基于北斗船位数据的拖网捕捞追溯方法研究样本.doc

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。
基于北斗船位数据的拖网捕捞追溯方法研究
东海水产研究所

摘 要:水产品安全关系到国计民生, 北斗卫星导航渔船监控系统的迅速发展, 已经初步满足基于船位的追溯, 为水产安全管理增添新的手段。经过北斗监测的船位、 航向、 航速等信息挖掘, 能够追溯渔船、 渔场、 渔港, 掌握水产品的来源与累计量, 再结合渔场、 渔区等信息, 实现水产品的追溯。本研究实现追溯到具体作业渔场位置, 累计捕捞时间、 捕捞强度等信息; 实现渔港的渔船追溯并能够获得渔港水产品的来源地, 准确到单个捕捞渔场。
关键词: 北斗卫星导航; 水产品追溯; 渔场
中图分类号: S975 文献标志码: A
Method of Trawling Tracing based on BeiDou Vessel Monitoring System data
Abstract: Safety of fishery products matters vital to national well-being and the people's livelihood. With the rapidly development of Beidou satellite navigation vessel monitoring system, the retroactivity based on ship's position has been preliminarily satisfied. It provided new means for aquatic safety management. Through monitoring position, course, speed and other information mined by Beidou satellite, fishing boats, fishing ground and fishing port can be traced. Obtaining the source and cumulative amount of aquatic products and combining fishing grounds, fishing area and other information can realize the traceability of aquatic products. This study can carry out the traceability of the fishing grounds location, cumulative fishing time, fishing intensity and other information, which can achieve the traceability of fishing boats and obtain the source of aquatic products in fishing port accurately to a single fishing grounds.
Key words: Beidou satellite navigation; Aquatic traceability; fishing ground

0 引言
近年水产品安全事件的不断爆发,水产品出口质量要求逐渐提高, 水产品安全问题已经成为国内外政府( 组织) 、 社会公众关注的焦点, 有效的水产品可追溯对保障消费者权益、 企业政府利益, 以及渔业可持续发展均具有重要意义[1-4]。基于RFID (radio frequency identification, 无线射频识别)、 电子代码、 物联网技术的水产品追溯已经兴起, 它是对水产品各环节的质量保障的直接手段[5-7], 但缺乏宏观把握水产品追溯的能力。北斗卫星导航渔船监控系统能够获取丰富的渔船动态信息, 综合利用这些信息数据,能够进行水产品追溯信息的挖掘, 以创新的思维开展研究[8], 为水产安全管理增添新的手段。
北斗卫星导航系统在渔业中的应用研究经过多年的发展[9], 已经初具规模, 据统计到当前为止安装北斗卫星导航系统终端的渔船已经有4万余艘[10,11], 因此包含船位在内的海量信息能够满足追溯的要求。在渔船捕捞方式、 捕捞渔区、 捕捞鱼种确定, 而且在时段一定的情况下, 累计捕捞时间与渔获量成正相关关系, Lee等的研究对此也做了一些验证[12]。国外已经用VMS( Vessel Monitoring System) 信息计算累计捕捞量, 用于渔业资源评估[13,14]。把北斗卫星导航系统用于渔船捕捞拖网捕捞追溯的方法在国内外实属少见, 本研究经过分析渔船航速、 航向的特征判断渔船的状态, 根据累计捕捞时间推断渔获量, 追溯渔船到过哪些渔场, 获得某渔港水产品的来源于哪些渔场, 获得某段时间渔场中的渔船, 掌握渔船的来源,及用于评估对水产品需求市场的影响, 事先做应急调配, 减少市场波动, 降低因渔场变化而带来的影响。。
1 材料与方法
1.1 数据来源
北斗渔船船位数据来源于上海普适导航技术有限公司, 该公司系北斗民用分理服务商, 数据信息主要包括渔船的北斗卡号、 经纬度位置、 航速、 航向、 发报时间。船位数据的时间分辨率为3分钟记录一次船位, 空间分辨率约为10米。数据管理库选用SQL Server 数据, 具有分析空间数据的功能, 能够确定几何图形实例之间的空间关系, 船位保存为geometry点数据类型。
捕捞类型、 船名等信息主要来源于”中央财政国内海洋渔船油价补助公示”资料, 经过与北斗数据的匹配, 确定了3333条渔船的类型, 其中拖网船有2212条, 占总量的66%。
1.2 方法
一艘渔船一个航次的捕捞作业, 由多个具有空间信息的时间序列点组成, 按时间顺序连接后就是一条轨迹, 一条渔船的轨迹表现为渔民简单的捕捞行为, 一条轨迹能够追溯到渔船。多个渔船的捕捞行为则具有一定规律性, 研究多条轨迹能够追溯到渔场、 渔港。渔船各点位包括航速、 航向等信息, 研究这些信息能够追溯渔场渔获, 也能够计算出渔场的捕捞强度, 本文经过船位数据挖掘追溯拖网渔船捕捞。
为了便于渔场分析, 对渔场格网进行了细分, 划分为0.5°×0.5°的格网( 以下称渔区格网) , 经度范围121～128°N, 纬度范围27～34°E, 并对每个格网从W向E, 从N向S的顺序进行了编码。
渔船是否处于捕捞的状态经过式1判断, 当航速和航向处于某阈值范围之内时, 处于捕捞状态。
(1)
其中, V1和V2是捕捞状态的航速阈值, D1和D2是捕捞状态的航向差阈值范围。
一个渔区格网内可能有多艘渔船, 一艘拖网渔船捕捞分为多个网次, 一般每个网次持续几个小时, 一个网次结束后间隔一段时间, 然后是下一网次。每个网次又有离散的多个船位点组成。因此计算某个格网内的累计捕捞时间如式2。
(2)
其中, Zi是某渔区格网的累计时间捕捞强度, Pi,j,k、 Pi,j,k-1是某渔船相邻的两个船位点的时间, 两者的差是时间长度。第一次求和是一个网次内累计捕捞时间, 第二次求和是一条拖网渔船一段时间多个网次的累计捕捞时间, 第三次求和是某渔区格网内所有拖网渔船的累计捕捞时间。
本文采用反距离加权插值法[15]生成变化趋势专题图。渔区格网中心离散点分布较均匀, 在制图分辨率较低时, 基于反距离权重会获得最佳结果[16,17], 计算方法如式3。
( 3)
其中, r 为指定的指数; di 为控制点i 与点O 间的距离, Zo 为O 点的估计值; n 为在估算中用到的控制点数目; Zi 为控制点i 的Z 值。
2 结果与分析
2.1 拖网渔船状态划分
拖网渔船出海捕捞过程一般快速航行到某个渔场, 在该渔场开始放网, 放网时渔船持续较短时间的快速状态把放完, 并开始拖网作业, 当网中渔获达到相应的量后, 渔船停泊收网, 这时速度很慢。本文选择 10月10日浙江奉化某一拖网船, 北斗卡号为300585( 以下称”拖网船300585”) 进行分析, 在0时到24时根据速度划分了9段( 图1) , 包括抛锚的B段和I段, 拖网捕捞的C～H段、 航行的A段, 即三种状态。

图1 10月10日0-24时拖速分布图
表1是对 10月10日拖网船300585, 在0时到24时船位统计, 各分段是渔船所处的状态, 平均速度是各段内的渔船均速, 累计行程是各段中点连线的曲线长度, 相对距离是两个起止节点的距离。长度比是累计行程与相对距离的比值, A段平均速度较大, 长度比最小, B段和I段处于抛锚, 速度为海流与风的影响而出现的船速, B段2.5个小时移动了150m, I段约3个小时移动了72m。C～H段平均速度在1.3～1.8m/s, 长度比在1.3左右, F段由于渔船弯曲航行, 因此比值较大。
表1 10月10日浙江奉化某拖网船状态
分段
状态
平均速度 (m/s)
累计行程(km)
相对距离(km)
长度比
A段
航行
3.70
35.991
35.539
1.01
B段
抛锚
0.24
0.830
0.150
5.53
C段
第一网
1.34
14.565
11.212
1.30
D段
第二网
1.60
14.123
10.468
1.35
E段
第三网
1.82
18.045
13.715
1.32
F段
第四网
1.77
15.350
9.936
1.54
F段
第五网
1.52
16.475
8.3443
1.97
H段
第六网
1.53
13.406
9.852
1.36
I段
抛锚
0.45
0.550
0.072
7.64

拖网渔船的航向( 方位角) 是指在水平面上以渔船位置为中心, 从该点的指北方向线起, 依顺时针方向到目标方向线之间的水平夹角, 航向值在0～360°之间。当渔船航向在0°或360°附近变化时, 航向值会出现较大的变化幅度。为了进一步分析航向的实际变化状况, 对航向角度进行了差值计算获得航向差, 航向差是两个相邻时间, 后一时间航向与前一时间航向的差值, 正值反应航向顺时针转动, 负数反应渔船航向逆时针转动。图1中拖网船300585的航向差值主要在0°左右变化, 北斗每3分钟一条数据, 拖网船作业时在3分钟内一般不会内不会出现较大的航向变动。
2.2 拖网渔船航速统计
图2是 5艘船全年船位点记录数量随速度的变化统计, 由于渔船进渔港停泊时也发送船位数据, 因此产生了很多值为0 m/s的数据, 统计中去掉了这些数据。

图2 点记录数量随速度的变化

渔船状态, 经过统计长时间的渔船船位数据特点, 找到各种类型的特征, 能够判断渔船的捕捞类型。航速主要有三个峰, 第一个在0～1m/s, 渔船处于进港、 抛锚或漂流; 第二个在1.3～1.9m/s, 渔船处于捕捞状态; 第三个在3.3～4.3m/s, 渔船处于航行。
经过对多个拖网渔船在 的数据统计, 各船的全年点记录数量随速度的变化曲线相近, 因此文中根据拖网船的航速、 航向统计, 设定式1中V1为1m/s, V2为2.1m/s, 航向差D1设置为-50°, D2设置为50°。

2.3渔船追溯
一艘渔船的多个船位数据能够组成渔船轨迹, 借助航速、 航向差能够确定各处的渔船状态, 计算渔船各状态的累计时间, 也能计算出渔船在某个渔场( 或渔区) 中的累计捕捞时间作为捕捞量, 当渔船进港卸鱼时, 能够追溯到渔船到过哪些渔场, 在各鱼场累计捕捞时间等信息。本文选择 9月30日到 10月26日浙江象山拖网船300497连续的两个航次分析拖网渔船轨迹( 图3(a)右上角小图) , 根据渔船航速、 结合航向差, 划分3个状态: 慢速( 抛锚、 漂流、 慢速航行) , 捕捞(拖网捕捞), 航行( 正常快速航行) 。
其第一个航次于 -9-30 8:38从象山港出发, 经过10个格网, -10-9 17:51返回, 如图3(a); 其第二个航次于 -10-11 10:13从象山港出发, 经过18个渔区格网, -10-26 2:00返回, 如图3(b)。第一个航次共用时255.22小时, 第二航次共用时351.78小时。由于慢速状态点间位移小堆积在一起, 被其它两个状态覆盖, 在小比例尺上不易看到。拖网状态轨迹被航行状态分成许多小段, 每一个小段都是一个网次, 一个航次会有多个网次。

(a)航次1轨迹图 (b)航次2轨迹图
图3拖网船300497轨迹图
表2中拖网船300497航次1的渔获来自鱼山渔场和舟山渔场, 在舟山渔场捕捞效率比较高, 捕捞状态占78.29%, 在鱼山渔场累计捕捞时间最长; 航次2的渔获来自四个渔场, 在鱼外渔场和舟山渔场渔船捕捞效率高, 舟外渔场累计捕捞时间最长。
表2 拖网船300497状态统计
渔场名称
航次1
航次2
慢速
捕捞
航行
百分比
慢速
捕捞
航行
百分比
鱼山渔场
14.05
104.25
27.55
71.48%
0.25
0.65
10
5.96%
鱼外渔场

3.45
19.2
1.55
79.34%
舟山渔场
10.85
58.95
5.5
78.29%
14.05
85.25
19.95
71.49%
舟外渔场

44
112.7
20.15
63.73%
合计
24.9
163.2
33.05
73.80%
61.75
217.8
51.65
65.76%

2.4渔港的渔船追溯
一个渔港的近海水产品是由运入该港口的多个近海渔船捕捞供给, 在掌握全部渔船船位的数据情况下, 能够追溯出某个渔港水产品的来源于哪些渔场( 渔区) , 根据累计捕捞时间推断渔获量。本文以象山1164艘拖网船为例( 表3) , 其处于捕捞状态的点分布在9个渔场, 累计捕捞时间最多的是舟外渔场, 超过3000个小时, 而且该渔场各船平均捕捞时间最长, 在 ～3000个小时的渔场有舟山渔场、 长江口渔场, 在1000～ 个小时的渔场有大沙渔场、 鱼山渔场, 其它渔场累计捕捞时间都在300个小时以下。

表3 象山拖网渔船捕捞渔船分布
渔场名称
船数( 条)
累计捕捞时间( 小时)
平均捕捞时间( 小时)
鱼山渔场
298
1844.95
6.19
舟山渔场
286
2483.35
8.68
长江口渔场
235
2127.24
9.05
舟外渔场
219
3227.24
14.74

190
21.34
0.11
大沙渔场
179
1976.70
11.04
温台渔场
39
297.30
7.62
江外渔场
22
184.83
8.40
沙外渔场
7
7.25
1.04
鱼外渔场
6
20.70
3.45

根据渔船航速、 结合航向差提取出渔船处于作业状态的点, 共提取到象山的1164条拖网船, 处于捕捞状态的509687个点。把点分布到0.1°×0.1°的格网中, 计算每个格网中的累计捕捞时间, 图4中的点是0.1°×0.1°格网中心点, 颜色变化代表累计捕捞时间的长短。

图4 象山拖网渔船累计捕捞时间分布
图5中对格点值采用式3进行了插值, 生成 10月10日插值图, 反应拖网捕捞强度的分布趋势面。舟外渔场、 舟山渔场、 长江口渔场大沙渔船捕捞强度较大。

图5 象山拖网渔船捕捞渔船分布插值图

2.5渔场渔区的渔船追溯
一个渔场( 渔区) 捕捞的运往哪些渔港, 能够经过分析渔船的来源能够掌握, 能够获得渔场中有多少船, 船来自什么地方, 累计捕捞时间等信息。本文以 10月10日舟外渔场中的渔区为例追溯渔船来源, 舟外渔场位于舟山渔场的东侧, 是东海区重要经济鱼虾类的重要越冬场, 是底拖网作业的良好区域, 为全国最著名的渔场。舟外渔场经度范围125～128°E, 纬度范围29.5～31°N, 一个小区格网为0.5°×0.5°, 因此舟外渔场由18个小渔区格网组成。
选择了渔区编号92～95、 106～109、 120～123, 12个网格进行分析( 表4) 。舟外渔场主要是来自象山和奉化的拖网船, 鄞州和宁海有少量的拖网船。来自象山港的拖网渔船在107、 93、 94、 108几个渔区的累计捕捞时间都超过了400个小时, 来自奉化的拖网渔船在94、 95渔区的累计捕捞时间都超过了400个小时, 来自鄞州的渔船在94、 95、 109渔区捕捞过, 来自宁海的渔船在94、 95渔区捕捞过。
表4 舟外渔场
渔区编号
象山
奉化
鄞州
宁海
船数
累计
船数
累计
船数
累计
船数
累计
92
12
26
13
27.6

93
78
694.15
6
62.4

94
64
405.85
150
1008.85
2
3.6
1
0.4
95
13
70.45
62
412.8
2
30.2
1
1.45
106
26
88.25
15
76.05

107
113
844.44
10
109.8

108
66
408.5
48
206.75

109
13
66.9
31
156.6
2
2.95

120
39
160.25
28
145.7

121
55
344.05
32
141.4

122
14
118.4
4
12.05

123

1
0.8

在舟外渔场, 根据渔船航速、 结合航向提取到象山219条拖网船, 处于捕捞状态的67543个点; 奉化225条拖网船, 处于捕捞状态的47216个点; 鄞州2条拖网船, 处于捕捞状态的735个点; 宁海1条拖网船, 处于捕捞状态的37个点。把点分布到0.1°×0.1°的格网中, 计算每个格网中的累计捕捞时间, 图6中的点是0.1°×0.1°格网中心点。从图中能够看出各位置处渔船的来源及累计捕捞时间的合计值。

图6 10月10日累计时间捕捞强度分布
3. 讨论
本研究经过北斗船位数据分析渔船航速、 航向的特征能够判断渔船的状态, 掌握渔船的作业规律, 根据长时间的渔船航速特点能够获取到各状态的阈值, 经过结合航向差提取出渔船处于捕捞状态的船位点, 根据点的数量, 处于捕捞状态点的持续时间, 计算在某个区域累计捕捞时间, 制作出累计时间捕捞强度格点图, 插值出累计时间捕捞强度趋势图, 能够作为北斗系统运用在海洋渔业信息化建设中的一项实例, 运用在国内渔船拖网捕捞追溯上面更是首列。
近海水产品涉及环节比较多, 如捕捞、 交易、 储藏、 加工、 运输和销售环节。已有追溯系统主要关注中下游环节, 在上游捕捞环节比较薄弱, 多数采用追溯编码方式, 经过一维码、 二维码、 RFID等技术追溯, 侧重微观追溯。本文研究侧重宏观追溯, 整体把握近海捕捞水产品的来源、 去向, 及其变动, 具有近实时, 范围广的特点。在渔场出现污染、 台风等影响, 以及渔场渔汛变化时, 经过渔场内以往渔船捕捞状况、 渔获销售方向、 累计捕捞时间等数据, 进行水产品供应预测, 评估可能对水产品需求市场的影响, 事先做应急调配, 减少市场波动, 降低因渔场变化而带来的影响。渔船捕捞追溯方法在保障水产品安全、 维护市场稳定等方面, 都有重要的意义。在水产品质量出现问题时, 经过追溯找到渔船, 根据渔船轨迹追溯渔场( 渔区) , 及时找到出现问题的渔场, 找到出现问题的渔场后快速查找该时间段内在此渔场捕捞的渔船, 根据这些渔船轨迹查找其销售方向, 及时对销往区域进行水产品的预警。
虽然本次研究完成了经过北斗船位数据开发利用实现了渔船拖网捕捞追溯的作用, 可是不足的是拖网数据累计时间捕捞强度计算不够细化, 拖网渔船在功率不同、 拖网放置不同水层深度、 不同捕捞鱼种情况下航速有差别, 因此下一步工作需要经过判别各船的捕捞状况, 同时把功率考虑到累计强度中, 并分析其它捕捞类型, 探索经过航速航向区别各种捕捞类型的方法。
4.结论
基于北斗船位数据的拖网捕捞追溯方法的研究, 是经过船位数据挖掘, 实现渔船追溯, 追溯渔船到过哪些渔场, 在各鱼场累计捕捞时间等信息; 渔港的渔船追溯, 能够获得某个渔港水产品的来源于哪些渔场, 根据累计捕捞时间推断渔获量; 渔场的渔船追溯能够获得某段时间渔场中的渔船, 掌握渔船的来源, 以及其累计捕捞时间, 为保障水产品安全、 维护市场稳定等方面, 具有重要的指导意义。

参考文献
[1] 张珂, 张文志. 水产品可追溯系统研究与应用[J]. 中国渔业经济. (05): 107-112.
[2] 林洪, 杜淑媛. 中国水产品出口存在的主要质量安全问题与对策[J]. 食品科学技术学报. (02): 7-10.
[3] 陈玉光. ”绿色壁垒”对中国农产品出口贸易的影响及应对[J]. 青岛科技大学学报(社会科学版). (01): 44-47.
[4] 于笛, 刘俊荣, 章超桦. 水产养殖业可追溯性管理与渔业可持续发展[J]. 水产科学. (10): 624-629.
[5] 颜波, 石平, 黄广文. 基于RFID和EPC物联网的水产品供应链可追溯平台开发[J]. 农业工程学报. (15): 172-183.
[6] 马莉, 赵丽, 刘学馨, 等. 基于Web服务的水产品批发市场质量追溯系统设计[J]. 农业网络信息. (01): 8-11.
[7] 孙传恒, 杨信廷, 李文勇, 等. 基于监管的分布式水产品追溯系统设计与实现[J]. 农业工程学报. (08): 146-153.
[8] 杨子江, 曾省存, 宋怿, 等. 水产品质量安全可追溯信息的综合利用研究[J]. 中国渔业质量与标准. (01): 34-40. [9] 郭飚, 薛元宏. 北斗系统在海洋渔业信息化建设中的关键技术与实现途径[J]. 现代渔业信息. , 19(5): 13-14.
[9] 郭飚, 薛元宏. 北斗系统在海洋渔业信息化建设中的关键技术与实现途径[J]. 现代渔业信息. , 19(5): 13-14.
[10] 胡刚, 马昕, 范秋燕. 北斗卫星导航系统在海洋渔业上的应用[J]. 渔业现代化. , 37(1): 60-62.
[11] 居礼. 北斗卫星导航系统在海洋渔业的应用[J]. 卫星与网络. (3): 16-22.
[12] Lee J, South A B, Jennings S. Developing reliable, repeatable, and accessible methods to provide high-resolution estimates of fishing-effort distributions from vessel monitoring system (VMS) data [J]. ICES Journal of Marine Science: Journal du Conseil. , 67 (6): 1260-1271.
[13] Mullowney D R, Dawe E G. Development of performance indices for the Newfoundland and Labrador snow crab (Chionoecetes opilio) fishery using data from a vessel monitoring system[J]. Fisheries Research. , 100(3): 248-254.
[14] Stelzenmüller V, Maynou F, Bernard G, et al. Spatial assessment of fishing effort around European marine reserves: Implications for successful fisheries management[J]. Marine Pollution Bulletin. , 56(12): -2026.
[15]张胜茂,樊伟. 海洋次表层FIDW温盐影像插值算法[J]. 计算机工程与应用. , 48 (26) 205-209.
[16]Watson D F, Philip G M. A Refinement of Inverse Distance Weighted Interpolation[J]. Geoprocessing. 1985, 2: 315-327.
[17]Philip G M, Watson D F. A Precise Method for Determining Contoured Surfaces[J]. Australian Petroleum Exploration Association Journal. 1982, 22(1): 205-212.