Page 82 - 《水产学报》2026年第2期
P. 82
2 期 陈俊霖，等：西北印度洋公海渔场鸢乌贼的时空分布变化规律 50 卷
v
t
CPUE 进行统计，之后对渔获产量分布变化规律、 n ∑ 2 n ∑ 2
δ x = (w i ˜x i cosθ −w i y i sinθ) / w (4)
名义 CPUE 分布与变化规律等进行计算与分析。 i
i=1 i=1
使用 ArcGIS 10.2 软件导入经过预处理的渔捞日志
v
t
n ∑ n ∑
数据得到年际产量与名义 CPUE 年与月分布图。 δ y = (w i ˜x i sinθ −w i y i cosθ) / w 2 (5)
2
i
1.3 重心迁移轨迹模型 i=1 i=1
式中，θ 为椭圆方位角，w 为研究单元的权重 (本
i
利用重心迁移轨迹模型 [17] 发现并分析目标加
研究参数不涉及权重，则 w 取 i 1)，x ，y 为各研
i
权重心的时空变化规律，权重受到地理要素的影 i
究区域的中心坐标， ˜ x i 、 为各研究单元中心坐标
˜ y i
响。利用该模计算产量重心变化规律，公式：
与椭圆重心坐标的偏差，δ 、δ 分别为沿 x 轴、y
y
x
轴的标准差。本研究选取的标准差等级为 1 级，
n ∑ n ∑ n ∑ n ∑
¯
¯
X = (C i × X i )/ C i ;Y = (C i ×Y i )/ C i
包含 68.3% 的数据。
i=1 i=1 i=1 i=1
(2)
1.5 产量重心聚类分析
式中， X为产量重心的经度， 为产量重心的纬度；
Y
使用分层聚类与 K 均值聚类对产量重心进行
C i 为第 i 网次的捕捞量； X i 、 为第 i 次捕捞的经
Y i
聚类分析，K 均值聚类可得到各聚类成员与聚类
纬度；n 为捕捞的总次数。
重心的距离，分层聚类可以查看聚类过程。
1.4 标准差椭圆模型
2 结果
标 准 差 椭 圆 (Standard Deviational Ellipse,
SDE) [18] 是一种定量描述研究对象空间分布整体特
2.1 渔获产量的概况
征及时空演变过程的空间格局统计分析方法，其
结果能够准确描述中心性、分布、研究对象的空 根据年产量分布图显示，印度洋鸢乌贼年际
间分布方向和形状 (图 1)，能够精确表达地理要素 产量变化呈“单峰状”(图 2-a)，2019—2021 年的产
空间分布的整体特征，本实验采用标准差椭圆模 量 呈 现 高 值 ， 2019 年 为 14.35 万 t， 2020 年 为
型对鸢乌贼产量分布的方向特征、离散特征进行 16.21 万 t，2021 年为 14.10 万 t；名义 CPUE 变化
分析，标准差椭圆的公式： 曲 线 呈 “W”形 ， 2016 年 名 义 CPUE 最 高 为 7.93
t/(net·d)，其次为 年 6.63 t/(net·d)。
2019
n
∑ n ∑
2 2
2 2 使用 年各月产量总和与各月名
tanθ = w ˜x − w ˜y + 2016—2021
i i
i i
i=1 i=1 义 均值绘制分布图 (图 2-b)，总体上，名
v CPUE
t
n ∑ n ∑ n ∑ n ∑
2 2 2 2 2 义 CPUE 与产量的趋势一致，产量高的月份名
2 2 2
w ˜x − w ˜y −4 w ˜x ˜y /2 w ˜x i ˜y i
i i i i i i i i
i=1 i=1 i=1 i=1 义 CPUE 值都较高，3—4 月、10—12 月为产量
(3) 和名义 CPUE 的双高值月份，均呈“V”形分布。
18 18 15 8
产量 yield 产量 yield
15 nominal CPUE nominal CPUE
15 12 6
12
产量/10 4 t yield 9 12 nominal CPUE/[t·(net·d)] 产量/10 4 t yield 9 6 4 nominal CPUE/[t·(net·d)]
9
6
3 3 3 2
0 0 0 0
2016 2017 2018 2019 2020 2021 1 2 3 4 5 6 7 8 9 10 11 12
年份/年 月份/月
year month
(a) (b)
图 2 鸢乌贼年份 (a) 与月份 (b) 产量与名义 CPUE 的分布图
Fig. 2 Distribution maps of yield and nominal CPUE of S. oualaniensis in different years (a) and months (b)
中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
3
