基于北斗船位數據的漁業信息解譯與應用研究——以中國毛蝦限額捕撈管理為例*

李國東 仲霞銘 熊 瑛 龔海翔 湯建華 施金金 吳 磊

基于北斗船位數據的漁業信息解譯與應用研究——以中國毛蝦限額捕撈管理為例*

李國東1, 2仲霞銘2①熊 瑛2①龔海翔3湯建華2施金金2吳 磊2

(1. 上海海洋大學海洋科學學院 上海 201306; 2. 江蘇省海洋水產研究所 南通 226007; 3. 江蘇省連云港市灌云縣農業農村局 灌云 222200)

2020年6月15日—7月15日, 我國首次中國毛蝦()限額捕撈試點于江蘇連云港實施。本研究提取62艘毛蝦網船在限額捕撈期間的421700條北斗船位數據經緯度、航速、航向等信息, 運用緩沖區疊加分析法、DBSCAN密度聚類算法、平均中心算法、核密度估計以及數據庫查詢對捕撈努力量等管控要素進行分析研究。結果顯示, 所有毛蝦網船累計作業239個航次、1942個網次, 捕撈過程分為航行、拋錨布網、等待漁獲、收漁獲、停航等5個狀態, 中國毛蝦捕撈狀態船位點呈直線分布, 總捕撈時長為4413.73 h, 82.4%的單網次捕撈時長為1.5—3.5 h, 各網次捕撈產量呈現多核心空間分布模式, 總捕撈努力量為108106343 m2·h, 計算62艘的捕撈總產量值約為2328 t, 比上報產量高12.6%; 本文通過北斗船位數據解譯和提取捕撈努力量以計算中國毛蝦捕撈產量及資源空間分布情況, 有效應用于中國毛蝦限額捕撈, 為解決我國單品種限額捕撈難點積累了寶貴經驗。

漁船監控系統; 毛蝦網; 捕撈努力量; 產量計算; 限額捕撈

中國毛蝦()(簡稱“毛蝦”), 為浮游性小型蝦類, 分布于我國河口港灣附近水深不超過20 m的泥沙底質淺海, 主要產地為江蘇、山東、浙江、福建等沿海海域, 是我國重要的海洋經濟漁業資源。我國毛蝦捕撈產量自20世紀50年代以來持續上升, 2006年達到最高72萬t, 此后開始急劇下降, 2018年降至42.5萬t (農業農村部漁業漁政管理局等, 2006, 2019)。2020年, 我國首次實行毛蝦限額捕撈, 于江蘇試點。

船位監控系統(vessel monitoring system, VMS)是一種集全球衛星定位、電子地圖、電子海圖、計算機網絡通訊和數據庫技術的一體化應用系統(季民等, 2005), 記錄了漁船船位、航速、航向等實時動態, 已被廣泛應用于海洋漁業領域。目前, 我國共計6萬余艘近海機動捕撈漁船安裝了北斗船載終端, 將為我國海洋漁業管理提供極具應用前景的大數據平臺; 尤其現階段我國漁撈日志的真實性、及時性、有效性無法完全得到保障的情況下(陳靜娜等, 2018; 唐議等, 2020), VMS數據無疑提供了一個全新的技術途徑。

自20世紀以來, 國內外學者針對拖網、刺網、張網、燈光罩網等代表性作業漁船的VMS數據, 利用神經網絡、空間聚類等方法挖掘并開展船位點狀態(Lee, 2010; Vermard, 2010; 張勝茂等, 2015a, b; Wang, 2015; Zhang, 2016)、航程(Wang, 2016)、航次(張勝茂等, 2018; 湯先峰等, 2020)以及網次(張榮瀚等, 2019)等分析, 這為我國全面實施限額捕撈奠定了基礎。管控捕撈努力量等要素是限額捕撈執行的關鍵, 而迄今為止, 尚未涉及VMS數據在限額捕撈中的直接應用研究。本研究基于中國毛蝦限額捕撈試點, 對VMS數據進行解譯、提取分析, 以期為針對性地解決我國當前單品種限額捕撈試點難點積累經驗。

1 數據與方法

1.1 毛蝦限額捕撈許可

根據《農業農村部關于2020年伏季休漁期間特殊經濟品種專項捕撈許可和捕撈輔助船配套服務安排的通告》, 毛蝦限額捕撈試點海域為江蘇連云港海域; 限額捕撈時間為2020年6月15日—7月15日; 毛蝦捕撈漁船全長不小于24 m、主機功率不小于110 kW; 專用網具為多錨混合張網(以下簡稱“毛蝦網”), 屬張網類, 其規格為“每片網長60 m、網高18 m, 單船最多攜帶25片網具”。

1.2 數據基礎

北斗VMS船位點數據來源于北斗民用分理服務商, 由北斗漁船終端定時發送, 時間分辨率一般為3 min, 空間分辨率約10 m, 主要包含定位時間、經緯度、航速以及航向信息等。本研究以基于北斗漁船監控系統所獲取的62艘特許捕撈毛蝦網船于2020年6月15日—7月15日間VMS數據作為研究對象, 剔除毛蝦網船出港前和返港后航速為零值的數據后, 共421700條有效船位點數據作為分析使用。

1.3 漁船狀態劃分

毛蝦網一般在白天從事捕撈作業, 漁船每個航次可分為出港、捕撈作業、停航休息、轉場探尋以及返港等5個階段, 其中捕撈作業階段再可細分為拋錨布網、等待漁獲以及起網收漁獲等3種作業狀態(表1)。以下是對5個階段的詳細敘述: 毛蝦作業漁船通常以大于10.0 kn航速到達作業漁場。隨后漁船以航速3.0—6.0 kn進行拋錨布網, 由于毛蝦網的拋錨和布網是高度關聯的連續行為, 故劃分為同一狀態, 持續時間約0.5—1.0 h; 拋錨布網完畢, 漁船處于等待漁獲狀態, 航速為0.0—0.6 kn, 等待漁獲時長約1.0—3.0 h; 然后進入起網收漁獲階段, 航速為0.6—2.0 kn, 持續時間約為2.0—3.0 h。在捕撈區域出現毛蝦漁獲量無法維持捕撈成本及利潤的情況, 漁船選擇轉場探尋或者結束捕撈返港。本文隨機選取某特許捕撈漁船(以下簡稱“漁船111”)的10天VMS數據, 對表1劃分的漁船狀態對應航速進行驗證, 圖1以漁船111在6月22日0:00—24:00的航速變化情況為例進行說明。根據毛蝦網船作業特點并結合航行日志劃分了14段(圖1), 即: 處于拋錨布網狀態的SP段、等待漁獲狀態的SD段、起網收漁獲的SS段、航行狀態的SH段以及停航休息狀態的ST段, 其各狀態漁船對應的航速情況與表1相符。

1.4 基于緩沖區、疊加分析的航次提取

由于北斗船位數據具有高精度的時空分辨率, 可通過分析港口海岸線與船位數據的空間關系進行漁船航次提取(張勝茂等, 2016b)。本研究使用ArcGIS 10.2軟件以毛蝦限額捕撈指定漁獲物定點上岸漁港“燕尾港”及附近海岸線為基準對外緩沖1 nmile, 使緩沖線處在毛蝦限額捕撈區域邊界線與港口海岸線之間, 其與漁船軌跡線疊加提取的交點, 即為漁船的從漁港出發或返回漁港的位置, 從而進行漁船航次提取。

表1 毛蝦網船作業階段劃分及航速情況

Tab.1 The fishing stages and speeds of the fishing vessel with stow nets

1.5 基于DBSCAN聚類算法的網次提取

DBSCAN (Density-based Spatial Clustering of Application with Noise)算法是最早由Martin等提出的一種基于密度的空間數據聚類算法(Ester, 1996)。該算法通過鄰域和鄰域密度閾值MinPts兩個參數分析樣本點分布的緊密程度, 進而得到聚類數(伍育紅, 2015; 原作輝等, 2020)。其中,鄰域為樣本集中與檢索點的距離不大于值的區域; MinPts表示在檢索點鄰域內的樣本最小數量(羅丹等, 2017)。由于同一艘毛蝦網船在不同時間段可能在同一區域連續多次拋錨布網進行捕撈, 僅僅基于空間密度進行聚類, 會導致提取網次比實際網次少, 因此使用DBSCAN算法提取網次時需考慮一般情況毛蝦網1網次捕撈作業拋錨布網所耗時長, 即時間閾值。

圖1 漁船111航速與漁船狀態關系

以毛蝦網船1個完整的作業網次(包括拋錨布網、等待漁獲、起網收漁獲)來設定MinPts、鄰域, 和時間閾值。漁船抵達作業漁場后首先進行拋錨布網, 北斗時間分辨率為3 min, 檢索點3 min前后應各包含一個拋錨布網點, 即MinPts為3; 依據拋錨布網狀態下的船速最大閾值3 m/s與時間分辨率的乘積540 m作為鄰域的值; 漁船1個網次持續時長約為60 min, 即相鄰網次拋錨布網點集間的時間間隔在60 min以上, 時間最小閾值為60 min。因此, 本研究設定=540 m、MinPts=3、時間最小閾值=60 min進行網次提取。

1.6 捕撈時長、捕撈努力量的提取與產量分析

VMS船位點數據包含定位時間、航速及航向等信息, 由于毛蝦網船不同作業階段船位點的航速及狀態持續時長之間顯著的差異, 基于式(1)運用數據庫查詢并設定相應狀態閾值, 結合毛蝦捕撈僅于白天作業的屬性及提取得到網次數據等特征參數進行綜合判斷, 提取漁船捕撈階段中各狀態的船位點。

=(,) (min≤

式中,min和max為漁船處于某狀態對應的速度最小閾值和最大閾值;min和max是漁船處于該狀態的持續時間最小閾值和最大閾值。

結合表1, 首先設置航速閾值為1.5 m/s ≤<3 m/s,時間閾值為30 min≤<60 min, 提取拋錨布網狀態的點集; 隨后設置航速閾值為0 m/s≤<0.3 m/s, 時間閾值為60 min≤<180 min, 提取等待漁獲狀態的點集; 最后設置航速閾值0.3 m/s≤<1 m/s, 時間閾值為120 min≤<180 min, 提取起網收漁獲狀態的點集。以毛蝦網船各網次的第一個處于拋錨布網狀態的船位點數據作為捕撈起始點, 并以該點的定位時間作為該網次的捕撈開始時間; 以各網次的第一個處于起網收漁獲狀態的船位點數據作為捕撈結束點, 并以該點的定位時間作為該網次的捕撈結束時間。毛蝦網船各網次的捕撈時長計算方法如式(2)所示。

T=E–B, (2)

式中,E和B分別為毛蝦網第網次的捕撈結束時間和捕撈開始時間,T為第網次的捕撈時長(h)。

一段時間內某艘毛蝦網船捕撈作業分為多個網次, 每個網次的捕撈時長不同。因此將該船每個網次的捕撈時長累加, 得到的累計捕撈時間與網口迎流總面積的乘積(m2·h)即是該船這期間內在該海域的捕撈努力量, 如式(3)所示。

式中,T為該毛蝦網船第網次捕撈時長(h);S為該船第網次網口迎流總面積(m2);L為第網次有效布網距離(m);為毛蝦網具高度(m);為該漁船總捕撈努力量(m2·h)。

核密度分析主要用于計算在指定鄰近區域范圍內點、線要素測量值的單位密度。本文基于計算得到的各網次捕撈產量數據, 運用核函數(式4)進行分析, 能直觀反映出各網次捕撈產量在捕撈區域的分布情況。

, (4)

式中,為捕撈產量核分析查找半徑, Scale為柵格中心點到網位點的距離與查找半徑的比例。

2 結果

2.1 漁船航次及網次提取

將緩沖線與漁船軌跡線疊加提取到交點, 按時間順序排列后即每相鄰2個交點對應漁船1個航次, 得到所有毛蝦網船在2020年6月15日—7月15日期間共239個航次, 與漁船捕撈日志的航行記錄完全吻合。運用DBSCAN算法進行密度聚類, 得到所有漁船在該段時間內捕撈作業共1942網次, 平均每天捕撈作業64.7網次。

2.2 漁船網位及捕撈時長提取

以漁船111為例, 利用DBSCAN算法提取出網次數據后, 可依據該漁船處于拋錨布網、等待漁獲以及起網收漁獲這3種不同狀態下航速以及持續時間的差異提取相應狀態(圖2), 可見處于毛蝦捕撈作業狀態的船位點呈現直線分布形態。

圖2 毛蝦網船111航行軌跡及作業狀態

經數據庫查詢提取所有漁船捕撈作業各個狀態點集后, 采用平均中心算法對處于拋錨布網狀態的點集經緯度進行計算, 處理得到的坐標位置為該網次的網位。毛蝦網船各網次捕撈時長為該網次第一個起網收漁獲點定位時間與第一個拋錨布網定位時間的差值, 結果表明, 82.4%網次捕撈時長為1.5—3.5 h (圖3)。

2.3 捕撈努力量提取

通過式(2)、式(3)計算得到62艘毛蝦網船總捕撈時長為4413.73 h, 總捕撈努力量為108106343 m2·h。不同漁船不同網次捕撈努力量數值上差異明顯, 最小值為2246 m2·h, 最大值為173283 m2·h, 平均捕撈努力量為55667 m2·h。

2.4 毛蝦捕撈產量計算

鑒于限額捕撈制度對漁船功率、網具數量、網目尺寸都有嚴格規定, 這里漁船性能參數不作為影響漁獲量的指標。因此, 將毛蝦限額捕撈入漁船只的漁獲量水平分為高、中、低3個層次, 分別從3個水平中選取1艘船作為樣本船。本文依據3艘樣本漁船的總產量數據及捕撈努力量數據(表2), 計算出單位捕撈努力量漁獲量, 并與62艘船總捕撈努力量相乘, 最終得到62艘毛蝦網船捕撈總產量計算值約為2328 t, 比其實際總捕撈產量2067 t高出12.6%。通過對所有網次的毛蝦捕撈產量進行核密度分析, 得到其產量空間分布如圖4所示, 毛蝦資源在空間上呈現多核心分布模式, 主要集中在A、B、C區域附近。

圖3 62艘漁船各網次捕撈時長頻數分布

表2 樣本漁船捕撈努力量及毛蝦產量情況

Tab.2 The fishing effort and catches of the fishing vessel samples

3 討論

毛蝦網船屬張網類作業, 本研究毛蝦網船各階段及狀態的劃分, 是依據漁船作業習慣使用人工經驗進行劃分。毛蝦網船1個完整的航次包含漁港出發、捕撈作業、停航休息、轉場探尋以及返回漁港等5個階段, 包含了快速航行、拋錨布網、等待漁獲、起網收漁獲以及停航休息等5種船位點狀態。然而不同網具類型的船位點狀態識別時參考的要素不同, 我國學者張勝茂等(2016a)在識別拖網船位點狀態時主要參考航速及航向信息; 裴凱洋等(2021)依據航速、航向、向量偏轉角及距離變化信息判斷張網船位點狀態。本文毛蝦網在網具結構上及作業方式上與其他張網類(如帆張網、近岸小型定置張網等)存在較大差異, 是毛蝦捕撈專屬網具。由于毛蝦網船航行捕撈作業中各個階段狀態之間航速、作業時間以及持續時長存在明顯的差異, 因此主要依據以上3個要素進行多參數考量從而結合相關算法語句進行船位點狀態的識別。加之, 對毛蝦網船的海上實際作業情況驗證發現漁船在低航速狀態下航向數據均會隨海流發生較大變化, 因此航向數據不能作為毛蝦網船狀態識別的參考要素。漁船在海域中的航速、航向均會受到海流情況、天氣情況等其他因素的影響, 因此快速航行過程中會出現的部分零速及低速的特殊船位點, 需進行剔除。而基于漁船航行軌跡與漁港對外設置緩沖線疊加提取航次方法的準確性取決于衛星獲取漁船船位數據時空分辨率的高低。提取不同捕撈方式漁船航次所需設定的沿岸緩沖線距離不同。張勝茂等(2016b)提取拖網航次時對中國海岸線向外設置3 nmile緩沖線, 使其包含附近的島嶼及港口, 同時確保該緩沖線處于機動漁船底拖網禁漁區線之內。本研究采用高精度北斗船位數據提取漁船航次能為毛蝦漁業管理監控提供精準的數據參考, 以指定的漁獲物上岸漁港“燕尾港”及附近海岸線向外設置1 nmile緩沖線距離, 使其處在限額捕撈邊界線與“燕尾港”附近海岸線之間。因此, 不同捕撈方式漁船航次的提取, 港口附近海岸線向外緩沖距離的設定需確保緩沖后的線在該區域沿岸港口與可捕漁區線之間。

目前學者在量化不同類型漁船的捕撈努力量時, 采用的計算方式不同, 如拖網漁船采用累計捕撈時間與漁船功率的乘積作為捕撈努力量(張勝茂等, 2014); 張網漁船采用固定網口數對應的網具迎流面積與捕撈時長的乘積作為捕撈努力量(裴凱洋等, 2021)。實際上, 張網漁船在進行捕撈作業過程中, 不同網次布網的網具數量實際上會隨著漁民對區域資源量預估、潮汐狀況及時間的變化而變化, 那么采用固定網口數或網長的網具迎流面積計算捕撈努力量會產生較大偏差。本研究在以往張網VMS數據提取分析上改進優化, 精確到各網次實際布網的網具數量及有效布網網長: 通過計算毛蝦網各網次最后一個布網點與第一個布網點的實際布網距離; 再以布置全部網具所產生的距離及其對應有效布網網長之間的相關關系進行轉換, 即可得到該網次的有效布網網長; 最后依據式3計算得到該網次的捕撈努力量。此基于北斗船位數據提取各網次實際有效布網網長方法可應用于張網類有效布網網長及捕撈努力量統計糾偏。

近年來, 隨著海洋生態文明建設的持續推進, 漁業限額捕撈制度逐漸提上日程。限額捕撈制度中總許可漁獲量(TAC)的設定依據主要為現有資源量及漁業生產監測情況。因此, 獲取準確的漁業資源數據與生產監測數據是實施限額捕撈制度的關鍵。然而目前我國漁撈日志、捕撈努力量及漁獲量數據主要依據人工記錄, 導致生產監測數據存在延時及準確性差等不足。漁船監控系統快速發展, 加之北斗VMS數據所具備的實時性強、全天候、自動化獲取等優勢, 使得VMS數據將有效服務于漁業精細化管理, 成為限額捕撈制度實施的重要支撐。目前, 我國已在多個省份實施海洋漁業單品種限額捕撈試點, 如梭子蟹、丁香魚、海蜇、毛蝦等。其中, 毛蝦兼具經濟價值高、汛期相對固定、海上運輸時間短、漁獲定點上岸易控制、加工鏈穩定、產品輸出渠道單一等鮮明特點, 可作為限額捕撈的成功模式加以推行。本文基于北斗VMS數據采用核密度分析法提取到毛蝦網船捕撈產量空間分布情況(圖4), 可見漁船捕撈毛蝦資源空間分布主要呈現多核心分布模式。在不同捕撈網次作業時, 漁民以獲取最大毛蝦漁獲量為原則, 通過探魚器和測深儀獲取毛蝦分布數據, 確定下一網次位置。主要繼而可探究毛蝦資源分布與海水溫度、鹽度及潮流之間的關聯性及輸送機制, 也可通過疊加全國所有毛蝦網船捕撈努力量及產量時空分布數據及環境調查數據, 建立毛蝦資源數據分析系統, 掌握毛蝦漁場時空變化規律和資源量變化, 為后續毛蝦單品種捕撈限額設定提供更為精準的評估, 并為全國其他省份毛蝦限額捕撈試點實施提供參考。

圖4 62艘毛蝦網船捕撈產量空間分布

本文利用樣本船捕撈產量推算出毛蝦單位捕撈努力量漁獲量, 計算62艘漁船的捕撈產量值比實際產量值高12.6%, 偏高的原因可能與作業漁船漁撈日志上報的毛蝦漁獲量數據偏低有關。目前我國在限額捕撈制度實施監管方面主要依據與漁獲物定點上岸、觀察員上船、漁民記錄漁撈日志等配套制度執行; 然而, 我國漁船數量眾多, 僅靠觀察員上船及漁民記錄上報捕撈情況進行監管, 造成觀察覆蓋不到位、漁民上報不及時甚至作假等現象頻出, 難以達到監管效果。那么, 加強漁業捕撈監管系統的建設, 充分利用北斗船位監控系統平臺, 借助VMS大數據定位作用監測限額捕撈許可漁船的航行軌跡是否在許可作業海域、漁船作業方式和投網數量是否符合要求、漁獲物是否定點上岸, 并與后期產品溯源進行無縫鏈接, 將成為限額捕撈制度持續順利推進的重要保障。

4 結論

本研究以中國毛蝦限額捕撈管理為例, 提出基于北斗船位數據提取航次、網次、網位及捕撈時長信息用于計算海洋捕撈努力量的方法, 計算了限額捕撈期間毛蝦漁獲總量, 并與生產上報產量進行對比, 形成了VMS數據在限額捕撈試點的直接應用。該方法和思路一定程度上解決了我國漁船漁撈日志人工記錄存在的效率低下及真實度欠缺等問題, 為后期制定單品種限額捕撈總量和捕撈配額提供了科學依據。

伍育紅, 2015. 聚類算法綜述. 計算機科學, 42(S1): 491—499, 524

湯先峰, 張勝茂, 樊 偉等, 2020. 基于北斗船位數據的江蘇漁船航次分析. 漁業現代化, 47(1): 63—71

農業農村部漁業漁政管理局, 全國水產技術推廣總站, 中國水產學會, 2006. 2006年中國漁業統計年鑒. 北京: 中國農業出版社, 10

農業農村部漁業漁政管理局, 全國水產技術推廣總站, 中國水產學會, 2019. 2019年中國漁業統計年鑒. 北京: 中國農業出版社, 38

張榮瀚, 張勝茂, 陳雪忠等, 2019. 基于北斗船位數據的流刺網網次和方向提取方法研究. 海洋漁業, 41(2): 169—178

張勝茂, 楊勝龍, 戴 陽等, 2014. 北斗船位數據提取拖網捕撈努力量算法研究. 水產學報, 38(8): 1190—1199

張勝茂, 張 衡, 唐峰華等, 2016a. 基于船位監控系統的拖網捕撈努力量提取方法研究. 海洋科學, 40(3): 146—153

張勝茂, 唐峰華, 靳少非等, 2015a. 基于北斗衛星數據的拖網漁船狀態與網次提取. 漁業信息與戰略, 30(3): 205—211

張勝茂, 程田飛, 王曉璇等, 2016b. 基于北斗衛星船位數據提取拖網航次方法研究. 上海海洋大學學報, 25(1): 135—141

張勝茂, 程田飛, 化成君等, 2015b. 北斗衛星數據提取耙刺漁船作業狀態方法研究. 漁業信息與戰略, 30(4): 293—300

張勝茂, 樊 偉, 張 衡等, 2018. 基于北斗船位數據的海南省漁船航次動態監測與分析. 南方水產科學, 14(5): 1—10

陳靜娜, 朱文斌, 2018. 我國實施捕撈限額制度的困境與對策研究——以浙北漁場梭子蟹捕撈限額試點為例. 浙江海洋大學學報(人文科學版), 35(5): 8—14

羅 丹, 毛先成, 鄧 浩, 2017. 一種基于密度峰值的半監督聚類算法. 地理與地理信息科學, 33(2): 69—74

季 民, 靳奉祥, 李云嶺等, 2005. 遠洋漁船動態監控系統研究. 測繪科學, 30(5): 92—94

原作輝, 張勝茂, 樊 偉, 2020. 基于DBSCAN的VMS數據定置刺網漁船網次提取方法. 上海海洋大學學報, 29(1): 121—127

唐 議, 趙麗華, 2020. 我國海洋漁業捕撈限額制度試點實施評析與完善建議. 水產學報, doi: 10.11964/jfc.20200212148

裴凱洋, 張勝茂, 樊 偉等, 2021. 基于VMS的張網漁船捕撈努力量與網位坐標提取方法. 上海海洋大學學報, 30(1): 179—188

Ester M, Kriegel H P, Sander J, 1996. A density-based algorithm for discovering clusters in large spatial databases with noise. In: Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining. Portland, Oregon: ACM, 226—231

Lee J, South A B, Jennings S, 2010. Developing reliable, repeatable, and accessible methods to provide high-resolution estimates of fishing-effort distributions from vessel monitoring system (VMS) data. ICES Journal of Marine Science, 67(6): 1260—1271

Vermard Y, Rivot E, Mahevas S, 2010. Identifying fishing trip behaviour and estimating fishing effort from VMS data using Bayesian Hidden Markov Models. Ecological Modelling, 221(15): 1757—1769

Wang X X, Zheng Q L, Zhang S M, 2016. Research of voyage extraction based on beidou vessel monitoring system data. In: Proceedings of 2015 23rd International Conference on Geoinformatics. Wuhan: IEEE, 1—5

Wang Y, Wang Y B, Zheng J, 2015. Analyses of trawling track and fishing activity based on the data of vessel monitoring system (VMS): a case study of the single otter trawl vessels in the Zhoushan fishing ground. Journal of Ocean University of China, 14(1): 89—96

Zhang S M, Yu B L, Zheng Q L, 2016. Algorithm of trawler fishing effort extraction based on BeiDou vessel monitoring system data. In: Proceedings of the 3rd International Conference on Geo-Informatics in Resource Management and Sustainable Ecosystem. Berlin: Springer, 159—168

INTERPRETATION AND APPLICATION OF FISHERY INFORMATION BASED ON BEIDOU POSITION DATA: A CASE STUDY OF TACS PILOT PROJECT OF

LI Guo-Dong1, 2, ZHONG Xia-Ming2, XIONG Ying2, GONG Hai-Xiang3, TANG Jian-Hua2, SHI Jin-Jin2, WU Lei2

(1. College of Marine Sciences of Shanghai Ocean University, Shanghai 201306, China; 2. Jiangsu Marine Fisheries Research Institute, Nantong 226007, China; 3. Guanyun Agricultural and Rural Bureau, Guanyun 222200, China)

China has successfully launched fisheries TACs (total allowable catch system) pilot project ofin coastal waters of Lianyungang, Jiangsu, East China from June 15 to July 15 in 2020. A total of 421700 VMS (vessel monitoring system) data of Beidou satellite navigation from 62 stow net vessels during fishing period were used. The data including the time, position, speed, direction etc., were mined and proceed for the extraction of fishing effort by buffer overlay analysis, the DBSCAN (Density-based Spatial Clustering of Application with Noise) algorithm, the mean center algorithm, kernel density estimation, and database querying. The results show that the stow net vessels performed 239 voyages with 1942 nets, the total fishing time was 4413.73 h, and the total fishing effort was 108106343 m2·h. The calculated yield was 2328 t, which is 12.6% higher than the reported yield. The fishing status was recognized and divided into five phases (cruising, casting, waiting, hauling, and suspending). The fishing routes of catchingwere strait lines, and the spatial distribution of fishing yield with stow nets featured multiple-centered pattern. At present, challenges remain in the implementation of TACs in China for targeted species stock survey and fishing log management. The method of interpreting the fishing behaviors, the extraction methods of voyages, nets, positions, and fishing effort, and the method of yield calculation in this study provided an effective way to implement TACs projects in fishery.

vessel monitoring system;stow net; fishing effort; yield calculation; total allowable catch system

* 農業農村部專項——東海區海洋漁業資源調查與資源研究專項(2020年); 江蘇省農業綜合執法專項, 2020-SJ-018號; 江蘇省農業農村綜合信息統計監測專項, 2020-SJ-014號。李國東, 碩士研究生, E-mail: liguodong0123@163.com

仲霞銘, 研究員, E-mail: oceanxmzh@163.com; 熊 瑛, 博士, 研究員, E-mail: yxiongshfu@126.com

2020-10-16,

2021-03-24

S975

10.11693/hyhz20201000288