近年来,卫星AIS（Automatic Identification System）系统通过低轨道小型卫星或小型卫星群,接收来自包含渔船静态和动态数据的AIS站台的信号,并且该数据被转发存储到地面站,经过多年规范累积,获得的渔船数据呈现大数据的特征。因近两年渔业遥感技术发展迅速,提高了挖掘卫星数据的效率,实现大数据挖掘自动化具有意义,充分利用卫星数据产出有利于海洋管理的数据也具有较大研究价值。因此运用经过预处理后的数据作为研究数据源,再利用AIS数据结合实际生产数据可开展研究分析渔获率、渔场变动、渔船动态、时空分布等。综上,本文的研究利用AIS数据作为主要数据源,一是实现全球渔船的自动可视化,为预测渔场做参考数据,以及后续进一步分析挖掘渔船信息;二是分析作业渔船时空分布,为展示渔船动态变化做好参考数据,再利用渔船实际生产数据叠加AIS记录的作业渔船,验证初步判定的渔船类型,为了解不同类型作业渔船分布情况以及监管做好数据依据。具体工作依次如下:（1）首先以热力图形式展示了全球渔船的动态分布,实现全球渔船每日分布情况的可视化、自动化,以及初步预测渔场位置。通过下载国家卫星海洋应用中心FTP端（ftp.nsoas.org.cn）存储的卫星渔船AIS数据,运用Python语言以及相关函数库,实现了数据的自动下载、自动解析、自动热力图制图,最终以每日热力图直观展示了全球渔船时空位置信息,热力图可为渔场预测提供参考数据。（2）为了分析渔船作业期间的动态分布及其类型,进一步挖掘公海渔场动态分布。选择基于2019年3—12月北太平洋渔船AIS船位数据,采用了局部空间自相关方法中的热点分析（Hot Spot Analysis）,结果表明:2019年期间北太平洋中渔船作业区域主要分布在:37°—44°N、154°—176°E。通过观察渔船船位热点分布情况可知渔船高聚集性的作业分布在研究区域内先从西南作业至东北,再返回西北,9月以及之后的时期再返回西南方向,结果可为渔场重心变动提供参考数据。（3）为了进一步挖掘北太平洋作业渔船类型,运用同时期的北太平洋鱿钓渔船和围网渔船生产作业数据,采用重叠法计算重叠率的方法,将围网渔船、鱿钓渔船生产作业数据与热点分析中的冷点、热点分别叠加,研究探讨作业渔船的识别情况。计算结果为:热点分布结果与鱿钓渔船船位作业数据点的重叠率为83.7%,冷点分布结果与围网渔船船位作业数据点的重叠率为78.1%。研究实现了卫星AIS渔船船位数据直观展示作业渔船动态变化,以及前者与生产作业数据重叠程度,结果可初步探索在研究区域中渔船的分布变动与作业渔船类型,为渔业相关部门管理研究区域内的作业渔船提供参考依据。