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
s=
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i h内各船位点，最接近i时刻点的距离作为i h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
Tab.1 Source ports and destination ports in various provinces (autonomous regions)
港口行政区划administrative division of port航次/(104 times)trip number去向港口及占比source port and proportion来源港口及占比destination port and proportion辽宁Liaoning6.8辽宁、山东、河北,各占94%、5%、1%辽宁、山东,各占96%、4%山东Shandong9.0山东、辽宁、河北,各占96%、3%、1%山东、辽宁,各占97%、3%浙江Zhejiang10.7浙江、福建、江苏,各占98%、1%、1%浙江、江苏、福建,各占98%、1%、1%广东Guangdong3.2广东、海南、广西,各占95%、4%、1%广东、海南、广西,各占94%、4%、2%广西Guangxi2.9广西、海南、广东,各占92%、6%、2%广西、海南、广东,各占93%、6%、1%海南Hainan4.3海南、广西、广东,各占93%、4%、3%海南、广西、广东,各占93%、4%、3%
表2 渔船航次进出港频数随时间的变化
Tab.2 Changes in frequency of departing and entering of a vessel trip with time times
时间time出港次数departure进港次数entry时间 time出港次数 departure进港次数 entry0:00—0:5916 54219 52112:00—12:5922 16216 2411:00—1:5911 62414 01513:00—13:5921 80216 7182:00—2:5912 23514 18014:00—14:5922 79717 9653:00—3:5913 16915 31415:00—15:5923 64018 5524:00—4:5913 53217 55416:00—16:5925 20418 8305:00—5:5914 69821 65317:00—17:5924 57119 5186:00—6:5917 44724 48318:00—18:5920 94519 7017:00—7:5919 71323 28219:00—19:5917 60219 1228:00—8:5920 82720 59320:00—20:5916 04718 0269:00—9:5920 25018 88321:00—21:59142 2716 99310:00—10:5920 75717 50022:00—22:5912 58615 49911:00—11:5920 89116 64523:00—23:59113 3413 814
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
Tab.3 Changes in frequency of departing and entering of vessel trip with lunar day times
农历日lunar day出港次数departure number进港次数entry number农历日lunar day 出港次数departure number进港次数entry number112 02317 1101613 29617 710214 86512 9261712 01018 624314 84212 4501811 82613 905413 11813 3971912 64014 186513 38114 6372013 33016 017617 81014 0522115 75514 682717 24413 6492220 34612 369817 24217 0732314 30511 313915 24414 2582413 21714 3251017 31913 3252514 60814 3571116 89414 1222615 67714 3581214 17215 2402715 94113 7191315 69115 7152813 37113 9371414 93017 5002911 97315 1541513 68516 541307 8477 951
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
月份month海南Hainan山东Shandong江苏Jiangsu广西Guangxi辽宁Liaoning浙江Zhejiang广东Guangdong132.9187.61108.7340.5034.0493.9652.81227.0185.2185.2139.8228.0293.6534.78330.9963.1391.9041.3025.2279.1048.97430.9151.1582.5940.1321.8372.4940.30529.5657.3490.3552.5022.6664.6969.86621.0066.2031.9915.7618.8742.1477.53722.4018.4323.616.6722.1660.1078.38827.4628.6866.3927.9721.4165.5545.24930.5549.1976.4330.2225.7068.1643.791039.4159.6098.1734.9526.4367.0648.611134.8959.6684.7634.2630.3470.5438.361235.9764.7992.1937.6433.8376.2047.24
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
月份month海南Hainan山东Shandong江苏Jiangsu广西Guangxi辽宁Liaoning浙江Zhejiang广东Guangdong1252.72598.49565.97320.04203.73505.09506.912162.52489.83394.23163.51126.53442.84278.423207.59382.18415.62307.16124.74460.47465.044223.51323.78468.36301.91105.11412.51410.235175.46477.60379.71367.4490.15477.52544.106115.76301.02161.3398.9865.11314.39439.217109.9888.4087.6044.2376.95282.70444.098163.28153.09390.38214.6978.08290.90447.639191.96383.57408.28237.51149.44344.84395.5610258.03475.85496.42292.19166.45323.78444.5011245.57493.17461.23280.36190.05333.76306.1212275.76503.6484.58336.70209.02417.34500.59
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。
[1] ZIEGLER F,GROEN E A,HORNBORG S,et al.Assessing broad life cycle impacts of daily onboard decision-making,annual strategic planning,and fisheries management in a northeast Atlantic trawl fishery[J].The International Journal of Life Cycle Assessment,2018,23(7):1357-1367.
[2] 徐硕,王宇,王振洲.渔船身份识别系统在海洋渔船管理中的应用[J].渔业现代化,2014,41(2):63-66.
[3] 赵树平,王化群,李建华,等.基于RFID技术的渔船身份识别系统设计[J].微计算机信息,2010,26(17):150-151,191.
[4] 凤要武,丁国斌,施志林.数字化技术在渔船进出港签证中的应用[J].渔业信息与战略,2016,31(1):38-43.
[5] 余文杰,于志革.电子海图结合ARPA矢量线航法在进出港航行中的应用[J].中国水运,2012,12(12):14-16.
[6] 李易珊.8月1日起大中型渔船进出港需提交报告 农业农村部施行渔船进出渔港报告制度[J].海洋与渔业,2019(3):18.
[7] 张胜茂,程田飞,化成君,等.北斗卫星数据提取耙刺渔船作业状态方法研究[J].渔业信息与战略,2015,30(4):293-300.
[8] 张胜茂,程田飞,王晓璇,等.基于北斗卫星船位数据提取拖网航次方法研究[J].上海海洋大学学报,2016,25(1):135-141.
[9] 张荣瀚,张胜茂,陈雪忠,等.基于北斗船位数据的流刺网网次和方向提取方法研究[J].海洋渔业,2019,41(2):169-178.
[10] 张胜茂,崔雪森,伍玉梅,等.基于北斗卫星船位数据分析象山拖网捕捞时空特征[J].农业工程学报,2015,31(7):151-156.
[11] 郑巧玲,张胜茂,樊伟.海洋渔业专题图的研究应用现状[J].大连海洋大学学报,2015,30(3):340-344.
[12] WATSON J T,HAYNIE A C.Using vessel monitoring system data to identify and characterize trips made by fishing vessels in the United States North Pacific[J].PLoS One,2016,11(10):e165173.
[13] 张胜茂,唐峰华,靳少非,等.基于北斗卫星数据的拖网渔船状态与网次提取[J].渔业信息与战略,2015,30(3):205-211.
[14] 岳冬冬,陆亚男,刘勤,等.中国近海捕捞渔业油价补助政策调整研究[J].渔业信息与战略,2015,30(2):79-85.
[15] 周胜利.船舶进出象山港航法[J].中国远洋海运,2017(7):70-71.
[16] 张健,蒋瑞,方远浩,等.东海张纲张网网囊网目选择性研究[J].海洋渔业,2017,39(3):340-350.
[17] KEHAYIAS G,TZAVALI A,GINI M,et al.Fish predation in the proximity of purse seine fishing lights:the case of Atherina boyeri (Actinopterygii:Atheriniformes:Atherinidae) in a Greek Lake[J].Acta Ichthyologica et Piscatoria,2018,48(1):51-60.
[18] 朱铭锴,李德堂,李同兰,等.电力推进系统应用于灯光围网渔船的经济及节能效果分析[J].浙江海洋学院学报(自然科学版),2016,35(3):266-270.
[19] 农业农村部渔业渔政管理局.2018中国渔业统计年鉴[M].北京:中国农业出版社,2018.
[20] TAO J F,XU F,YAO P,et al.The variations of sediment transport patterns in the radial sand ridges along the Jiangsu coast,China over the last 30 years[J].Journal of Coastal Research,2018,85(sup 1):216-220.
[21] CAO L,CHEN Y,DONG S L,et al.Opportunity for marine fisheries reform in China[J].Proceedings of the National Academy of Sciences of the United States of America,2017,114(3):435-442.