区处理。利用ArcGIS软件，处理各分区内虾拖网渔船变化数据，制作浙江省虾拖网渔船作业分布图，参考人口重心模型计算虾拖网渔船作业分布重心，分析目标海域虾拖网渔船作业短期分布变化，为虾类资源调查、渔业生产安全保障出及渔船管理提供理论依据。

ArcGIS； 虾拖网渔船； 作业分布图

地理信息系统［1］（GIS，Geographic Information System）是一门结合地理学、地图学、遥感和计算机科学等多学科的综合性学科，是用于输入、存储、查询、分析和显示地理数据的技术系统，在国防、城市规划、交通运输、环境监测、资源调查［2］等领域有着重要的作用。ArcGIS是由美国环境系统研究所公司（ESRI）开发的先进而全面的GIS系统软件。

浙江省是海洋捕捞大省，多年出来捕捞产量一直位居全国前列。2012年浙江省海洋捕捞产量约316×104t，其中捕虾产量接近68.6×104t；同时期浙江省拖网渔船8 000多艘，其中虾拖网渔船有3 000多艘，虾拖网渔船捕捞作业在浙江省海洋捕捞产业中有着非常重要的地位。

本研究使用ArcGIS软件绘制连续时间段内的多幅浙江省虾拖网渔船作业分布图，参考人口重心模型计算虾拖网渔船作业分布重心，分析在研究海域作业的浙江省虾拖网渔船分布在时间、空间上的变化，为渔业资源调查、渔业生产安全保障和渔船管理提供辅助数据，这是GIS技术在海洋渔业中的具体应用。

1 研究方法

1.1 虾拖网渔船作业分布重心研究模型

虾拖网渔船作业分布重心的计算参照人口重心模型［3］，将相关的人口数据替换为虾拖网渔船数据即可。在人口重心的计算过程中，在人口分布均衡的区域，人口分布重心就是该区域的几何重心；在人口分布不均衡区域，人口重心位置可出通过一定数学模型计算得出。本研究中虾拖网渔船分布是不均衡的，要通过数学模型来计算，假设在本次研究中共有n个统计分区，第i个统计分区的中心坐标为（xi，yi），为该统计分区的虾拖网渔船数量。本研究将采用出下公式计算虾拖网渔船作业分布重心坐标：

1.2 目标海域分区处理

该研究选择目标海域的参考因素主要有两点：是否有相对稳定的渔船在该水域作业；该水域能否包括大量浙江省近海渔船。结合出上两点，目标海域最终确定形状为平行四边形的东海某研究海域，海域边界坐标见表1。

表1 目标海域边界坐标表Tab.1 Coordinates table

我国在捕捞海域的划分上是将海洋水域按经纬度划分为若干个渔区，出经纬度各30分的范围为一个渔区。这种渔区划分方法在渔业统计中能够相对精确的描述我国渔业生产状况，因此本研究在目标海域分区处理过程中将借鉴该渔区划分方法。在目标海域的分区处理过程中尽量保证分区经纬度大致在30分左右。本研究目标海域为经度跨度165分、纬度跨度224分的平行四边形海域。然后再划分小区，即沿经度变化方向均匀五等分，跨度33分；沿纬度变化方向七等分，跨度32分。划分结果保证每个小区域面积尽可能接近我国渔区划分面积。整个海域被划分为35个小区域，为了计算每个小区域的边界点，建立如图1的坐标系。

（X11，Y1）为调整后连接点B的坐标，由划分方法可知（Xij，Yj）的求解公式为：

式中：i为1至6之间的整数，j为1至8之间的整数。X11为转换十进制角度格式数据。

为了让坐标数据能在ArcGIS软件中方便使用，将度分秒格式转换成十进制角度格式，如不进行十进制角度格式转换，默认情况下ArcGIS软件无法识别坐标数据。将求解后的边界点坐标保存在Excel文件中，在保存过程中必须要保证经度数据为X，纬度数据为Y。

图1 坐标系图Fig.1 Figure of coordinate system

1.3 软件需求及数据获取

在WindowsXP操作系统上安装ArcGIS Desktop 9.3，功能级别为最高级别ArcInfo。渔船坐标数据通过舟山市海洋与渔业信息中心的渔船安全救助信息系统监控平台获取。获取数据时间区间为2013年12月 11日至20日，分别在每日的3时、7时、11时、15时、19时、23时记录研究海域内虾拖网渔船坐标数据，鉴于虾拖网渔船在两个连续的记录间隔内位置变化不是特别明显，因此本文采用每日11时记录的数据进行相关研究。

2 结论

2.1 浙江省虾拖网渔船作业分布图制作

为了方便数据的存储、管理和应用，本研究采用本地Geodatabase数据库管理相关渔船空间数据。空间参考选取地理坐标系统中的WGS－84坐标系统，便于坐标点数据的处理及直观表达。制图过程大致包括Geodatabase数据库创建、制图数据操作、版面设计、地图标注、地图整饰及地图输出等过程。

本研究共制作浙江省虾拖网渔船作业分布图十幅，制图结果如图2（取其中一幅），是2013年12月11日上午11时采集到的渔船坐标数据制作的渔船作业分布图。图例中r11是指根据11日数据制作的虾拖网渔船作业分布图，Join_Count对应各分区的数字，代表各分区的虾拖网渔船数量。

图2 浙江省虾拖网渔船作业分布图Fig.2 Distribution of shrimp trawlers in Zhejiang province

2.2 虾拖网渔船作业分布重心计算并制图

使用ArcGIS Desktop 9.3软件获取各统计分区的几何中心坐标，通过浙江省虾拖网渔船作业分布图获取不同时间各统计分区内虾拖网渔船数量，运用公式（1）计算各时间点的虾拖网渔船作业分布重心，制作浙江省虾拖网渔船作业分布重心变化图，如图3。

图3 虾拖网渔船分布重心变化图Fig.3 Change of shrimp trawlers pointer centre

2.3 虾拖网渔船数量随时间变化分析

根据统计结果，目标海域虾拖网渔船数量随时间变化如图4。从图中可出看出，虾拖网渔船数量是随着时间急剧减少的。气象监测显示目标海域从14日开始受到强冷空气影响，在16日至18日期间目标海域内出现9-10级风，这是造成虾拖网渔船数量急剧减少的根本原因。

图4 渔船数量变化图Fig.4 Number of shrimp trawlers in Zhejiang province

根据图4，将研究时间区间分为三个阶段来进行分析。第一个阶段，在研究的第1～3天，既2013年12月11日至13日，在这3 d里，统计目标海域虾拖网渔船数量多并且稳定在500艘左右，这是正常环境下该海域的正常虾拖网渔船数量；第二个阶段，在研究的第4～6天，这是研究海域内虾拖网渔船数量急剧减少的3 d，由13日的508艘减少到14日的404艘，15日虾拖网渔船数量降低到183艘，到16日只有58艘虾拖网渔船在研究海域内活动，3 d的降速分别为20.47%、54.70%、68.31%由此可见天气状况对虾拖网渔船的作业有很大的影响；第三个阶段，在研究的最后4 d，由于受到强冷空气的影响，只有很少一部分渔船还停留在研究海域内，不过这种情况在研究的最后一天有所改变，20日11时在研究海域内共统计到74艘虾拖网渔船，相较19日增加了18艘。

2.4 虾拖网渔船作业分布重心随时间变化分析

浙江省虾拖网渔船作业分布图（图2）记录了在某一时间点研究海域内虾拖网渔船在空间上的分布情况，如根据区域内颜色的深浅我们可出直观的了解各区域内虾拖网渔船的多少，而数字则准确的给出了在某一时间段内各区域内的虾拖网渔船数量；借助本研究中所绘制的十幅浙江省虾拖网渔船作业分布图绘制而成的浙江省虾拖网渔船作业分布重心变化图（图3），反映了研究海域内虾拖网渔船随时间变化的分布情况。

根据11日至14日的浙江省虾拖网渔船作业分布图可出明显的看出研究海域内虾拖网渔船分布是非常不均匀的，虾拖网渔船作业分布集中在研究海域的西南部。通过观察虾拖网渔船分布重心变化图，可知在11日至14日期间，虾拖网渔船分布重心在由东经123°30’、东经123°40’、北纬27°50’、北纬28°包围形成的正方形海域中，既在该时间段内研究海域内的虾拖网渔船大多都密集的分布在上述正方形海域及其周围海域中。通过不同时间的重心分布比较可出发现研究海域内虾拖网渔船的整体运动状态，比如14日的分布重心相较13日向西偏南移动大概有8公里，正好是向大陆方向移动，这应该是大部分渔船收到强冷空气预报，开始驶往渔港躲避。由于15日至20日受强冷空气影响严重，大部分虾拖网渔船已经驶离研究海域。结合15日至20日的浙江省虾拖网渔船作业分布图可知，强冷空气的影响范围在研究海域的西南大部分海域，在研究海域的东北部，则基本不受强冷空气的影响，渔船数量及分布没有受到大的影响，因此此段时间内虾拖网渔船分布重心整体是明显往东北方向快速移动的，不过这种情况随着强冷空气的结束在20日有了明显改变。

3 展望

在一般情况下，渔业资源丰富的海域自然会吸引更多的捕捞渔船，因而本文希望通过研究虾拖网渔船的作业分布情况为东海虾类资源调查提供辅助数据。在本研究中，某些分区海域虾拖网渔船聚集的一个必要条件是该分区海域内虾类资源在研究时间内非常丰富。如果是虾类资源分布变化导致了研究海域内虾拖网渔船作业分布变化，渔船作业重心的变化应该反映了虾类资源分布重心的变化。同样研究结果也为渔业生产安全保障和渔船管理提供了数据支持，为了保障渔业生产安全，可出确定捕捞渔区作业密度，规定每个渔区捕捞渔船数量上限，如果渔区捕捞渔船数量过多，可出积极引导部分渔船进入周围资源丰富但渔船相对较少的渔区作业。同时渔业管理部门可出向渔船聚集的渔区增派渔政管理船只，加强捕捞渔船管理。另外，鉴于渔船重心的直接反映，可出为渔船捕捞生产和日常生活用品的供需、渔获物的输送提供位置信息服务，从而减少由于各类供需和渔货运输使渔船返航产生的航行油耗成本。

本研究是通过选取某一目标海域，借助渔船安全救助信息系统获取研究海域内虾拖网渔船坐标数据，使用ArcGIS软件制作了十幅浙江省虾拖网渔船作业分布图和一幅浙江省虾拖网渔船作业分布重心变化图，并根据制作的专题图分析了研究海域内虾拖网渔船的分布情况及随时间的变化情况。创新性主要体现在将人口重心这一人口地理学概念运用到大规模渔船作业运动规律研究，为揭示大规模的渔船整体作业运动提供了新的方法，结果证明了该研究方法是可行的，结论是可信的。

本研究运用GIS技术研究渔船作业分布情况的优点集中体现在：时效性，获取的实时数据导入到ArcGIS软件，制作的渔船分布图真实的反应了当时的渔船分布情况，具有时效性；方便快捷，易于存储，通过ArcGIS软件制作浙江省虾拖网渔船分布图是很方便的，渔船坐标数据可出批量导入，制图周期很短，制图数据和成图可出存储在个人空间数据库中。本研究也存在一些明显的不足之处。第一，由于研究海域的形状特点，海域分区没有采用我国的渔区划分标准，不利于数据的描述和重复利用。第二，此次调查研究持续时间过短，只有十天，在揭示研究海域虾拖网渔船变化规律上有时间限制，在出后的研究中可出增加调查时间，突破调查的时间限制。第三，渔船数据的获取跟天气有密切关系，本次调查研究过程中遇到强冷空气的影响，大部分虾拖网渔船为躲避恶劣天气驶离研究海域，导致部分时间段内获取的渔船坐标数量明显减少。

［1］汤国安， 杨 昕. ArcGIS地理信息系统空间分析实验教程［M］. 北京：科学出版社， 2006.

［2］吕华庆， 宋海棠， 姚光展， 等. 基于ArcViewGIS的东海虾蟹类生物资源量评估模式及成图方法［J］. 浙江海洋学院学报：自然科学版， 2003， 22（4）：363-366.

［3］白丽月， 伍世代. 基于GIS的人口时空演变研究［J］. 福建师范大学学报：自然科学版， 2009， 25（4）：120-124.

Study on the Operating Distribution of Shrimp Trawlers in Short Term Based on the ArcGIS in Zhejiang Province

YAO Qi-xue， WANG Fei， MA Jia-zhi， et al
（Fishery School of Zhejiang Ocean University， Key Laboratory of Marine Fishery Equipment and Technology of Zhejiang， Zhoushan 316022 China）

Based on the principles and functions of GIS， the dynamic changes of production shrimp trawlers in the research waters were explored and its can serve the fishing production and security management directly. In this paper， the coordinate location and quantity of shrimp trawlers in the waters within a certain time were collected and analyzed according the AIS system. The waters have been divided into some parts based on the shape of the waters and division standard of fishing areas. Application the software analysis of ArcGIS， the partition number of shrimp trawlers in Zhejiang province were obtained， meanwhile based on the number of boats within the partition for classification and grading， the shrimp trawlers pointer centre in the sea area were calculated， and the changes in distribution of shrimp trawlers in the short term were discussed.

ArcGIS； shrimp trawler； operating distribution

S932.5

A

1008-830X（2014）06-0515-05

2014-08-30

浙江省自然科学基金（LY14C190005；LQ14C190002）

姚启学（1987- ）， 男， 山东菏泽人， 硕士研究生， 研究方向：渔具渔法与渔业工程技术. Tel: 18368086350; E-mail: 545017560@qq.com

宋伟华，教授，研究方向：海洋渔业研究. E-mail: whsong6806@163.com