CN109271694B - 基于鱼类个体动态模拟技术的栖息地识别方法 - Google Patents

基于鱼类个体动态模拟技术的栖息地识别方法 Download PDF

Info

Publication number
CN109271694B
CN109271694B CN201811036070.7A CN201811036070A CN109271694B CN 109271694 B CN109271694 B CN 109271694B CN 201811036070 A CN201811036070 A CN 201811036070A CN 109271694 B CN109271694 B CN 109271694B
Authority
CN
China
Prior art keywords
fish
model
habitat
water
individual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811036070.7A
Other languages
English (en)
Other versions
CN109271694A (zh
Inventor
权全
王炎
邹昊
王亚迪
陈新宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Technology
Original Assignee
Xian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Technology filed Critical Xian University of Technology
Priority to CN201811036070.7A priority Critical patent/CN109271694B/zh
Publication of CN109271694A publication Critical patent/CN109271694A/zh
Application granted granted Critical
Publication of CN109271694B publication Critical patent/CN109271694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Farming Of Fish And Shellfish (AREA)

Abstract

本发明公开了基于鱼类个体动态模拟技术的鱼类栖息地诊断方法，包括以下几个步骤：(1)鱼类个体行为观测与实验；(2)鱼类个体行为仿真模拟；(3)目标鱼种群栖息地诊断分析方法。根据目标鱼种群野外平行观测和实验数据得到鱼类行为与环境因子的相关性，并将其转化为数学函数，实现了基于目标鱼种群个体运动轨迹的鱼群行为仿真模拟，并依据目标鱼种群的个体轨迹追踪和模拟结果相互比对，对目标鱼种群栖息地生态与环境进行诊断。本发明借助小体积高精度水下声学跟踪系统，并釆用水动力数学模型和物理实体模型进行辅助和验证，以鱼类行为作为判断依据进行鱼类栖息地诊断，使得栖息地诊断方法更加严谨、合理，同时更具生态学意义。

Description

基于鱼类个体动态模拟技术的栖息地识别方法
技术领域
本发明涉及鱼类栖息地的判别方法，尤其是涉及一种基于鱼类个体动态模拟的鱼类栖息地识别方法。
背景技术
水利工程的建设可能改变了河流的水文情势、水动力、水环境的天然状态，使得河流水生生物栖息地的空间分布发生不同程度的变化。河流水生生物栖息地能够为流域鱼类提供完整的栖息地空间和完整生态学与生活史过程所需要的环境条件，对维持该区域河流生态过程的完整性、维持一定的水生生物种群资源量、维持水生生物的物种和基因多样性奠定较坚实的基础。在水生生物系统中，鱼类和人类的关系最为密切，同时鱼类也是河流生态系统的顶级生物，鱼类种群的变化与河流生态系统息息相关，众多研究表明鱼类的多样性变化程度能够体现出河流系统的健康状况。
我国对水生生物及其栖息地主要采用自然保护区建设或鱼类种质资源保护区建设的保护形式以及相对应的保护与管理方案。近年来随着社会经济发展的需要，水利水电工程大量修建，影响鱼类栖息地，使很多野生鱼类处于受胁迫状态，针对这种情况人们也通过各种方法对鱼类栖息地进行保护，而建立鱼类自然保护区是对鱼类栖息地保护的最佳措施。因此合理科学的预测水利工程建设前后鱼类栖息地的变化是十分必要的。
由于生态系统的高度复杂性和非线性，对其演变机制的研究往往是半经验的，而生态监测数据一般比较稀疏，因此，传统的生态模型以半经验的集总式为主，这类模型通常忽略个体的以及它们适应环境的行为，应当加强对鱼类行为重点监测和研究的投入，系统地开展长期监测工作，利用先进的声学标记定位技术从鱼类迁移轨迹追踪入手，对河流生态因子变化及鱼类生理生态行为进行实时监测。但借助小体积高精度水下声学跟踪系统，并采用水动力数学模型和物理实体模型进行辅助和验证，以鱼类行为作为判断依据进行鱼类栖息地研究的成果未见报道。针对以上问题，本发明在传统的生态学模型诊断目标鱼种群栖息地质量的基础上，引入了鱼类个体行为模拟和鱼类个体标记相结合的方法模拟及验证鱼类栖息地分布范围，提供了一种更加有效科学的栖息地诊断方法。
发明内容
本发明的目的就是为了弥补现有栖息地判别方法上缺乏鱼类生理学和行为学的缺陷，从而提供了一种基于鱼类个体动态模拟技术的栖息地识别方法，能够科学地结合鱼类生活史要素定量化地评价其栖息地的变化，为鱼类栖息地保护与恢复提供依据，提高栖息地识别方法的合理性。
为实现上述目的本发明采用以下技术方案：
一种基于鱼类个体动态模拟技术的鱼类栖息地诊断方法，包括如下步骤：
（1）对鱼类个体行为观测与实验；
（2）对鱼类个体行为仿真模拟；
（3）进行目标鱼种群栖息地诊断分析。
作为本发明进一步的方案：所述步骤（1）鱼类个体行为观测与实验具体包括如下步骤：
（1-1）、确定目标鱼种群：首先针对研究区鱼类资源现状进行调查，然后结合历史资料和走访调查，确定该研究区的目标鱼种群，获取目标鱼种群种群和数量的变化规律；
（1-2）、轨迹追踪：依托鱼类声学遥测示踪系统，布设监测网络，通过放流时的单体标定（传感器植入）及跟踪，研究目标鱼在不同的流场、压力场（水深）、温度场下的三维运动轨迹；建立目标鱼出现频率、游速以及驻留时间与水温、水流速、水压力、经纬度、昼夜节律环境要素之间的关系；
（1-3）、关系建立：利用广义相加模型在求解响应变量与预测因子间的高度非线性和非单调关系方面的突出能力，建立目标鱼种群与水环境因子响应模型，在此基础上分析数据响应变量和预测因素两者的联系。
作为本发明进一步的方案：所述步骤（2）鱼类个体行为仿真模拟具体包括如下步骤：
（2-1）模型构建：利用浅水方程构建所研究河段二维水动力模型，模拟水深、垂向平均速度以及流场速度，其中，二维水环境模型在二维水动力模型基础上，增加对流扩散方程考虑热交换过程，模拟关键环境因子的变化，并将该模型的结果作为输入，根据步骤（1-3）中建立的鱼对水环境因子的响应关系，利用欧拉-拉格朗日方法建立目标鱼仿真模型，并用目标鱼的实时追踪轨迹为模型提供任意时刻的速度以确定模型参数，计算出目标鱼个体在下一时刻经过运动所到达的位置，模拟鱼的个体行为和生长状态，提出改进的鱼类个体行为仿真模型，在此基础上建立粒子群并赋予每个粒子不同的属性，使得所有个体通过上述规则运动，从而获得整个河段鱼的空间分布随水环境条件的动态变化，实现研究区鱼群的生长、存活、生殖等行为的精确模拟，准确重现真实的鱼类个体行为和种群分布的相互关系，模型的控制方程主要包括：
水流连续方程：
Figure 469762DEST_PATH_IMAGE002
(1)；
水流动量方程（x方向）：
Figure 154690DEST_PATH_IMAGE004
(2)；
水流动量方程（y方向）：
Figure 926337DEST_PATH_IMAGE006
(3)；
温度对流扩散方程：
Figure 876976DEST_PATH_IMAGE008
(4)；
Figure 759481DEST_PATH_IMAGE010
(5)；
水质控制方程:
Figure 49648DEST_PATH_IMAGE012
(6)；
水质降解方程:
Figure 992196DEST_PATH_IMAGE014
(7)；
上式中，t是时间；x，y，z是笛卡尔坐标系；
Figure 430131DEST_PATH_IMAGE016
是水面高度；
Figure 850748DEST_PATH_IMAGE018
是静水深；
Figure 510268DEST_PATH_IMAGE020
是总水深；u，v，w分别为x，y，z方向上的速度分量；
Figure 623718DEST_PATH_IMAGE022
是科里奥利参数（
Figure 548948DEST_PATH_IMAGE024
是旋转角速度，
Figure 773256DEST_PATH_IMAGE026
是纬度）；g是重力加速度；ρ是水的密度；S xx ，S xy ，S yx 和S yy 是辐射应力张量的分量；ν t 是垂向涡粘系数；
Figure 772436DEST_PATH_IMAGE028
是大气压强；
Figure 56787DEST_PATH_IMAGE030
是水的参考密度；S是点源的流量大小，(u s ，v s )是源汇项水流流速；(F u ，F v )为水平应力项，用压力梯度相关来描述，
Figure 469314DEST_PATH_IMAGE032
为水温；(D h ，D v )分别为水平方向和垂直方向上的温度扩散系数；
Figure 497313DEST_PATH_IMAGE034
为来自大气热交换的源项；
Figure DEST_PATH_IMAGE035
为其他温度源项；C：浓度，单位为mg/l；D x ,D y ：x和y方向上的扩散系数，K：衰减系数，单位为s-1；
（2-2）模型适用性：步骤（2-1）构建的模型对当前研究的河流的大部分鱼类都是适用，且不限制于目标鱼种群，其原因在于鱼类个体动态模型的搭建模块采用的是基础模型和鱼类个体模型相结合的方法，基础模型即地形、水文、水环境、水力场的模拟构建，鱼类个体模型是在欧拉-拉格朗日的框架基础上，赋予粒子群不同的鱼类属性从而得到对应的目标鱼种群的生长、觅食、繁殖行为，鱼类个体动态模型的适用性主要体现在将目标鱼种群的生活习性转化为数学函数，总结其中的规律，以数学统计归纳得到的鱼类生长函数，通过流体力学和河流动力学归纳得到的鱼类运动过程；
鱼类的生长包括体重生长和体长生长，而由于鱼类的生长在生命周期中存在在不等速线性，为了概括描述鱼类的生长过程，可以运用数理方程进行概括描述鱼类的生长特性，采用基于新陈代谢理论的von Bertalanffy生长方程；
Figure 865846DEST_PATH_IMAGE036
（8）；
Figure DEST_PATH_IMAGE037
（9）；
其中，t为年龄，单位是天（d），
Figure 55519DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE039
是t时刻的平均体长（cm）和体重（kg），
Figure 893025DEST_PATH_IMAGE040
是平均渐进体长（cm），
Figure DEST_PATH_IMAGE041
是平均渐进体重（kg），k是生长系数（1/d），
Figure 459136DEST_PATH_IMAGE042
为假设的理论生长起点年龄；
鱼类个体模型中的运动过程其实是拉格朗日算法在基础模型中的体现，有准确的位置（x,y,z），独立于整个模型网络结构，通过赋值得到运动方向、速度以及状态变量（体积、质量），同时还能定义规则比如出生和死亡等，在欧拉和朗格朗日之间的反馈信息。
作为本发明进一步的方案：所述步骤（3）目标鱼种群栖息地诊断分析具体包括：依据鱼类个体行为仿真模型模拟，重现目标鱼种群群栖息地分布，在预判“栖息地”范围内用声学遥测轨迹从数据样本本身出发研究数据分布特征，结合核密度估计函数划分高密度与低密度区，再针对高密度区划分小区域，利用卡方检验理论测试检测数据是否随区域特征而变化，从而判断真实的栖息地具体所在位置；同时，基于心理学Q 矩阵理论的基础上进行改进并提出诊断方案，评估目标鱼种群小尺度行为，根据预判“栖息地”的现场捕捞及目标鱼行为轨迹，量化分析个体出现的概率与目标鱼性别、体型大小，日期、季节和环境的关系，构建栖息地诊断分类模型，以确定土著鱼“栖息地”的物理属性，包括产卵场、越冬场、索饵场。
本发明具有以下优点：本发明着重考虑了河流生态系统中包括鱼类在内的各高级生物种群的行为特征，采用生理生态学、流体力学、河流动力学、模糊数学、计算流体力学等多种方法合理、科学确定目标鱼种群的适宜栖息地，填补了鱼类栖息地保护和识别的技术的空白，并完善了研究体系，对河流生态系统保护具有重要意义。
本发明的鱼类个体动态模型对河道鱼类具有通用性，通过改变模型中粒子鱼类生长及运动函数将会获得不同的鱼类运动轨迹，对完善河道生态流量研究和栖息地研究具有重要的意义。
本发明借助小体积高精度水下声学跟踪系统，并采用水动力数学模型和物理实体模型进行辅助和验证，以鱼类行为作为判断依据进行鱼类栖息地诊断，使得栖息地诊断方法更加严谨、合理，同时更具生态学意义。
附图说明
图1为本发明的流程图；
图2为实施例案例研究区域模型计算网格划分示意图；
图3为鱼类个体轨迹模拟图（其中a为鱼类集群聚集效应形态图；b为鱼类岸边集聚及边壁回游轨迹线图；c为鱼类集群游泳动向一致性图）；
图4为结合鱼类示踪图和模拟栖息地图相结合得到的适宜产卵场分布图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细阐述。
如图所示，本实施例的一种基于鱼类个体动态模拟的栖息地诊断方法，包括以下步骤：
1、鱼类个体行为观测与实验研究方法；
（1-1）确定目标鱼种群：首先针对研究区鱼类资源现状进行调查，然后结合历史资料和走访调查，确定该研究区的目标鱼种群，获取目标鱼种群种群和数量的变化规律；
对研究区河段渔业实地调查、向当地居民走访以及文献资料相结合的方式，统计归纳该河段鱼类资源量、组成结构、分布位置以及生活习性，最后筛选出研究区域的目标鱼种群为花斑裸鲤（Gymnocypris eckloni eckloni Herzenstein），在每年的5月左右开始产卵，产卵场位于黄河干流砾石底质、一般选择在水清澈以及水流较急的河段地段；产的是沉性卵，多在坑内发育成熟；流水和静水都可以生活，但大部分时间栖息于流水之中，平时分散或集中小群在栖息地觅食，繁殖期集大群到通往干流、水库或湖泊的较大支流处。仔鱼孵出后，随流水进入干流湾叉或湖、库岸边浅水处育肥；以水生多脊椎动物为主要食物，兼食小型鳅类。
（1-2）轨迹追踪：依托鱼类声学遥测示踪系统，布设监测网络，通过放流时的单体标定（传感器植入）跟踪，研究目标鱼在不同的流场、压力场（水深）、温度场下的三维运动轨迹；建立目标鱼出现频率、游速以及驻留时间与水温、水流速、水压力、经纬度、昼夜节律之间的关系。
（1-3）关系建立：利用广义相加模型在求解响应变量与预测因子间的高度非线性和非单调关系方面的突出能力，建立目标鱼种群与水环境因子响应模型，在此基础上分析数据响应变量和预测因素两者的联系。
通过广义相加模型（GAM）联结函数，建立响应变量的数学期望值与预测变量的函数关系。以标记样本的出现或缺失为观测变量，则响应变量遵循二项式分布，出现取值为1，没有出现取值为0。标记样本的自身速度、轨迹分布密度作为模型的因变量，而模型的自变量包括三组数据：三维空间变量、时间变量和环境变量。
2、鱼类个体行为仿真模拟研究方法；
（2-1）模型构建：利用浅水方程搭建研究河段二维水动力模型，模拟水深、垂向平均速度以及流场速度，二维水环境模型在二维水动力模型基础上增加对流扩散方程考虑热交换过程，模拟关键环境因子的变化，并将该模型的结果作为输入，将该模型的结果作为输入，利用已经建立的鱼-水响应关系，计算出常规游动条件下目标鱼个体在下一时刻经过运动所到达的位置，也就是将目标鱼在t时刻的速度u利用时间与经纬度同步到欧拉-拉格朗日公式中计算并率定参数得到下一时刻的位置：
根据步骤（1-3）中建立的鱼对水环境因子的响应关系，利用欧拉-拉格朗日-因子理论搭建目标鱼仿真模型，并用目标鱼的实时追踪轨迹为模型提供任意时刻的速度以确定模型参数，计算出目标鱼个体在下一时刻经过运动所到达的位置，模拟鱼的个体行为和生长状态，提出改进的鱼类个体行为仿真模型，在此基础上建立粒子群并赋予每个粒子不同的属性，使得所有个体通过上述规则运动，从而获得整个河段鱼的空间分布随水环境条件的动态变化，实现研究区鱼群的生长、存活、生殖等行为的精确模拟，准确重现真实的鱼类个体行为和种群分布的相互关系。模型的控制方程主要包括：
水流连续方程：
Figure 947755DEST_PATH_IMAGE002
(1)；
水流动量方程（x方向）：
Figure DEST_PATH_IMAGE043
(2)；
水流动量方程（y方向）：
Figure 308329DEST_PATH_IMAGE006
(3)；
温度对流扩散方程：
Figure 695448DEST_PATH_IMAGE008
(4)；
Figure 2932DEST_PATH_IMAGE010
(5)；
水质控制方程:
Figure 893528DEST_PATH_IMAGE012
(6)；
水质降解方程:
Figure 690583DEST_PATH_IMAGE014
(7)；
上式中，t是时间；x，y，z是笛卡尔坐标系；
Figure 299419DEST_PATH_IMAGE016
是水面高度；
Figure 659862DEST_PATH_IMAGE018
是静水深；
Figure 670543DEST_PATH_IMAGE044
是总水深；u，v，w分别为x，y，z方向上的速度分量；
Figure DEST_PATH_IMAGE045
是科里奥利参数（
Figure 638499DEST_PATH_IMAGE024
是旋转角速度，
Figure 734631DEST_PATH_IMAGE026
是纬度）；g是重力加速度；ρ是水的密度；S xx ，S xy ，S yx 和S yy 是辐射应力张量的分量；ν t 是垂向涡粘系数；
Figure 383918DEST_PATH_IMAGE028
是大气压强；
Figure 249106DEST_PATH_IMAGE030
是水的参考密度；S是点源的流量大小，(u s ，v s )是源汇项水流流速；(F u ，F v )为水平应力项，用压力梯度相关来描述。
Figure 387963DEST_PATH_IMAGE032
为水温；(D h ，D v )分别为水平方向和垂直方向上的温度扩散系数；
Figure 152483DEST_PATH_IMAGE034
为来自大气热交换的源项；
Figure 402198DEST_PATH_IMAGE035
为其他温度源项。C：浓度，单位为mg/l；D x ,D y ：x和y方向上的扩散系数，K：衰减系数，单位为s-1。
（2-2）模型适用性：步骤（2-1）构建的模型对当前研究的河流的大部分鱼类都是适用，且不限制于目标鱼种群，其原因在于鱼类个体动态模型的搭建模块采用的是基础模型和鱼类个体模型相结合的方法，基础模型即地形、水文、水环境、水力场的模拟构建，鱼类个体模型是在欧拉-拉格朗日的框架基础上，赋予粒子群不同的鱼类属性从而得到对应的目标鱼种群的生长、觅食、繁殖等行为。鱼类个体动态模型的适用性主要体现在将目标鱼种群的生活习性转化为数学函数，总结其中的规律，以数学统计归纳得到的鱼类生长函数，通过流体力学和河流动力学归纳得到的鱼类运动过程。
鱼类的生长包括体重生长和体长生长，而由于鱼类的生长在生命周期中存在在不等速线性，为了概括描述鱼类的生长过程，可以运用数理方程进行概括描述鱼类的生长特性，采用基于新陈代谢理论的von Bertalanffy生长方程；
Figure 387472DEST_PATH_IMAGE046
（8）；
Figure DEST_PATH_IMAGE047
（9）；
其中，t为年龄，单位是天（d），
Figure 697230DEST_PATH_IMAGE038
和
Figure 705638DEST_PATH_IMAGE039
是t时刻的平均体长（cm）和体重（kg），
Figure 759044DEST_PATH_IMAGE040
是平均渐进体长（cm），
Figure 598824DEST_PATH_IMAGE041
是平均渐进体重（kg），k是生长系数（1/d），
Figure 79484DEST_PATH_IMAGE042
为假设的理论生长起点年龄；
鱼类个体模型中的运动过程其实是拉格朗日算法在基础模型中的体现，有准确的位置（x,y,z），独立于整个模型网络结构，通过赋值得到运动方向、速度以及状态变量（体积、质量等），同时还能定义规则比如出生和死亡等，在欧拉和朗格朗日之间的反馈信息。
3、目标鱼种群栖息地诊断分析方法：
依据鱼类个体行为仿真模型模拟目标鱼种群栖息地分布，在预判“栖息地”范围内用声学遥测轨迹从数据样本本身出发研究数据分布特征，结合核密度估计函数划分高密度与低密度区，再针对高密度区划分小区域，利用卡方检验理论测试检测数据是否随区域特征而变化，从而判断真实的栖息地具体所在位置。在Q矩阵理论的基础上进行改进并提出“栖息地属性”诊断方案。评估目标鱼种群小尺度行为方法：Q矩阵是K×m矩阵，K表示目标鱼的属性在这里定义为索饵、繁殖、越冬3个行为；m表示测试的项目，在这里定义为目标鱼16种轨迹的分布。根据预判“栖息地”的现场捕捞及目标鱼小尺度行为评估，量化分析个体出现的概率与目标鱼性别、体型大小，日期、季节和环境的关系。构建栖息地诊断分类模型，以确定土著鱼“栖息地”的物理属性（产卵场、越冬场、索饵场）。
以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。

Claims (2)

1.一种基于鱼类个体动态模拟技术的栖息地识别方法，其特征在于，包括如下步骤：
(1)对鱼类个体行为观测与实验；
所述鱼类个体行为观测与实验具体包括如下步骤：
(1-1)、确定目标鱼种群：首先针对研究区鱼类资源现状进行调查，然后结合历史资料和走访调查，进而确定该研究区的目标鱼种群，最终获取目标鱼种群和数量的变化规律；
(1-2)、轨迹追踪：依托鱼类声学遥测示踪系统，布设监测网络，通过放流时的单体标定传感器植入及跟踪，研究目标鱼在不同的流场、压力场水深、温度场下的三维运动轨迹；建立目标鱼出现频率、游速以及驻留时间与水温、水流速、水压力、经纬度、昼夜节律环境要素之间的关系；
(1-3)、关系建立：利用广义相加模型在求解响应变量与预测因子间的高度非线性和非单调关系方面的突出能力，建立目标鱼种群与水环境因子响应模型，在此基础上分析数据响应变量和预测因素两者的联系；
(2)对鱼类个体行为仿真模拟；
所述鱼类个体行为仿真模拟具体包括如下步骤：
(2-1)模型构建：利用浅水方程构建所研究河段二维水动力模型，模拟水深、垂向平均速度以及流场速度；其中，二维水环境模型在二维水动力模型基础上，增加对流扩散方程考虑热交换过程，模拟关键环境因子的变化，并将该模型的结果作为输入，根据步骤(1-3)中建立的鱼对水环境因子的响应关系，利用欧拉-拉格朗日方法建立目标鱼仿真模型，并用目标鱼的实时追踪轨迹为模型提供任意时刻的速度以确定模型参数，计算出目标鱼个体在下一时刻经过运动所到达的位置，模拟鱼的个体行为和生长状态，提出改进的鱼类个体行为仿真模型，在此基础上建立粒子群并赋予每个粒子不同的属性，使得所有个体通过上述规则运动，从而获得整个河段鱼的空间分布随水环境条件的动态变化，实现研究区鱼群的生长、存活、生殖行为的精确模拟，准确重现真实的鱼类个体行为和种群分布的相互关系；模型的控制方程主要包括：
水流连续方程：
Figure 842853DEST_PATH_IMAGE001
(1)；
水流动量方程x方向：
Figure 579865DEST_PATH_IMAGE002
（2）；
水流动量方程y方向：
Figure 103250DEST_PATH_IMAGE003
（3）；
温度对流扩散方程：
Figure 533095DEST_PATH_IMAGE004
（4）；
Figure 961671DEST_PATH_IMAGE005
（5）；
水质控制方程:
Figure 236794DEST_PATH_IMAGE006
（6）；
水质降解方程:
Figure 880265DEST_PATH_IMAGE007
（7）；
式中，t是时间；x，y，z是笛卡尔坐标系；η是水面高度；d是静水深；h＝η+d是总水深；u，v，w分别为x，y，z方向上的速度分量；f＝2Ωsinφ是科里奥利参数，Ω是旋转角速度，φ是纬度；g是重力加速度；ρ是水的密度；Sxx ，Sxy ，Syx 和Syy 是辐射应力张量的分量；νt 是垂向涡粘系数；pa 是大气压强；ρ0 是水的参考密度；S是点源的流量大小，us、vs 是源汇项水流流速；Fu ，Fv 为水平应力项，用压力梯度相关来描述，T为水温；Dh ，Dv 分别为水平方向和垂直方向上的温度扩散系数；为来自大气热交换的源项；S0 为其他温度源项；C：浓度，单位为mg/l；Dx ,Dy ：x和y方向上的扩散系数，K：衰减系数，单位为s-1 ；
(2-2)模型适用性：步骤(2-1)构建的模型对当前研究的河流的大部分鱼类都是适用，且不限制于目标鱼种群，其原因在于鱼类个体动态模型的搭建模块采用的是基础模型和鱼类个体模型相结合的方法，基础模型即地形、水文、水环境、水力场的模拟构建，鱼类个体模型是在欧拉-拉格朗日的框架基础上，赋予粒子群不同的鱼类属性从而得到对应的目标鱼种群的生长、觅食、繁殖行为，鱼类个体动态模型的适用性主要体现在将目标鱼种群的生活习性转化为数学函数，总结其中的规律，以数学统计归纳得到的鱼类生长函数，通过流体力学和河流动力学归纳得到的鱼类运动过程；
鱼类的生长包括体重生长和体长生长，而由于鱼类的生长在生命周期中存在不等速线性，为了概括描述鱼类的生长过程，可以运用数理方程进行概括描述鱼类的生长特性，采用基于新陈代谢理论的von Bertalanffy生长方程；
Figure 215432DEST_PATH_IMAGE008
（8）；
Figure 882037DEST_PATH_IMAGE009
（9）；
其中，t为年龄，单位是天(d)，lt 和Wt 是t时刻的平均体长(cm)和体重(kg)，l1 是平均渐进体长(cm)，W1 是平均渐进体重(kg)，k是生长系数(1/d)，t0 为假设的理论生长起点年龄；
鱼类个体模型中的运动过程其实是拉格朗日算法在基础模型中的体现，有准确的位置(x,y,z)，独立于整个模型网络结构，通过赋值得到运动方向、速度以及状态变量体积、质量，同时还能定义规则出生和死亡，在欧拉和朗格朗日之间的反馈信息；
(3)进行目标鱼种群栖息地诊断分析。
2.如权利要求1所述的基于鱼类个体动态模拟技术的栖息地识别方法，其特征在于：所述步骤(3)目标鱼种群栖息地诊断分析具体包括：依据鱼类个体行为仿真模型模拟，重现目标鱼种群栖息地分布，在预判“栖息地”范围内用声学遥测轨迹从数据样本本身出发研究数据分布特征，结合核密度估计函数划分高密度与低密度区，再针对高密度区划分小区域，利用卡方检验理论测试检测数据是否随区域特征而变化，从而判断真实的栖息地具体所在位置；同时，基于心理学Q矩阵理论的基础上进行改进并提出诊断方案，评估目标鱼种群小尺度行为，根据预判“栖息地”的现场捕捞及目标鱼行为轨迹，量化分析个体出现的概率与目标鱼性别、体型大小，日期、季节和环境的关系，构建栖息地诊断分类模型，以确定土著鱼“栖息地”的物理属性，包括产卵场、越冬场、索饵场。
CN201811036070.7A 2018-09-06 2018-09-06 基于鱼类个体动态模拟技术的栖息地识别方法 Active CN109271694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811036070.7A CN109271694B (zh) 2018-09-06 2018-09-06 基于鱼类个体动态模拟技术的栖息地识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811036070.7A CN109271694B (zh) 2018-09-06 2018-09-06 基于鱼类个体动态模拟技术的栖息地识别方法

Publications (2)

Publication Number Publication Date
CN109271694A CN109271694A (zh) 2019-01-25
CN109271694B true CN109271694B (zh) 2022-02-01

Family

ID=65187999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811036070.7A Active CN109271694B (zh) 2018-09-06 2018-09-06 基于鱼类个体动态模拟技术的栖息地识别方法

Country Status (1)

Country Link
CN (1) CN109271694B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414088B (zh) * 2019-07-10 2021-05-11 武汉大学 结合水动力模型的涉禽栖息地适宜性空间模糊评价方法
CN110359415B (zh) * 2019-07-10 2020-02-14 中国水利水电科学研究院 一种基于个体模式的鱼道过鱼模拟方法
CN110633530B (zh) * 2019-09-18 2023-05-05 南通大学 一种基于计算流体动力学和卷积神经网络的鱼道设计方法
CN111248116B (zh) * 2020-01-10 2021-08-03 中国水产科学研究院珠江水产研究所 一种评价外来作用力对鱼类群落影响的方法
CN111768083A (zh) * 2020-06-03 2020-10-13 中国水产科学研究院东海水产研究所 多鱼种综合管理方法
CN111753775B (zh) * 2020-06-29 2023-09-26 京东科技信息技术有限公司 鱼的生长评估方法、装置、设备及存储介质
CN112464161B (zh) * 2020-11-24 2021-09-24 中国科学院地理科学与资源研究所 基于人类足迹分布及自然因素的自然保护区评价方法
CN112836997A (zh) * 2021-03-10 2021-05-25 中国水产科学研究院黄海水产研究所 一种基于个体适合度的产卵场健康评价模型构建方法
CN113688497B (zh) * 2021-07-05 2024-02-02 郑州大学 基于生态-生境-流量分组响应机制的生态流量量化方法
CN113807017B (zh) * 2021-09-23 2022-05-24 西安理工大学 一种鱼类偏好栖息地的确定方法及终端设备
CN114065520B (zh) * 2021-11-17 2022-07-05 西安理工大学 一种鱼类洄游通道确定方法及系统
CN115152671B (zh) * 2022-08-24 2023-06-09 中国长江三峡集团有限公司 改善珍稀鱼类种群生境的水利工程调控系统及调控方法
CN115809618B (zh) * 2023-01-18 2023-04-21 水利部交通运输部国家能源局南京水利科学研究院 鱼类在卡门涡街中游动的量化方法和系统
CN117541078B (zh) * 2023-11-21 2024-05-28 交通运输部规划研究院 一种基于人工运河开发的生态保护策略定制方法
CN117892980B (zh) * 2024-03-14 2024-05-24 长江水资源保护科学研究所 一种针对圆口铜鱼的生态调度方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001042992A1 (en) * 1999-12-08 2001-06-14 Advanced Marine Technologies Pty Ltd A system for fishing
KR20130061118A (ko) * 2011-11-30 2013-06-10 한국건설기술연구원 데이터베이스를 이용한 대표생태어종 서식조건 결정시스템 및 서식조건 결정방법
CN103609518A (zh) * 2013-10-22 2014-03-05 湖南省大鲵救护中心 大鲵仿生态繁殖方法
CN106049347A (zh) * 2016-05-25 2016-10-26 山东省淡水渔业研究院 一种高含沙洪水胁迫下鱼类庇护所的构建方法
CN107464202A (zh) * 2017-08-14 2017-12-12 水利部交通运输部国家能源局南京水利科学研究院 基于鱼类生境需求的多闸坝平原河流生态流量过程推求方法
CN107563610A (zh) * 2017-08-14 2018-01-09 水利部交通运输部国家能源局南京水利科学研究院 一种闸坝调控对鱼类栖息地空间特性影响的量化分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609290A (zh) * 2017-09-22 2018-01-19 长江水利委员会长江科学院 一种以底栖生物多样性为目标的河流生态流量确定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001042992A1 (en) * 1999-12-08 2001-06-14 Advanced Marine Technologies Pty Ltd A system for fishing
KR20130061118A (ko) * 2011-11-30 2013-06-10 한국건설기술연구원 데이터베이스를 이용한 대표생태어종 서식조건 결정시스템 및 서식조건 결정방법
CN103609518A (zh) * 2013-10-22 2014-03-05 湖南省大鲵救护中心 大鲵仿生态繁殖方法
CN106049347A (zh) * 2016-05-25 2016-10-26 山东省淡水渔业研究院 一种高含沙洪水胁迫下鱼类庇护所的构建方法
CN107464202A (zh) * 2017-08-14 2017-12-12 水利部交通运输部国家能源局南京水利科学研究院 基于鱼类生境需求的多闸坝平原河流生态流量过程推求方法
CN107563610A (zh) * 2017-08-14 2018-01-09 水利部交通运输部国家能源局南京水利科学研究院 一种闸坝调控对鱼类栖息地空间特性影响的量化分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Assessing how uncertainty and stochasticity affect the dispersal of fish in river networks;JohannesRadinger 等;《Ecological Modelling》;20170910;第220-228页 *
基于个体模型模拟的鱼类对上游水库运行的生态响应分析;陈求稳 等;《水利学报》;20090831;第40卷(第8期);第897-902页 *

Also Published As

Publication number Publication date
CN109271694A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN109271694B (zh) 基于鱼类个体动态模拟技术的栖息地识别方法
AU2020103130A4 (en) Habitat Identification Method Based on Fish Individual Dynamic Simulation Technology
Missaghi et al. Prediction of lake water temperature, dissolved oxygen, and fish habitat under changing climate
North et al. Manual of recommended practices for modelling physical–biological interactions during fish early life
Bakken et al. How to avoid errors when quantifying thermal environments
Brandt et al. Spatially-explicit models of fish growth rate
Savina et al. Modelling the transport of common sole larvae in the southern North Sea: influence of hydrodynamics and larval vertical movements
Briscoe et al. Mechanistic forecasts of species responses to climate change: the promise of biophysical ecology
Frisch et al. Strong spatial influence on colonization rates in a pioneer zooplankton metacommunity
Kerr et al. Simulation modeling as a tool for synthesis of stock identification information
Simpfendorfer et al. Three-dimensional kernel utilization distributions improve estimates of space use in aquatic animals
Nanninga et al. Not finding Nemo: limited reef-scale retention in a coral reef fish
Schick et al. Estimating resource acquisition and at‐sea body condition of a marine predator
Giles et al. Modelling the dispersal of biodeposits from mussel farms: the importance of simulating biodeposit erosion and decay
Faillettaz et al. Swimming speeds of Mediterranean settlement‐stage fish larvae nuance Hjort's aberrant drift hypothesis
Donahue et al. Location isn’t everything: timing of spawning aggregations optimizes larval replenishment
Carlotti et al. Towards methodological approaches to implement the zooplankton component in “end to end” food-web models
Parra et al. Ontogenetic variation in density‐dependent growth of brown trout through habitat competition
Bruneel et al. Implications of movement for species distribution models-rethinking environmental data tools
Wang et al. Characterization of hydraulic suitability of Chinese sturgeon (Acipenser sinensis) spawning habitat in the Yangtze River
David et al. Understanding winter distribution and transport pathways of the invasive ctenophore Mnemiopsis leidyi in the North Sea: coupling habitat and dispersal modelling approaches
Nestler et al. A mathematical and conceptual framework for ecohydraulics
Goodwin et al. Simulating mobile populations in aquatic ecosystems
Dudley et al. Using decades of spawning data and hydraulic models to construct a temperature-dependent resource selection function for management of an endangered salmonid
Sobocinski et al. Trophic transfer in seagrass systems: estimating seasonal production of an abundant seagrass fish, Bairdiella chrysoura, in lower Chesapeake Bay

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant