劉曉娟 沙宗堯 李大鵬 王春芳

(1.華中農(nóng)業(yè)大學(xué)水產(chǎn)學(xué)院, 長江經(jīng)濟帶大宗水生生物產(chǎn)業(yè)綠色發(fā)展教育部工程研究中心, 池塘健康養(yǎng)殖湖北省工程實驗室, 武漢 430070; 2.武漢大學(xué)遙感信息工程學(xué)院, 武漢 430079)

養(yǎng)殖成本、養(yǎng)殖環(huán)境和水產(chǎn)品質(zhì)量安全是當(dāng)前水產(chǎn)養(yǎng)殖業(yè)轉(zhuǎn)型升級發(fā)展面臨的主要壓力與問題[1]。傳統(tǒng)投料方式不精準、不均勻和勞動力成本高等問題, 是導(dǎo)致養(yǎng)殖成本上升、養(yǎng)殖環(huán)境污染加劇和養(yǎng)殖動物疾病暴發(fā)的主要原因[2]。不同養(yǎng)殖品種、養(yǎng)殖環(huán)境與生長階段, 其攝食量及攝食效果具有很大的差異。精準投喂是根據(jù)養(yǎng)殖對象的生物習(xí)性和生長規(guī)律, 通過改變養(yǎng)殖對象的投喂方式和投喂量, 最大限度地提高飼料的利用效率, 減少飼料浪費, 降低過量投喂而造成的水體污染, 改善產(chǎn)品的品質(zhì), 從而促進養(yǎng)殖從業(yè)者的養(yǎng)殖效益最大化[3]。隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展, 5G技術(shù)的日漸成熟, 漁業(yè)規(guī)模化、集約化、工業(yè)化和機械化的不斷進步, 我國水產(chǎn)業(yè)的發(fā)展進入了“新拐點”。探索更標準、更智能、更精準的投喂管理策略, 實現(xiàn)新型標準化、數(shù)據(jù)化、信息化、智能化、產(chǎn)業(yè)化的智慧漁業(yè)將會是水產(chǎn)養(yǎng)殖業(yè)由量變轉(zhuǎn)到質(zhì)變的重要途徑[1]。

目前, 已有一些依托于互聯(lián)網(wǎng)的設(shè)備和智能平臺應(yīng)用于農(nóng)業(yè)生產(chǎn)過程中, 為實現(xiàn)農(nóng)業(yè)的精準和智能化養(yǎng)殖做出了極大的貢獻, 如養(yǎng)殖環(huán)境監(jiān)控、產(chǎn)品質(zhì)量溯源、生產(chǎn)記錄分析和物流跟蹤管理等平臺已被廣泛的地應(yīng)用于實際養(yǎng)殖中[4], 使水產(chǎn)養(yǎng)殖裝備工程化、生產(chǎn)規(guī)模化、技術(shù)精準化和管理智能化水平大大提高。在德國, 可在計算機控制下完成畜禽飼料精準投喂和奶牛數(shù)字化擠奶等多項工作[5]。在挪威, 使用聲加速度傳輸器可以在計算機后臺有效監(jiān)測循環(huán)水養(yǎng)殖系統(tǒng)(RAS)中大西洋鮭(Salmo salarL.)的各項活動, 通過數(shù)據(jù)分析為大西洋鮭提供精準飼料投喂策略[6]。上海奉賢區(qū)及無錫地區(qū)的對蝦智能管理系統(tǒng)和物聯(lián)網(wǎng)智能控制管理系統(tǒng)的應(yīng)用, 有效地提高了水產(chǎn)養(yǎng)殖的經(jīng)濟效益、產(chǎn)品質(zhì)量和管理效率[7]。

隨著國家對智慧漁業(yè)的不斷探索和推廣, 對魚類生產(chǎn)數(shù)據(jù)分析應(yīng)用的重要性將日趨凸顯。生產(chǎn)管理平臺利用互聯(lián)網(wǎng)信息技術(shù), 對生產(chǎn)過程信息化監(jiān)測, 采集了大量的漁業(yè)生產(chǎn)基本數(shù)據(jù)。另外, 近年來, 國內(nèi)外學(xué)者已經(jīng)對水產(chǎn)養(yǎng)殖進行了大量的研究, 積累了海量的數(shù)據(jù)和模型[2,3,8—13]。利用大數(shù)據(jù)技術(shù)進行數(shù)學(xué)建模, 通過采集養(yǎng)殖過程中的生產(chǎn)數(shù)據(jù), 將數(shù)據(jù)加以分類、挖掘和分析, 最終把有價值的信息提取出來, 將有用的結(jié)果以圖表的形式直觀地呈現(xiàn)給水產(chǎn)養(yǎng)殖生產(chǎn)管理者和決策者, 是解決水產(chǎn)養(yǎng)殖品種多樣、養(yǎng)殖模式各異、養(yǎng)殖環(huán)境復(fù)雜和影響因子過多而導(dǎo)致的精準監(jiān)測、檢測和控制難等問題的最優(yōu)途徑[14]。

在水產(chǎn)養(yǎng)殖的研究中, 一些學(xué)者在水產(chǎn)動物的營養(yǎng)代謝和能量收支研究的基礎(chǔ)上, 構(gòu)建了許多數(shù)學(xué)模型。一些模型已經(jīng)被應(yīng)用到了養(yǎng)殖過程中, 為水產(chǎn)養(yǎng)殖業(yè)提供精準投喂策略, 成為養(yǎng)殖管理的重要工具[15—17]。然而, 它們大多都是依靠以往的經(jīng)驗和短期的室內(nèi)試驗完成, 其適用范圍較窄, 此外, 這些傳統(tǒng)的數(shù)學(xué)模型之間較為分散, 系統(tǒng)性不強, 且在實際應(yīng)用中, 需手動計算, 計算步驟煩瑣, 分析過程復(fù)雜, 大大增加了人工勞動成本。假設(shè)能夠?qū)O場中養(yǎng)殖生產(chǎn)的數(shù)據(jù)和已有數(shù)據(jù)庫及文獻庫中積累的大量數(shù)據(jù)收集, 進行處理分析, 在此基礎(chǔ)上構(gòu)建一套系統(tǒng)的、標準化的、針對養(yǎng)殖魚類生長表現(xiàn)來進行評估的模型, 并利用互聯(lián)網(wǎng)信息技術(shù), 實現(xiàn)數(shù)據(jù)的后臺輸入、采集、更新、儲存、校正和管理, 自動形成豐富的分析圖表, 不僅有助于養(yǎng)殖生產(chǎn)人員根據(jù)模型提供的模擬數(shù)據(jù)有效地進行養(yǎng)殖生產(chǎn)管理, 還可實現(xiàn)養(yǎng)殖過程全跟蹤, 使傳統(tǒng)的水產(chǎn)養(yǎng)殖生產(chǎn)管理方式向精準化和數(shù)字化發(fā)展, 養(yǎng)殖信息和生產(chǎn)方式由經(jīng)驗主義向模型標準化轉(zhuǎn)變[12],進一步降低養(yǎng)殖成本和環(huán)境成本, 提高養(yǎng)殖效率和經(jīng)濟效益。因此, 我們需要進一步采集養(yǎng)殖生產(chǎn)中的海量數(shù)據(jù), 利用大數(shù)據(jù)技術(shù)和互聯(lián)網(wǎng)平臺, 構(gòu)建更加實用有效、簡單快捷和精準智能的投喂管理模型。

尖吻鱸(Lates calcarifer)隸屬于鱸形目(Perciformes), 尖吻鱸科, 尖吻鱸屬。俗稱盲鰽, 亦稱尼羅河鱸, 具有適應(yīng)能力強、食量大、生長快、病害少、肉質(zhì)鮮美和營養(yǎng)價值高等優(yōu)點, 是我國南方地區(qū)及東南亞地區(qū)主要的養(yǎng)殖魚類。本文以尖吻鱸為研究對象[17], 通過挖掘養(yǎng)殖場和文獻中的大量生產(chǎn)數(shù)據(jù), 基于生物能量學(xué)原理探討不同養(yǎng)殖環(huán)境條件下尖吻鱸的能量需求, 對不同生長階段的尖吻鱸生長規(guī)律進行研究, 構(gòu)建出尖吻鱸生長、投喂和污染排放模型, 能夠有效預(yù)測某一時期尖吻鱸的生長情況, 對飼料的需求量及氮、磷等污染物的排放量,有助于魚類的差異化上市、減少飼料浪費、降低養(yǎng)殖成本、提高水體透明度和養(yǎng)殖效益。將此模型植入計算機網(wǎng)絡(luò)端, 構(gòu)建精準投喂管理輔助決策系統(tǒng), 通過該系統(tǒng)將互聯(lián)網(wǎng)等信息技術(shù)與水產(chǎn)養(yǎng)殖投喂管理緊密結(jié)合, 以水產(chǎn)養(yǎng)殖水體監(jiān)測、魚類生長、魚體營養(yǎng)成分、飼料營養(yǎng)成分及飼料投喂數(shù)據(jù)采集和處理分析為基礎(chǔ), 以數(shù)據(jù)統(tǒng)計和綜合評價為核心, 從投放魚苗到成魚上市進行信息化管理,實現(xiàn)大數(shù)據(jù)與傳統(tǒng)水產(chǎn)養(yǎng)殖技術(shù)的融合創(chuàng)新; 為水產(chǎn)養(yǎng)殖生產(chǎn)管理者和決策者提供方便有效的投喂管理工具, 為數(shù)字化漁業(yè)提供一定的技術(shù)支持。

1 材料與方法

1.1 生長階段的劃分

尖吻鱸生長數(shù)據(jù)主要來自中山市強晟水產(chǎn)養(yǎng)殖有限公司。養(yǎng)殖時間從2018年6月至2019年5月,共計11個月, 在養(yǎng)殖過程中分別記錄水溫、魚體體重和飼料投喂量等數(shù)據(jù)(表1), 本研究選用了4種最常用的養(yǎng)殖動物生長預(yù)測模型, 其計算公式如下:

特定增長率(SGR, %/d)=100×(lnWt-lnW0)/t

日增長系數(shù)(DGC, g1/3/d)=100×()/t

日均增重(ADG, g/d)=(Wt-W0)/t

熱積溫系數(shù)[TGC, g(1-b)/(d×℃)]=100×

式中,W0為初始體重,Wt為終末體重,T為養(yǎng)殖水溫,t為養(yǎng)殖天數(shù)。根據(jù)上述公式, 尖吻鱸的生長預(yù)測公式如下:

在TGC的計算中, 指數(shù)(1-b)先設(shè)定為1/3, 隨后采用模型生長預(yù)測值與實際養(yǎng)殖觀測值的最小殘差平方和RSS法校正[18], 使RSS達到最小值,RSS采用迭代法計算, 工具采用Microsoft Excel 2016[19]。RSS公式計算如下:

式中,Yj為模型生長預(yù)測值,yj為實際生長觀測值。

1.2 生化成分分析

用于生化分析的尖吻鱸為養(yǎng)殖場采樣所得, 體重從21—1128 g共計10個不同體重組, 并采用AOAC[20]標準測定法對尖吻鱸的生化成分進行測定。采用尖吻鱸體重和其水分、蛋白、脂肪、灰分和能值含量之間的回歸分析對尖吻鱸的各生化成分進行預(yù)測。

1.3 各能量的估算

尖吻鱸各能量計算數(shù)據(jù)主要來自已發(fā)表的文獻[17, 21—30], 基礎(chǔ)代謝能(HeE)采用呼吸實驗中耗氧量來計算(氧熱系數(shù)為13.6 J/mg)。魚類基礎(chǔ)代謝能和其體重之間關(guān)系可用HeE=A×WB描述, 其中,魚類的指數(shù)B值為0.8, 故基礎(chǔ)代謝能的計算公式如下[3]:

式中, a、b為常數(shù),T為水溫,W為體重。

儲積能(RE)是通過計算初末魚體能值之差來估算, 排泄能(UE+ZE)為魚體鰓和尿液排出的能量,通過公式24.9×(UN+ZN)來計算[3],UN和ZN分別為魚體鰓和尿液排出的氮的含量。攝食熱增能(HiE)主要為魚類攝食過程中消耗的能量, 計算公式如下:

式中,IE為攝食能,FE為糞能,GEt和GE0分別為終末和初始魚體能值,UN和ZN分別為魚體鰓和尿液排出的氮的含量。不同生長時期魚類消化能需求量可通過計算儲積能(RE)、基礎(chǔ)代謝能(HeE)、攝食熱增能(HiE)及排泄能(UE+ZE)之和來估算[3], 故尖吻鱸消化能需求量計算公式如下:

1.4 飼料需求量估算

在確定飼料中各營養(yǎng)成分含量及其消化率的基礎(chǔ)上, 可計算出飼料消化能(DE)含量, 計算公式如下[30]:

式中, CP、CL和CHO分別為飼料蛋白質(zhì)、脂肪和碳水化合物,ADC為表觀消化率。飼料需求量計算公式如下:

飼料需求量(Feedreq)=消化能需求量(DEreq)/飼料消化能含量(DEof feed)

1.5 廢物排放量的估計

水產(chǎn)養(yǎng)殖過程中所排放的污染物(TW)主要分為固態(tài)污染物(SW)和溶解態(tài)污染物(DW), 其預(yù)測公式如下:

式中, DM為干物質(zhì),ADC為表觀消化率, 以上式子同樣可運用于估算N、P廢物的排放量, 具體計算公式如下:

固態(tài)氮污染物=攝入的氮(Nintake)×(1-ADCN)

固態(tài)磷污染物=攝入的磷(Pintake)×(1-ADCP)

溶解態(tài)氮污染物=消化的氮(Ndigested)×ADCN-儲積的氮(RN)

溶解態(tài)磷污染物=消化的磷(Ndigested)×ADCP-儲積的磷(RP)

1.6 驗證試驗

尖吻鱸生長和飼料需求模型的模型驗證數(shù)據(jù)主要來自中山市強晟水產(chǎn)養(yǎng)殖有限公司。對養(yǎng)殖場中用于養(yǎng)殖不同生長階段尖吻鱸的飼料營養(yǎng)成分進行分析(表2), 尖吻鱸生長模型用模型預(yù)測體重與實際觀測體重比較來驗證。飼料需求模型通過比較飼料轉(zhuǎn)化率(FCR)的實際觀測值和模型預(yù)測值來驗證。

表1 各池塘水溫(℃)、尖吻鱸初末體重(g)及飼料投喂量Tab.1 Water temperature (℃), interval time (days), initial body weight (g), final body weight (g), and feed consumption (g/kg fish) of Lates calcarifer in different ponds (g/fish)

表2 尖吻鱸不同生長階段飼料營養(yǎng)成分及其消化率Tab.2 Feed composition and digestible energy in different growth stages of Lates calcarifer (%)

1.7 軟件系統(tǒng)開發(fā)

軟件系統(tǒng)包括三層架構(gòu), 分別為界面層(UI)、應(yīng)用層和數(shù)據(jù)訪問層(RL, 圖1)。界面層是基于HTML5/CSS集成開發(fā), 支持任何瀏覽器和移動設(shè)備的訪問, 可為軟件使用人員提供交互式操作的可視化界面。應(yīng)用層是基于Java Server-Pages (JPSs)開發(fā), 負責(zé)執(zhí)行算法數(shù)據(jù)分析, 及處理軟件系統(tǒng)的業(yè)務(wù)邏輯, 提供各種后端服務(wù)(如魚體質(zhì)量計算、飼料需求量計算和污染物排放量計算等)來響應(yīng)來自UI層的命令。數(shù)據(jù)訪問層用于存儲與養(yǎng)殖品種相關(guān)的所有模型的參數(shù), 以及運行軟件包所需的其他必要數(shù)據(jù)。為了使該工具更好地應(yīng)用于實際養(yǎng)殖中, 本研究中采用的apache tomcat(v8.0)是基于Java技術(shù)實現(xiàn)的, 可同時用作應(yīng)用服務(wù)器和Web服務(wù)器, 它的優(yōu)勢主要在于它的源代碼開放, 支持跨平臺的應(yīng)用, 使開發(fā)的軟件包可以運行在幾乎所有的(包括Windows和Linux系統(tǒng))平臺上。

2 結(jié)果

2.1 生長模型的選擇

圖1 基于web系統(tǒng)的魚類精準投喂管理模型輔助決策系統(tǒng)的軟件設(shè)計框架Fig.1 Conceptual framework of web-based precision feeding models

尖吻鱸生長數(shù)據(jù)來自中山市強晟水產(chǎn)養(yǎng)殖有限公司, 共計7個池塘104個數(shù)據(jù)(表1), 并根據(jù)上述公式計算尖吻鱸不同生長時期各生長模型(SGR、DGC、ADG和TGC)的值。結(jié)果顯示, 不同生長時期尖吻鱸TGC的值呈現(xiàn)一定的規(guī)律, 當(dāng)尖吻鱸體重為5—1000 g時,TGC的值中出現(xiàn)1個異速生長點, 根據(jù)該點的位置(兩條線段的交點), 尖吻鱸的生長周期可分為2個生長時期(圖2): 5—296 g(第一生長期)和＞296 g(第二生長期)。

尖吻鱸在不同生長時期的各個子模型的最適體重指數(shù)(1-b)存在顯著差異。無論是在第一生長期還是第二生長期, 指數(shù)調(diào)整后的TGC模型的殘差平方和都顯著小于SGR、DGC、TGC和ADG等生長模型(P＜0.05, 表3)。因而, 當(dāng)尖吻鱸體重在1—1000 g時, 相較于其他生長模型, 優(yōu)化后的TGC模型對尖吻鱸生長的預(yù)測效果更好(圖3a、3b)。

2.2 魚體生化成分

隨著尖吻鱸體重的變化, 其體生化成分如水分、蛋白質(zhì)、脂肪和灰分相對含量變化趨于平穩(wěn)(圖4)。因此, 簡單的線性方程可以有效估計尖吻鱸蛋白質(zhì)(圖5a)、脂肪(圖5b)、灰分(圖5c)和能量(圖5d)含量。本研究分別選用了線性方程y=aX+b和指數(shù)方程y=aXb對不同體重尖吻鱸的體生化成分進行預(yù)測, 結(jié)果發(fā)現(xiàn), 線性模型預(yù)測尖吻鱸體內(nèi)蛋白質(zhì)和能量含量的效果比指數(shù)方程好, 而在脂肪和灰分的預(yù)測上, 則指數(shù)方程優(yōu)于線性方程(表4)。當(dāng)對尖吻鱸魚體磷含量分析時, 同樣發(fā)現(xiàn), 線性模型對魚體磷含量的預(yù)測效果好于指數(shù)方程(表5)

2.3 各能量的估算

尖吻鱸生化成分組成、基礎(chǔ)代謝能、攝食熱增能、排泄能及消化能需求量的計算公式見表5。當(dāng)水溫在15—35℃時, 尖吻鱸的HeE隨水溫的增加先增加, 當(dāng)達到最適溫度后, 則逐漸開始下降。另外, 研究還發(fā)現(xiàn), 尖吻鱸攝食熱增能與儲積能和基礎(chǔ)代謝能之間呈正相關(guān)關(guān)系(圖6a); 排泄能則與攝食能和消化能密切相關(guān), 為7.37%的儲積能、基礎(chǔ)代謝能和攝食熱增能之和(圖6b)。

圖2 不同生長階段尖吻鱸積溫系數(shù)Fig.2 Thermal-unit growth coefficient (TGC) as a function of body weight of Lates calcarifer

表3 尖吻鱸在不同生長時期SGR、DGC、ADG和TGC及校正后的TGC模型平均值、體重指數(shù)和殘差平方和(RSS)Tab.3 The regression coefficients, body weight (BW) exponents and RSS of SGR, DGC, ADG, TGC and revised TGC models for different stages of Lates calcarifer

圖3 不同生長模型的比較-分別用SGR、DGC、ADG、TGC和Rev.TGC生長模型來描述尖吻鱸的生長Fig.3 Comparison of growth models- DGC, SGR, ADG, TGC and Rev.TGC models to describe the growth of Lates calcarifer

2.4 飼料需求量、污染物排放量和模型驗證

尖吻鱸消化能需求量、飼料需求量見表6, 各污染物排放量預(yù)測結(jié)果見表7。經(jīng)估算, 當(dāng)尖吻鱸體重從1 g增長到1000 g時, 每條魚消化能需求量為2.33×104kJ, 飼料需求量約為1.57 kg, 每生產(chǎn)1000 kg魚, 總固態(tài)污染物排放量為543 kg, 可溶性含氮污染物為56.6 kg, 可溶性含磷污染物為6.1 kg。當(dāng)尖吻鱸體重在1—1000 g內(nèi), 每消耗1000 kg飼料, 總固態(tài)污染物排放量為349 kg, 可溶性含氮污染物為36.3 kg,可溶性含磷污染物為3.9 kg。

在模型的驗證中, 本研究分別采用尖吻鱸體重和飼料轉(zhuǎn)化率(FCR)的模型預(yù)測值與實際觀測值之間的擬合度來驗證, 結(jié)果發(fā)現(xiàn)尖吻鱸體重實際觀測值與模型預(yù)測值之間的擬合度較好(R2=0.97, 圖7),而FCR的實際觀測值與模型預(yù)測值之間的擬合度相對較差(R2為0.57, 圖8b), 且飼料需求模型對FCR的預(yù)測值明顯小于實際觀測值(圖8a、8b)。

2.5 軟件包的開發(fā)

圖4 尖吻鱸魚體生化組成與體重的關(guān)系Fig.4 Whole body chemical composition of Lates calcarifer and its relation with body weight

圖5 尖吻鱸體重和魚體蛋白質(zhì)(a和e)、脂肪(b和f)、灰分(c和g)和能值(d和h)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 (a and e), lipid (b and f), ash (c and g) and gross energy (d and h) of Lates calcarifer

表4 線性方程和對數(shù)方程(體重與BP、BL、BA、GE)預(yù)測值與實際觀測值的殘差平方和(RSS)Tab.4 Residual sum squares (RSS) of the isometric and allometric regression analysis of body weight with body protein, lipid, ash and gross energy as predictors of Lates calcarifer

為實現(xiàn)該模型的可視化, 本研究開發(fā)了模型在線軟件包。在數(shù)據(jù)庫方面, 設(shè)計了10個表來存儲軟件包的模型參數(shù)和輔助信息(圖9)。魚類管理表是用來存儲不同品種魚類的相關(guān)信息, 包括整個系統(tǒng)中魚類的唯一編碼、魚類的名稱及用于計算積溫的最低溫度。魚類生長階段表具有唯一的魚類生長階段編碼, 該編碼定義為表中特定魚類的生長階段。個人信息表包含系統(tǒng)中所有注冊的用戶。對于任何用戶, 在用戶模型表中建立的一些模型均可以與該用戶關(guān)聯(lián)。飼料管理表用于存儲不同飼料產(chǎn)品的相關(guān)參數(shù), 這些參數(shù)(如干物質(zhì)、粗蛋白、粗脂肪、能值、磷及其消化率等)是預(yù)測魚類飼料需求量的污染排放量所必需的。每個模型中都存儲了與模型相關(guān)的參數(shù), 用戶可在需要時檢索這些參數(shù)(例如, 魚類品種、魚類生長階段、飼料參數(shù)和其他模型參數(shù)等)。此外, 用戶還可根據(jù)其自身生產(chǎn)數(shù)據(jù)自定義某些參數(shù), 例如, 用戶可以通過輸入其養(yǎng)殖對象以往周年的生長數(shù)據(jù), 使后臺自動生成更加匹配其生長環(huán)境的生長模型參數(shù), 在預(yù)測生長的時候選擇該新生成的參數(shù)。

應(yīng)用層可實現(xiàn)模型所有功能的可視化。例如上述已建立模型的魚類體重預(yù)測、飼料需求預(yù)測及污染排放預(yù)測功能。此外, 該層還可提供諸如用戶注冊和用戶登錄之類的其他輔助功能(圖10)。圖10展示了用戶界面, 已注冊的用戶登錄到系統(tǒng)后, 顯示主菜單, 從中可以訪問開發(fā)的各項預(yù)測功能。用戶界面允許用戶與系統(tǒng)交互,TGC可以來自理論值或采用用戶自定義參數(shù)。UI層是基于html5/css標準開發(fā)的, 任何瀏覽器和移動設(shè)備均可進行訪問, 可為用戶切換訪問設(shè)備時提供更好的用戶體驗。

3 討論

3.1 生長模型

一些研究發(fā)現(xiàn), 控制肌肉纖維聚集和肥大的基因的表達可能會影響魚類的生長速度, 導(dǎo)致魚類在其生長周期中存在生長異速點[6,8,19]。根據(jù)該點的位置可將魚類整個生命周期分為幾個不同的生長階段。本研究通過計算不同體重魚類的TGC值, 同樣發(fā)現(xiàn)尖吻鱸在其生長周期中存在生長異速點, 但與虹鱒(Oncorhynchus mykiss)[19]和羅非魚(Oreo-chromisspp.)[3]的生長周期中含有兩個異速生長點不一致的是, 本研究中尖吻鱸僅存在一個異速生長點。一些研究表明魚類在其性成熟時期對營養(yǎng)物質(zhì)的利用效率會發(fā)生改變, 從而導(dǎo)致生長速度發(fā)生改變[19]。尖吻鱸是一種雄性先成熟的雌雄同體的魚類, 雄性性腺先發(fā)育成熟, 而后轉(zhuǎn)變?yōu)榇菩孕韵侔l(fā)育成熟, 亞洲尖吻鱸幼魚達到雄性成熟需要3—4年, 體重一般為2 kg以上, 而達到雌性成熟則需要6年, 體重一般為4 kg以上[31]。而本研究主要針對商品規(guī)格的魚類(＞400 g即可上市), 研究對象體重小于1 kg, 故還需要收集更多較大規(guī)格(＞2 kg)的尖吻鱸生長數(shù)據(jù), 才能確定尖吻鱸在其生長周期是否還存在更多的異速生長點。

表5 尖吻鱸生化成分組成、基礎(chǔ)代謝、增值熱、排泄代謝能及消化能需求量方程Tab.5 The equations for the estimation of body chemical composition, basal metabolism, heat requirement of feeding, urinary-branchial excretion and digestible energy requirement

圖6 尖吻鱸熱增能(HiE)和排泄能(UE+ZE)與其他各能量之關(guān)系Fig.6 The relationship between heat increment of feeding (HiE), urine and gills energy (UE+ZE) and other energy of Lates calcarifer

表6 尖吻鱸不同生長時期消化能需求量和飼料需求量Tab.6 Digestible energy and feed requirement of Lates calcariferat different stages

表7 尖吻鱸固態(tài)廢物和可溶性廢物排放量Tab.7 Output of solid and dissolved wastes of Lates calcarifer

目前, 國內(nèi)外最常用來描述魚類生長的模型主要為SGR、DGC、ADG和TGC模型[3]。其中,SGR模型由于在恒溫條件下對幼魚的生長預(yù)測效果較好, 因而經(jīng)常被一些研究者用于魚類生長實驗中,來探索更適合魚類生長的飼料配方和養(yǎng)殖模式[3]。但由于魚類為變溫動物, 魚類的生長速度會隨著水溫的變化而發(fā)生改變,TGC模型由于考慮到了水溫對魚類生長的影響, 因此在變溫條件下, 其預(yù)測效果優(yōu)于其他模型[15]。一些研究表明, 不同生長時期的魚類其生長速率存在差異, 魚類在其生長周期中存在生長異速點[3,8,19], 因此, 采用單一系數(shù)的模型來預(yù)測不同生長時期的魚類的生長速度會存在較大的偏差。Chowdhury等[3]的研究結(jié)果表明當(dāng)羅非魚體重小于30 g時, 生長指數(shù)為1/3的TGC模型才具有較好的預(yù)測效果; Dumas等[19]對虹鱒的研究同樣發(fā)現(xiàn), 當(dāng)生長指數(shù)為1/3時,TGC模型只適用于體重在20—500 g內(nèi)的虹鱒, 且TGC模型的最適生長指數(shù)(1-b)隨著魚體質(zhì)量的不斷上升逐漸增加, 最終的理論數(shù)值會趨近1。因此, 在構(gòu)建魚類生長模型時, 需要考慮到這一因素并對生長模型的參數(shù)進行優(yōu)化以提高生長模型預(yù)測的準確性。本文研究發(fā)現(xiàn), 根據(jù)生長異速點將尖吻鱸的生長周期劃分為兩個生長階段后, 優(yōu)化后的TGC模型的預(yù)測效果明顯優(yōu)于其他的模型, 這與羅非魚[6]、虹鱒[19]、異育銀鯽(Carassius auratus gibelio)[8]和草魚(Ctenopharyngodon idellus)[10]的研究結(jié)果相似, 但由于魚類品種不同, 其生長規(guī)律和生長潛力具有較大的差異, 在一定程度上直接影響生長模型的最適參數(shù)值, 因而本研究構(gòu)建的TGC模型的最適生長指數(shù)與其他魚類均存在較大的差異。

3.2 尖吻鱸魚體成分和能量收支

魚類體重的增長是飼料中各營養(yǎng)成分在魚體中沉積的結(jié)果, 因此, 在探討魚類的生長和對飼料的需求時, 需要了解魚類對飼料中各種營養(yǎng)物質(zhì)的需求范圍和利用效率。一些研究表明, 運用數(shù)學(xué)模型可以較好反映魚類體重與魚體中各營養(yǎng)物質(zhì)的關(guān)系[16,32—34]。本研究分別對尖吻鱸體重與其體內(nèi)各營養(yǎng)成分之間的關(guān)系進行了分析。結(jié)果顯示, 在不同的魚類體重、養(yǎng)殖水溫、飼料組成和投喂水平的情況下, 線性等速方程y=a×W+b和指數(shù)方程y=a×Wb均可以用來預(yù)測不同體重魚類各體成分的含量。通過對這2種模型的預(yù)測結(jié)果進行比較分析,研究發(fā)現(xiàn)線性等速模型在預(yù)測魚體蛋白質(zhì)和能值的效果比指數(shù)模型更好, 這與羅非魚[6]、虹鱒[19]和異育銀鯽[9]的研究結(jié)果一致。但在對尖吻鱸體內(nèi)脂肪和灰分的預(yù)測中, 指數(shù)模型的預(yù)測效果比等速模型效果更好, 這一研究結(jié)果僅在對虹鱒脂肪的預(yù)測中發(fā)現(xiàn), 而其他魚類體內(nèi)脂肪和灰分均為等速增加,這可能與魚類品種差異和飼料營養(yǎng)成分不同有關(guān),但具體原因還要進一步研究。

圖7 尖吻鱸體重的實際觀測值和模型預(yù)測值及其回歸關(guān)系Fig.7 Observed body weight and predicted body weight of Lates calcarifer

圖8 尖吻鱸飼料系數(shù)(FCR)的實際觀測值和模型預(yù)測值及其回歸關(guān)系Fig.8 Observed and predicted feed conversion ratio of Lates calcarifer

基礎(chǔ)代謝能(HeE)是動物用來維持生命所有器官活動所需要的最低能量。一些研究發(fā)現(xiàn), 同種魚類在不同體重和不同養(yǎng)殖水溫情況下, 其單位體重消耗的基礎(chǔ)代謝能具有很大差異[12], 通過對魚類能量學(xué)的進一步研究發(fā)現(xiàn), 采用指數(shù)方程HeE=(a+bT)×BW0.8可以反映水溫和魚體質(zhì)量對魚類HeE之間的關(guān)系[3,12,8]。在本研究中, 魚類基礎(chǔ)代謝隨水溫呈先上升后下降的趨勢, 這與虹鱒[12]的結(jié)果相一致, 原因可能與魚體內(nèi)有關(guān)基礎(chǔ)代謝的酶的活性相關(guān), 具體原因還需進一步研究。魚類代謝活動中所損耗的能量除基礎(chǔ)代謝能外, 在攝食活動中還會有一部分能量消耗, 這部分能量被稱為攝食熱增能(HiE),一些研究發(fā)現(xiàn),HiE與HeE和RE之間具有高度相關(guān)關(guān)系。在本研究中, 分別將尖吻鱸的HiE與HeE和RE進行回歸分析, 結(jié)果發(fā)現(xiàn)HiE和RE+HeE的相關(guān)度最高, 這與羅非魚[3]和異育銀鯽[8]的研究結(jié)果一致。UE+ZE為魚類鰓和尿液排泄過程中所損失的能量。有研究表明,UE+ZE與攝食能(IE)具有一定的關(guān)系[3], 本文對尖吻鱸的研究發(fā)現(xiàn),UE+ZE與RE+HeE+HiE之間呈現(xiàn)線性回歸關(guān)系, 此結(jié)果與羅非魚[3]和草魚[10]的研究結(jié)果一致, 但回歸系數(shù)差異較大, 原因可能與養(yǎng)殖品種、養(yǎng)殖環(huán)境及飼料營養(yǎng)成分相關(guān)。

圖9 數(shù)據(jù)庫端設(shè)計中的關(guān)鍵表Fig.9 Key tables in the design of the database side

3.3 廢物排放和模型驗證

一些研究表明, 水產(chǎn)養(yǎng)殖的污染排放和營養(yǎng)負荷同樣可采用數(shù)學(xué)模型有效預(yù)測[35]。本研究分別對不同生長階段魚類攝食的飼料各營養(yǎng)成分、飼料各營養(yǎng)成分消化率及不同質(zhì)量魚體中氮和磷含量進行了分析, 通過營養(yǎng)物質(zhì)平衡法估算尖吻鱸養(yǎng)殖過程中的污染排放量。結(jié)果顯示, 當(dāng)生產(chǎn)1000 kg尖吻鱸或者投喂1000 kg飼料時, 總固態(tài)污染物排放量為543和349 kg, 其結(jié)果明顯比草魚[10]的排放量(分別為632和440 kg/1000 kg)低, 但顯著高于虹鱒[35](分別為250和220 kg/1000 kg)和異育銀鯽[8]的排放量(分別為419和282 kg/1000 kg)。原因可能與不同魚類和不同的飼料對飼料營養(yǎng)成分的消化吸收效果具有差異相關(guān)。

飼料系數(shù)(FCR)是評價飼料報酬的一個重要指標[30], 在動物養(yǎng)殖中, 通常被用來反映魚體對飼料的利用效率。有研究顯示, 由于魚類生長與飼料需求具有直接的關(guān)系, 而FCR作為衡量魚類對飼料轉(zhuǎn)化為體重的效果的主要指標, 同樣可應(yīng)用于魚類飼料需求模型的驗證中[3,12]。本文通過對模型魚體體重及FCR的模型預(yù)測值和實際觀測值進行比較, 結(jié)果發(fā)現(xiàn), 本模型對尖吻鱸體重的預(yù)測值和觀測值的擬合度較好(R2=0.97), 而FCR的預(yù)測值和掛測值的擬合度相對較差(R2=0.57), 且FCR觀測值顯著大于預(yù)測值, 表明該模型對尖吻鱸生長的預(yù)測效果較好,而對飼料需求量的預(yù)測中與實際投喂量有一定偏差, 然而, 采用同樣的方法, Chowdhury等[3]對羅非魚FCR的預(yù)測效果較佳, 原因可能在于羅非魚的研究在實驗室進行, 投喂量較為精確, 而本研究投喂數(shù)據(jù)來自養(yǎng)殖場, 在實際投喂過程中投喂過量所致。

3.4 軟件系統(tǒng)的開發(fā)

在水產(chǎn)養(yǎng)殖業(yè)中, 飼料投喂量對水產(chǎn)養(yǎng)殖業(yè)的生產(chǎn)成本、廢物排放和水產(chǎn)品質(zhì)量具有決定性的影響[3]。因此, 精確投喂被認為是提高飼料利用率、降低飼養(yǎng)成本和污染排放的重要途徑。然而,由于水產(chǎn)養(yǎng)殖品種眾多, 養(yǎng)殖環(huán)境多變, 養(yǎng)殖模式復(fù)雜, 所謂的魚類精準投喂仍處于探索期, 雖有一些嘗試使用自動投餌機、傳感器監(jiān)測設(shè)備和NBIoT無線通信技術(shù)來設(shè)計水產(chǎn)養(yǎng)殖智能管理系統(tǒng)[36],但因為覆蓋低、成本較高, 且易受環(huán)境變化干擾等原因而無法大量投入使用。此外, 這些系統(tǒng)只針對各種傳感器監(jiān)測數(shù)據(jù)做日常監(jiān)測, 并未將所有數(shù)據(jù)如飼料投喂數(shù)據(jù)、水質(zhì)監(jiān)測數(shù)據(jù)及魚體生長數(shù)據(jù)關(guān)聯(lián)起來綜合分析, 各數(shù)據(jù)之間職能單一, 相互封閉, 在實際養(yǎng)殖過程中無法對生產(chǎn)進行有效的管理。以互聯(lián)網(wǎng)、大數(shù)據(jù)為核心的智慧漁業(yè)是一個全新的產(chǎn)業(yè)模式, 雖沒有現(xiàn)成的經(jīng)驗和技術(shù)作為參考, 但水產(chǎn)養(yǎng)殖的精準化、數(shù)字化、智能化的重要需求及5G技術(shù)的快速發(fā)展態(tài)勢為未來水產(chǎn)養(yǎng)殖智能信息管理平臺提供了良好的發(fā)展環(huán)境。

圖10 所開發(fā)軟件包的前端用戶登錄界面和預(yù)測結(jié)果界面(UI)Fig.10 Front-end user interface (UI) of the developed software package

在大數(shù)據(jù)的基礎(chǔ)上構(gòu)建模型, 能夠推進大數(shù)據(jù)技術(shù)與水產(chǎn)養(yǎng)殖產(chǎn)業(yè)的深度融合與應(yīng)用。當(dāng)數(shù)據(jù)樣本數(shù)大幅增大的同時, 龐大的數(shù)據(jù)可以顯著提升模型的精確度, 且在一定程度上降低對數(shù)據(jù)的要求[37]。基于互聯(lián)網(wǎng)技術(shù)的軟件平臺是實現(xiàn)水產(chǎn)養(yǎng)殖智能管理最有效的技術(shù)手段之一。本研究分析大量水產(chǎn)養(yǎng)殖生產(chǎn)數(shù)據(jù)的基礎(chǔ)上構(gòu)建模型, 并為養(yǎng)殖戶及管理者建立了一個線上投喂管理輔助決策系統(tǒng), 以使養(yǎng)殖戶能夠更加方便快捷的使用本研究所提出的模型預(yù)測服務(wù)。該在線系統(tǒng)具有以下功能: (1)海量數(shù)據(jù)記錄與儲存, 用戶注冊或登錄系統(tǒng)后, 可將所養(yǎng)殖魚類名稱、水溫、體重和飼料各營養(yǎng)成分輸入, 系統(tǒng)將會自動儲存這些數(shù)據(jù), 以方便對養(yǎng)殖場以往生產(chǎn)數(shù)據(jù)和現(xiàn)有數(shù)據(jù)進行對比分析;(2)生長預(yù)測: 用戶可根據(jù)上傳養(yǎng)殖場的生產(chǎn)數(shù)據(jù),如水溫、初始體重和養(yǎng)殖時間, 使用當(dāng)前研究計算出的默認TGC生長率預(yù)測魚的體重。也可以通過上傳自己以往的年生長和水溫變化等生產(chǎn)數(shù)據(jù), 計算自己的TGC生長速率, 做進一步的生長預(yù)測;(3)飼料需求量預(yù)測: 用戶可以將養(yǎng)殖場不同生長階段所用的飼料各營養(yǎng)成分輸入系統(tǒng), 系統(tǒng)結(jié)合魚類生長預(yù)測結(jié)果可自動估計飼料需求量; (4)氮、磷污染物排出量預(yù)測: 系統(tǒng)結(jié)合魚類生長預(yù)測和飼料需求量預(yù)測結(jié)果, 可自動估計該魚塘在養(yǎng)殖期間總氮、總磷的排放量。所有結(jié)果將自動以表格或圖表形式顯示, 任何用戶都可以對養(yǎng)殖情況一目了然。所有養(yǎng)殖戶或漁業(yè)管理人員都可以通過任何瀏覽器和移動設(shè)備訪問這個網(wǎng)上水產(chǎn)養(yǎng)殖智能精準養(yǎng)殖預(yù)測服務(wù)平臺來進行魚類生長、飼料需求量和污染排放量的預(yù)測。

在軟件的開發(fā)和使用過程中, 本研究實現(xiàn)了電腦(PC)端網(wǎng)頁的開發(fā), 但因為隨著智能手機的普及,及部分漁民對電腦的使用存在障礙, 后期的研究將會開發(fā)手機移動端, 并將此養(yǎng)殖預(yù)測服務(wù)平臺與水質(zhì)監(jiān)測設(shè)備、自動預(yù)警報警系統(tǒng)及一些自動化設(shè)備(如自動增氧機、自動投喂機)進行耦合, 使?jié)O民不僅能夠隨時隨地的在手機上直觀的觀察魚塘的水質(zhì)變化情況, 預(yù)測魚類的生長、飼料需求和氮磷排放, 還可以通過自動預(yù)警報警系統(tǒng)對魚塘的異常情況進行及時反應(yīng), 并通過自動投喂機顯示的實際投喂量對模型預(yù)測投喂量不斷的優(yōu)化, 進一步提高模型對應(yīng)用魚塘的預(yù)測準確度, 從而實現(xiàn)針對不同漁民養(yǎng)殖魚塘的精準養(yǎng)殖預(yù)測功能。

4 結(jié)論

本研究構(gòu)建的精準投喂管理輔助決策系統(tǒng)耦合了體重和各營養(yǎng)載體、能量之間的數(shù)據(jù)模型, 及尖吻鱸不同生長時期TGC生長模型的應(yīng)用, 驗證實驗中尖吻鱸體重的模型預(yù)測值與實際觀測值之間顯著相關(guān), 飼料系數(shù)(FCR)模型觀測值大于實際預(yù)測值。這表明本實驗中構(gòu)建的精準投喂管理模型可以有效地估計養(yǎng)殖中魚體生長情況, 但由于實際養(yǎng)殖中飼料投喂多為過量投喂, 可能導(dǎo)致實際投喂量大于養(yǎng)殖需求量, 進而導(dǎo)致污染排放量的增加。本研究中開發(fā)的精準投喂管理輔助決策系統(tǒng)軟件,為養(yǎng)殖投喂管理精準化、信息化奠定了一定的理論和技術(shù)基礎(chǔ)。

由于模型預(yù)測準確性取決于高質(zhì)量的大量數(shù)據(jù), 當(dāng)有效數(shù)據(jù)量越多, 模型的準確性越高。本模型驗證的數(shù)據(jù)主要來自某一海鱸、尖吻鱸漁場, 因此在預(yù)測其他漁場某種魚類的生長和飼料需求時,還需要采集大量該養(yǎng)殖場的生產(chǎn)數(shù)據(jù), 并將數(shù)據(jù)輸入此平臺中, 通過對數(shù)據(jù)的處理和分析, 平臺將自動調(diào)整模型參數(shù), 以使該模型預(yù)測結(jié)果更加精確。