1、1基于 ESDA 模型的海洋渔业空间分布差异分析以山东半岛蓝区为例单春红 崔莎莎 中国海洋大学经济学院摘要：基于探索式空间数据分析（ESDA）模型研究 2003-2014 年山东半岛蓝区的海洋渔业空间分布差异，运用空间计量模型分析海洋渔业空间分布差异的影响因素，得出结论：山东半岛蓝区海洋渔业空间分布全局正相关关系显著，空间分布整体关联性较大，其空间集聚性呈现出先上升后下降的趋势，Morans I指数在 2007 年达到最大值 0.805，后在 2014 年达到最小值 0.717；选取 2007年和 2014年进行局部相关性研究，Moran 散点图显示，山东半岛蓝区的海洋渔业大部分存在“高-高”
2、集聚和“低-低”集聚的正相关模式，LISA 聚集图显示，威海和烟台两市出现显著区域，说明存在显著的正空间效应；地区 GDP 对海洋渔业起着负作用，农林牧渔业从业人员、海洋渔业面积、海洋渔业生产力和邻近空间互作效应起着显著的正作用。关键词：ESDA 模型；海洋渔业；空间布局；分布差异Analysis of Spatial Distribution Disparities of Marine Fishery Based on ESDA:Exemplify Shandong Blue AreaAbstract:Using the method of exploratory spatial data
3、analysis (ESDA) to analyze the spatial distribution disparities of marine fishery in shandong blue area on 2003-2014,and using spatial econometric model to study the influencing factors of spatial distribution disparities of Marine fisheries.Results showed that:(1)the spatial distribution of marine
4、fishery in shandong blue area has significant positive correlation,spatial distribution of the overall correlation is bigger, its spatial clustering has a trend of rise first and fall then,in 2007, Morans I attain to the maximum value of 0.805, the minimum value of 0.717 in 2014; (2)selecting the ye
5、ar of 2007 and 2014 to study the local correlation,Moran scatter plot shows that the marine fishery of shandong blue area mostly exist “high - high” and “ low -low”positive correlation, and LISA gather maps shows that Weihai and Yantai appear significant area,shows a significant positive spatial eff
6、ect;(3) regional GDP has a negative effect on Marine Fisheries, animal husbandry fishery practitioners, Marine fishery area, Marine fisheries productivity and the adjacent space interaction effect plays a significantly positive role.Key words:ESDA model; marine fishery;spatial arrangement;distributi
7、on disparity1 文献综述1.1 海洋渔业空间布局综述国内学者对海洋渔业空间布局的研究较少，大部分集中在海洋产业布局方面，主要有海洋渔业、海洋捕捞业、休闲渔业等产业的布局上。以山东半岛为例从产业布局传统动力因素和海洋性动力因素两个角度出发，分析海洋产业布局空间演进的动力 1。运用 WT模型、三轴图、点轴理论和灰色关联等方法对我国海洋产业布局的区位、关联、结构和规模优化进行研究，确定区域海洋主导产业，以便合理配置海洋资源，优化海洋产业布局，实现我国海洋经济的和谐有序发展 2-3；基于海域承载力视角对海洋渔业空间布局合理度进行评价，研究构建海域承载力视角下的海洋渔业空间布局优化标准，通过
8、适应性优化研究，进一步对海洋渔业空间布局优化做出研究 4-6；王启尧以胶州湾为例研究包括海洋养殖渔业在内的临海产业布局与海域承载力之间的关系，并基于海域承载力视角提“区域分块布局、协调发展”的优化建议 7；崔力拓等基于维持区域海域承载力方面阀值的考虑，认为海洋渔业空间布局应停止规模扩张，甚至适度收缩8；综合考虑科技创新、环境保护、生态修复、空间布局等因素，在蓝色经济区建设的背景下，提出新的战略环境中青岛市海洋渔业发展战略，推动区域海洋渔业可持续发展 9；通过建立海洋渔业空间布局优化基金项目国家自然科学基金项目（71273247） ；教育部人文社会科学研究项目（15JJDZONGHEO24） 。
9、作者简介单春红（1971-） ，女，中国海洋大学经济学院副教授，经济学博士；崔莎莎（1992-） ，女，中国海洋大学经济学院硕士研究生。目标、优化次序和优化路径，实现山东半岛蓝区海洋渔业空间布局优化，以期实现海洋渔业空间布局与生态承载力、资源承载力和环境承载力的协调 10。国外学者通过渔船监控系统（VMS）获取海洋渔业足迹数据，构建海洋渔业主体区域布局决策模型，优化海洋渔业空间布局的生态效益 11-13；考虑环境功能性、经济有效性和空间适应性等因素建立评估框架，对欧洲九国的海洋产业空间布局进行合理化管理 14；运用生态系统服务功能权衡分析、建议通过完善海洋渔业规划、实施海洋空间规划、加强海洋自
10、然保护区管制等措施解决海洋渔业空间布局和资源保护的冲突 15-17。1.2 ESDA 模型综述ESDA(Exploratory Spatial Data Analysis，探索性空间数据分析)是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制 18。目前，ESDA 已在空间数据挖掘、数字图像处理、流行病学、自然灾害、区域经济和犯罪学等研究领域受到重视。运用 ESDA 模型对新疆以及中国的产业用水增长质量的空间关联模式进行为主要分析，得出新疆期内产业用水增长质量呈现正的空间自相关，并且
11、空间集聚方式以 H-H、L-L 为主要特征，区域空间差异明显，中国产业用水增长质量总体和局部都呈现提高的态势，与各地区经济发展状况相吻合，产业用水增长质量的空间自相关显著，区域空间差异明显，有很大的提升空间 19-20；运用 ESDA 模型探索我国各省市能源效率的空间集聚状态以及冷热点区域格局的演化，得出我国各省市能源效率的地带性差异显著，呈现出从东部沿海向西部地区递减的趋势，能源效率与纯技术效率的空间集聚状态基本一致，能源效率的冷热点格局亦呈现地带性分布，提高能源利用效率的空间配置应重视纯技术效率及其在空间上的协调 21；同时也有学者运用 ESDA 空间分析技术从整体和局部两个方面验证辽宁省
12、能源效的时空格局演化特征，结果表明辽宁省各地级市能源效率具有显著的空间自相关，整体格局上所呈现的一定的集聚态势显示各地级市能源效率差异正在呈缩小趋势，局部格局上则是“高-高”类型去以沈阳、大连为中心逐步向沿海地区漫延， “低-低”类型区主要集中在葫芦岛、丹东和本溪 22；通过 ESDA 技术研究吉林省区域经济增长的空间自相关，同时探讨吉林省区域经济增长过程中的绝对趋同和条件趋同现象，基于 GIS 采用 ESDA 技术对 1985-2006 年间吉林省人均 GDP 数据进行分析，揭示了吉林省各地区人均 GDP 水平在空间上存在异质性 23；利用 ESDA 模型中的全局自相关分析对京津冀区域经济差
13、异度和人均 GDP 在空间分布状况进行测度，从而分析现有的经济空间结构对地区经济发展差异造成的影响。同时，利用局部自相关分析，分析不同时期区域经济空间结构的状况，各个县域所属的区域发展类型，识别经济中心及其影响范围 24。2 海洋渔业差异性研究的 ESDA 模型海洋渔业的特点是充分利用海洋生物资源自身的生长发育等一系列生理活动的产物来获取产品，并和自然环境紧密结合，相互交融，包括海洋捕捞业、海水养殖业、水产品加工业以及海洋休闲渔业服务业 25。ESDA 模型通过对海洋渔业数据结构分析反映空间关联程度，其本质是根据海洋渔业数据空间依赖性和异质性揭示事物的空间数据特征，以识别海洋渔业空间联系的热点
14、或集聚区域，进而归纳出海洋渔业的空间效应和演化规律 26。空间关联性可以通过 ESDA 方法的全局 Morans I 指数和局部 Moran 散点图测度。2.1 海洋渔业全局空间自相关分析全局空间自相关描述海洋渔业某一变量在整个区域的整体分布态势，并判断海洋渔业是否存在空间集聚特性。主要通过对 Global Morans I 和 Global Gearys C 等全局空间自相关统计量的估计，分析总体海洋渔业的空间关联和空间差异程度。其中，Morans I 统计量较为常用，其表述如下：121,()nijjijnijiiijwxI式中 n 为样本数量；x i、x j 表示 i 区域或 j 区域的变
15、量值； 为所有单元均值；w ij 为空间海洋渔业产值之间关系权重，当 i 与 j 存在邻接关系时，w ij=1，反之 wij=0。xMorans I 的取值介于-1,1 之间，当大于 0 时为正相关，且其值越大表示海洋渔业空间分布整体关联性越大，即空间上有强聚集性；当小于 0 时为负相关，其值越接近于-1 表明总体差异越大；等于 0 时，表明不存在空间相关性。Morans I 显著性可用 Z 方法检验。为了更加全面反映海洋渔业空间分布差异的变化趋势，还需采用 ESDA 局部分析方法。2.2 海洋渔业局部空间自相关分析采用 Moran 散点图和 LISA 聚集图等形式，将局部差异的空间格局可视化
16、，研究海洋渔业空间规律，之所以选用这两种方法，主要是因为它们与全局空间自相关统计量 Morans I 之间具有内在联系性。（1）Moran 散点图：表示各空间海洋渔业值与由空间权重矩阵决定相邻单元变量加权平均值之间的坐标图，以用来反映局部空间异质性。Moran 散点图按局部空间自相关类型将各单元划分为四个象限：“高- 高” （第一象限） 、 “低-高” （第二象限） 、 “低-低” （第三象限） 、 “高-低” （第四象限） 。 “高- 高”和“低- 低” 指具有较高或较低海洋渔业观测值的单元，其相邻区域的观测值也较高或较低，代表高值或低值局部空间集聚；“高-低”和“ 低- 高”反映了落入这两
17、个象限的地理单元存在较强的空间负相关，即异质性。（2）LISA 聚集图：找出空间聚集点或子区域所在，以反映某一地理单元上某一变量与其临近单元上同一变量的相关程度，其实质是将 Morans I 分解至各个空间单元当中， ANSELIN 将其称为 LISA，即空间联系局域指标 27。对于某一个空间单元 i，LISA 的计算公式为：1,2,()niijjixwxIS式中相关变量意义与式（1）相同，|I i|越大，空间单元 i 与邻近单元空间相关程度越高。3 海洋渔业空间分布实证分析3.1 数据来源选取山东半岛蓝区的日照、青岛、威海、烟台、潍坊、东营、滨州七个市的海洋渔业产量为研究对象，时间跨度为 2
18、0032014，数据来源于山东省统计年鉴 （2004-2015）和山东省渔业年鉴 。并选用山东半岛蓝区行政区作为分析底图，把分析底图引入 ArcGIS 软件和 Matlab 软件中，对其进行数字化，并把各地级市的 2003-2014 年的海洋渔业产量值及相关数据输入到数字化底图的相应属性项中，得到最终结果。3.2 海洋渔业空间分布差异实证分析3.2.1 海洋渔业全局空间自相关分析利用 ArcGIS 软件对 20032014 年山东半岛蓝区海洋渔业数据进行全局空间自相关测算，计算出Morans I 值（表 1） 。表 1显示，2003-2014 年期间，Morans I 值均为正，且数值均大于
19、0.70，均通过 Z值检验（p0.05） ，即山东半岛蓝区海洋渔业呈现出显著的正空间自相关特性，空间分布整体关联性较大。表 1 山东半岛蓝区海洋渔业全局空间自相关系数 Morans I 值Tab.1 Morans I of marine fishery in Shandong Blue Area年份 Morans I值P 值 显著性 年份 Morans I值P 值 显著性2003 0.728 0.033 2009 0.796 0.031 2004 0.754 0.031 2010 0.787 0.030 2005 0.762 0.028 2011 0.786 0.030 2006 0.771
20、0.027 2012 0.760 0.030 2007 0.804 0.030 2013 0.759 0.029 2008 0.800 0.030 2014 0.716 0.031 数据来源：作者通过 ArcGIS 软件计算整理所得将结果整理成图 1 显示，山东半岛蓝区海洋渔业 Morans I 值呈现先上升后下降的趋势，集聚区域的空间分布差异先缩小后扩大：上升阶段为 2003-2007 年，在 2007 年达到最大值 0.805，山东半岛蓝区海洋渔业的空间集聚性进一步增强，空间差异不断缩小；平缓下降阶段为 2007-2011 年，一直下降到0.766，山东半岛蓝区的海洋渔业空间集聚性有所减弱
21、，但仍高于 2003 年；快速下降阶段为 2011-2014年，一直下降到最小值 0.717，海洋渔业的空间集聚性进一步减弱，总体空间差异有所扩大，而且低于2003 年。图 1 山东半岛蓝区海洋渔业全局空间自相关系数 Morans I 值Fig 1 Morans I of marine fishery in Shandong Blue Area3.2.2 海洋渔业局部空间自相关分析利用 ArcGIS 软件，计算空间联系局域指标（LISA） ，得到海洋渔业 Moran 散点图（Moran Scatter Plots）和 LISA 聚集图（LISA Cluster Map） ，这两者彼此存在紧密的
22、内在联系，从不同侧面揭示了海洋渔业的空间关联特性。（1）Moran 散点图用于研究局域空间的异质性，其表现形式为笛卡尔直角坐标系，横坐标为各空间单元标准化后的属性值，纵坐标为标准化后的由空间连接矩阵决定的相邻单元属性值的平均值。图 2 2007、2014 年山东半岛蓝区海洋渔业 Moran 散点图Fig.2 Moran scatter plot of marine fishery in Shandong Blue Area(2007,2014)选取 2007 和 2014 年两个年份海洋渔业数据，利用 Matlab 软件制成 Moran 散点图（图 2） ，图 2 显示山东半岛蓝区的海洋渔业大
23、部分落在第一、三象限，即存在“高-高 ”集聚和“低- 低”集聚的正相关模式。2007 年落入“高-高”区的城市有 2 个，占总数的 28.6%；落入“低 -低”去的城市有 3 个，占总数的 42.9%，呈空间正相关的城市占总数的 71.5%。2014 年落入高- 高”区的城市有 2 个，占总数的 28.6%；落入“低-低”去区的城市有 4 个，占总数的 57.1%，呈空间正相关的城市占总数的 85.7%，由此可以断定 2007-2014 年间“高-高”类型空间单元数量不变， “低- 低”类型空间单元数量有所增加，但整体的格局没有发生很大变化。为了动态了解每个象限的具体城市的变化，将其结果汇总成
24、表 2。表 2 山东半岛蓝区海洋渔业 Moran 散点图年际变化Tab.2 The changes of Moran scatter plot of marine fishery in Shandong Blue Area象限 2007 2014高-高 威海、烟台 威海、烟台低-高 潍坊低-低 日照、东营、滨州 潍坊、日照、东营、滨州高-低 青岛 青岛（2）LISA 聚集图表 2 显示，山东半岛蓝区海洋渔业的空间结构分属“高-高”和“低- 低”象限，但并没有指出各个区域空间自相关的程度，LISA 值刚好弥补了这一缺陷。LISA 值是衡量空间单元属性和周围单元的相近（正相关）和相异（负相关）程度
25、的指标。利用 ArcGIS 软件，计算山东半岛蓝区 2007 年和 2014 年海洋渔业的 LISA 值，绘制两年的 LISA 聚集图，整理得图 3。图 3 山东半岛蓝区主要年份海洋渔业 LISA 聚集图Fig. 3 LISA cluster map of marine fishery in Shandong Blue Area图 3 显示，在 5%显著性水平下， 2007 年在威海市和烟台市出现了两个显著区域，这表明区域之间存在着正的空间效应，使得区域与周边地区之间呈现相互联系和相互影响的发展趋势。青岛和其周边的区域没有通过显著性检验，这说明其与周边区域的相互联系比较微弱，基本上处于孤立发展
26、的状态，没有形成辐射带动作用。与 2007 年相比，2014 年山东半岛蓝区海洋渔业格局发生了略微变动，仅存在威海市一个显著区域，海洋渔业发展较好地区仍是威海，说明经过七年的海洋经济发展，山东半岛蓝区海洋渔业发达地区的辐射带动作用仍然没有表现出来，甚至出现了略微的退步变化。4 海洋渔业空间分布差异的影响因素分析4.1 海洋渔业空间分布差异影响因素模型构建4.1.1 海洋渔业空间分布差异建模因素选取海洋渔业产值可以表示区域的海洋渔业发展，GDP 可以代表地区的经济发展水平，农林牧渔业从业人员和海洋渔业面积可以代表投入劳动力要素和资源要素，海洋渔业生产力水平代表地区海洋渔业生产力。所以本文选取海洋
27、渔业产值（product）为被解释变量，选取地区生产总值(GDP)、农林牧渔业从业人员(HR)、海洋渔业面积(square)及海洋渔业生产力水平 (MFPL)（以海洋渔业产值除以农林牧渔业从业人员来代表）为解释变量，研究 2003-2014 年各解释变量对海洋渔业产值的影响。数据来源于各地区统计年鉴。4.1.2 海洋渔业空间分布差异计量分析模型构建本文将计量模型设定为： .01.2.3.4. .Pr Pr,(3)it ititnititjtitjioducGDHRSqaeMFLwoduc2007 年 2014 年其中，Product 代表海洋渔业产值，GDP 代表各市地区生产总值，HR 代表农
28、林牧渔业从业人员，Square代表海洋渔业面积，MFPL 代表海洋渔业生产力， 代表邻近空间互作效应。Prnjtjiwoduct通过检验，本文选择固定效应空间滞后面板模型（Sar-Panel-FE)进行估计。空间计量模型由于自变量的内生性，最小二乘法（OLS）估计是有偏或不一致的，不能用于空间计量模型参数估计，一般可以采用最大似然估计（ML） 、工具变量估计（IV） 、广义矩估计（GMM ）等方法。本文采用最大似然法（ML） ，运用 Matlab2012 软件对所构建的空间面板模型进行估计。4.2 海洋渔业空间分布差异影响因素实证分析将 2003-2014年各项别解释变量和影响因素的解释变量数
29、据代入公式（3）中，进行海洋渔业空间分布差异影响因素的分析。具体估计结果如表 3。表 3 海洋渔业产值影响因素回归结果Tab.3 Regression results of influence factors of marine fishery production解释变量 系数 t 统计值 Prob.C -2.4129e+05 -4.1026e-12GDP -7.0780 -0.1805 0.8566HR 8.4307e+04 2.7635 0.0057Square 2.0517 5.1635 0.0000MFPL 3.1131e+04 7.4766 0.0000W*product 0.07
30、20 1.9613 0.0498R 0.6399数据来源：作者运用 Matlab2012 软件计算整理所得根据空间面板模型计量估计结果，本研究所选取的影响因素除各地区 GDP 外均通过显著性检验，而且模型回归的拟合度达到 0.64，拟合优良，而且变量的方向也与现实比较接近。代表经济发展水平的 GDP 起着负作用，可能是由于经济发展带来了非海洋渔业的发展优于海洋渔业发展，对海洋渔业发展有替代作用，导致区域内海洋渔业发展缓慢，青岛市 GDP 山东半岛蓝区中一直位列前茅，但是其海洋渔业产值却并不较高，这就说明进一步说明了 GDP 对海洋渔业的作用方向；农林牧渔业从业人员对于海洋渔业发展作用起着显著正
31、作用，说明农林牧渔业从业人员可以代表投入海洋渔业的劳动量，从业人员越多投入到海洋渔业的劳动量就越多，从而海洋渔业产量就越多；海洋渔业面积对区域海洋渔业发展起着显著的正作用，说明海洋渔业面积的增加可以拉动区域内海洋渔业的发展，与国外的海洋渔业相比，我国的海洋渔业仍处于较为初级的发展阶段，与加拿大和挪威相比，其具有优越的海洋区位优势，从而其海洋渔业面积就较大，所以其海洋渔业发展较好；海洋渔业生产力对区域海洋渔业起着显著的正作用，这说明通过提高海洋渔业生产力可以提高海洋渔业的发展水平，生产力越强，其海洋渔业产值就越多，威海的海洋渔业生产力一直居于第一位，而其海洋渔业产值也一直是居于前位，进一步说明了
32、海洋渔业生产力与海洋渔业产值之间的正向作用；邻近空间互作效应对海洋渔业发展有着正向的作用，说明区域间海洋渔业发展是相互影响的，起着互助和带动的作用，威海海洋渔业发展向来都是比较靠前的，从而带动烟台的海洋渔业发展，青岛市的海洋渔业发展也较靠前，但是由于周边相邻烟台、潍坊、日照，相比而言这几个地级市的海洋渔业发展较为缓慢，从而导致在 LISA 聚集图中青岛市是不显著的，这进一步说明了临近空间互作效应的正向作用。5 结论本文选取山东半岛蓝区海洋渔业作为研究对象，通过 ESDA 模型的全局空间自相关和局部空间自相关分析 2003-2014 年海洋渔业空间分布差异，以及利用空间面板数据模型分析影响其空间
33、分布差异的因素，得出结论：从全局空间自相关来看，山东半岛蓝区海洋渔业的 Morans I 值均为正，说明其呈现出显著的整空间自相关，且空间分布整体关联性较大，Morans I 值呈现出一个先上升到 2007年的最大值0.805，之后呈现出较大的下降幅度，一直下降到最小值 0.717，说明其集聚区域的空间分布差异先缩小后扩大；从局部空间自相关来看，选取 2007年和 2014年为例，通过 Moran 散点图可以发现山东半岛蓝区的海洋渔业大部分落在“高-高”和“低-低”集聚的正相关模式，且通过比较整体的格局没有发生很大的变化，只有潍坊从“低-高”到了“低-低”集聚区；从 LISA 聚集图中可看到，
34、2007 年威海和烟台两个区域存在正的空间效应，2014 年只有威海市一个显著区域，说明经过七年的海洋经济发展，海洋渔业发达地区的辐射带动作用仍然没有表现出来；通过空间面板数据模型的估计结果得出影响海洋渔业空间分布差异的因素中，地区 GDP 起着负作用，农林牧渔业从业人员、海洋渔业面积、海洋渔业生产力和邻近空间互作效应起着显著的正作用。参考文献1王华英,朱洪兴. 海洋产业布局的空间演进研究以山东半岛为例 J. 中国集体经济,2013,24:9-11.2于海楠. 我国海洋产业布局评价及优化研究D.中国海洋大学,2009.3于谨凯,于海楠,刘曙光. 我国海洋经济区产业布局模型及评价体系分析 J.
35、产业经济研究,2008,02:60-67.4于谨凯,孔海峥. 基于海域承载力的海洋渔业空间布局合理度评价 以山东半岛蓝区为例J. 经济地理,2014,09:112-117+123.5于谨凯,陈玉瓷. 海域承载力视角下海洋渔业空间布局优化评价标准研究J. 中国人口.资源与环境,2014,S3:413-416.6于谨凯,莫丹丹. 海域承载力视角下海洋渔业空间布局适应性优化研究基于响应面法的分析J. 中国海洋大学学报(社会科学版),2015,04:1-7.7王启尧. 海域承载力评价与经济临海布局优化理论与实证研究D.中国海洋大学,2011.8崔力拓,李志伟.河北省海域承载力多层次模糊综合评价J.中国
36、环境管理干部学报,2010,20(4):80-84.9马吉山,倪国江.蓝色经济区建设背景下青岛市海洋渔业发展策略分析 J.中国渔业经济,2011,3(29):18-23.10杨志坤.蓝色经济区海洋优势产业布局优化研究D.中国海洋大学,2013.11Fock,H.O.Fisheries in the context of marine spatial planning:Defining principal areas for fisheries in the German EEZ.Marine Policy,2008,(32):728-739.12Maria S.Campbell,Kilian
37、M.Stehfest,Stephen C.Votier,Jason M,Hall-Spencer.Mapping fisheries for marine spatial planning:Gear-specific vessel monitoring system(VMS),marine conservation and offshore renewable energyJ.Marine Policy.2014,293-300.13Joo,R.,Salcedo,O.,Gutierrez,M.,Fablet,R.,Bertrand,S.2014.Defining fishing spatial
38、 strategies from VMS data:insights from the worlds largest monospecific fishery.Fisheries Research.164,223-230.14Stelzenmueller V,Breen P,Stamford T,et al.Monitoring and evaluation of spatially managed areas:A generic framework for implementation of ecosystem based marine management and its applicat
39、ionJ.Marine Policy,2013,37(1):149-164.15Bess,R.,Rallapudi,R.2007.Spatial conflicts in New Zeal and fisheries:The rights of fishers and protection of the marine environment.Marine Policy,31,719-729.16 Stelzenmller Vanessa 等.Spatial assessment of fishing effort around European marine reserves:implicat
40、ions for successful fisheries managementJ.Marine Pollution Bulletin,2008,5612.17Sarah E.Lester,Christopher Costello,Benjamin S.Halpern,Steven D.Gaines,Crow White,John A.Barth.Evaluating tradeoffs among ecosystem services to inform marine spatial planningJ.Marine Policy,2013,38.18Anselin L.Interactiv
41、e techniques and exploratory spatial data analysisC/Longely P A,Goodchild M F,et al(eds.).Geographical Information System,Principles,Technical Issues,Management Issues and Applications.John Wiley & Sons,Inc,1999:253-266.19高志刚,吕文慧. 基于 CDESDA 模型的新疆产业用水增长质量的时空格局分析J. 兰州商学院学报,2014,06:25-30.20孙才志,刘乐,范斐. 基
42、于 CD-ESDA 模型的中国产业用水增长质量的时空格局分析J. 经济地理,2010,09:1529-1535.21杨宇,刘毅. 基于 DEA-ESDA 的中国省际能源效率及其时空分异研究J. 自然资源学报,2014,11:1815-1825.22关伟,张华,许淑婷. 基于 DEA-ESDA 模型的辽宁省能源效率测度及时空格局演化分析J. 资源科学,2015,04:764-773.23张晶. 基于 ESDA 的吉林省区域经济增长趋同性研究D.东北师范大学,2008.24武剑. 基于 ESDA 和 CSDA 的京津冀区域经济空间结构优化分析D. 湖南大学,2009.25孙吉亭. 中国海洋渔业可持续发展研究D.中国海洋大学,2003.26刘艳华,徐勇,刘毅. 基于 ESDA 方法的黄土高原地区经济发展格局及其演化特征分析J. 地理科学进展,2011,05:627-634.27Goodchild M,ANSELIN L,APPLEBAUM R,et al.Towards a spatially integrated social scienceJ.International Regional Science Review,2002(29)：129-157.
