中国近海捕捞机动渔船航次特征数据挖掘

高明远，张胜茂，汤先峰，樊伟，范秀梅，伍玉梅，朱文斌

(1.上海海洋大学 海洋科学学院,上海 201306；2.中国水产科学研究院东海水产研究所 农业农村部东海渔业资源开发利用重点实验室，上海 200090； 3.浙江省海洋水产研究所 浙江省海洋渔业资源可持续利用技术研究重点实验室，浙江 舟山 316021)

海洋捕捞机动渔船的航次是指渔船从某港口出海，在海上经过一段时间的捕捞作业后返回到港口(与出海港口不一定相同)的过程，是渔船出海捕捞作业的一个完整周期。航次频率、离岸距离等特征数据能反映渔船的作业习惯，有助于辅助渔船的进出港管理。在生产过程中，航次常用于制定渔船捕捞计划、设计作业航线、计算捕捞效益、记录渔获来源等[1]。少量航次通过人工记录完成，如渔船调查中通过记录的航次区分调查样本，渔业公司通过船长报告航次计算经济效益等。但人工记录航次方式耗时费力，难以适合大规模的渔船航次记录。目前，中国沿海地区射频识别(Radio frequency identification，RFID)技术的应用范围、建设规模等均已取得初步成效[2]，实现了渔船进出港基本信息的实时采集[3]。另外，港口视频监控[4]、监视雷达也是获取渔船进港信息的重要手段[5]。这些方式是以监测港口渔船进出港状况为主，并不能监测渔船出港到进港的时间段内的作业信息，难以追溯渔船作业的完整航次。

为加强渔船进出港管理和捕捞渔获物监管，中国农业农村部发布了《农业农村部关于施行渔船进出渔港报告制度的通告》[6]，在渔船进出渔港前，通过“进出渔港报告系统”向拟进出渔港管理部门报告，这种主动上报的方式具有较大的灵活性，但存在不报告、报告虚假信息等问题。目前，约6万艘中国海洋捕捞机动渔船(以下简称渔船)已安装了基于北斗卫星导航系统的北斗船载终端[7]，占渔船总量的36%。北斗船位数据信息主要包括卡号、时间、位置、航速、航向等，数据记录的时间分辨率为3 min，空间分辨率为10 m。通过北斗数据挖掘技术提取渔船航次[8]、网次[9]、捕捞强度[10]等信息，并制作专题图[11]，可为渔船进出渔港提供客观的数据参考。本研究中，利用渔船的北斗船位轨迹与海岸线空间拓扑关系，提取出渔船作业航次，并分析了中国各省(自治区)近海渔船捕捞的航次周期、特征、数量等信息，本研究方法和结果可为渔船进出港管理，以及正在开展的渔获物“定点上岸”工作提供科学参考。

1 渔船航次特征提取方法

北斗船位数据来源于北斗民用分理服务商，2018年船位数据质量较好的渔船有2.5万余艘，其数量约占近海捕捞机动渔船总量的18%。其中，浙江省和山东省均在5 000艘以上，分别占该省渔船总数的38.9%和27.5%；海南省和辽宁省均在3 000艘以上，分别占该省渔船总数的16.0%和18.3%；广西壮族自治区和江苏省在2 000艘左右，分别占该省(自治区)渔船总数的24.1%和27.7%；广东省1 000艘以上，占该省渔船总数的3.5%；上海、天津、河北等省市均较少，分别占该省(市)渔船总数的65.7%、8.5%、3.1%。本研究中对2018年12.87亿条船位数据进行航次提取，获取到航次数据39.98万个。

1.1 渔船进出港判断

港口格网是沿着海岸线划分出的多个0.1°×0.1°格网；海岸线点是沿海岸线按0.1°×0.1°格网切割海岸线而获得的切割线中点(图1)。图1中A～E处圆点是海岸线点，渔船出海作业过程中，其出海的每个航次由一系列时间序列船位点组成，虚线分别代表渔船的两个航次。

图1 渔船轨迹与港口格网空间叠加关系 Fig.1 Superposition relationship between fishing vessel trips and port grids

渔船在港口格网内至少有两个点才能计算渔船的进港与出港，港口格网间的空间关系有4种，如图2所示，(a)为独立的一个港口格网，(b)为两个港口格网相邻，(c)为两个港口格网中间间隔多个非港口的格网，(d)为两个港口格网间间隔一个非港口格网。获取渔船进入同一个港口格网的第一个点(P1)和离开港口格网的最后一个点(P2)，如果这两个点的时间差大于指定的一个时间，即设定为渔船进港与出港的位置。

1.2 渔船航次特征计算

图1中有两个航次，分别是航次1和航次2。

图2 港口格网与渔船进出港关系Fig.2 Relationship between port grids and fishing vessels departing and entering

航次1从港口格网A出发，经过海上捕捞作业，在港口格网C返港；航次2从港口格网D出发，经过海上捕捞作业，在港口格网D返港。渔船出海的每个航次由一系列时间序列船位点组成，航程是各船位点间距离的和，前后两个位置点间的距离，通过球面上两点间距离的公式计算获得，航程(s)计算公式为

sinβisinβi+1]。

(1)

其中：i为一个航次的n个船位点；αi和αi-1为相邻两点的经度角(°)；βi和βi-1为相邻两点的纬度角(°)；R为地球半径(6 371.393 km)。

渔船的每个航次由多个点组成，每个点到岸线点的最短距离为航次中点的离岸距离，一个航次中筛选出的船位点离岸距离的和为累加离岸距离，累加离岸距离除以筛选点数据量为平均离岸距离。设海岸线点有k个，第i个岸线点经度角为αi，纬度角为βi，一个航次有n个船位点，第j个船位点的经度角为αj，纬度角为βj，则第j个船位点的离岸距离(dij)为

dij=R×arccos[cosβicosβjcos(αi-αj)+

sinβisinβj]，i=0,…，k；

j=0,…，n。

(2)

航次的累加离岸距离为

(3)

以航次1的船位点a和b，以及航次2的船位点c为例(图1)，航次1中船位点a的离岸距离为aA，船位点b的离岸距离为bB，航次2中船位点c的离岸距离为cE。

渔船出海记录位置点的时间间隔约3 min，通常一个航次记录的船位点较多，实际应用中为了减少数据量，当渔船航速低时设置的时间间隔长，当渔船航速高时设置的时间间隔短，因此，各时间段的船位点数量存在差别，影响离岸距离计算的准确性。离岸距离是特征数据，以小时为单位，选择1 h内的平均距离、最小距离，或接近某个时刻最近的点，本研究中，第ih内各船位点，最接近i时刻点的距离作为ih的离岸距离或离港距离，即

j=0,1,…,n。

(4)

筛选航次中的船位点，根据航程、离岸距离、计算方法输出数据，内容包括出港时间、经度、纬度，进港时间、经度、纬度，航次点数、航次里程、航次时长、离岸筛选的点数、离岸累计距离。

1.3 渔船航次特征提取

在渔船航次特征统计中，以各港口所在的省级行政区划为统计范围，对各省(自治区)港口总的进出港次数、平均离岸距离、平均离港距离等进行统计分析。

渔船航次特征提取流程如图3所示。本研究中首先利用ArcGIS Desktop软件处理近海岸线矢量数据，制作港口格网和海岸线点，然后导入到数据库中，渔船轨迹数据按照船名命名文件，存储成CSV格式；其次，读取船位轨迹数据，去掉其中重复的点，并按照时间排序；再次循环处理渔船的每条船位数据记录，判断船位点是否在港口格网内，如在格网内则确定是出港还是进港，找到一对出港和进港状态后，获取该时间的完整航次；然后计算航次的各船位点到海岸线点的距离，船位前后两点的航程，遍历完船位点后计算平均离岸距离、累计航程；最后，根据时间、行政区划统计航次的数据特征。渔船航次特征数据提取采用Visual Studio 2015 C#编程，使用SQL Server 2008数据库存储。本研究中通过计算机编程开发了航次提取软件，在联想system X3650 M5 服务器上提取航次耗时约6 h。航次提取完成后，利用ArcGIS Desktop软件把提取的出港点和返港点全部加载到地图中，并加载海岸线图层，比较渔船出港点(返港点)与海岸线关系，确保全部点均在海线附近的港口内。

2 中国近海捕捞机动渔船航次特征

2.1 渔船航次来源及去向港口

渔船航次一般从某港口出海作业，之后到另一港口[12]，但渔船到其他港口补给、维修或者卸载渔获[13-14]，本文中也会计算为航次，其航次时长一般在12 h内，为了减少这些非出港捕捞航次的影响，设置时长在6 h以上。各省(自治区)港口的航次统计显示，浙江省最高，其次是山东和辽宁(表1)。大部分渔船由本省港口出海作业后，再返回本省的港口，其航次比例约占95%，少量航次由本省港口出海作业后，返回相邻省航次比例约占4%，返回较远省航次比例约占1%。其中，辽东半岛与山东半岛相隔约90 km的渤海海峡，因此，辽宁省与山东省之间的航次较多，两省间约有3.7%的航次往来。

图3 渔船航次特征提取流程Fig.3 Feature extraction process of fishing vessel trips

2.2 渔船进出港时间

2.2.1 渔船进出港时刻 航次统计中，把6～720 h(30 d)以内的航次作为有效航次，2018年从全国港口共提取到39.98万个航次。根据每天的时刻统计(表2)，渔船出港航次数的一个峰值在8：00—17：59时，占年总出港次数的56%；进港时间的两个峰值在5：00—10：59和13：00—18：59，分别占年总进港次数的33%、30%。

渔船出港、进港的时间与涨潮、落潮时间关系较大[15]，渔船出港大部分选择落潮时段，进港选择涨潮时段，渔船随涨落潮进出港，航行速度快，能够节省燃油。渔获销售集中在早晨也是决定渔船进港时间的重要因素之一，一般渔船于6：00进港，经过3～6 h的搬运，完成渔获卸载。

2.2.2 渔船进出港农历日 按照农历日期统计(表3)，2018年渔船出港次数有两个峰值和两个谷值，出港次数的两个峰值分别在每月的6—13日

表1 各省(自治区)港口渔船航次的来源港口与去向港口

表2 渔船航次进出港频数随时间的变化

和21—28日，分别占每月总出港次数的28%、30%，两个谷值，一个在每月的29日到下月的5日，另一个在每月的14—20日，分别占总出港次数的20%、21%；进港次数的一个峰值在每月的11—20日，占年总进港次数的37%。

分析渔船出港航次的两个峰值，可能是因为使用被动式捕捞网具的作业渔船(如张网)主要依靠潮水使渔获进入网具[16]，一般在大潮(农历三十或十五)的前后几天作业，这个时间在朔望日前后；而使用灯光诱捕方式的渔船依靠灯光捕捞渔获[17]，由于望日(十五)月光较强，影响灯光诱捕效率，因此，一般在朔日(农历初一)前后作业，受朔望日影响，渔船出港时间选择在符合作业时间的前几天出海。

2.3 渔船航次特征的变化

航次所用时间(航次时长)精确到小时(图5A)，航次时长主要集中在120 h以内，约占全部航次数量的69%；航次频数(航次数量)随航次时长呈现指数递减，其趋势拟合式为y=2 485.8e-0.007x(R2=0.960 9)，趋势线拟合程度较高。

表3 渔船航次进出港频数随农历日的变化

航次的平均速度在0～30 d可以划分为5段(图5B)，分别为1 d以内、1～10 d、11～15 d、16～21 d、22～30 d；航次时长在1 d以内的平均航速为0.9～1.3 m/s；航次时长为1～10 d的平均航速为1.0～1.3 m/s，呈下降趋势；航次时长为16～21 d的平均航速为0.79～1.26 m/s，呈上升趋势；航次时长为22～30 d的平均航速为0.40～1.15 m/s，呈下降趋势。

航次的平均航程划分为2段(图5C)，航次时长为0～21 d时，平均航程逐渐增加，趋势拟合式为y=82.811x+91.991(R2=0.956 8)，趋势线拟合程度较高；航次时间为22～30 d时，平均航程增加减慢，趋势拟合式为y=9.896x+1 649.6。

航次的平均离岸距离划分为4段(图5D)，包括0～10 d、11～15 d、16～21 d、22～30 d；航次时长为0～10 d时，平均离岸距离由18 km增加到144 km，呈线性增长，趋势拟合式为y=11.196x+15.445(R2=0.968 9)，趋势线拟合程度较高；航次时长为11～15 d时，平均离岸距离为101～160 km，呈下降趋势；航次时长为22～30 d时，平均离岸距离为84～199 km。

图5 渔船航次指标随航次时长的变化Fig.5 Variation of trip index for fishing vessel with trip duration

航次特征数据中，航次频数、平均航速、平均航程和平均离岸距离等随时间变化的曲线中叠加了周期为24 h的波动。航次频数随时间变化的24 h周期波动是因为渔船进出港受选择时间的影响。而平均航程、航速和离岸距离的24 h周期波动，则是因为不同捕捞类型渔船的作业特点存在差别，如灯光围网白日寻找渔场，晚上捕捞；拖网全天可以作业[18]；刺网多数在白日下网和收网。多种捕捞类型的叠加导致航次各指标出现周期性波动。

目前，中国海洋捕捞机动渔船以小型为主，44.1 kW以下有10.9万艘，44.1～441 kW有5.4万艘，441 kW以上仅2.6万艘[19]。小型渔船主要在近岸渔场作业，航程和离岸距离短；较大的渔船作业航程、离岸距离长。小型渔船航次周期短，相同时间内航次的频次高，因此，航次频数随航次时长呈现指数递减。

不同捕捞类型的渔船作业时，离岸距离、作业航速差别较大，因此，多种渔船航次特征数据变化明显。1～10 d航次的平均航速随航次时长变化较小，平均离岸距离随航次时长呈线性增加，拟合系数达到 0.968 9，这段平均航速较大，可能以小型拖网渔船为主；11～15 d的航次平均离岸距离在140 km左右，呈下降趋势，平均航速也呈下降趋势，可能以刺网捕捞渔船为主；16～21 d的航次，平均离岸距离在150 km左右，平均航速呈上升趋势，航速较低，可能以张网捕捞渔船为主。

3 渔船航次特征的统计分析

渔船的航次时长为右偏斜分布(图6A)，其中，江苏的航次时长范围变化最大，辽宁最小；江苏航次时长平均值高达6 d，其次为浙江、山东、广东，航次平均时长在4 d左右，海南、广西在3 d左右，辽宁平均航次时长低至1.9 d。

航次的航程也为右偏斜分布(图6B)，山东、江苏、浙江、广东航次的航程范围变化较大，辽宁、海南、广西变化较小；山东、江苏、浙江平均航程最大，为400 km左右，海南、广西平均航程为260 km左右，辽宁平均航程最小(152.3 km)。

航次的平均离岸距离为右偏斜分布(图6C)，山东、江苏、浙江、广东航次的平均离岸距离范围变化较大，山东、浙江平均离岸距离为70 km以上，山东、广东平均航程在50 km左右，辽宁、海南、广西平均航程为30 km 左右。

渔船航次的平均航速接近对称分布(图6D)，主要分布在1 m/s左右，其中，山东省最高，为1.31 m/s，其次是辽宁，为1.2 m/s，浙江、广东、广西相同，均为1.1 m/s，海南最低，为0.8 m/s。

图6 渔船航次指标的箱体图Fig.6 Box diagram of vessel trip index

渔船的航次时长、航程和离岸距离等，均由江苏向北、向南降低，且均向右偏斜。江苏近海水深较浅，多辐射状沙脊[20]，渔场资源量相对较低，渔船需航行到较远的大沙渔场、连青石渔场等作业。辽宁、广东、广西和海南的航次时长、航程、离岸距离相对其他省市分布值较小，这是因为这些省份的渔船大部分在较近的渔场作业，如辽宁近海的辽东湾渔场，广东近海的珠江口渔场，广西近海的北部湾北部渔场,海南省近海的4个渔场。

广西、山东、江苏、浙江航次的平均离岸距离在5—9月休渔期均有所下降，广东在休渔期与其他月份相比明显升高，海南和辽宁平均离岸距离均较小，全年变化不大(表4)。

表4 各省(自治区)港口航次的平均离岸距离月变化Tab.4 Monthly variation in average offshore distance in various province (autonomous regions) ports km

广东航次的平均航程比较大，5月份达最大值；广西、山东、江苏航次的平均航程在休渔期明显下降，浙江下降较少，海南和辽宁航次的平均航程较小，全年变化不大(表5)。

表5 各省(自治区)港口航次的平均航程月变化Tab.5 Monthly variation in average trip in various province (autonomous regions) ports km

中国近海受伏季休渔期影响[21]，渔船的平均离岸距离与平均航程月变化较大。其值在广西、山东、江苏和浙江的休渔期较低，其他时间较高；在海南和辽宁月变化较小；在广东休渔期较高，其他时间较低。由于休渔期有钓具渔船生产，而且主要在渔场离岸较近的海域作业，可能还有一些调查船作业，故有少量航次。在休渔期间，广东一些渔船到离岸较远的北纬12°以南的南沙海域作业，因此，渔船休渔期平均离岸距离和平均航程均较大。

4 结论

本研究中把海岸线用0.1°×0.1°格网划分成港口格网，格网中海岸线上选一个居中的点作为海岸线点，通过渔船轨迹点与港口格网相交分析获取进出港的航次点，提取航次，通过计算渔船轨迹点与海岸线点的球面距离，并取其平均值作为平均离岸距离。编程实现后，该方法在2018年近13亿条数据中，提取39.98万个航次数据，耗时约6 h，通过对提取航次进行分析后得出如下结论：

1) 按照每天的时刻统计，出港航次数的一个峰值在8：00—17:59，占年总出港次数的56%；进港的两个峰值分别在5:00—10:59和13:00—18:59，占年总进港次数的33%、30%。

2) 按照农历日期统计，出港航次数有两个峰值和两个谷值，出港的两个峰值分别在每月的6—13日和21—28日，分别占年总出港次数的28%、30%；两个谷值，一个在每月的29日到下月的5日，另一个在每月的14—20日，分别占年总出港次数的20%、21%；进港的一个峰值在11—20日，占年总进港次数的37%。

3) 航次特征数据存在明显的24 h周期波动，且航次特征数据受大小潮、朔望日等影响较大，可划分为1～10 d、11～15 d、16～21 d和22～30 d等航次时长段。

北斗船位数据提取航次具有速度快、实时性强的特点，基于北斗数据挖掘的服务将成为渔业管理的重要信息来源之一。