CN115316314B - 一种叉尾鲇的人工繁殖方法 - Google Patents

一种叉尾鲇的人工繁殖方法 Download PDF

Info

Publication number
CN115316314B
CN115316314B CN202210800566.7A CN202210800566A CN115316314B CN 115316314 B CN115316314 B CN 115316314B CN 202210800566 A CN202210800566 A CN 202210800566A CN 115316314 B CN115316314 B CN 115316314B
Authority
CN
China
Prior art keywords
oxygen
dissolved oxygen
value
coefficient
fclist
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
CN202210800566.7A
Other languages
English (en)
Other versions
CN115316314A (zh
Inventor
王敏奇
王云清
萧志刚
曹建萌
黄绍刚
石凤德
李燕
李怡凌
普忠南
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.)
Xishuangbanna Yunbo Aquaculture Development Co ltd
Pearl River Fisheries Research Institute CAFS
Original Assignee
Xishuangbanna Yunbo Aquaculture Development Co ltd
Pearl River Fisheries Research Institute CAFS
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 Xishuangbanna Yunbo Aquaculture Development Co ltd, Pearl River Fisheries Research Institute CAFS filed Critical Xishuangbanna Yunbo Aquaculture Development Co ltd
Priority to CN202210800566.7A priority Critical patent/CN115316314B/zh
Publication of CN115316314A publication Critical patent/CN115316314A/zh
Application granted granted Critical
Publication of CN115316314B publication Critical patent/CN115316314B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K61/00—Culture of aquatic animals
    • A01K61/10—Culture of aquatic animals of fish
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
    • A01K63/04—Arrangements for treating water specially adapted to receptacles for live fish
    • A01K63/042—Introducing gases into the water, e.g. aerators, air pumps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Zoology (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Micro-Organisms Or Cultivation Processes Thereof (AREA)

Abstract

本发明属于数据采集、智能控制人技术领域，公开了一种叉尾鲇的人工繁殖方法，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量，然后根据溶解氧含量，进行耗氧分析并获取氧骤变系数，再构建供氧调节模型，获得供氧系数，最后结合供氧系数，对温室养殖池中的增氧机进行自适应的调节。动态地调节溶解氧浓度，使得亲鱼的性腺发育顺利并且水质适宜存活。避免了水中氧气的含量变化过大或者极端化，使得叉尾鲇性腺的发育进度不受影响。

Description

一种叉尾鲇的人工繁殖方法
技术领域
本发明属于数据采集、智能控制人技术领域，具体涉及一种叉尾鲇的人工繁殖方法。
背景技术
在叉尾鲇提早人工繁殖的过程中，需要将雄性与雌性的叉尾鲇分别进行养殖，促进亲鱼的性腺进入发育，其中模仿繁育地带的水流为其中重要的步骤。在此阶段，鱼类由于日夜间应对水流的运动消耗量会产生波动，同时对鱼饲料的消耗也在随着性腺发育程度在变化，导致水中溶解氧浓度在不断变化，因此亟需动态地调节溶解氧浓度使得亲鱼的性腺发育顺利并且水质适宜存活。水中氧气的含量变化或者极端化，都会影响叉尾鲇性腺的发育进度，进而大大延缓提早人工繁殖的进度，对经营者造成经济损失，同时影响鱼体健康。
由于叉尾鲇鱼的性腺发育环境中溶解氧的稳定性比较重要，现有的技术一般是在叉尾鲇的养殖池塘中布置增氧机系统，模拟出模仿繁育地带的溶解氧浓度，使叉尾鲇在稳定的溶解氧环境下进行高效繁殖，在叉尾鲇诱导性人工繁殖的过程中，增氧机系统需要模拟出促使叉尾鲇性腺发育生长的环境，在实际的人工繁殖场景中，亲鱼对于水中溶解氧的变化很敏感，由于温度、气候等变化导致水质环境存在许多不确定的差异。
发明内容
本发明的目的在于提出一种叉尾鲇的人工繁殖方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种叉尾鲇的人工繁殖方法，所述方法包括以下步骤：
S100，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼；
S200，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖；
S300，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量；
S400，根据溶解氧含量，进行耗氧分析并获取氧骤变系数；
S500，通过氧骤变系数构建供氧调节模型，获得供氧系数；
S600，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节；
S700，将发育良好的亲鱼放于产卵池中，经注射催产剂后让其产卵。
进一步地，在步骤S100中，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼的方法是，在养殖池塘中，选择体质健壮、无病无伤，性腺发育较好的叉尾鲇作为亲鱼，并且保证亲鱼在性成熟的年龄上或者体重上符合人工繁殖的质量标准要求；选取雌性雄性的比例在1：1到1：1.5之间，雄性的亲鱼数量多于或等于雌鱼。
进一步地，在步骤S700中，所述催产剂为鱼用催产剂，所述鱼用催产剂为DOM、LRH-A2和HCG中任意一种或多种组合。
进一步地，其特征在于，在步骤S200中，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖的方法是：将所得的亲鱼，按照性别不同，分别投放到不同的温室养殖池中进行产前培育；所述温室养殖池为一种温室内的水池或者培育池；对温室养殖池内进行流水刺激以及温度控制，还原叉尾鲇繁殖环境，促使叉尾鲇的性腺进入发育。
进一步地，其特征在于，在步骤S300中，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量的方法是：在温室养殖池中均匀随机匀地布置NC个溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量，通过各个溶解氧分析仪获取温室养殖池中各个溶解氧分析仪位置的水域中的溶解氧含量cOxg；具体为：在温室养殖池中，均随机匀地投放NC个浮标，每个在浮标上设置有溶解氧分析仪，通过各个浮标取温室养殖池中各个位置的水域中的溶解氧含量cOxg。
进一步地，其特征在于，在步骤S400中，根据溶解氧含量，进行耗氧分析并获取氧骤变系数的方法包括以下步骤：
由各个溶解氧分析仪在水中实时地测量并获得溶解氧含量cOxg，
将每隔一个时间间隔T1内获得的溶解氧含量cOxg的算术平均值作为第一溶氧度FcOxg；T1∈[1,20]分钟，以最近24小时内获取到的所有第一溶氧度FcOxg的平均值作为标准溶氧度cOstd，或者，以预设的理论上最适宜叉尾鲇进行性腺发育的溶解氧含量作为标准溶氧度cOstd； 以标准溶氧度cOstd×1.05的值作为溶氧度上标cOstd_up，以标准溶氧度cOstd×0.95的值作为溶氧度下标cOstd_dw，设定一个区间作为溶氧度范围cZone，cZone∈[cOstd_dw，cOstd_up]；
以最近24小时内的在溶氧度范围之外的各个第一溶氧度FcOxg的数量作为溢出度of_tms；设定一个变量作为溢出周期ofPrd，如果of_tms≥2，ofPrd＝24×60/of_tms，如果of_tms＜2，ofPrd＝24×60；构建一个时间序列作为观察序列fcList，fcList＝[FcOxgi1]，i1∈[1，ofPrd]；设置一个变量作为提升量vup，设置一个变量作为下降量vdw，设置一个变量作为提升次tsup，设置一个变量作为下降次tsdw，初始化提升量vup、提升次tsup、下降次tsdw和下降量vdw的值为0；设置一个变量作为序号i2，初始化i2的值为1，跳转到步骤S401；
S401，当i2＜ofPrd，跳转到步骤S402；当i2≥ofPrd，跳转到步骤S403；
S402，如果fcList[i2]＜fcList[i2＋1]，则将下降次tsdw的值加1，计算获得子下降量sub_vdw,sub_vdw＝|fcList[i2＋1]－fcList[i2]|，将下降量vdw的值更新为当前的下降量vdw的值与子下降量sub_vdw的值的和，将i2的值加1，跳转到步骤S401；如果fcList[i2]＝fcList[i2＋1]，将i2的值加1，跳转到步骤S401；如果fcList[i2]＞fcList[i2＋1]，则为提升次tsup的值加1，计算获得子提升量sub_vup,sub_vup＝fcList[i2]－fcList[i2＋1]，将提升量vup的值更新为现有的提升量vup的值与子提升量sub_vup的值的和，将i2的值加1，跳转到步骤S401；其中fcList[i2]和fcList[i2＋1]分别代表观察序列中的第i2和第i2＋1个元素；
S403，以tsup和tsdw中的较小值作为陡变次值vs，较大值作为缓变次值ss,计算频变比值pvv,pvv＝ss/vs；计算提升概率R_up，R_up＝tsup÷ofPrd，计算下降概率R_dw, R_dw＝tsdw÷ofPrd；计算均提升量Evup，Evup＝vup÷tsup，计算均下降量Evdw，Evdw＝vdw÷tsdw；计算波动折损度fd，fd＝(R_up×Evup)÷(R_dw×Evdw), 计算氧骤变系数VOX，
Figure DEST_PATH_IMAGE001
；
其中i3为累加变量，fcList[i3]代表观察序列中的第i3个元素；结束。
通过以上繁殖诱导值可以进一步的避免了局部数据异常导致的错误判断，以一个时间段内含氧量作为特征去分析含氧量的变化，避免了局部数据异常导致的错误判断，提高了本发明的可靠性和可行性，提高含氧量变化监控的敏感度，对需求水平进行分析。
进一步地，其特征在于，在步骤S500中，通过氧骤变系数构建供氧调节模型，获得供氧系数的方法是：通过各个时刻的氧骤变系数构建氧骤变序列VList，VList＝[VOXi4]，i4∈[1，ofPrd]；VOXi4为VList中第i4个元素；
在当前时刻温室养殖池中所有溶解氧分析仪均可获得其骤变序列VList，由每个溶解氧分析仪的骤变序列VList作为矩阵的每一行构成矩阵，将矩阵作为需求调节模型OXMDL，
Figure 899944DEST_PATH_IMAGE002
其中VOXNC，tPrd为OXMDL的第NC行第tPrd个元素，代表在第tPrd个时刻第NC个溶解氧分析仪获得的氧骤变系数，其中NC代表养殖池塘的数量；
计算统一同向系数Saidx：统计各个养殖池塘中的满足条件1的繁殖诱导值VOXi5,i6的总量为同向系数aidx：所述条件1为：VOXi5，i6＜VOXi5,i6+1并且VOXi5,i6+1＜VOXi5,i6+2，或者，满足VOXi5,i6＞VOXi5,i6+1并且VOXi5,i6+1＞VOXi5,i6+2；将获得的各个同向系数aidx中的最大值作为统一同向系数Saidx；其中，i5为取值范围为[1，NC]的变量，i6为取值范围为[1，tPrd]的变量；VOXi5,i6为OXMDL中第i5行第i6个元素；
分别计算各个养殖池塘的第一系数OSN：令m为养殖池塘的序号，则计算第m个养殖池塘的第一系数OSN(m)的方法如下：
Figure DEST_PATH_IMAGE003
；
其中i7为累加变量，OXMDL(m,1)和OXMDL(m,i7)分别代表需求调节模型OXMDL中第m行的第1个元素和第i7个元素。
为提高对供氧量需求水平的分析准确性，以获得全局性的供氧系统的信号，本发明还提供了一个更优选的方案如下：
优选地，在步骤S500中，通过氧骤变系数构建供氧调节模型，获得供氧系数的方法是：
设置一个变量作为溶解氧分析仪序号i5，初始化i5的值为1；跳转到步骤S501；
S501，当i5≤NC，设置一个变量作为同向系数aidxi5，设置一个变量作为时刻序号i6，初始化aidx的值为0，初始化i6的值为1；设置跳转到步骤S502；当i5＞NC，跳转到步骤S503；
S502，当i6≤int[tPrd/2]，如果满足VOXi5，i6＜VOXi5，i6+1并且VOXi5，i6+1＜VOXi5，i6+2，或者满足VOXi5，i6＞VOXi5，i6+1并且VOXi5，i6+1＞VOXi5，i6+2，则将aidx的值加1并且将i6的值加1，跳转到步骤S502；否则将i5的值加1，跳转到步骤S501；当i6＞int[tPrd/2]，将i5的值加1，跳转到步骤S501；其中int[ ]为向下取整函数；其中，i5为取值范围为[1，NC]的变量，i6为取值范围为[1，tPrd]的变量；VOXi5,i6为OXMDL中第i5行第i6个元素；
S503，将获得的各个同向系数中的最大值作为统一同向系数Saidx；分别计算各个溶解氧分析仪的供氧系数OSN：设置一个变量m作为溶解氧分析仪的序号，则计算第m个溶解氧分析仪的供氧系数OSN(m)的方法如下：
Figure 161293DEST_PATH_IMAGE004
；
其中公式里i7为累加变量，OXMDL(m,1)和OXMDL(m,i7)分别代表供氧调节模型OXMDL中第m行的第1个元素和第i7个元素；结束。
本步骤中获得的供氧系数反映了各个水域中含氧量的需求水平，简化了供氧难度，提高了对整个培育池的氧气控制效果，并且降低了局部水域测得信息不对称导致的供氧偏差。
进一步地，其特征在于，在步骤S600中，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节的方法是：将各个溶解氧分析仪所得的供氧系数的算术平均值作为供氧参考值EOSN；
当EOSN≤－50，则将增氧机的工作功率增加10%；
当－50＜EOSN≤－20，则将增氧机的工作功率增加5%；
当－20＜EOSN≤20，则维持增氧机当前的工作状态；
当20＜EOSN≤50，则将增氧机的工作功率减少5%；
当EOSN＞50，则将增氧机的工作功率减少10%。
进一步地，其特征在于，在步骤S600中，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节的方法是：将各个溶解氧分析仪所得的供氧系数的算术平均值作为供氧参考值EOSN；当各个溶解氧分析仪所得的供氧系数中小于EOSN的数量大于或等于溶解氧分析仪总数量的一半时，则将增氧机的工作功率增加10%；当各个溶解氧分析仪所得的供氧系数中小于EOSN的数量小于溶解氧分析仪总数量的一半时，则将增氧机的工作功率减少10%。
其中，增氧机的工作功率指增氧机每小时对水体增加的氧量，单位为公斤/小时，通过提高或者降低增氧机马达的转速调整增氧机的工作功率；
本发明还提供了一种用于智能化的叉尾鲇提早人工繁殖方法的系统，所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种叉尾鲇的人工繁殖方法中的步骤，所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
亲鱼筛选单元，用于在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼；
性别过滤单元，用于把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖；
数据采集单元，用于在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量；
耗氧测算单元，用于根据溶解氧含量，进行耗氧分析并获取氧骤变系数；
供氧预测单元，用于通过氧骤变系数构建供氧调节模型，获得供氧系数；
增氧调节单元，用于结合供氧系数，对温室养殖池中的增氧机进行自适应的调节；
鱼卵催产单元，用于将发育良好的亲鱼放于产卵池中，经注射催产剂后让其产卵。
本发明的有益效果为：本发明提供一种叉尾鲇的人工繁殖方法，养殖池中，叉尾鲇为应对水流，运动消耗的氧气量会产生波动，同时对鱼饲料的消耗也影响了水中溶解氧的含量，本发明动态地调节溶解氧浓度，使得叉尾鲇亲鱼的性腺发育顺利并且水质适宜存活。避免了水中氧气的含量变化过大或者极端化，使得叉尾鲇性腺的发育进度不受影响，进而确保提早人工繁殖的进度，同时保证鱼体健康。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种叉尾鲇的人工繁殖方法的流程图；
图2所示为一种用于智能化的叉尾鲇提早人工繁殖方法的系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种叉尾鲇的人工繁殖方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种叉尾鲇的人工繁殖方法，所述方法包括以下步骤：
S100，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼；
S200，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖；
S300，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量；
S400，根据溶解氧含量，进行耗氧分析并获取氧骤变系数；
S500，通过氧骤变系数构建供氧调节模型，获得供氧系数；
S600，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节；
S700，将发育良好的亲鱼放于产卵池中，经注射催产剂后让其产卵。
进一步地，在步骤S100中，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼的方法是，在养殖池塘中，选择体质健壮、无病无伤，性腺发育较好的叉尾鲇作为亲鱼，并且保证亲鱼在性成熟的年龄上或者体重上符合人工繁殖的质量标准要求；选取雌性雄性的比例在1：1到1：1.5之间，雄性的亲鱼数量多于或等于雌鱼。
进一步地，其特征在于，在步骤S200中，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖的方法是：将所得的亲鱼，按照性别不同，分别投放到不同的温室养殖池中进行产前培育；所述温室养殖池为一种温室内的水池或者培育池；对温室养殖池内进行流水刺激以及温度控制，还原叉尾鲇繁殖环境，促使叉尾鲇的性腺进入发育。
进一步地，其特征在于，在步骤S300中，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量的方法是：在温室养殖池中均匀随机匀地布置NC个溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量，通过各个溶解氧分析仪获取温室养殖池中各个溶解氧分析仪位置的水域中的溶解氧含量cOxg；具体为：在温室养殖池中，均随机匀地投放NC个浮标，每个在浮标上设置有溶解氧分析仪，通过各个浮标取温室养殖池中各个位置的水域中的溶解氧含量cOxg，NC取[3,50]个。
进一步地，其特征在于，在步骤S400中，根据溶解氧含量，进行耗氧分析并获取氧骤变系数的方法是，由各个溶解氧分析仪在水中实时地测量并获得溶解氧含量cOxg，以最近一分钟内获得的溶解氧含量cOxg的算术平均值作为第一溶氧度FcOxg；以溶解氧含量cOxg以理论上最适宜叉尾鲇进行性腺发育的溶解氧含量作为标准溶氧度cOstd； 以标准溶氧度cOstd×1.05的值作为溶氧度上标cOstd_up，以标准溶氧度cOstd×0.95的值作为溶氧度下标cOstd_dw，设定一个区间作为溶氧度范围cZone，cZone∈[cOstd_dw，cOstd_up]；以最近24小时内的在溶氧度范围之外的各个第一溶氧度FcOxg的数量作为溢出度of_tms；设定一个变量作为溢出周期ofPrd，如果of_tms≥2，ofPrd＝24×60/of_tms，如果of_tms＜2，ofPrd＝24×60；构建一个时间序列作为观察序列fcList，fcList＝[FcOxgi1]，i1∈[1，ofPrd]；设置一个变量作为提升量vup，设置一个变量作为下降量vdw，设置一个变量作为提升次tsup，设置一个变量作为下降次tsdw，初始化提升量vup、提升次tsup、下降次tsdw和下降量vdw的值为0；设置一个变量作为序号i2，初始化i2的值为1，跳转到步骤S401；
S401，当i2＜ofPrd，跳转到步骤S402；当i2≥ofPrd，跳转到步骤S403；
S402，如果fcList[i2]＜fcList[i2＋1]，则将下降次tsdw的值加1，计算获得子下降量sub_vdw,sub_vdw＝|fcList[i2＋1]－fcList[i2]|，将下降量vdw的值更新为当前的下降量vdw的值与子下降量sub_vdw的值的和，将i2的值加1，跳转到步骤S401；如果fcList[i2]＝fcList[i2＋1]，将i2的值加1，跳转到步骤S401；如果fcList[i2]＞fcList[i2＋1]，则为提升次tsup的值加1，计算获得子提升量sub_vup,sub_vup＝fcList[i2]－fcList[i2＋1]，将提升量vup的值更新为现有的提升量vup的值与子提升量sub_vup的值的和，将i2的值加1，跳转到步骤S401；其中fcList[i2]和fcList[i2＋1]分别代表观察序列中的第i2和第i2＋1个元素；
S403，以tsup和tsdw中的较小值作为陡变次值vs，较大值作为缓变次值ss,计算频变比值pvv,pvv＝ss/vs；计算提升概率R_up，R_up＝tsup÷ofPrd，计算下降概率R_dw, R_dw＝tsdw÷ofPrd；计算均提升量Evup，Evup＝vup÷tsup，计算均下降量Evdw，Evdw＝vdw÷tsdw；计算波动折损度fd，fd＝(R_up×Evup)÷(R_dw×Evdw), 计算氧骤变系数VOX，
Figure DEST_PATH_IMAGE005
；
其中i3为累加变量，fcList[i3]代表观察序列中的第i3个元素；结束。
（通过以上繁殖诱导值可以进一步的避免了局部数据异常导致的错误判断，以一个时间段内含氧量作为特征去分析含氧量的变化，避免了局部数据异常导致的错误判断，提高了本发明的可靠性和可行性，提高含氧量变化监控的敏感度，对需求水平进行分析）。
进一步地，其特征在于，在步骤S500中，通过氧骤变系数构建供氧调节模型，获得供氧系数的方法是：通过各个时刻的氧骤变系数构建氧骤变序列VList，VList＝[VOXi4]，i4∈[1，ofPrd]；在当前时刻温室养殖池中所有溶解氧分析仪均可获得其骤变序列VList，以各个溶解氧分析仪计算获得的溢出周期ofPrd中拥有最小值的溶解氧分析仪作为缺口监测点，获得缺口监测点的溢出周期ofPrd作为紧凑周期tPrd，获得将各个氧骤变序列VList截取其前tPrd个元素，并结合截取后的各个氧骤变序列构建一个矩阵作为供氧调节模型OXMDL，
Figure 3347DEST_PATH_IMAGE006
其中VOXNC，tPrd为其第NC行第tPrd个元素，代表在第tPrd个时刻第NC个溶解氧分析仪获得的氧骤变系数；设置一个变量作为溶解氧分析仪序号i5，初始化i5的值为1；跳转到步骤S501；
S501，当i5≤NC，设置一个变量作为同向系数aidxi5，设置一个变量作为时刻序号i6，初始化aidx的值为0，初始化i6的值为1；设置跳转到步骤S502；当i5＞NC，跳转到步骤S503；
S502，当i6≤int[tPrd/2]，如果满足VOXi5，i6＜VOXi5，i6+1并且VOXi5，i6+1＜VOXi5，i6+2，或者满足VOXi5，i6＞VOXi5，i6+1并且VOXi5，i6+1＞VOXi5，i6+2，则将aidx的值加1并且将i6的值加1，跳转到步骤S502；否则将i5的值加1，跳转到步骤S501；当i6＞int[tPrd/2]，将i5的值加1，跳转到步骤S501；其中int[ ]为向下取整函数；
S503，将获得的各个同向系数中的最大值作为统一同向系数Saidx；分别计算各个溶解氧分析仪的供氧系数OSN：设置一个变量m作为溶解氧分析仪的序号，则计算第m个溶解氧分析仪的供氧系数OSN(m)的方法如下：
Figure DEST_PATH_IMAGE007
；
其中公式里i7为累加变量，OXMDL(m,1)和OXMDL(m,i7)分别代表供氧调节模型中第m行的第1个元素和第i7个元素；结束。
本步骤中获得的供氧系数反映了各个水域中含氧量的需求水平，对需求水平进行分析，以获得全局性的供氧系统的调节，简化了供氧难度，提高了对整个培育池的氧气控制效果，并且降低了局部水域测得信息不对称导致的供氧偏差。
进一步地，其特征在于，在步骤S600中，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节的方法是：将各个溶解氧分析仪所得的供氧系数的算术平均值作为供氧参考值EOSN；
当EOSN≤－50，则将增氧机的工作功率增加10%；
当－50＜EOSN≤－20，则将增氧机的工作功率增加5%；
当－20＜EOSN≤20，则维持增氧机当前的工作状态；
当20＜EOSN≤50，则将增氧机的工作功率减少5%；
当EOSN＞50，则将增氧机的工作功率减少10%。
其中，增氧机的工作功率指增氧机每小时对水体增加的氧量，单位为公斤/小时，通过提高或者降低增氧机马达的转速调整增氧机的工作功率；
本发明的实施例提供的一种用于智能化的叉尾鲇提早人工繁殖方法的系统，如图2所示为本发明的一种用于智能化的叉尾鲇提早人工繁殖方法的系统结构图，该实施例的一种用于智能化的叉尾鲇提早人工繁殖方法的系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种用于智能化的叉尾鲇提早人工繁殖方法的系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
亲鱼筛选单元，用于在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼；
性别过滤单元，用于把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖；
数据采集单元，用于在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量；
耗氧测算单元，用于根据溶解氧含量，进行耗氧分析并获取氧骤变系数；
供氧预测单元，用于通过氧骤变系数构建供氧调节模型，获得供氧系数；
增氧调节单元，用于结合供氧系数，对温室养殖池中的增氧机进行自适应的调节；
鱼卵催产单元，用于将发育良好的亲鱼放于产卵池中，经注射催产剂后让其产卵。
所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种用于智能化的叉尾鲇提早人工繁殖方法的系统的示例，并不构成对一种用于智能化的叉尾鲇提早人工繁殖方法的系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统运行系统的控制中心，利用各种接口和线路连接整个一种用于智能化的叉尾鲇提早人工繁殖方法的系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (6)

1.一种叉尾鲇的人工繁殖方法，其特征在于，所述方法包括以下步骤：
S100，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼；
S200，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖；
S300，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量；
S400，根据溶解氧含量，进行耗氧分析并获取氧骤变系数；
S500，通过氧骤变系数构建供氧调节模型，获得供氧系数；
S600，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节；
在步骤S300中，在温室养殖池中布置溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量的方法是，在温室养殖池中均匀随机地布置NC个溶解氧分析仪，对水中的溶解氧浓度进行实时监测获得溶解氧含量，通过各个溶解氧分析仪获取温室养殖池中各个溶解氧分析仪位置的水域中的溶解氧含量cOxg；
在步骤S400中，根据溶解氧含量，进行耗氧分析并获取氧骤变系数的方法包括以下步骤：
由各个溶解氧分析仪在水中实时地测量并获得溶解氧含量cOxg，
将每隔一个时间间隔T1内获得的溶解氧含量cOxg的算术平均值作为第一溶氧度FcOxg；T1∈[1,20]分钟，以最近24小时内获取到的所有第一溶氧度FcOxg的平均值作为标准溶氧度cOstd；以标准溶氧度cOstd×1.05的值作为溶氧度上标cOstd_up，以标准溶氧度cOstd×0.95的值作为溶氧度下标cOstd_dw，设定一个区间作为溶氧度范围cZone，cZone∈[cOstd_dw，cOstd_up]；
以最近24小时内的在溶氧度范围之外的各个第一溶氧度FcOxg的数量作为溢出度of_tms；设定一个变量作为溢出周期ofPrd，如果of_tms≥2，ofPrd＝24×60/of_tms，如果of_tms＜2，ofPrd＝24×60；构建一个时间序列作为观察序列fcList，fcList＝[FcOxgi1]，i1∈[1，ofPrd]；设置一个变量作为提升量vup，设置一个变量作为下降量vdw，设置一个变量作为提升次tsup，设置一个变量作为下降次tsdw，初始化提升量vup、提升次tsup、下降次tsdw和下降量vdw的值为0；设置一个变量作为序号i2，初始化i2的值为1，跳转到步骤S401；
S401，当i2＜ofPrd，跳转到步骤S402；当i2≥ofPrd，跳转到步骤S403；
S402，如果fcList[i2]＜fcList[i2＋1]，则将下降次tsdw的值加1，计算获得子下降量sub_vdw,sub_vdw＝|fcList[i2＋1]－fcList[i2]|，将下降量vdw的值更新为当前的下降量vdw的值与子下降量sub_vdw的值的和，将i2的值加1，跳转到步骤S401；如果fcList[i2]＝fcList[i2＋1]，将i2的值加1，跳转到步骤S401；如果fcList[i2]＞fcList[i2＋1]，则为提升次tsup的值加1，计算获得子提升量sub_vup,sub_vup＝fcList[i2]－fcList[i2＋1]，将提升量vup的值更新为现有的提升量vup的值与子提升量sub_vup的值的和，将i2的值加1，跳转到步骤S401；其中fcList[i2]和fcList[i2＋1]分别代表观察序列中的第i2和第i2＋1个元素；
S403，以tsup和tsdw中的较小值作为陡变次值vs，较大值作为缓变次值ss,计算频变比值pvv,pvv＝ss/vs；计算提升概率R_up，R_up＝tsup÷ofPrd，计算下降概率R_dw, R_dw＝tsdw÷ofPrd；计算均提升量Evup，Evup＝vup÷tsup，计算均下降量Evdw，Evdw＝vdw÷tsdw；计算波动折损度fd，fd＝(R_up×Evup)÷(R_dw×Evdw), 计算氧骤变系数VOX，
Figure QLYQS_1
；
其中i3为累加变量，fcList[i3]代表观察序列中的第i3个元素；
在步骤S500中，通过氧骤变系数构建供氧调节模型，获得供氧系数的方法是：
通过各个时刻的氧骤变系数构建氧骤变序列VList，VList＝[VOXi4]，i4∈[1，ofPrd]；VOXi4为VList中第i4个元素；
在当前时刻温室养殖池中所有溶解氧分析仪均可获得其骤变序列VList，由每个溶解氧分析仪的骤变序列VList作为矩阵的每一行构成矩阵，将矩阵作为需求调节模型OXMDL，
以VOXNC，tPrd为OXMDL的第NC行第tPrd个元素，代表在第tPrd个时刻第NC个溶解氧分析仪获得的氧骤变系数，其中NC代表养殖池塘的数量；
计算统一同向系数Saidx：统计各个养殖池塘中的满足条件1的繁殖诱导值VOXi5,i6的总量为同向系数aidx：所述条件1为：VOXi5，i6＜VOXi5,i6+1并且VOXi5,i6+1＜VOXi5,i6+2，或者，满足VOXi5,i6＞VOXi5,i6+1并且VOXi5,i6+1＞VOXi5,i6+2；将获得的各个同向系数aidx中的最大值作为统一同向系数Saidx；其中，i5为取值范围为[1，NC]的变量，i6为取值范围为[1，tPrd]的变量；VOXi5,i6为OXMDL中第i5行第i6个元素；
分别计算各个养殖池塘的第一系数OSN：令m为养殖池塘的序号，则计算第m个养殖池塘的第一系数OSN(m)的方法如下：
Figure QLYQS_2
；
其中i7为累加变量，OXMDL(m,1)和OXMDL(m,i7)分别代表需求调节模型OXMDL中第m行的第1个元素和第i7个元素；
在步骤S600中，结合供氧系数，对温室养殖池中的增氧机进行自适应的调节的方法是：将各个溶解氧分析仪所得的供氧系数的算术平均值作为供氧参考值EOSN。
2.根据权利要求1所述的一种叉尾鲇的人工繁殖方法，其特征在于，还包括：S700，将发育良好的亲鱼放于产卵池中，经注射催产剂后让其产卵。
3.根据权利要求1所述的一种叉尾鲇的人工繁殖方法，其特征在于，在步骤S100中，在养殖池塘中选择发育程度达标的叉尾鲇作为亲鱼的方法是，在养殖池塘中，选择体质健壮、无病无伤，性腺发育较好的叉尾鲇作为亲鱼，并且保证亲鱼在性成熟的年龄上或者体重上符合人工繁殖的质量标准要求；选取雌性雄性的比例在1：1到1：1.5之间，雄性的亲鱼数量多于或等于雌鱼。
4.根据权利要求1所述的一种叉尾鲇的人工繁殖方法，其特征在于，在步骤S200中，把雌性和雄性亲鱼分别放入不同的温室养殖池中进行养殖的方法是：将所得的亲鱼，按照性别不同，分别投放到不同的温室养殖池中进行产前培育；所述温室养殖池为一种温室内的水池或者培育池。
5.根据权利要求1所述的一种叉尾鲇的人工繁殖方法，其特征在于，
当EOSN≤－50，则将增氧机的工作功率增加10%；
当－50＜EOSN≤－20，则将增氧机的工作功率增加5%；
当－20＜EOSN≤20，则维持增氧机当前的工作状态；
当20＜EOSN≤50，则将增氧机的工作功率减少5%；
当EOSN＞50，则将增氧机的工作功率减少10%。
6.一种用于智能化的叉尾鲇提早人工繁殖方法的系统，其特征在于，所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-5中的任意一项所述的一种叉尾鲇的人工繁殖方法中的步骤，所述一种用于智能化的叉尾鲇提早人工繁殖方法的系统运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。
CN202210800566.7A 2022-07-08 2022-07-08 一种叉尾鲇的人工繁殖方法 Active CN115316314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210800566.7A CN115316314B (zh) 2022-07-08 2022-07-08 一种叉尾鲇的人工繁殖方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210800566.7A CN115316314B (zh) 2022-07-08 2022-07-08 一种叉尾鲇的人工繁殖方法

Publications (2)

Publication Number Publication Date
CN115316314A CN115316314A (zh) 2022-11-11
CN115316314B true CN115316314B (zh) 2023-06-09

Family

ID=83918527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210800566.7A Active CN115316314B (zh) 2022-07-08 2022-07-08 一种叉尾鲇的人工繁殖方法

Country Status (1)

Country Link
CN (1) CN115316314B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101040229A (zh) * 2004-08-30 2007-09-19 嵌入技术有限公司 一种处理控制系统和方法
CN101793887A (zh) * 2010-01-09 2010-08-04 中国水产科学研究院黄海水产研究所 大菱鲆养殖水质评价的模糊神经网络专家系统的构建方法
CN103563799A (zh) * 2012-08-03 2014-02-12 潘洪强 低温繁育异育银鲫鱼苗的方法
CN104849756A (zh) * 2015-03-31 2015-08-19 中国地质大学（北京） 一种提高地震数据分辨率增强有效弱信号能量的方法
CN105900912A (zh) * 2016-04-15 2016-08-31 上海工程技术大学 一种大型养殖池塘多增氧机联动智能控制装置
CN106069928A (zh) * 2016-06-25 2016-11-09 华能澜沧江水电股份有限公司 一种叉尾鲇的人工繁殖方法
CN108512926A (zh) * 2018-04-07 2018-09-07 佛山市虚拟现实大数据产业研究院有限公司 一种鱼塘溶解氧大数据分析控制方法
KR20190079767A (ko) * 2017-12-28 2019-07-08 이미숙 송어 및 산천어 양식 관리 시스템 및 방법
CN111838027A (zh) * 2020-07-22 2020-10-30 盐城师范学院 一种纯氧供应水产养殖系统及方法
CN112883644A (zh) * 2021-02-10 2021-06-01 中国环境科学研究院 一种动态水环境管理方法
CN113126490A (zh) * 2021-04-02 2021-07-16 中国农业大学 智能变频增氧控制方法及装置
CN113344140A (zh) * 2021-07-09 2021-09-03 中山大学 一种基于剪枝条件的不确定数据序列扫描方法及系统
CN113331089A (zh) * 2021-07-08 2021-09-03 西双版纳云博水产养殖开发有限公司 一种叉尾鲇的人工繁殖方法
KR20220074374A (ko) * 2020-11-27 2022-06-03 배건 빅 데이터를 활용한 양식 시스템

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101040229A (zh) * 2004-08-30 2007-09-19 嵌入技术有限公司 一种处理控制系统和方法
CN101793887A (zh) * 2010-01-09 2010-08-04 中国水产科学研究院黄海水产研究所 大菱鲆养殖水质评价的模糊神经网络专家系统的构建方法
CN103563799A (zh) * 2012-08-03 2014-02-12 潘洪强 低温繁育异育银鲫鱼苗的方法
CN104849756A (zh) * 2015-03-31 2015-08-19 中国地质大学（北京） 一种提高地震数据分辨率增强有效弱信号能量的方法
CN105900912A (zh) * 2016-04-15 2016-08-31 上海工程技术大学 一种大型养殖池塘多增氧机联动智能控制装置
CN106069928A (zh) * 2016-06-25 2016-11-09 华能澜沧江水电股份有限公司 一种叉尾鲇的人工繁殖方法
KR20190079767A (ko) * 2017-12-28 2019-07-08 이미숙 송어 및 산천어 양식 관리 시스템 및 방법
CN108512926A (zh) * 2018-04-07 2018-09-07 佛山市虚拟现实大数据产业研究院有限公司 一种鱼塘溶解氧大数据分析控制方法
CN111838027A (zh) * 2020-07-22 2020-10-30 盐城师范学院 一种纯氧供应水产养殖系统及方法
KR20220074374A (ko) * 2020-11-27 2022-06-03 배건 빅 데이터를 활용한 양식 시스템
CN112883644A (zh) * 2021-02-10 2021-06-01 中国环境科学研究院 一种动态水环境管理方法
CN113126490A (zh) * 2021-04-02 2021-07-16 中国农业大学 智能变频增氧控制方法及装置
CN113331089A (zh) * 2021-07-08 2021-09-03 西双版纳云博水产养殖开发有限公司 一种叉尾鲇的人工繁殖方法
CN113344140A (zh) * 2021-07-09 2021-09-03 中山大学 一种基于剪枝条件的不确定数据序列扫描方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
溶解氧预报模型及误差校正;杨晓明等;控制工程(第2期);127-129+137 *

Also Published As

Publication number Publication date
CN115316314A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
Ayllón et al. InSTREAM-Gen: Modelling eco-evolutionary dynamics of trout populations under anthropogenic environmental change
Butterfield Animals and the invention of the Phanerozoic Earth system
CN103218669B (zh) 一种智能的活鱼养殖水质综合预测方法
Perez et al. The role of diet and temperature in shaping cranial diversification of South American human populations: an approach based on spatial regression and divergence rate tests
Labonne et al. Natural and sexual selection giveth and taketh away reproductive barriers: models of population divergence in guppies
Louâpre et al. How past and present influence the foraging of clonal plants?
Askey et al. Linking fish and angler dynamics to assess stocking strategies for hatchery-dependent, open-access recreational fisheries
Tallmon et al. Genetic differentiation among long-toed salamander (Ambystoma macrodactylum) populations
Ayllón et al. Mechanistic simulations predict that thermal and hydrological effects of climate change on Mediterranean trout cannot be offset by adaptive behaviour, evolution, and increased food production
Bornhofen et al. The evolution of CSR life-history strategies in a plant model with explicit physiology and architecture
Mangel et al. Evolutionary analysis of life span, competition, and adaptive radiation, motivated by the Pacific rockfishes (Sebastes)
Ohlberger et al. Adaptive phenotypic diversification along a temperature-depth gradient
Jusup et al. Simple measurements reveal the feeding history, the onset of reproduction, and energy conversion efficiencies in captive bluefin tuna
Shaw et al. The evolution of marine larval dispersal kernels in spatially structured habitats: analytical models, individual-based simulations, and comparisons with empirical estimates
Castillo‐Vargasmachuca et al. The spotted rose snapper (Lutjanus guttatus Steindachner 1869) farmed in marine cages: review of growth models
Sharma et al. A quantitative framework for the analysis of habitat and hatchery practices on Pacific salmon
Waples Seed banks, salmon, and sleeping genes: effective population size in semelparous, age-structured species with fluctuating abundance
Temming et al. Understanding the life cycle of North Sea brown shrimp Crangon crangon: a simulation model approach
CN115316314B (zh) 一种叉尾鲇的人工繁殖方法
Cheng et al. Analysis of short-term and local scale variations in fish community structure in Dachen Island waters
Ball et al. High-throughput, image-based phenotyping reveals nutrient-dependent growth facilitation in a grass-legume mixture
Jurado-Molina et al. Multispecies perspectives on the Bering Sea groundfish fisheries management regime
CN115240793B (zh) 一种生物活性炭的水产养殖水体处理方法及系统
Bandara et al. Artificial evolution of behavioral and life history strategies of high-latitude copepods in response to bottom-up and top-down selection pressures
Van Leeuwen et al. Resource availability and life-history origin affect competitive behavior in territorial disputes

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