基于生物能量學原理構建異育銀鯽生長、飼料需求和污染排放模型

劉曉娟　郭　勛　王春芳　李大鵬　Dominique Bureau

(1. 華中農(nóng)業(yè)大學水產(chǎn)學院淡水水產(chǎn)健康養(yǎng)殖湖北省協(xié)同創(chuàng)新中心, 池塘健康養(yǎng)殖湖北省工程實驗室, 武漢 430070;

2. Fish Nutrition Research Laboratory, Department of Animal Bioscience,University of Guelph, ON, Canada N1G 2W1)

養(yǎng)殖成本和養(yǎng)殖產(chǎn)量是水產(chǎn)養(yǎng)殖從業(yè)者關注的重點。然而, 近年來, 生產(chǎn)成本的增加, 市場競爭導致的利潤空間擠壓, 以及國家、相關管理機構、甚至消費者, 對水產(chǎn)養(yǎng)殖可持續(xù)發(fā)展的要求, 讓水產(chǎn)養(yǎng)殖行業(yè)面臨巨大挑戰(zhàn)[1]。養(yǎng)殖過程中很小的改動都將顯著影響水產(chǎn)養(yǎng)殖業(yè)效益。預測養(yǎng)殖魚類對飼料的需求量主要依賴于已發(fā)表的文章、以往的養(yǎng)殖經(jīng)驗以及觀察飼料投喂過程中魚類的行為。但在生產(chǎn)實踐中, 養(yǎng)殖品種的投喂管理和飼料需求還是以以往的經(jīng)驗為主[2]。盲目的使用機械化工具(如自動投餌機), 不僅會導致飼料不可避免的浪費, 而且還增加了飼料需求量的估算難度[3]。飼料投喂過多會導致成本增加和養(yǎng)殖水域的污染, 投喂不足則容易導致養(yǎng)殖品種生長緩慢, 造成養(yǎng)殖效益的降低[4]。由于養(yǎng)殖魚類的外部環(huán)境、遺傳因素和飼料的營養(yǎng)質量的不同, 魚類對飼料的需求也會產(chǎn)生較大的差異[3]。因此, 建立合理的魚類能量需求模型并運用此模型來預測魚類生長、飼料需求以及污染物排放, 可在實際養(yǎng)殖中為其差異化上市、節(jié)約飼料成本、減少飼料浪費以及養(yǎng)殖場的污染評價提供有效的預測工具。

在水產(chǎn)動物養(yǎng)殖過程中, 已有許多研究者在生物能量和營養(yǎng)代謝的基礎上建立了一些簡單的營養(yǎng)模型[5—13]。這些模型已經(jīng)越來越多地被用到了實踐養(yǎng)殖中, 成為預測魚類和蝦類生長、飼料需求以及廢物排放的重要工具, 對水產(chǎn)養(yǎng)殖業(yè)的可持續(xù)發(fā)展具有重大意義。然而, 它們大多數(shù)忽略了魚類在不同的生長階段會有生長差異這一特征, 因此許多模型只適用于魚類生長過程的某一階段[14]。另外, 這些模型主要是根據(jù)以往經(jīng)驗而得出的, 其適用范圍較窄[15]。因此, 需要進一步研究攝食、環(huán)境以及內源性因素對不同生長階段魚類營養(yǎng)的利用和吸收的影響, 構建更加實用的模型。

異育銀鯽(Carassius auratas gibelio) 是利用天然雌核發(fā)育的方正銀鯽為母本, 以興國紅鯉為父本,經(jīng)人工授精繁育的子代, 生長速度比普通鯽魚快2—3倍, 是我國鯽魚養(yǎng)殖中的主要品種[16]。近年來,雖然有一些學者開始著手有關異育銀鯽能量收支方面的研究, 并建立了異育銀鯽的能量收支方程[17]：100C=12.32F+3.32U+63.74R+20.72G, 式中C為攝食能, F為糞便能, U為排泄能, R為代謝能, G為生長能。但到目前為止, 有關異育銀鯽的復合型營養(yǎng)模型的研究還未有報道。本研究主要探討不同環(huán)境下異育銀鯽的能量需求, 對不同生長階段的異育銀鯽的生長規(guī)律進行研究, 并在生物能量學的基礎上構建異育銀鯽生長、營養(yǎng)需求以及污染排放(固體廢物和溶解態(tài)氮、磷廢物)模型, 為實際養(yǎng)殖中提高異育銀鯽養(yǎng)殖質量、降低養(yǎng)殖污染提供一定的理論基礎。本研究主要包括以下3個方面： (1) 搜集異育銀鯽生長數(shù)據(jù), 對異育銀鯽生長周期進行分段,通過連續(xù)采樣試驗, 對鯽魚不同生長階段生長模型進行調整; (2)搜集異育銀鯽魚體生化成分、耗氧率、排氨率以及生長能、代謝能、排泄能等基本參數(shù), 確定不同生長階段異育銀鯽消化能需求, 構建不同生長階段異育銀鯽飼料需求模型; (3)根據(jù)異育銀鯽不同生長階段飼料營養(yǎng)需求, 通過營養(yǎng)物質平衡法構建異育銀鯽污染排放模型。

1　材料與方法

1.1　不同生長模型的比較

本研究選用了特定增長率(SGR)、日增長率(DGC)、日均增重(ADG)和熱積溫系數(shù)(TGC)這幾種生長模型, 其計算公式如下：

式中, FBW和IBW分別為魚體的終末體重和初始體重, d為養(yǎng)殖天數(shù), t為養(yǎng)殖水溫, (1-b)為TGC模型體重指數(shù)。

根據(jù)上述公式, 異育銀鯽的生長預測公式如下：

為了明確魚類的生長速度和其生長階段之間的關系, 本研究查閱并收集文獻中魚類的初末體重、養(yǎng)殖時間、水溫等數(shù)據(jù), 根據(jù)上述公式分別計算SGR、DGC、ADG、TGC等值, 擬合其生長曲線,再將鯽魚的預測體重和實際養(yǎng)殖中的觀測值進行比較, 選擇最適生長模型。在積溫系數(shù)TGC的計算中, 其指數(shù)(1-b)首先按照1/3計算, 隨后進行調整,采用模型預測值和養(yǎng)殖觀測值的最小殘差平方和法校正[18], 直到 RSS數(shù)值最小, RSS的計算采用迭代法, 工具采用Excel 2013。由于b＞0[19], 故當RSS最小時, 1-b＜1。殘差平方和公式如下：

其中yj代表生長過程中的觀測值, Yj代表預測值。

1.2　生化成分分析

異育銀鯽的生化成分數(shù)據(jù)來自于46篇文獻中的216個觀測值, 文獻出版時間為1987年到2017年,異育銀鯽的體重為0.25—302.7 g。在選擇文獻中,生化成分的測定方法采用AOAC[20]的標準測定方法。異育銀鯽的生化成分分析采用異育銀鯽體重(BW)和其水分(BWat)、蛋白(BP)、脂肪(BL)、灰分(BA)和能值(GE)含量之間的回歸分析描述。

1.3　各能量的估算

魚類基礎代謝(HeE)也稱為靜止代謝。魚類進行有氧代謝所需要的能量與消耗的氧氣成正比, 因此, 大多數(shù)研究都采用測定呼吸實驗中耗氧量來估算靜止代謝。本文異育銀鯽耗氧量的數(shù)據(jù)均來自文獻, 氧熱系數(shù)采用13.6 J/mg。由于HeE和BW二者關系為HeE=A×WB, 一般魚類的指數(shù)B為0.8, 故HeE采用以下公式計算[3]：

式中, T為水溫, a, b為常數(shù), BW為體重。

尿液和鰓的能量損失(UE+ZE)主要是通過代謝氮廢物排出的。魚類在正常情況下每消耗1 g氮相當于損失了24.9 J的能量, 因而可以通過測定魚類的排氨率來計算UE+ZE, 本研究異育銀鯽排氨率數(shù)據(jù)均來自文獻。HiE主要為攝食中產(chǎn)生的能量,可用總攝食能(IE)與糞便能(FE)、儲積能(RE)、UE+ZE、HeE之差來估算, 公式如下：

魚類在不同的生長階段對飼料的需求量由消化能(DE)決定[2], 通過計算RE、HeE、HiE以及UE+ZE的和, 可以估算鯽魚DE需求量, 進而獲得異育銀鯽在養(yǎng)殖的某個時期對飼料的需求量：

1.4　廢物排放量的估計

在養(yǎng)殖過程中, 總污染物(TW)主要包括固態(tài)污染物(SW)以及已經(jīng)溶解在養(yǎng)殖水體中的溶解態(tài)污染物(DW), 養(yǎng)殖中的污染物排放預測模型如下：

TSW=DM×(1-ADC of DM)

式中TSW為總的固態(tài)廢物的含量, ADC為表觀消化率, DM為干物質, 同樣的方程式也可運用于估算N、P污染物的排放上。

在上述公式中SWN和SWP分別代表固態(tài)氮污染物和固態(tài)磷污染物, DWN和DWP分別為溶解態(tài)氮污染物和溶解態(tài)磷污染物。

1.5　驗證試驗

驗證異育銀鯽生長和飼料需求模型的數(shù)據(jù)主要來自公安崇湖漁場。共有9個池塘, 每個月采樣1次, 每個池塘采20條魚樣以及100 g飼料, 記錄魚體質量、水溫等數(shù)據(jù)。對采集的魚樣和飼料樣品進行化學成分分析。調整后的異育銀鯽生長模型用預測體重與實際體重比較來驗證。飼料需求模型使用實際和預測的飼料系數(shù)(FCR)來驗證。

1.6　攝食率和廢物排出量估算

本研究根據(jù)驗證試驗中異育銀鯽在不同生長階段中的飼料營養(yǎng)成分估計攝食率和廢物排出量。飼料DE可通過飼料中粗蛋白消化率(ADCCP)、粗脂肪消化率(ADCCL)以及碳水化合物消化率(ADCCHO)來估算。公式如下：

TSW以及N、P污染物分別由干物質、粗蛋白(ADC 81%)、磷(ADC 68%)的表觀消化率估算?？上晌镔|含量為可消化粗蛋白、脂肪(ADC 90%),碳水化合物(ADC 60%)和灰分(ADC 50%)的總和。

2　結果

2.1　生長階段的劃分

為了預測異育銀鯽的生長趨勢, 本研究共收集了98篇文獻中的420個異育銀鯽生長數(shù)據(jù)(異育銀鯽體重范圍0.2—550 g), 并根據(jù)上述公式分別計算SGR、DGC、TGC、ADG的值。結果發(fā)現(xiàn), 在用TGC模型計算其生長速率時, 異育銀鯽在其生長周期中的生長性能具有一定的規(guī)律(圖1), 分段性分析不同體重異育銀鯽的積溫系數(shù), 發(fā)現(xiàn)異育銀鯽在其生長周期中含有2個異速生長點(兩條線段之間的交點), 根據(jù)該點的位置, 可將異育銀鯽的生長周期劃分為3個階段(圖2)： 0.25—13.1 g (第一階段)、13.1—172.8 g (第二階段)、＞172.8 g (第三階段)。圖1和圖2中各種參數(shù)(斜率、系數(shù)、異速生長點)均使用工具Excel 2013確定。

2.2　生長模型的選擇

異育銀鯽在不同生長階段的各個子模型的最適體重指數(shù)(1-b)存在顯著差異。在第一生長期, 異速生長模型SGR、DGC、TGC 和調整后的TGC模型(2.4—35.0)的殘差平方和明顯低于ADG模型(316.2)(表1、圖3A), 因而能比線性模型更好的預測異育銀鯽的生長情況。在第二生長期, 只有指數(shù)調整為0.27的TGC模型(RSS為39)預測效果明顯比其他任何模型更好(RSS為282—18122)(表1、圖3B)。在第三生長期, ADG和指數(shù)調整為1的TGC模型(相當于是一個線性函數(shù))的預測效果相同(RSS都為508), 但明顯優(yōu)于SGR (RSS= 87711)、DGC(RSS=40700)和TGC (RSS=40700)模型(表1、圖3C)。因此, 只有校正后的TGC模型能夠最好的預測整個生長周期的生長速率。

2.3　魚體生化成分

圖1　不同生長階段異育銀鯽積溫系數(shù)Fig. 1　Thermal-unit growth coefficient (TGC) of the gibel carp on different growth stages

圖2　分段性分析不同體重鯽魚的積溫系數(shù)Fig. 2　Piecewise linear analysis of the thermal-unit growth coefficient (TGC) as a function of body weight (BW)

異育銀鯽在體重小于2 g時, 其相對體成分隨著體重的變化具有顯著差異, 在體重大于2 g時, 體重與體化學成分如BWat (-0.03)、BP (0.0008)、BL(0.0053)和BA (0.0092)之間的回歸方程斜率都接近于0 (圖4)。因此, 簡單的等速線性方程可以有效估計異育銀鯽BP (圖5a)、BL (圖5b)、BA (圖5c)和GE (圖5d)含量。當分別用對數(shù)方程和等速線性方程來預測不同體重的異育銀鯽體化學成分時發(fā)現(xiàn),除BP的預測效果相同外, 在BL、BA和GE的預測中, 等速線性方程都優(yōu)于對數(shù)方程(方程1—4, 表2)。此外, 在異育銀鯽體重為1—180 g的時候(方程5), 魚體內磷含量同樣也隨著魚體體重呈等速增加。

2.4　各種能量的估計

異育銀鯽生化成分組成、HeE、HiE、UE+ZE以及DE需求量的計算公式見表3。由方程6可看出, 異育銀鯽HeE除與體重直接相關外, 還與水溫具有一定的關系。當水溫在一定范圍內時, 異育銀鯽的HeE隨水溫的增加而增加。另外, 研究還發(fā)現(xiàn),異育銀鯽攝食活動產(chǎn)生的HiE與RE和HeE之間呈正相關關系(圖6, 方程7); UE +ZE則與IE和DE密切相關, 為3.8% 的RE+HeE+HiE (圖6b, 方程8)。

2.5　模型驗證, 攝食率和污染物排放

驗證該模型的數(shù)據(jù)主要來自公安崇湖漁場(中國, 荊州)。模型的驗證使用異育銀鯽體重與飼料系數(shù)(FCR)的實際觀測值和模型預測值之間的相關關系來比較, 研究發(fā)現(xiàn)魚體濕重、體重增量和FCR在實際值和預測值之間顯著相關(R2分別為0.998和0.857,P＜0.001)(圖7)。

表1　異育銀鯽在3個不同生長階段SGR、DGR、ADG、TGC以及調整后的TGC體重系數(shù)和殘差平方和Tab. 1　The regression coefficients, body weight (BW) exponents and residual sum squares (RSS) of specific growth rate (SGR), daily growth coefficient (DGC), linear, thermal-unit growth coefficient (TGC) and revised TGC models for the nursery, pre-grow out and grow out stages of gibel carp

圖3　不同生長模型的比較-分別用SGR、DGC、ADG、TGC和Rev. TGC這幾種生長模型來描述異育銀鯽的生長Fig. 3　Comparison of different growth models of SGR, DGC,ADG, TGC and Rev. TGC model describes the growth of gibel carp

從表4可看出, 異育銀鯽攝食率隨體重的增加而下降, 在體重為1 g時每條鯽魚每天攝食率約為4%, 而當其體重為500 g時, 攝食率降到了0.8%。異育銀鯽總固體廢物排放量和總可溶性含氮廢物預測排放量見表5, 經(jīng)估算, 對于體重為0.25—506 g的異育銀鯽, 每消耗1 kg飼料以及每生產(chǎn)1 kg異育銀鯽, 所排放的總固態(tài)廢物分別為282和419 kg。

3　討論

以往的魚類生物能量學模型大多是建立在天然餌料基礎上的[21,22]?，F(xiàn)如今, 隨著飼料加工行業(yè)的不斷發(fā)展, 超過80%的異育銀鯽養(yǎng)殖都依靠商業(yè)配合飼料。因此, 在人工飼料投喂的基礎上構建飼料需求模型, 對于提升水產(chǎn)養(yǎng)殖中的經(jīng)濟效益, 降低養(yǎng)殖中的廢物排放有重大意義。近年來, 已有一些研究者開始嘗試在生物能量學的基礎上構建一些飼料需求模型, Trung等[12]在2011年首次利用營養(yǎng)模型, 對集約化養(yǎng)殖條件下尼羅羅非魚(Tilapia nilotica)的飼料需求進行預測, 隨后Chowdhury等[3]構建了羅非魚的復合性營養(yǎng)模型, 有效的評估了商業(yè)養(yǎng)殖中羅非魚飼料需求以及廢物排放量。本文基于生物能量學方法建立了異育銀鯽生長、飼料需求以及污染排放模型。采用TGC模型, 參照Dumas等[19]方法, 將異育銀鯽的生長周期分為了3個階段： 第一生長期(＜13.1 g)、第二生長期(13.1—172.8 g)和第三生長期(＞172.8 g)。

3.1　生長模型

圖4　異育銀鯽魚體化學組成及能量與體重的關系Fig. 4　Whole body chemical composition and gross energy of gibel carp in relation to body weight

圖5　異育銀鯽體重和魚體蛋白質(4a和4e)、脂肪 (4b和4f)、灰分 (4c和4g)和生長能 (4d和4h)之間的等距和對數(shù)回歸分析Fig. 5　Isometric and allometric relationship between whole body mass and body protein (4a and 4e), lipid (4b and 4f), ash (4c and 4g) and gross energy (4d and 4h)

許多魚類在不同生長階段存在異速生長點[23,24],需要找出異速生長點并對生長模型進行調整。Dumas等[19]根據(jù)虹鱒(Oncorhynchus mykiss)在不同階段生長速率的不同, 將虹鱒生長周期劃分為3個階段。這表明用單個系數(shù)或體重指數(shù)的模型來描述魚類的整個生命周期的生長特征并不是非常適用的。同時Dumas的研究表明, 只有當魚體重量在20—500 g之間, 原有生長指數(shù)為1/3的TGC模型才具有較好的預測效果。Chowdhury等[3]對羅非魚(Oreochromis spp.)的生長模型研究表明, 在第二生長期和第三生長期, 采用迭代法不斷調整TGC模型的系數(shù)和指數(shù)后, TGC模型比單一的指數(shù)模型更加精確。生長指數(shù)為1/3的TGC模型只適用于體重小于30 g的羅非魚, 隨著魚體重量的增加, 其生長指數(shù)(1-b)的數(shù)值也會呈現(xiàn)逐漸增加的趨勢, 隨著魚體重量的無限增加, 該指數(shù)(1-b)的理論數(shù)值會趨近1。本文對異育銀鯽的研究結果和羅非魚的研究結果一致, 但具體系數(shù)值和羅非魚的研究存在較大的差異, 這可能是由于不同魚類的生長潛力不同而導致的。本文對異育銀鯽的研究發(fā)現(xiàn), 在第一生長期,各模型的預測值和觀測值之間的殘差平方和差別不大, 但是隨著異育銀鯽體重的增加, 不同模型的預測值和實際觀測值之間的殘差平方和差異明顯,相似的結果也出現(xiàn)在羅非魚[3]、虹鱒[19]和草魚(Ctenopharyngodon idellus)[25]的研究中。針對以上結論, 在異育銀鯽的生長預測模型中, 采用迭代法調整生長系數(shù)和生長指數(shù)后的TGC模型能夠比其他模型(ADG、DGC、SGR和TGC)有更好的預測效果(預測值和觀測值之間的殘差平方和最小)。

表2　線性方程和對數(shù)方程(體重與BP、BL、BA和GE)預測值與實際觀測值的殘差平方和(RSS)Tab. 2　Residual sum squares (RSS) of the isometric and allometric regression analysis of body weight with body protein,lipid, ash and gross energy as predictors

3.2　異育銀鯽飼料需求模型

魚類營養(yǎng)需求模型需要準確的反映魚類對各營養(yǎng)成分的需求范圍以及蛋白質、脂肪、礦物質和水等對魚類體重增加做出的貢獻。異速生長方程(Y=a×BWb)已被很多學者用來描述魚體體重和其化學成分之間的關系[6,7,10,26]。為了預測異育銀鯽魚體化學成分, 本研究對異速生長和等速生長模型都進行了實驗驗證。研究結果表明, 在水體溫度、魚類大小、飼料成分和投喂水平具有差異的情況下, 簡單的等速線性模型仍然可以有效的在實踐中描述魚體質量和魚體生化成分之間關系。研究結果還表明, 異育銀鯽體內脂質增加是等速的, 這與羅非魚[3]和草魚[25]的研究結果一致, 但與虹鱒[19]中脂質的異速生長不同。

表3　異育銀鯽生化成分組成、基礎代謝、增值熱、排泄代謝能以及消化能需求量方程Tab. 3　The equations for the estimation of body chemical composition, basal metabolism, heat requirement of feeding, urinary-branchial excretion and digestible energy requirement

圖6　熱增能(HiE)、排泄能(UE+ZE)與其他能量之間的關系Fig. 6　The relationship between heat increment of feeding (HiE), urine and gills energy (UE+ZE) and other energy

圖7　異育銀鯽日均增長率的觀測值和預測值(a1)和體重的觀測值和預測值關系圖(a2); 飼料轉化率的觀測值和預測值(b1)以及它們之間關系圖(b2)Fig. 7　Observed and predicted average daily gain (g) of gibel carp (a1) and the relation between observed and predicted body weight (g)(a2); Observed and predicted feed conversion ratio of gibel carp (b1) and the relation between them (b2)

表4　在水溫為26℃的條件下體重為1—500 g異育銀鯽日均飼料需求量(%體重)Tab. 4　General daily feeding rates (%BW) of gibel carp reared at 26℃ growing from 1—500 g

3.3　能量收支和廢物排放模型

動物需要不斷供應能量才能維持機體的各項生命活動。HeE是動物維持生命器官所有活動最基礎的能量, 魚類HeE和魚類體重以及水溫有直接關系[27]。本研究異育銀鯽的各種能量代謝數(shù)據(jù)均來自于已發(fā)表的文獻。通過計算魚體RE、HeE、HiE以及UE+ZE, 可以估算出異育銀鯽的DE, 從而確定異育銀鯽飼料需求量。結合表4、表5估算,對于體重為0.25—506 g的異育銀鯽, 每生產(chǎn)1 kg魚,其DE需求量約為： 1.94×104kJ, 飼料需求量為1.47 kg。

有研究表明, 一些簡單的指數(shù)方程如HeE=(a+bT)×BW0.8可以用來描述溫度對魚類HeE的影響[3,4,25,28]。相比RE, 擁有較小標準誤差SE(±0.015)的HeE能更好的預測HiE。而如果使用RE+HeE作為因變量, 則精度可以進一步增加[SE±0.004; 圖6, 方程(8)]。異育銀鯽的HiE分別約為98% HeE、1.5 RE或60% (RE+HeE), 約占總DE攝入量的三分之一, 這遠遠大于羅非魚、虹鱒和其他物種中觀察到的值。在Kaushik等[29]的研究中虹鱒的HiE約等于60% HeE; 對于鯛魚(Sparus aurata)和多寶魚(Scophthalmus maximus), 它僅相當于40% HeE[30]。這種特異性差異可能是不同品種魚類的生長潛力不同導致的。本研究中異育銀鯽UE+ZE的估算結果與羅非魚[2]、虹鱒[27]十分相似約為4% (RE+HeE+HiE)。

表5　異育銀鯽固態(tài)廢物和可溶性廢物排放量Tab. 5　Output of solid and dissolved wastes of gibel carp

有研究發(fā)現(xiàn), 基于生物能量學基礎的營養(yǎng)模型同樣可以用來估算水產(chǎn)養(yǎng)殖的營養(yǎng)負荷[1,31—34], 在本研究中, 每噸飼料和每噸魚的總固體污染物排放量分別為282和419 kg, 這比羅非魚[3]的排放量(分別為331和432 kg/1000 kg)低, 但顯著高于虹鱒[35]的排放量(分別為220和250 kg/1000 kg)。這可能與魚類品種和飼料營養(yǎng)成分不同有關。本模型預測的FCR在整個生產(chǎn)周期中其預測值(1.47)與觀察值相一致(1.51), 表明該模型能夠高度有效的估計飼料的需求量和利用率。

4　結論

本研究擬合的異育銀鯽生長、飼料需求和污染排放模型是在收集文獻資料中飼料營養(yǎng)組成, 魚類生長速度和魚體的營養(yǎng)生化成分組成相關數(shù)據(jù)的基礎上構建的。該生物能量學模型考慮到了水溫對飼料需求量、魚類生長、代謝需求和排泄率的綜合影響。這一點在構建魚類生長和飼料需求模型中極為重要, 因為當魚類在不可控的養(yǎng)殖條件下時(如在湖泊、河流或池塘的網(wǎng)箱養(yǎng)殖中), 魚類可能會受到季節(jié)性和垂直水溫變化的影響, 從而導致魚類的各種生長、代謝指標發(fā)生較大差異, 造成模型的準確度明顯下降。

在本研究中, 魚體濕重、體重增量和FCR在實際值和預測值之間的高度相似證明該模型可以有效的估計異育銀鯽在實際養(yǎng)殖中的飼料需求量和污染物排放量。然而, 在特定的農(nóng)業(yè)生產(chǎn)條件下,為使結果更加精確, 還需要利用以往該養(yǎng)殖條件下的周年連續(xù)采樣獲得的數(shù)據(jù)重新調整增長模型。

參考文獻：

[1]Dumas A, De Lange C F M, France J, et al. Quantitative description of body composition and rates of nutrient deposition in rainbow trout (Oncorhynchus mykiss) [J].Aquaculture, 2007a, 273(1)： 165—181

[2]Cho C Y, Bureau D P. Development of bioenergetic models and the Fish-PrFEQ software to estimate production,feeding ration and waste output in aquaculture [J]. Aquatic Living Resources, 1998, 11(4)： 199—210

[3]Chowdhury M A K, Siddiqui S, Hua K, et al. Bioenergetics-based factorial model to determine feed requirement and waste output of tilapia produced under commercial conditions [J]. Aquaculture, 2013, 410—411(2)：138—147

[4]Bureau D P, Hua K. Models of Nutrient Utilization by Fish and Potential Applications for Fish Culture Operations [M]. Mathematical Modeling in Animal Nutrition.CBA international, Wallingford. 2008, 442—461

[5]Bailey J, Alan?r? A. A test of a feed budget model for rainbow trout, Oncorhynchus mykiss (Walbaum) [J].Aquaculture Research, 2001, 32(6)： 465—469

[6]Booth M A, Allan G L, Pirozzi I. Estimation of digestible protein and energy requirements of yellowtail kingfish(Seriola lalandi) using a factorial approach [J]. Aquaculture, 2010, 307(3)： 247—259

[7]Glencross B D, Bermudes M. Adapting bioenergetic factorial modelling to understand the implications of heat stress on barramundi (Lates calcarifer) growth, feed utilization and optimal protein and energy requirements-potential strategies for dealing with climate change [J]?Aquaculture Nutrition, 2012, 18(4)： 411—422

[8]Hua K, de Lange C F M, Niimi A J, et al. A factorial model to predict phosphorus waste output of rainbow trout (Oncorhynchus mykiss) [J]. Aquaculture Research,2008, 39(10)： 1059—1068

[9]Hua K, Birkett S, De Lange C F M, et al. Adaptation of a non-ruminant nutrient-based growth model to rainbow trout (Oncorhynchus mykiss Walbaum) [J]. The Journal of Agricultural Science, 2010, 148(1)： 17—29

[10]Lupatsch I, Kissil G W, Sklan D. Defining energy and protein requirements of gilthead seabream (Sparus aurata L.) to optimize feeds and feeding regimes [J]. Israeli Journal of Aquaculture-Bamidgeh, 2003, 55(4)：243—257

[11]Pirozzi I, Booth M A, Allan G L. A factorial approach to deriving dietary specifications and daily feed intake for mulloway, Argyrosomus japonicus, based on the requirements for digestible protein and energy [J]. Aquaculture,2010, 302(3)： 235—242

[12]Van Trung D, Diu N T, Hao N T, et al. Development of a nutritional model to define the energy and protein requirements of tilapia, Oreochromis niloticus [J]. Aquaculture,2011, 320(1)： 69—75

[13]Zhou Z G, Xie S Q, Wu L, et al. A bioenergetic model to estimate feed requirement of gibel carp, Carassius auratus gibelio [J]. Aquaculture, 2005, 248(1)： 287—297

[14]Nickerson D M, Facey D E, Grossman G D. Estimating physiological thresholds with continuous two-phase regression [J]. Physiological Zoology, 1989, 62(4)：866—887

[15]Bureau D P, Kaushik S J, Cho C Y. Bioenergetics. In：Halver J E, Hardy R W (Eds.), Fish Nutrition [M]. San Diego： Academic Press. 2002, 1—53

[16]Xu L, Liu B, Xie J, et al. Effects on mannose oligosaccharides on growth performance, immunity and HSP70 expression of juvenile crucian carp (Carassius auratus gibelio) [J]. Acta Hydrobiologica Sinica, 2012, 36(4)：656—664 [徐磊, 劉波, 謝駿, 等. 甘露寡糖對異育銀鯽生長性能, 免疫及HSP70基因表達的影響. 水生生物學報, 2012, 36(4)： 656—664]

[17]Zhu X M, Xie S Q, Cui Y B. Effect of ration level on growth and energy budget of the Gibel carp, Carassius auratus gibelio [J]. Oceanologia et limnologia Sinica,2000, 5(31)： 471—479 [朱曉鳴, 解綬啟, 崔奕波. 攝食水平對異育銀鯽生長及能量收支的影響. 海洋與湖沼,2000, 5(31)： 471—479]

[18]Vittinghoff E, Glidden D V, Shiboski S C, et al. Regression methods in Biostatistics： Linear, Logistic, Survival,and Repeated Measures Models [M]. New York： Springer.2005, 340

[19]Dumas A, France J, Bureau D P. Evidence of three growth stanzas in rainbow trout (Oncorhynchus mykiss)across life stages and adaptation of the thermal-unit growth coefficient [J]. Aquaculture, 2007b, 267(1)：139—146

[20]AOAC. Official Methods of Analysis[M]. AOAC International, Washington, DC. 1995, 16

[21]Yi Y. A bioenergetics growth model for Nile tilapia (Oreochromis niloticus) based on limiting nutrients and fish standing crop in fertilized ponds [J]. Aquacultural Engineering, 1998, 18(3)： 157—173

[22]Yi Y. Modeling growth of Nile tilapia (Oreochromis niloticus) in a cage-cum-pond integrated culture system[J]. Aquacultural Engineering, 1999, 21(2)： 113—133

[23]Parker R R, Larkin P A. A concept of growth in fishes [J].Journal of the Fisheries Research Board of Canada,2011, 16(5)： 721—745

[24]Shearer K D. Factors affecting the proximate composition of cultured fishes with emphasis on salmonids [J].Aquaculture, 1994, 119(1)： 63—88

[25]Luo W. Fish-PrFEQ model to determine feed requirement and waste output of grass carp under commercial conditions [D]. Wuhan： Huazhong Agricultural University. 2016 [羅偉. 運用Fish-PrFEQ程序建立草魚投喂管理和污染排放模型. 碩士學位論文, 華中農(nóng)業(yè)大學,武漢. 2016]

[26]Weatherley A H, Gill H S. The Biology of Fish Growth[M]. London： Academic Press.1987, 443

[27]Kaushik S J. Nutritional bioenergetics and estimation of waste production in non-salmonids [J]. Aquatic Living Resources, 1998, 11(4)： 211—217

[28]Cho C Y. Prediction model for energy requirement of salmonid fishes [C]. 12th Symposium of Energy Metabolism of Farm Animals. 1991, (58)： 446—449

[29]Kaushik S J, Doudet T, Medale F, et al. Protein and energy needs for maintenance and growth of Nile tilapia(Oreochromis niloticus) [J]. Journal of Applied Ichthyology, 1995, 11： 290—296

[30]Guinea J, Fernandez F. Effect of feeding frequency, feeding level and temperature on energy metabolism in Sparus aurata [J]. Aquaculture, 1997, 148(2)： 125—142

[31]Azevedo P A, Podemski C L, Hesslein R H, et al. Estimation of waste outputs by a rainbow trout cage farm using a nutritional approach and monitoring of lake water quality[J]. Aquaculture, 2011, 311(1)： 175—186

[32]Bureau D P, Gunther S J, Cho C Y. Chemical composition and preliminary theoretical estimates of waste outputs of rainbow trout reared in commercial cage culture operations in Ontario [J]. North American Journal of Aquaculture, 2003, 65(1)： 33—38

[33]Cho C Y, Hynes J D, Wood K R, et al. Development of high-nutrient-dense, low-pollution diets and prediction of aquaculture wastes using biological approaches [J].Aquaculture, 1994, 124(1-4)： 293—305

[34]Ogunkoya A E, Page G I, Adewolu M A, et al. Dietary incorporation of soybean meal and exogenous enzyme cocktail can affect physical characteristics of faecal material egested by rainbow trout (Oncorhynchus mykiss)[J]. Aquaculture, 2006, 254(1)： 466—475

[35]Bureau D P, Hua K. Towards effective nutritional management of waste outputs in aquaculture, with particular reference to salmonid aquaculture operations [J].Aquaculture Research, 2010, 41(5)： 777—792