楊 洋，朱國(guó)平，3，4，5，陳新軍，3，4，5

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306；2.上海海洋大學(xué)極地研究中心，上海 201306；3.農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開(kāi)發(fā)重點(diǎn)實(shí)驗(yàn)室，上海 201306；4.國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；5.大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306）

聲學(xué)手段作為進(jìn)行水下生物資源調(diào)查最有效的方法之一，具有采樣面積大、采樣速率高、不傷資源等諸多優(yōu)點(diǎn)［1－2］。隨著調(diào)查設(shè)備和軟件技術(shù)的不斷發(fā)展，漁業(yè)聲學(xué)作為水聲學(xué)的一個(gè)分支，已發(fā)展成為一個(gè)具有學(xué)科交叉特性、應(yīng)用廣泛的學(xué)科。漁業(yè)聲學(xué)的進(jìn)步依賴于多個(gè)學(xué)科的發(fā)展，聲學(xué)調(diào)查設(shè)備和技術(shù)是該領(lǐng)域的研究基礎(chǔ)，后處理軟件、處理方法則是研究結(jié)果可靠的保證。近年來(lái)一些新的研究技術(shù)的引入促進(jìn)了漁業(yè)聲學(xué)研究發(fā)展，例如利用人工智能技術(shù)進(jìn)行聲學(xué)信號(hào)的識(shí)別［3］、利用環(huán)境DNA（eDNA）技術(shù)進(jìn)行資源調(diào)查［4－5］。隨著人們對(duì)氣候變化引起的海洋環(huán)境變化的關(guān)注，漁業(yè)聲學(xué)作為一種有效的水生生物調(diào)查工具越來(lái)越被學(xué)者們重視，逐漸在全球淡水和海洋生物的研究中承擔(dān)著越來(lái)越重要的角色［6－7］。

為了抓住漁業(yè)聲學(xué)的研究熱點(diǎn)及未來(lái)的發(fā)展機(jī)遇，本研究基于CiteSpace的文獻(xiàn)計(jì)量分析方法（bibliometric analysis）對(duì)漁業(yè)聲學(xué)主題相關(guān)的文獻(xiàn)進(jìn)行了歸納分析，以期能夠客觀的描述該領(lǐng)域的學(xué)科發(fā)展趨勢(shì)，并能夠從探測(cè)學(xué)科前沿、選擇科研方向和輔助決策等方面為我國(guó)漁業(yè)聲學(xué)發(fā)展提供參考。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

本研究文獻(xiàn)數(shù)據(jù)來(lái)源于Web of Science核心合集數(shù)據(jù)庫(kù)，檢索時(shí)段為1995—2019年，檢索時(shí)間為2019年4月3日。利用魚(yú)類、聲學(xué)、目標(biāo)強(qiáng)度等關(guān)鍵詞進(jìn)行目標(biāo)文獻(xiàn)檢索，檢索式為T(mén)S＝（“fish*”or“zooplankton”）AND TS＝（“fisheries acoustic”or“acoustic*”or“target strength”or“backscattering”or“echo sounder”）。論文檢索遵循“優(yōu)先保證查全率，數(shù)據(jù)的完備性比數(shù)據(jù)的準(zhǔn)確性更為重要”的檢索原則［8－9］，通過(guò)在數(shù)據(jù)庫(kù)中“創(chuàng)建引文報(bào)告”（create citation report）的方式，對(duì)檢索結(jié)果進(jìn)行了精煉和擴(kuò)展，最終檢索到可用文獻(xiàn)3 221篇，并提取了這些文獻(xiàn)的作者、標(biāo)題、摘要、關(guān)鍵字、參考文獻(xiàn)、引用量等信息作為分析樣本。

1.2 分析方法

利用文獻(xiàn)計(jì)量分析方法，對(duì)樣本數(shù)據(jù)進(jìn)行了文獻(xiàn)年度發(fā)表和引用量分析、施引文獻(xiàn)國(guó)際／機(jī)構(gòu)／作者合作網(wǎng)絡(luò)分析、期刊雙圖疊加分析、學(xué)科及關(guān)鍵詞共現(xiàn)分析以及基于關(guān)鍵詞的突變檢測(cè)分析。

文獻(xiàn)發(fā)表數(shù)量以及被引量是學(xué)科發(fā)展?fàn)顩r的直觀體現(xiàn)，能夠幫助人們從整體上把握該學(xué)科發(fā)展趨勢(shì)。對(duì)于學(xué)科文獻(xiàn)數(shù)量的分析一定程度上能夠反映學(xué)科發(fā)展的過(guò)程和規(guī)模的大小，而被引用量是衡量論文學(xué)術(shù)影響力的重要標(biāo)準(zhǔn)之一［10］。

針對(duì)國(guó)家、機(jī)構(gòu)、作者的合作圖譜分析可以發(fā)現(xiàn)某個(gè)研究領(lǐng)域?qū)W者、國(guó)家或研究機(jī)構(gòu)之間的社會(huì)關(guān)系，有助于人們客觀的了解科研人員、國(guó)家或機(jī)構(gòu)的學(xué)術(shù)影響力，有利于發(fā)現(xiàn)那些值得關(guān)注的科研人員、國(guó)家或機(jī)構(gòu)［11］。

聚類分析基于關(guān)鍵詞出現(xiàn)頻率，利用統(tǒng)計(jì)學(xué)的方法將復(fù)雜的關(guān)鍵詞網(wǎng)狀關(guān)系簡(jiǎn)化為相對(duì)較少的幾個(gè)類群，可以判斷出一定時(shí)期某研究領(lǐng)域?qū)W者關(guān)注的熱點(diǎn)內(nèi)容［12－13］。聚類分析中利用Modularity Q值作為網(wǎng)絡(luò)模塊化的評(píng)價(jià)指標(biāo)，Q的取值區(qū)間為［0，1］，一個(gè)聚類網(wǎng)絡(luò)的Q值越大，則表示網(wǎng)絡(luò)聚類效果越理想，而當(dāng)Q值大于0.3時(shí)就意味著網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)是顯著的；Silhouette值是用來(lái)衡量網(wǎng)絡(luò)同質(zhì)性的指標(biāo)，越接近1，反映網(wǎng)絡(luò)的同質(zhì)性越高，當(dāng)該值大于0.7時(shí)聚類結(jié)果是具有高信度的，在0.5以上可以認(rèn)為其聚類結(jié)果是合理的［8－9］。

學(xué)科及關(guān)鍵詞分析、配合基于關(guān)鍵詞的突變檢測(cè)分析，可以有利于人們分析某學(xué)科領(lǐng)域的研究熱點(diǎn)、知識(shí)結(jié)構(gòu)以及其演變情況［14］。學(xué)科及關(guān)鍵詞聚類分析中以頻次、占比和節(jié)點(diǎn)中心度為因子，作為衡量文獻(xiàn)學(xué)科及研究熱點(diǎn)的指標(biāo)。節(jié)點(diǎn)中心度是指其所在網(wǎng)絡(luò)中通過(guò)該點(diǎn)的任意最短路徑的條數(shù)，用以度量網(wǎng)絡(luò)中節(jié)點(diǎn)在整體網(wǎng)絡(luò)中所起連接作用大小，中心度大的節(jié)點(diǎn)相對(duì)地容易成為網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)。突變檢測(cè)通過(guò)考察詞頻將某段時(shí)間內(nèi)頻次變化率高的詞從大量的主題詞中探測(cè)出來(lái)，突變強(qiáng)度作為衡量突變結(jié)果可信度的指標(biāo)［13］。

以上分析均基于文獻(xiàn)計(jì)量軟件CiteSpace 5.3 R4進(jìn)行。

2 結(jié)果與分析

2.1 文獻(xiàn)數(shù)量年度變化

如圖1所示，1995年至2018年間，漁業(yè)聲學(xué)研究論文數(shù)量總體呈上升趨勢(shì)，其中1995—2000年，論文數(shù)量呈波動(dòng)變化狀態(tài)，年均發(fā)表數(shù)量為65篇；2000—2007年，論文數(shù)量處于緩慢上升期，年均發(fā)表數(shù)量增加到94篇；2008年開(kāi)始，論文數(shù)量呈現(xiàn)快速增長(zhǎng)的趨勢(shì)，2016年達(dá)到最高值258篇，2008—2018年年均發(fā)表論文數(shù)量為191篇。

圖1 漁業(yè)聲學(xué)研究論文數(shù)量年度變化趨勢(shì)Fig.1 Annual changes of bibliographic records of acoustic fisheries

2.2 國(guó)際／機(jī)構(gòu)／作者合作狀況分析

檢索結(jié)果表明，發(fā)表論文數(shù)量的國(guó)家排名中，美國(guó)共有1 257篇，占檢索結(jié)果的39.02%；其次為加拿大381篇，占總數(shù)的11.82%；挪威以334篇的數(shù)量排列第3，占總數(shù)的10.36%；余下前10位的國(guó)家依次為澳大利亞、法國(guó)、日本、英國(guó)、蘇格蘭、西班牙、中國(guó)。其中，中國(guó)的發(fā)文量為97篇，占總數(shù)的3.01%（表1）。由此可見(jiàn)，美國(guó)漁業(yè)聲學(xué)的研究產(chǎn)出遙遙領(lǐng)先于其他國(guó)家。分析結(jié)果也顯示，中國(guó)的漁業(yè)聲學(xué)論文在2003—2012年間數(shù)量較少，2012年后開(kāi)始快速增長(zhǎng)，這也表明近年來(lái)漁業(yè)聲學(xué)研究得到我國(guó)學(xué)者越來(lái)越多的關(guān)注。

截止到2019年4月份，共有403個(gè)機(jī)構(gòu)參與了漁業(yè)聲學(xué)的科學(xué)研究，如表2所示，其中發(fā)文數(shù)量最多的為挪威海洋研究所（Institute of Marine Research，IMR），共有166篇；其次為美國(guó)國(guó)家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA），共有163篇；第3位為加拿大漁業(yè)與海洋部（Department of Fisheries and Oceans，DFO），發(fā)表論文數(shù)量為100篇。前兩個(gè)研究機(jī)構(gòu)的發(fā)表數(shù)量遠(yuǎn)遠(yuǎn)高于其他機(jī)構(gòu)，占總數(shù)的9.81%，表明IMR和NOAA在漁業(yè)聲學(xué)的研究中處于世界領(lǐng)先的水平。發(fā)文量20篇以上的共有40個(gè)機(jī)構(gòu)，占總發(fā)文量的52.14%。在這40個(gè)機(jī)構(gòu)中，美國(guó)有14所；挪威、澳大利亞、加拿大各4所；英國(guó)、日本各3所；中國(guó)、法國(guó)各2所；新西蘭、沙特、丹麥、比利時(shí)各1所。

表1 漁業(yè)聲學(xué)論文發(fā)文數(shù)量前20位國(guó)家Tab.1 Statistics of top 20 countries in article number

網(wǎng)絡(luò)圖譜分析可直觀地呈現(xiàn)國(guó)家的研究力量及合作情況［14］。由表2及圖2綜合分析可知，美國(guó)國(guó)家大氣和海洋局、美國(guó)國(guó)家海洋漁業(yè)局、華盛頓大學(xué)、美國(guó)地質(zhì)調(diào)查局、伍茲霍爾海洋研究所組成了美國(guó)漁業(yè)聲學(xué)研究的主要力量；挪威以挪威海洋研究所、卑爾根大學(xué)、奧斯陸大學(xué)為主要研究力量；加拿大的研究集中在加拿大漁業(yè)與海洋部、紐芬蘭紀(jì)念大學(xué)、英屬哥倫比亞大學(xué)；中國(guó)的漁業(yè)聲學(xué)研究力量則集中在中國(guó)科學(xué)院與中國(guó)水產(chǎn)科學(xué)研究院。在排名前幾名的漁業(yè)研究強(qiáng)國(guó)中，各國(guó)之間的連線較細(xì)，說(shuō)明這些國(guó)家的合作程度并不高。與中國(guó)合作最為緊密的國(guó)家為日本。

作者聚類圖譜分析結(jié)果顯示（圖3，表3），發(fā)文量前10位的作者分別來(lái)自日本、美國(guó)、挪威、法國(guó)。日本的KAZUSHIMIYASHITA及加拿大的STEVEN COOKE論文數(shù)量均為31篇；其次是來(lái)自挪威的STEIN KAARTVEDT和美國(guó)的JOHN HORNE，發(fā)文量均為26篇。不同國(guó)家的研究者之間的連線較少，表示不同國(guó)家或機(jī)構(gòu)之間的合作較少，即漁業(yè)聲學(xué)的研究多以機(jī)構(gòu)和國(guó)家為單位，且研究主題之間存在著差異。例如，日本學(xué)者KAZUSHIMIYASHITA的研究多以聲學(xué)監(jiān)測(cè)為主［15－16］；美 國(guó) 學(xué) 者JOHN HORNE、ALEX DE ROBERTIS的研究則偏重于聲學(xué)調(diào)查及數(shù)據(jù)后處理［17－18］；挪威學(xué)者EGIL ONA、ROLF KORNELIUSSEN的研究則偏重生物體聲學(xué)散射特性［19－20］（圖3，表3）。

綜上所述，全球范圍來(lái)看，各個(gè)國(guó)家和機(jī)構(gòu)之間漁業(yè)聲學(xué)研究存在較多的合作，但在諸如美國(guó)、挪威、加拿大這些研究強(qiáng)國(guó)之間則相對(duì)較為獨(dú)立，且存在各自專注的研究主題。

表2 漁業(yè)聲學(xué)論文發(fā)文數(shù)量前10位機(jī)構(gòu)排名Tab.2 Statistics of top 10 institutions in article number

圖2 論文發(fā)表機(jī)構(gòu)國(guó)際合作情況Fig.2 Analysismap of institutional cooperation network

圖3 作者聚類網(wǎng)絡(luò)圖譜Fig.3 Analysismap of co author network

表3 論文發(fā)表數(shù)量前10位作者Tab.3 Statistics of top 10 authors in article number

2.3 期刊分布規(guī)律分析

根據(jù)檢索結(jié)果，漁業(yè)聲學(xué)論文分布在171種期刊中，發(fā)表數(shù)量排名前20名的期刊論文總數(shù)占到了57.11%。在排名前20的期刊中，平均影響因子高達(dá)6.09，其中有11種期刊的影響因子都在2.0以上。研究范圍涵蓋了諸如ICES Journal of Marine Science、Marine Ecology Progress Series、Marine Biology等海洋學(xué)期刊，Canadian Journal of Fisheries and Aquatic Sciences、Journal of Fish Biology、Fisheries Research等漁業(yè)期刊，以及Journal of the Acoustical Society of America等聲學(xué)技術(shù)期刊和備受各界學(xué)者關(guān)注的主流期刊Science、Nature。從發(fā)表數(shù)量與被引率來(lái)看，Ecology、Nature、Science、Bulletin of Marine Science、Fishery Bulletin、Marine Biology、Journal of the Acoustical Society of America為漁業(yè)聲學(xué)研究領(lǐng)域論文質(zhì)量最高的幾種期刊。僅從發(fā)表數(shù)量來(lái)看，ICES Journal of Marine Science為漁業(yè)聲學(xué)研究的最熱門(mén)期刊（表4）。

2.4 學(xué)科共現(xiàn)分析

通過(guò)構(gòu)建學(xué)科共現(xiàn)網(wǎng)絡(luò)圖譜可以揭示和分析學(xué)科知識(shí)結(jié)構(gòu)及其演變［11］。分析結(jié)果表明，漁業(yè)聲學(xué)的研究共涉及42個(gè)學(xué)科，發(fā)文量前10位的學(xué)科依次為（表5）：海洋與淡水生物學(xué)（Marine＆freshwater biology，24.75%）、漁業(yè)（Fisheries，20.38%）、海洋學(xué)（Oceanography，15.72%）、環(huán)境科學(xué)與生態(tài)學(xué)（Environmental sciences＆ecology，9.27%）、生態(tài)學(xué)（Ecology，7.15%）、環(huán)境科學(xué)（Environmental sciences，2.83%）、科 學(xué) 技 術(shù)（Science＆technology，2.17%）、自 然 綜 合（Multidisciplinary sciences，2.17%）、湖 沼 學(xué)（Limnology，2.04%）、動(dòng)物學(xué)（Zoology，1.97%）。其中前5種學(xué)科為漁業(yè)聲學(xué)的優(yōu)勢(shì)學(xué)科，占總學(xué)科數(shù)量的77.29%。另外，科學(xué)技術(shù)和自然綜合學(xué)科在漁業(yè)聲學(xué)的研究中占有一定的數(shù)量，說(shuō)明漁業(yè)聲學(xué)研究具有多學(xué)科交叉的特征。

表4 發(fā)文數(shù)量前20期刊及影響因子Tab.4 Statistics of top 20 journals in article number and their im pact factors

期刊雙圖疊加分析（dual map overlays analysis）可以直觀顯示施引及被引論文的學(xué)科分布情況。圖4中，左側(cè)施引文獻(xiàn)所在的學(xué)科分布可視為漁業(yè)聲學(xué)研究的應(yīng)用領(lǐng)域；右側(cè)被引文獻(xiàn)所在的學(xué)科分布代表了漁業(yè)聲學(xué)的研究主要引用了哪些學(xué)科，可視為漁業(yè)聲學(xué)的研究基礎(chǔ)［21］。分析結(jié)果顯示，在1995—2019年間，漁業(yè)聲學(xué)的基礎(chǔ)研究領(lǐng)域主要包括生態(tài)學(xué)（Ecology）、動(dòng)物學(xué)（Zoology）、環(huán)境科學(xué)（Environmental）、營(yíng)養(yǎng)學(xué)（Nutrition）、數(shù) 學(xué)（Mathmatics）及 機(jī) 械 工 程（Mechanics）學(xué)科，應(yīng)用領(lǐng)域包括地球科學(xué)（Earth）、生態(tài)學(xué)（Ecology）和海洋科學(xué)（Marine）。漁業(yè)聲學(xué)的基礎(chǔ)研究領(lǐng)域較多，但整體上核心領(lǐng)域與邊緣領(lǐng)域劃分比較明顯，可見(jiàn)漁業(yè)聲學(xué)的基礎(chǔ)研究涉及學(xué)科范圍較廣。應(yīng)用方面該領(lǐng)域涉及學(xué)科相對(duì)較少，核心領(lǐng)域明確。

表5 漁業(yè)聲學(xué)研究主要學(xué)科分布Tab.5 Distribution ofmain subjects of fisheries acoustic

圖4 期刊雙圖疊加分析Fig.4 A dual map overlay of the sciencemapping literature

2.5 關(guān)鍵詞及突變檢測(cè)

基于關(guān)鍵詞聚類的時(shí)間視圖可以展現(xiàn)各個(gè)聚類（即子領(lǐng)域）發(fā)展演變的時(shí)間跨度和研究進(jìn)程［8－9］。圖5中，Q值為0.439，S值為0.574 4，聚類效果較為理想。右側(cè)的文字代表聚類的種類，從左至右則代表各個(gè)聚類的時(shí)間推進(jìn)。例如聚類＃0，表示鱒（Salmotrutta）的豐度及遷移在1995—2005年間獲得了較多的關(guān)注。

通過(guò)對(duì)時(shí)間序列聚類網(wǎng)絡(luò)圖譜（圖5）、關(guān)鍵詞頻次（表6）以及相關(guān)文獻(xiàn)的研究?jī)?nèi)容可知，漁業(yè)聲學(xué)的研究主要分為5個(gè)研究方向：1）物種聲學(xué)散射特性研究，包括目標(biāo)強(qiáng)度、密度比、聲速比和有鰾魚(yú)類的聲共振［22－24］；2）生物量及相對(duì)生物量分布評(píng)估，主要涵蓋數(shù)據(jù)后處理中豐度計(jì)算方法、數(shù)據(jù)處理過(guò)程優(yōu)化（噪聲剔除、物種判別等問(wèn)題）［18，25］；3）生物遷移模式研究，尤其是對(duì)于中上層物種的季節(jié)、晝夜垂直移動(dòng)行為的研究［26－27］；4）聲學(xué)調(diào)查相關(guān)的研究，如聲學(xué)設(shè)備的校正方法［28］、如何利用漁船平臺(tái)為科學(xué)研究提供可靠的數(shù)據(jù)支撐［29］等；5）利用聲學(xué)工具進(jìn)行海洋、河流、湖泊的生態(tài)管理協(xié)助，如利用多波束、被動(dòng)聲學(xué)設(shè)備監(jiān)測(cè)魚(yú)類洄游情況［30－32］。

通過(guò)對(duì)關(guān)鍵詞頻次及突變檢測(cè)的分析可以很好的顯示時(shí)間序列上研究熱點(diǎn)的變化，發(fā)現(xiàn)研究的前沿?zé)狳c(diǎn)，突變強(qiáng)度越高，表示其在一定時(shí)間內(nèi)受到的關(guān)注度越高。另外，由于學(xué)者之間對(duì)于同種研究?jī)?nèi)容的表達(dá)方式不同，會(huì)導(dǎo)致詞頻的重復(fù)，因此本研究對(duì)檢索結(jié)果進(jìn)行了整合，去除了指向不明的關(guān)鍵詞，共得到38個(gè)突變關(guān)鍵詞。結(jié)合對(duì)文獻(xiàn)內(nèi)容的分析，對(duì)檢索結(jié)果進(jìn)行了分類。結(jié)果顯示，1995年至今，突變強(qiáng)度最高的關(guān)鍵詞分別為habitat use（棲息地利用）、management（管理）、distribution（分布）、noise（噪聲）、conservation（保護(hù)）、sound scattering（聲散射）、climate change（氣候變化）、movement pattern（遷移模式）、marine protected area（海洋保護(hù)區(qū)）、swim bladder（魚(yú)鰾）。分類結(jié)果如表7所示：＃1＝生態(tài)保護(hù)，突變時(shí)期為2009—2019年；＃2＝遷移模式，突變時(shí)期為2003—2016年；＃3＝聲學(xué)散射特征，突變時(shí)期為1996—2019年；＃4＝聲學(xué)調(diào)查，突變時(shí)期為1995—2011年；＃5＝資源評(píng)估，突變時(shí)期為1995—2011年。

＃1生態(tài)保護(hù)研究主題的突變時(shí)段為2009—2019年期間，說(shuō)明這一主題在近10年得到了較多的關(guān)注，在這期間涌現(xiàn)了大量以聲學(xué)調(diào)查為方法進(jìn)行生態(tài)保護(hù)主題的研究；＃2有關(guān)不同物種遷移模式的研究，突變時(shí)間為2003—2016年，而近幾年出現(xiàn)較少；＃3聲學(xué)散射特征的研究，包括物種識(shí)別、目標(biāo)強(qiáng)度、噪聲等研究涵蓋了整個(gè)時(shí)段，說(shuō)明相關(guān)研究一直是該領(lǐng)域?qū)W者研究的重點(diǎn)；＃4聲學(xué)設(shè)備的研究，包括多波束、分裂波束、聲學(xué)多普勒海流剖面儀（acoustic Doppler current profiler，ADCP）的研究，突變時(shí)段為1995—2011年，可以看出有關(guān)聲學(xué)設(shè)備的研究在2011年之前較多，而近年來(lái)關(guān)注度有所下降；＃5資源評(píng)估的突變時(shí)間跨度為1995—2011年，說(shuō)明在這期間有較多學(xué)者對(duì)物種資源量及分布的研究關(guān)注度較高。

表6 出現(xiàn)頻次最高的關(guān)鍵詞（≥100）Tab.6 Top 21 keywords w ith the highest frequency

圖5 基于關(guān)鍵詞共現(xiàn)的聚類網(wǎng)絡(luò)分析圖譜時(shí)間線視圖Fig.5 Timeline view keywords based on co occurrencem apping

3 討論

3.1 全球漁業(yè)聲學(xué)研究力量分布及合作狀況

盡管漁業(yè)聲學(xué)的發(fā)展開(kāi)始較早，但從論文數(shù)量及被引量可以看出，近10年為漁業(yè)聲學(xué)的快速發(fā)展時(shí)期。分析認(rèn)為：1）美國(guó)是目前全球漁業(yè)聲學(xué)研究的主要力量，無(wú)論從論文數(shù)量還是機(jī)構(gòu)數(shù)量上來(lái)看都明顯領(lǐng)先于其他國(guó)家；2）整體來(lái)看，美國(guó)國(guó)家海洋和大氣管理局、華盛頓大學(xué)、挪威海洋研究所、加拿大漁業(yè)與海洋部、法國(guó)海洋開(kāi)發(fā)研究所、澳大利亞海洋科學(xué)研究所、英國(guó)南極調(diào)查局、日本北海道大學(xué)等為該領(lǐng)域全球范圍影響力較大的機(jī)構(gòu)；3）ICES Journal of Marine Science為該領(lǐng)域最熱門(mén)的期刊，其發(fā)文數(shù)量遠(yuǎn)遠(yuǎn)高于其他期刊；4）漁業(yè)聲學(xué)是一個(gè)交叉性較強(qiáng)的學(xué)科，其基礎(chǔ)研究涉及了計(jì)算機(jī)科學(xué)、數(shù)學(xué)、生態(tài)學(xué)等多學(xué)科的研究成果；5）盡管全球范圍內(nèi)聲學(xué)合作情況復(fù)雜，但在研究力量較為發(fā)達(dá)的幾個(gè)國(guó)家之間合作并不緊密，且各自的研究重點(diǎn)存在一定的差異。中國(guó)的漁業(yè)聲學(xué)研究目前主要與日本合作緊密，與國(guó)際領(lǐng)先機(jī)構(gòu)的合作亟待提升。

3.2 研究熱點(diǎn)及未來(lái)發(fā)展趨勢(shì)

通過(guò)對(duì)關(guān)鍵詞的突變分析發(fā)現(xiàn)，漁業(yè)聲學(xué)的研究主題大致集中在5個(gè)領(lǐng)域，即：生態(tài)保護(hù)、遷移模式、散射特性、聲學(xué)設(shè)備、資源分布。

資源分布研究的突變時(shí)期為1995—2011年，這期間，由于聲學(xué)評(píng)估技術(shù)的日漸成熟，針對(duì)全球重要水域和物種的調(diào)查發(fā)展迅速，產(chǎn)生了一系列重要成果。例如，2000年由南極海洋生物資源養(yǎng)護(hù)委員會(huì)（Commission for the Conservation of Antarctic Marine Living Resources，CCAMLR）組織的南極大磷蝦（Euphausiasuperba）資源多國(guó)多船聯(lián)合調(diào)查，采用回聲積分法探明了南極半島附近海域的南極大磷蝦儲(chǔ)量及分布［25］；唐啟升等［33］利用聲學(xué)調(diào)查技術(shù)對(duì)北太平洋黃線狹鱈（TheragrachalcogrammaPallas）進(jìn)行了資源分布、垂直移動(dòng)特征等有關(guān)問(wèn)題的研究；OSHIMO等［34］利用50 kHz的Furuno回聲探測(cè)儀結(jié)合地質(zhì)統(tǒng)計(jì)學(xué)方法對(duì)日本九州島西部和南部海域的斑點(diǎn)莎瑙魚(yú)（Sardinopsmelanostictus）進(jìn)行了生物量估算。在此期間，基于聲學(xué)工具的水生生物資源評(píng)估得到了快速發(fā)展?？梢灶A(yù)見(jiàn)，未來(lái)漁業(yè)聲學(xué)研究將朝著結(jié)果精確化和方法多樣化的方向發(fā)展。

對(duì)于聲學(xué)設(shè)備的研究突變時(shí)期為1995—2011年，其中ADCP的突變強(qiáng)度較大且時(shí)間較長(zhǎng)，表明ADCP受到的關(guān)注較多。實(shí)際上，聲學(xué)儀器的研究開(kāi)始較早，1974年就出現(xiàn)了第1代雙波束聲吶（dual beam sonar），20世紀(jì)80年代初出現(xiàn)了分裂波束設(shè)備（split beam echo sounder），20世紀(jì)90年代出現(xiàn)了多波束聲吶（multi beams sonar），2004年出現(xiàn)了寬帶聲學(xué)設(shè)備（broadband echosounder）［35］。目前，該領(lǐng)域關(guān)于聲吶設(shè)備的研究更偏重應(yīng)用，例如，STANTON等［23］利用商用寬帶聲學(xué)設(shè)備和魚(yú)鰾共振原理，實(shí)現(xiàn)了魚(yú)類信號(hào)識(shí)別和分類；AMAKASU等［36］利用寬帶系統(tǒng)測(cè)量了南極大磷蝦集群的體積后向散射強(qiáng)度，并利用扭 曲 玻 恩 近 似 模 型（distorted wave Born approximation，DWBA）反演了磷蝦集群的體長(zhǎng)分布特征；PARSONS等［31］利用Reson7125多波束聲吶實(shí)現(xiàn)了對(duì)馬餷（Seriolahippos）集群的可視化監(jiān)測(cè)。更多聲學(xué)調(diào)查設(shè)備和技術(shù)正在被應(yīng)用到該領(lǐng)域中。

表7 基于突變檢測(cè)的熱點(diǎn)主題詞分布Tab.7 Burst detection and classification of keywords

生物聲學(xué)散射特性的研究一直是漁業(yè)聲學(xué)研究領(lǐng)域的熱點(diǎn)。由于目標(biāo)強(qiáng)度參數(shù)在聲學(xué)評(píng)估中的意義重大，其值的改變可引起評(píng)估結(jié)果量級(jí)誤差［25］，因此各個(gè)物種目標(biāo)強(qiáng)度的現(xiàn)場(chǎng)測(cè)量及模型方法得到了很多學(xué)者的關(guān)注。例如，ONA［19］利用實(shí)驗(yàn)室條件和分裂波束漁探儀現(xiàn)場(chǎng)測(cè)量方法研究了大西洋鯡（Clupeaharengus）的目標(biāo)強(qiáng)度特性；FOOTE等［37］采用水槽測(cè)量方法測(cè)定了南極大磷蝦的密度比和聲速比，確立了目標(biāo)強(qiáng)度模型。由于生物的密度和聲速比存在季節(jié)和年際間的變化［24］，目標(biāo)強(qiáng)度模型的研究將一直是該領(lǐng)域研究的熱點(diǎn)，未來(lái)調(diào)查技術(shù)的改進(jìn)或?qū)⒋龠M(jìn)目標(biāo)強(qiáng)度的測(cè)量研究。

噪聲（noise）的研究直接關(guān)系到數(shù)據(jù)后處理結(jié)果的準(zhǔn)確度，尤其是對(duì)于一些弱散射體及水層分 布 較 深 的 生 物［2］，例 如WATKINS和BRIERLEY［38］研究了38 kHz和120 kHz回聲積分儀背景噪聲的剔除，并驗(yàn)證了利用頻差法（dB difference）進(jìn)行目標(biāo)判別的影響；DEROBERTIS和HLGGINBOTTOM［18］提出的基于信噪比估算的噪聲剔除方法，開(kāi)拓了在低信噪比的情況下噪聲剔除的方法。近年來(lái)，一些高信噪比設(shè)備和水下平臺(tái)的成功應(yīng)用，大大減少了噪聲對(duì)于聲學(xué)評(píng)估結(jié)果的影響。

種類判別（species identification）通過(guò)數(shù)據(jù)處理剔除目標(biāo)物種信號(hào)之外的生物信號(hào)，可以提高資源評(píng)估的精度。目前常用的方法有設(shè)置閾值法、多頻差分法、寬帶方法、人工智能識(shí)別、多波束成像法和可視化設(shè)備觀測(cè)法等，識(shí)別效果和應(yīng)用領(lǐng)域有所不同。目前來(lái)看，寬帶方法和人工智能識(shí)別應(yīng)用前景廣闊，例如WOODD WALKER［39］利用人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）對(duì)南極磷蝦和其他浮游動(dòng)物進(jìn)行了判別；FABLET等［40］利用概率分類模型（probabilistic school classification models）分別進(jìn)行了基于集群之間和集群之內(nèi)物種比例的分類；ROBOTHAM等［3］利用支持向量機(jī)（support vector machines，SVM）對(duì)歐洲鯷（Engraulisencrasicolus）、沙丁魚(yú)（Sardina pilchardus）和竹筴魚(yú)（Trachurus trachurus）進(jìn)行了分類識(shí)別；STANTON等［23］通過(guò)對(duì)寬帶信號(hào)頻譜特征的分析，推演出了生物體長(zhǎng)、游泳傾角等信息，并實(shí)現(xiàn)了信號(hào)判別。由此可見(jiàn)，寬帶技術(shù)和人工智能技術(shù)正在被越來(lái)越多的應(yīng)用到漁業(yè)聲學(xué)研究中。

對(duì)于水下生物的晝夜垂直移動(dòng)、季節(jié)垂直移動(dòng)及遷移模式的研究，一方面可作為聲學(xué)研究的輔助手段，因?yàn)樯锓植嫉纳疃茸兓赡苡绊懙狡淠繕?biāo)強(qiáng)度的變化，尤其是有鰾魚(yú)類；另一方面可作為生態(tài)學(xué)研究手段，為物種的洄游監(jiān)測(cè)、行為學(xué)研究提供有力的支撐。由于回聲在水中的傳播損失和探測(cè)儀的時(shí)變?cè)鲆妫╰ime varied gain，TVG）機(jī)制，隨著深度的增加，噪聲也會(huì)被放大，信噪比隨之減小，即聲學(xué)信號(hào)的作用深度有限［2］。因此對(duì)于一些深層魚(yú)類的監(jiān)測(cè)是目前該領(lǐng)域的研究難點(diǎn)。

在檢測(cè)到的所有突變?cè)~中，生態(tài)保護(hù)出現(xiàn)頻次最高且突變強(qiáng)度大。近年來(lái)，由于氣候變化和過(guò)度開(kāi)發(fā)等人類活動(dòng)的影響，有關(guān)氣候變化和生物多樣性關(guān)系的研究已經(jīng)成為全球?qū)W者共同關(guān)注的熱點(diǎn)，迫切需要對(duì)全球海洋和淡水生態(tài)系統(tǒng)進(jìn)行監(jiān)測(cè)，而聲學(xué)工具在這一任務(wù)中扮演著重要角色［41］。監(jiān)測(cè)不僅包括傳統(tǒng)的主動(dòng)聲學(xué)技術(shù)對(duì)物種資源分布和多樣性的監(jiān)測(cè)，也包括被動(dòng)聲學(xué)浮標(biāo)、魚(yú)類標(biāo)簽遙測(cè)等技術(shù)的應(yīng)用。毫無(wú)疑問(wèn)，如何利用多樣的聲學(xué)技術(shù)對(duì)海洋和淡水生態(tài)環(huán)境進(jìn)行研究依然是未來(lái)該領(lǐng)域研究的熱點(diǎn)。

綜合來(lái)看，有關(guān)生物體聲學(xué)散射特征和生態(tài)環(huán)境保護(hù)的主題仍將是未來(lái)漁業(yè)聲學(xué)研究的熱點(diǎn)，尤其是學(xué)科交叉促進(jìn)的寬帶技術(shù)、人工智能等新方法的應(yīng)用，未來(lái)將會(huì)是促進(jìn)該領(lǐng)域發(fā)展的重要?jiǎng)恿Α?/p>

3.3 展望

本研究采用文獻(xiàn)計(jì)量的方法對(duì)全球漁業(yè)聲學(xué)的研究趨勢(shì)進(jìn)行了分析，力求結(jié)果客觀準(zhǔn)確。然而，漁業(yè)聲學(xué)的發(fā)展已經(jīng)有近百年的歷史，由于數(shù)據(jù)庫(kù)文獻(xiàn)數(shù)量的限制，早期產(chǎn)生的一系列重要成果本文并未討論。另外，由于漁業(yè)聲學(xué)研究學(xué)科分布較廣，本文限于篇幅未對(duì)更細(xì)化的研究?jī)?nèi)容予以討論，未來(lái)會(huì)補(bǔ)充相關(guān)研究?jī)?nèi)容并針對(duì)個(gè)別熱點(diǎn)問(wèn)題進(jìn)行探究。