开展渔业资源学的研究需要对渔业生产和资源分布及变动特征有深入细致的了解,这包括渔船作业的时空特征、捕捞作业情况以及渔获量和捕捞努力量等统计数据。目前我国获取渔业生产数据的主要渠道是渔捞日志,但渔捞日志记录情况不尽人意：一方面渔民的渔捞日志中记录的数据缺失,且可靠性偏低。通常只有高产区的生产作业情况；另一方面渔捞日志是静态的数据,往往缺乏渔船航向、航速及作业的具体经纬度等信息。因此,我国渔业研究的基础数据十分匮乏,数据来源也十分单一,影响着渔业资源学研究的快速发展。近年来,随着传统渔业资源的衰退,世界各渔业发达国家或地区开始将渔船监测系统(Vessel Monitoring System, VMS)应用于渔业资源研究和渔业管理中。我国是渔业数据相对缺乏的国家,若将VMS数据与传统的渔捞日志数据相结合,不仅可以丰富渔业研究的基础数据,而且将能够推动我国渔业资源学的研究,是一项有益的尝试。本文主要根据2010年随机抽取的舟山市6艘单拖渔船在舟山渔场海域进行捕捞作业时获得的渔捞日志数据(包括作业日期,下网时刻,起网时刻,下网位置,起网位置,渔获量等渔业生产数据),以及其于2012年9月至2013年1月禁渔期过后5个月在舟山渔场作业的渔捞日志数据及相应渔船的VMS数据,模拟舟山渔场单拖渔船轨迹,建立广义加性模型(Generalized Additive Model, GAM),对2012年9月至2013年1月的月渔获量进行估算,并就渔获量的时空分布特征进行分析。使用三次样条插值(cubic Hermite spline, cHs)方法与线性插值方法对不同时间间隔下基于VMS数据对渔船航行轨迹进行了模拟。结果表明,渔船在捕捞作业的过程中,并非按照直线航行。三次样条插值法,能充分考虑航向,航速等信息,更加真实地还原渔船轨迹。并且为确保模拟轨迹的准确度,应将渔船VMS的回报频率控制在30分钟以内。根据渔船轨迹结合渔船速度对渔船捕捞行为进行判断,结果表明渔船在捕捞作业时的航速基本在2.5-5.0Km。这种判断渔船捕捞与否的方法可以减少仅依靠渔船速度判断渔船行为造成的误差。通过建立GAM对其渔获量与时空因素、环境因子的关系进行了分析,并对2012年9月至2013年1相应渔船的月渔获量进行估算。结果表明,影响渔获量的因子按重要性从大到小依次为作业日期、海表盐度(SSS)、纬度、海表温度(SST)、海面高度(SSH)和经度。根据AIC准则,包含上述6个显著变量的GAM为最佳模型具有较好的拟合度。研究表明,GAM模型能够在一定程度上反映渔获量的变化情况。随着监测渔船的数量和VMS数据的增加,GAM的预测的准确性将逐渐提高。通过对抽样渔船渔获量及其单位捕捞努力量渔获量(Catch per Unit Effort, CPUE)分析,表明抽样单拖渔船的渔获量及CPUE的时空分布具有以下特征：禁渔期后,秋冬季的5个月内,各月渔获量及CPUE呈现出随时间变化先增加后减少的趋势。抽样渔船的主要作业海域为29°30’N～31°30’N,123°00’E～125°30’E。随着时间的变化,其作业位置呈现出先向西向北扩展,再向南回撤的趋势。抽样渔获量及CPUE在纬度方向上有较大的变化,在经度方向上变化较小。