海鱸養(yǎng)殖溶氧量氣象預(yù)報(bào)模型

吳志輝，周珍丹，吳楚輝，雷振亮

（珠海市斗門區(qū)氣象局，廣東珠海 519125）

“白蕉海鱸”屬國家地理標(biāo)志保護(hù)產(chǎn)品，是珠海市優(yōu)質(zhì)養(yǎng)殖品種，入選2020年第一批全國名特優(yōu)新農(nóng)產(chǎn)品名錄。珠海市水產(chǎn)養(yǎng)殖歷史悠久，如今已有超3萬畝的海鱸養(yǎng)殖面積，約占全省產(chǎn)量的70%、全國產(chǎn)量的50%，為珠海贏得“中國海鱸之都”的美譽(yù)。

溶解氧含量（簡稱溶氧量）是水生生物維持生存的重要因素之一，也是水產(chǎn)養(yǎng)殖水質(zhì)管理最關(guān)注的問題之一，更能反映出養(yǎng)殖水質(zhì)的變化，而水質(zhì)的好壞直接影響水生生物的生長及其產(chǎn)品品質(zhì)［1］。《地理標(biāo)志產(chǎn)品白蕉海鱸》（DB4404／T 2—2020）提到海鱸養(yǎng)殖的適宜水溫7～33℃，水體溶氧量應(yīng)在4 mg／L以上［2］，最適宜氣溫20～30℃［3］。適宜的溶氧量對海鱸生存、生長、品質(zhì)、飼料利用率等非常重要。溶氧量濃度對海鱸飼料消耗、代謝率和能量消耗有強(qiáng)烈的影響，如果溶氧量低于3 mg／L，疾病很容易爆發(fā)，并會導(dǎo)致大量的魚類死亡［4－5］。因此對海鱸養(yǎng)殖溶氧量進(jìn)行監(jiān)測、預(yù)測對于減少災(zāi)害損失具有重要意義。有不少學(xué)者對水產(chǎn)養(yǎng)殖與氣象因子進(jìn)行研究，鞏沐歌等［6］通過研究池塘養(yǎng)殖環(huán)境中不同水層水質(zhì)因子與氣象因子組間的相關(guān)關(guān)系，得出對水質(zhì)因子產(chǎn)生主要影響的氣象因子是氣溫、氣壓、濕度和光照，不同水層水質(zhì)因子受氣象因子影響程度不同；宦娟［1］以水產(chǎn)養(yǎng)殖溶解氧為研究對象，擬搭建多尺度養(yǎng)殖環(huán)境物聯(lián)網(wǎng)系統(tǒng)，探索運(yùn)用機(jī)器學(xué)習(xí)方法建立多種溶解氧預(yù)測模型，實(shí)現(xiàn)快速響應(yīng)的溶解氧在線預(yù)測應(yīng)用，最終實(shí)現(xiàn)對水產(chǎn)養(yǎng)殖溶解氧在線監(jiān)測、預(yù)測和調(diào)控管理。但針對海鱸養(yǎng)殖與氣象因子的相關(guān)性及預(yù)報(bào)模型的相關(guān)研究較少，本研究結(jié)合珠海本地30多年養(yǎng)殖海鱸經(jīng)驗(yàn)，收集整理海鱸養(yǎng)殖氣象、水質(zhì)數(shù)據(jù)以及海鱸因天氣條件受災(zāi)情況進(jìn)行基礎(chǔ)研究，探討氣象因子對海鱸養(yǎng)殖池塘中溶氧量的影響，以期構(gòu)建海鱸養(yǎng)殖溶氧量氣象預(yù)報(bào)模型，預(yù)測未來不同天氣條件下水中溶氧量變化趨勢，為海鱸等漁業(yè)養(yǎng)殖氣象服務(wù)提供科學(xué)技術(shù)支撐。

1 資料與方法

本研究使用資料包括2021年8月—2023年4月珠海市白蕉海鱸氣象服務(wù)代表站逐小時水質(zhì)資料和斗門國家氣象觀測站的氣象資料。氣象數(shù)據(jù)包括平均氣溫、平均氣壓、相對濕度、最大風(fēng)速、最大風(fēng)向、平均風(fēng)速、日照、降雨量、最高氣溫、最低氣溫10個主要因素；水質(zhì)數(shù)據(jù)包括溶氧量、水溫、pH值3個主要因素；水質(zhì)數(shù)據(jù)、近3年海鱸養(yǎng)殖受災(zāi)歷史資料由珠海市斗門區(qū)河口漁業(yè)研究所提供。2021年8月—2022年7月的數(shù)據(jù)作為訓(xùn)練樣本集，用于模型構(gòu)建；2022年8月—2023年4月的數(shù)據(jù)用于檢驗(yàn)。白蕉海鱸氣象服務(wù)代表站直線距斗門國家氣象觀測站1 200 m。

本研究主要運(yùn)用數(shù)理統(tǒng)計(jì)等方法對氣象、水質(zhì)數(shù)據(jù)進(jìn)行整理分析，利用皮爾遜相關(guān)系數(shù)分析溶氧量與氣象因子的相關(guān)性大小，逐步回歸方法建立海鱸養(yǎng)殖溶氧量氣象預(yù)報(bào)模型。

2 結(jié)果與分析

2.1 月變化

皮爾遜相關(guān)系數(shù)是用來描述兩個變量間線性關(guān)系密切程度和相關(guān)方向的統(tǒng)計(jì)指標(biāo)，其定義為兩個變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商。從表1可看出，全年各月變化趨勢中，溶氧量與氣壓呈正相關(guān)，即氣壓高（低）時溶氧量同樣為高（低）；溶氧量與最低氣溫、平均氣溫、最高氣溫、水溫、平均風(fēng)速呈負(fù)相關(guān)，即最低氣溫、平均氣溫、最高氣溫、水溫、平均風(fēng)速高（低）時溶氧量低（高），最低氣溫、平均氣溫、最高氣溫、水溫、平均風(fēng)速的最高值出現(xiàn)在7月，溶氧量最低值也出現(xiàn)在7月；這與袁圣［7］得出的結(jié)論相一致。溶氧量與日照時數(shù)、相對濕度、最大風(fēng)速、降雨量、pH值、最大風(fēng)向、最多風(fēng)向、最多風(fēng)向頻率的相關(guān)系數(shù)沒有通過顯著性檢驗(yàn)。

表1 月平均溶氧量與各氣象要素的相關(guān)性檢驗(yàn)結(jié)果

由圖1可以看出，溶氧量與氣壓月變化趨勢一致（圖1a），溶氧量與氣壓最低值均出現(xiàn)在7月，主要是由于夏季水溫高，雖然浮游植物光合作用產(chǎn)生的氧較多，但水中耗氧因子也多，因而水中溶氧量低；秋、冬季節(jié)，水溫低，耗氧因子少（如水生生物的呼吸少），故水中溶氧量偏高。另外，水溫與氣溫的月變化趨勢一致（圖1b）。

圖1 溶氧量與氣壓（a）、水溫與氣溫（b）的月變化趨勢

2.2 日變化

由圖2a可看出氣壓與溶氧量日變化趨勢不一致。一天中溶氧量在06：00—08：00（北京時，下同）最低，15：00—17：00最高，即最小值通常出現(xiàn)在早晨日出之前，最大值則出現(xiàn)在下午日落之前。早上日出后的白天，溶氧量從最小值逐漸升高，至日落前達(dá)最大值；而在日落后的整個黑夜，溶氧量則從最大值不斷降低，到早晨日出前又達(dá)到最小值。其原因在于日出之后，表層水中浮游植物開始進(jìn)行光合作用并釋放出大量氧氣，使水中增氧作用超過耗氧作用，白天隨著溶解氧的不斷升高，在日落之前便積累到最大值；而日落之后水中浮游植物不僅不能進(jìn)行光合作用釋放氧氣，反而要進(jìn)行呼吸消耗氧氣，使水中耗氧作用大大超過增氧作用，從而使溶氧量達(dá)到最小值。06：00—08：00溶氧量最低，魚塘中此時極易出現(xiàn)鱸魚因缺氧造成的浮頭現(xiàn)象，這與潘榮慶研究得出的結(jié)論相一致［3］。氣壓日變化指一天內(nèi)氣壓高低的周期性變化，氣壓日變化的特點(diǎn)是在一天中有一個最高值和一個次高值，一個最低值和一個次低值；其中最高值出現(xiàn)在09：00—10：00，次高值出現(xiàn)在21：00—22：00；最低值出現(xiàn)在15：00—16：00，次低值出現(xiàn)在03：00—04：00。從日變化（圖2b）趨勢來看，水溫和氣溫日變化趨勢一致，水溫日變化幅度較氣溫緩和，水溫日較差1.2℃，氣溫日較差4.1℃；一天當(dāng)中水溫、氣溫最低值均出現(xiàn)在06：00；而最高值水溫比氣溫滯后，氣溫出現(xiàn)在14：00—15：00，水溫出現(xiàn)在15：00—16：00。

圖2 溶氧量與氣壓（a）、水溫與氣溫（b）的日變化

2.3 溶氧量與氣象因子關(guān)系

根據(jù)鄧玉嬌等［8］、黃永平等［9］的研究表明，溶氧量與氣象因子關(guān)聯(lián)系數(shù)越大，溶氧量與這種環(huán)境因素越密切相關(guān)。海鱸養(yǎng)殖過程中出現(xiàn)缺氧浮頭或泛塘現(xiàn)象最大程度與海鱸養(yǎng)殖水體中溶氧量的變化關(guān)系密切。為深入研究影響溶氧量的氣象因子，將2021年8月—2022年7月逐時平均氣溫、平均氣壓、相對濕度、最大風(fēng)速、最多風(fēng)向、平均風(fēng)速、日照、降雨量、最高氣溫、最低氣溫與溶氧量進(jìn)行相關(guān)性分析，并從結(jié)構(gòu)中選取呈顯著性相關(guān)并有明顯生物學(xué)意義的關(guān)鍵因子共5個，均達(dá)到0.01顯著性水平檢驗(yàn)（表略），其中最低氣溫、平均氣溫、平均氣壓、最高氣溫、相對濕度是影響溶氧量最關(guān)鍵的氣象因子，除平均氣壓與溶氧量呈正相關(guān)外，其余4個關(guān)鍵氣象因子與溶氧量呈負(fù)相關(guān)，這與2.1節(jié)月變化分析結(jié)果不同點(diǎn)是溶氧量與平均風(fēng)速相關(guān)度不高，反而與相對濕度相關(guān)度高。

2.4 海鱸養(yǎng)殖溶氧量氣象預(yù)報(bào)模型

將2021年8月—2022年7月逐時溶氧量與最低氣溫、平均氣溫、平均氣壓、最高氣溫、相對濕度5個最關(guān)鍵氣象因子做逐步回歸［10－12］，得到擬合預(yù)報(bào)方程如式（1）所示。

其中，D0為擬合的海鱸養(yǎng)殖溶氧量（mg／L）；tmin為時最低氣溫（℃）；t為時平均氣溫（℃）；p為時平均氣壓（hPa）；tmax為時最高氣溫（℃）；U為時相對濕度（%）。

該方程R＝0.596，F(xiàn)＝538.310，方程通過0.01顯著性水平檢驗(yàn)；在24 h預(yù)報(bào)時效范圍內(nèi)。

2.5 海鱸養(yǎng)殖溶氧量預(yù)報(bào)

利用式（1）計(jì)算出2022年11—12月各日逐時溶氧量，采用平均絕對誤差、均方根誤差分析方法［13］對模型溶氧量預(yù)報(bào)進(jìn)行檢驗(yàn)。

其中，G為溶氧量預(yù)測值（mg／L）；O為觀測站點(diǎn)實(shí)測值（mg／L）。

通過檢驗(yàn)分析，模型得出的2022年11—12月各日逐時溶氧量預(yù)報(bào)平均絕對誤差0.69 mg／L，均方根誤差0.87 mg／L，預(yù)測效果良好。

結(jié)合多年海鱸養(yǎng)殖氣象服務(wù)經(jīng)驗(yàn)，重點(diǎn)對高溫炎熱、連續(xù)陰雨寡照、冷空氣過程等災(zāi)害性天氣或轉(zhuǎn)折性天氣進(jìn)行檢驗(yàn)。分別對2022年8月22—24日（圖3a）和27—28日（圖3b）出現(xiàn)的高溫炎熱天氣進(jìn)行各日逐時溶氧量預(yù)報(bào)檢驗(yàn)，平均絕對誤差1.89 mg／L、均方根誤差1.94 mg／L；高溫天氣過程準(zhǔn)確率偏低，需收集更多相關(guān)個例，在今后服務(wù)和檢驗(yàn)中不斷優(yōu)化預(yù)報(bào)模型。分別對2023年2月4—12日（圖3c）和3月27—31日（圖3d）出現(xiàn)的連續(xù)陰雨寡照天氣進(jìn)行各日逐時溶氧量預(yù)報(bào)檢驗(yàn)，平均絕對誤差0.44 mg／L、均方根誤差0.55 mg／L；主要是連續(xù)陰雨天氣過程各要素波動不大，預(yù)測值變化幅度不大，故準(zhǔn)確率較高。分別對2022年11月30日—12月3日（圖3e）和12月12—18日（圖3f）出現(xiàn)的冷空氣過程進(jìn)行各日逐時溶氧量預(yù)報(bào)檢驗(yàn)，平均絕對誤差0.97 mg／L、均方根誤差1.09 mg／L。從兩次冷空氣過程檢驗(yàn)分析來看，溶氧量實(shí)測值與預(yù)測值變化趨勢基本一致，尤其是12月12—18日的冷空氣過程降溫幅度小，變化趨勢一致性明顯，過程溶氧量最低值均出現(xiàn)在12月16日17：00；當(dāng)冷空氣過程影響降溫幅度大時，溶氧量預(yù)測值偏高，如11月30日11：00與29日同期相比降溫幅度6℃以上（圖3e冷空氣過程），溶氧量實(shí)測值由7 mg／L降到5 mg／L，預(yù)測值卻是5.9到6.7 mg／L，未能直觀地反映出降溫幅度大時對溶氧量的影響程度。存在較大誤差的原因是擬合預(yù)報(bào)方程計(jì)算得出的預(yù)測值對于轉(zhuǎn)折性天氣效果欠佳，需在今后服務(wù)過程中不斷積累數(shù)據(jù)和經(jīng)驗(yàn)，以期提高模型的準(zhǔn)確性。

圖3 不同天氣過程逐時溶氧量實(shí)測值與預(yù)測值的分布

3 結(jié)論

1）從各月變化趨勢來看，溶氧量與氣壓呈正相關(guān)，即氣壓高（低）時溶氧量同樣為高（低）；溶氧量與最低氣溫、平均氣溫、最高氣溫、水溫、平均風(fēng)速呈負(fù)相關(guān)，即最低氣溫、平均氣溫、最高氣溫、水溫、平均風(fēng)速高（低）時溶氧量低（高）。

2）從日變化特征來看，氣壓與溶氧量日變化趨勢不一致。全天24 h中溶氧量06：00—08：00最低，15：00—17：00最高。氣壓日變化在一天中有一個最高值和一個次高值，一個最低值和一個次低值；最高值出現(xiàn)在09：00—10：00，次高值出現(xiàn)在21：00—22：00；最低值出現(xiàn)在15：00—16：00，次低值出現(xiàn)在03：00—04：00。

3）逐時最低氣溫、平均氣溫、平均氣壓、最高氣溫、相對濕度是影響溶氧量最關(guān)鍵的氣象因子，除平均氣壓與溶氧量呈正相關(guān)外，其余4個關(guān)鍵氣象因子與溶氧量呈負(fù)相關(guān)。

4）基于5個關(guān)鍵氣象因子建立海鱸養(yǎng)殖溶氧量氣象預(yù)報(bào)模型，模擬得出的2022年11—12月各日逐時溶氧量，平均絕對誤差0.69 mg／L，均方根誤差0.87 mg／L，預(yù)測效果良好，符合海鱸養(yǎng)殖實(shí)際，該方法也易于在日常服務(wù)中使用。模型對高溫炎熱、連續(xù)陰雨寡照、冷空氣過程等進(jìn)行檢驗(yàn)，高溫炎熱過程平均絕對誤差1.89 mg／L、均方根誤差1.94 mg／L，連續(xù)陰雨寡照天氣過程平均絕對誤差0.44 mg／L、均方根誤差0.55 mg／L，冷空氣過程平均絕對誤差0.97 mg／L、均方根誤差1.09 mg／L，整體預(yù)測效果良好，對連續(xù)陰雨寡照天氣的檢驗(yàn)效果最優(yōu)；受冷空氣過程影響降溫幅度大時，溶氧量預(yù)測值偏高，未能直觀地反映出明顯降溫天氣對溶氧量的影響程度。