羅 偉，李 強(qiáng)，劉 秀，王玲玲，周 劍，楊榮國**

四川盆地夏季魚塘水溫變化特征及預(yù)報(bào)*

羅 偉1，李 強(qiáng)1，劉 秀2，王玲玲1，周 劍3，楊榮國1**

（1.四川省自貢市氣象局，自貢 643000；2.四川省富順縣氣象局，富順 643200；3.四川省農(nóng)業(yè)科學(xué)院水產(chǎn)研究所，成都 610097)

基于四川盆地南部富順縣水產(chǎn)養(yǎng)殖氣象服務(wù)試驗(yàn)基地2017?2019年水溫資料和同步氣溫資料，分析魚塘夏季（6?8月）不同時(shí)間尺度上各層水溫最高時(shí)段特征；以預(yù)報(bào)某日氣溫、前1日氣溫和水溫作為預(yù)報(bào)因子，采用逐步回歸分析建立夏季典型晴天狀況下魚塘各層平均水溫、最高水溫預(yù)報(bào)模型，并對(duì)模型預(yù)報(bào)效果進(jìn)行檢驗(yàn)。結(jié)果表明：夏季日內(nèi)各層水溫最高值出現(xiàn)在18：00?19：00，較氣溫滯后1～3h；水溫≥32℃的時(shí)段主要集中在16：00?22：00，該時(shí)段內(nèi)10、50和100cm深處水層逐時(shí)平均水溫分別在32.9～33.1℃、32.6～32.7℃和32.1～32.3℃。夏季各層水溫隨氣溫呈波動(dòng)上升趨勢，水溫最高值均出現(xiàn)在7月下旬；水溫≥32℃的日數(shù)平均為23d，主要出現(xiàn)在7月下旬?8月中旬，該時(shí)段內(nèi)10、50和100cm水層逐日平均水溫分別在28.5～34.4℃、28.2～34.1℃和27.9～33.9℃。通過2017?2018年回帶檢驗(yàn)和2019年預(yù)報(bào)檢驗(yàn)，模型預(yù)報(bào)平均絕對(duì)誤差在0.3～0.8℃，平均相對(duì)誤差在2.6%以內(nèi)，預(yù)報(bào)效果較好，能較好地應(yīng)用于夏季魚塘水溫預(yù)報(bào)。

四川盆地；魚塘水溫；變化特征；預(yù)報(bào)

魚塘養(yǎng)殖一般為開放系統(tǒng)，相對(duì)海洋、河流、湖泊、水庫等大型水體，魚塘水體特點(diǎn)是面積小、深度淺、循環(huán)慢，其水溫除了受所在地理位置、魚塘面積、魚塘深度和水中浮游植物含量等生態(tài)環(huán)境要素影響外，很大程度上取決于本地的氣溫條件[1?4]。國內(nèi)外學(xué)者對(duì)水溫與氣溫間的變化規(guī)律和預(yù)報(bào)模型進(jìn)行了研究[5-6]，在海洋、湖泊、水庫等水體溫度方面，郭偉其等[7]通過對(duì)東海沿岸40a海水表層溫度變化特征的分析，確定暖冬是東海沿岸表層海水溫度總體呈上升趨勢的重要因素；付朝暉等[8]探討了撫仙湖水溫與自然環(huán)境因子的關(guān)系，發(fā)現(xiàn)撫仙湖水溫與氣溫、相對(duì)濕度、風(fēng)速等氣象要素關(guān)系密切；朱振亞等[9]研究了向家壩建壩前后宜賓段平均水溫與主要?dú)庀笠蜃拥淖兓P(guān)系，確定平均氣溫是影響向家壩水電站宜賓段平均水溫的主要?dú)庀笠蜃?。在水溫預(yù)報(bào)方面，張俊等[10]采用神經(jīng)網(wǎng)絡(luò)方法，以溫度、濕度為預(yù)報(bào)因子構(gòu)建河蟹養(yǎng)殖水溫預(yù)報(bào)模型，模型擬合系數(shù)高達(dá)0.949。但針對(duì)四川盆地夏季魚塘水溫變化特征的研究還鮮有報(bào)道。

近年來，隨著居民生活水平的不斷提高和水產(chǎn)養(yǎng)殖業(yè)供給側(cè)結(jié)構(gòu)調(diào)整，四川省水產(chǎn)養(yǎng)殖逐步向高投入、高產(chǎn)值且對(duì)環(huán)境要求更高的名、特、優(yōu)魚類品種發(fā)展。2020年，四川省水產(chǎn)養(yǎng)殖總面積約19萬hm2，其中池塘養(yǎng)殖面積10萬hm2，占總面積的52%。四川盆地屬亞熱帶濕潤氣候區(qū)，受副熱帶高壓影響，夏季高溫?zé)岷r(shí)有發(fā)生，當(dāng)水溫超過32℃，易導(dǎo)致魚類攝食減弱、生長減緩，池塘病菌大量滋生爆發(fā)魚病，從而影響名、特、優(yōu)魚類的品質(zhì)和產(chǎn)量形成。因此，本研究利用四川盆地南部富順縣水產(chǎn)養(yǎng)殖氣象服務(wù)試驗(yàn)基地2017?2019年的水溫資料和同步氣溫資料，針對(duì)盆地夏季典型晴熱天氣，分析夏季魚塘在不同時(shí)間尺度上各層水溫最高時(shí)段特征，選取與預(yù)報(bào)某日魚塘水溫相關(guān)性顯著的逐日氣溫和水溫作為預(yù)報(bào)因子，構(gòu)建夏季典型晴天狀況下魚塘不同水層的平均水溫、最高水溫預(yù)報(bào)模型，旨在為水產(chǎn)部門在夏季開展水溫調(diào)控、減輕高溫?zé)岷τ绊?、提高魚類品質(zhì)和產(chǎn)量提供科學(xué)依據(jù)。

1 資料與方法

1.1 實(shí)驗(yàn)地點(diǎn)

四川省富順縣地處四川盆地南部淺丘區(qū)、沱江下游（28.55°?29.28°N、104.40°?105.15°E），沱江由北向南縱貫縣境。富順縣屬于亞熱帶季風(fēng)性濕潤氣候，氣候溫和、四季分明、無霜期長、季風(fēng)氣候顯著。根據(jù)富順縣40a（1981?2020年）氣象數(shù)據(jù)統(tǒng)計(jì)分析，受副熱帶高壓影響，夏季高溫（日最高氣溫達(dá)到35℃以上）發(fā)生頻率達(dá)97%，高溫發(fā)生天數(shù)最多的年份達(dá)到44d。

實(shí)驗(yàn)于2017年1月?2019年12月在富順縣水產(chǎn)養(yǎng)殖氣象服務(wù)試驗(yàn)基地進(jìn)行。魚塘面積2.5hm2，水深1.2～1.5m，主要養(yǎng)殖黃顙魚、斑點(diǎn)叉尾等經(jīng)濟(jì)價(jià)值較高的魚類。

1.2 儀器設(shè)備

魚塘監(jiān)測設(shè)備：魚塘配有一套富順縣水產(chǎn)養(yǎng)殖氣象監(jiān)測系統(tǒng)，該系統(tǒng)的設(shè)備主要包括水溫傳感器、溶氧度傳感器、pH值傳感器、濁度傳感器、視頻實(shí)況監(jiān)控。水溫傳感器為邯鄲某公司生產(chǎn)，傳感器設(shè)置在距岸邊4m、水下10cm、50cm和100cm處，探針尺寸標(biāo)準(zhǔn)Φ6×15cm，測量范圍在?20～80℃，精度為0.1℃。為防止魚類出現(xiàn)缺氧浮頭，魚塘中還配有1臺(tái)增氧設(shè)備。

陸地監(jiān)測設(shè)備：距魚塘邊35m處，建有一套6要素氣象自動(dòng)觀測站，觀測要素包括氣溫、相對(duì)濕度、降水、風(fēng)速、風(fēng)向和大氣壓。距魚塘邊8m處配有一臺(tái)LED大屏和一臺(tái)視頻監(jiān)控設(shè)備，分別用于魚塘各項(xiàng)指標(biāo)數(shù)據(jù)和魚塘環(huán)境狀況的實(shí)時(shí)顯示。

1.3 資料獲取

2017?2019年夏季（6?8月）10、50和100cm深處逐小時(shí)水溫資料來源于水產(chǎn)養(yǎng)殖氣象服務(wù)監(jiān)測系統(tǒng)，同期逐小時(shí)氣溫資料來源于距魚塘邊35m處的6要素氣象站。

日平均溫度取每日逐小時(shí)氣溫或水溫平均值。日最高溫度取自一日內(nèi)出現(xiàn)的某一時(shí)次氣溫或水溫的最高值。夏季高溫時(shí)段是指連續(xù)3日最高氣溫在35℃以上。典型晴天是指天空中總云量少于30%，典型陰雨天氣是指天空中總云量大于70%或出現(xiàn)降雨過程。

1.4 模型構(gòu)建

1.4.1 因子選取

水產(chǎn)養(yǎng)殖冬季一般關(guān)注最低水溫能否使魚類順利越冬。與之相反，夏季當(dāng)水溫升至某溫度臨界值以上時(shí)，不但會(huì)影響魚類攝食生長，還會(huì)造成病菌滋生繁殖[11?12]。因此，選擇夏季水溫預(yù)報(bào)因子，應(yīng)排除最低氣溫和最低水溫因子，將預(yù)報(bào)某日水溫與某日氣溫、其前1～3d氣溫和水溫資料進(jìn)行交叉相關(guān)性分析。

以皮爾遜相關(guān)系數(shù)反映變量間的相關(guān)程度，按照引入因子與預(yù)報(bào)某日水溫的相關(guān)系數(shù)大小，選取構(gòu)建模型的預(yù)報(bào)因子。將預(yù)報(bào)某日各層平均/最高水溫，分別與某日和其前1～3日的日平均/最高氣溫以及其前1～3d三個(gè)水層（10cm、50cm、100cm，下同）平均的日平均水溫和最高水溫進(jìn)行相關(guān)分析，r為相關(guān)系數(shù)，分別表示為r(Ti)、r(TMAX?i)、r(TS?i)、r(TSMAX?i)，T為日平均氣溫（℃），TMAX為日最高氣溫（℃），TS為三個(gè)水層平均水溫（℃），TSMAX為三個(gè)水層最高水溫的平均值（℃），i為天數(shù)，以0、1、2、3分別代表某日、前一日、前二日、前三日。其中，相關(guān)系數(shù)r等于兩個(gè)變量的協(xié)方差除以兩個(gè)變量的標(biāo)準(zhǔn)差。

式中，x為預(yù)報(bào)水溫（℃），y為日平均/最高氣溫或水溫（℃），n為樣本數(shù)，i為天數(shù)（0、1、2、3）。

1.4.2 模型構(gòu)建

選取2017年和2018年夏季典型晴天狀況下的逐日氣溫、水溫資料，利用預(yù)報(bào)某日水溫與所選因子，采用逐步回歸法建立夏季典型晴天狀況下魚塘不同水層的平均水溫、最高水溫預(yù)報(bào)模型。

1.4.3 模型檢驗(yàn)

分別選取2017?2018年、2019年夏季逐日氣溫、水溫資料作為夏季水溫預(yù)報(bào)模型的回代檢驗(yàn)和預(yù)報(bào)檢驗(yàn)數(shù)據(jù)，以預(yù)報(bào)水溫值與實(shí)際水溫值進(jìn)行比較，分別選擇平均絕對(duì)誤差（MAE）和平均相對(duì)誤差（MRE）評(píng)價(jià)模型的預(yù)報(bào)效果。

1.5 數(shù)據(jù)處理

數(shù)理統(tǒng)計(jì)、作圖均采用Excel，因子間的相關(guān)分析、逐步回歸建立模型均采用SPSS22.0。

2 結(jié)果與分析

2.1 夏季魚塘不同深度水溫變化特征

2.1.1 日內(nèi)水溫最高時(shí)段

在2017?2019年三個(gè)夏季共276d中，出現(xiàn)典型晴天112d，典型陰雨天47d。圖1是2017?2019年夏季112個(gè)典型晴天狀況下，日內(nèi)逐時(shí)平均氣溫及魚塘各層水溫變化情況。由圖可見，典型晴天狀況下的氣溫和水溫變化規(guī)律均有較好的一致性，水溫隨氣溫波動(dòng)總體呈降?升?降模式。總體水溫值高于氣溫，11：00?20：00氣溫比水溫高，20：00?次日11：00氣溫比水溫低。日內(nèi)氣溫最高值出現(xiàn)在16：00?17：00，10、50和100cm水層分別達(dá)到32.5℃、32.2℃和31.6℃，10cm和50cm水溫最高值出現(xiàn)在18：00?19：00，較氣溫滯后1～2h，100cm處水溫最高值出現(xiàn)在1：00，較氣溫滯后2～3h，最高水溫的滯后性隨深度增加而增加；氣溫最低值出現(xiàn)在6：00?7：00，各層水溫最低值出現(xiàn)在8：00?9：00，分別為30.3℃、30.5℃和30.7℃，較氣溫滯后2～3h，各層最低水溫的滯后性基本一致。日內(nèi)，水溫≥32℃的時(shí)段主要集中在16：00?22：00。

圖1 2017?2019年夏季典型晴天日內(nèi)逐時(shí)平均氣溫及魚塘各層水溫變化

對(duì)2017?2019年夏季日內(nèi)16：00?22：00≥32℃的魚塘各層水溫小時(shí)數(shù)據(jù)統(tǒng)計(jì)分析，由表1可見，各層水溫≥32℃時(shí)段內(nèi)逐時(shí)平均水溫分別在32.9～33.1℃、32.6～32.7℃、32.1～32.3℃，10cm水層水溫最高，50cm次之，100cm最低，且水溫降低幅度隨水層深度的增加而增加。

表1 2017?2019年夏季日內(nèi)≥32℃的魚塘各層逐時(shí)平均水溫(℃)

圖2是2017?2019年夏季47個(gè)典型陰雨天狀況下，氣溫及魚塘各層水溫逐時(shí)平均日內(nèi)變化情況。由圖可見，典型陰雨天狀況下氣溫與水溫變化規(guī)律均有較好的一致性，總體呈下降趨勢，水溫全天明顯高于氣溫。氣溫最高值出現(xiàn)在16：00左右，水溫最高值出現(xiàn)在00：00左右，水溫全天呈下降趨勢，僅16：00?18：0010cm水溫有小幅波動(dòng)，各層水溫滯后性不明顯。

圖2 2017?2019年夏季典型陰雨天狀況下日內(nèi)氣溫及魚塘各層水溫逐時(shí)變化

2.1.2 夏季水溫最高時(shí)段

由圖3可見，2017?2019年三個(gè)夏季逐日氣溫及魚塘各層水溫變化均有較好的一致性，水溫隨深度增加而降低。三個(gè)夏季日平均氣溫變化幅度均在11℃左右，各層水溫變化幅度均在9℃左右，水溫日平均值均高于氣溫日平均值。

三個(gè)實(shí)驗(yàn)夏季，各層水溫隨氣溫呈波動(dòng)上升趨勢，6月中旬?7月上旬上升最為明顯，水溫上升速率在0.15℃×d?1左右；2017年6月15?20日、2018年6月21?26日、2019年6月27日?7月2日，均為6d的持續(xù)晴好升溫天氣過程中，氣溫增幅在5.0～6.6℃，各層水溫增幅在4.0～5.1℃。水溫≥32℃時(shí)段主要出現(xiàn)在7月下旬?8月中旬，該時(shí)段內(nèi)10、50和100cm水層逐日平均水溫分別在28.5～34.4℃、28.2～34.1℃和27.9～33.9℃，各層出現(xiàn)日平均水溫≥32℃的天數(shù)平均在9d、7d、4d；3a夏季氣溫和水溫日最高值均出現(xiàn)在7月下旬，氣溫最高值為32.6℃，各層水溫最高值分別為34.4、34.1和33.9℃。從8月下旬開始?xì)鉁睾退疁爻手鸩较陆第厔荨?/p>

對(duì)2017?2019年夏季魚塘水溫監(jiān)測數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，由表2可見，夏季魚塘各層水溫≥32℃的天數(shù)平均分別為29d、24d和16d，10cm水層天數(shù)最多，50cm次之，100cm最少，且高溫天數(shù)減少幅度隨水層深度增加而增加。

2.2 夏季魚塘水溫預(yù)報(bào)模型構(gòu)建和檢驗(yàn)

2.2.1 預(yù)報(bào)因子選取

根據(jù)鄧愛娟等[13?14]的研究，某日水溫與某日及其前1～3d的氣溫關(guān)系最為密切，因此，初步選取某日魚塘各層日平均水溫或最高水溫，分別與某日和其前1～3d的日平均氣溫或最高氣溫以及其前1～3d三層平均日平均水溫或最高水溫進(jìn)行相關(guān)分析，將初選各預(yù)報(bào)因子的3a夏季逐日資料導(dǎo)入SPSS軟件，根據(jù)式（1）的運(yùn)算方法得到各預(yù)報(bào)因子間的皮爾遜相關(guān)系數(shù)，結(jié)果見表3。由表可見，某日各層平均水溫或最高水溫均與某日、其前1日的日平均氣溫或最高氣溫和其前1日三層平均日平均水溫或最高水溫呈極顯著相關(guān)關(guān)系，相關(guān)系數(shù)在0.90以上，與前2日和前3日相應(yīng)溫度的相關(guān)性也均極顯著，但相關(guān)系數(shù)逐漸減小，與某日氣溫、前1日氣溫和水溫相關(guān)系數(shù)大都在0.89～0.94，與前2～3d氣溫和水溫相關(guān)系數(shù)大都在0.79～0.86，說明水溫受某日氣溫、其前1日氣溫和水溫影響較其前2～3d氣溫和水溫影響更顯著。因此，按照引入因子與預(yù)報(bào)某日水溫相關(guān)性大小的原則，選取預(yù)報(bào)某日氣溫及其前1日氣溫和水溫作為構(gòu)建模型的預(yù)報(bào)因子。

表2 2017?2019年夏季魚塘各層水溫≥32℃天數(shù)(d)

表3 魚塘各層日平均/最高水溫與某日及其前1～3d的日平均/最高氣溫、水溫的皮爾遜相關(guān)系數(shù)

注：皮爾遜相關(guān)分析數(shù)據(jù)取自3個(gè)實(shí)驗(yàn)?zāi)甓雀黝A(yù)報(bào)因子的夏季逐日資料。T0、T1、T2、T3分別為某日及其前1～3d日平均氣溫，TMAX?0、TMAX?1、TMAX?2、TMAX?3分別為某日及其前1～3d日最高氣溫，TS?0、TS?1、TS?2、TS?3分別為某日及其前1～3d三層平均日平均水溫，TSMAX?0、TSMAX?1、TSMAX?2、TSMAX?3分別為某日及其前1～3d三層平均日最高水溫。下同。

Note:Pearson correlation analysis data were obtained from daily summer data of each predictor in the three experimental years. T0,T1,T2and T3are the daily ave. air temperature on a certain day and 1-3 days before, TMAX?0,TMAX?1, TMAX?2and TMAX?3are the daily max. air temperature on a certain day and 1-3 days before, TS?0, TS?1, TS?2and TS?3are the ave. daily water temperature of the three layers on a certain day and 1-3 days before it, TSMAX?0, TSMAX?1, TSMAX?2and TSMAX?3are the daily max. water temperature of the three layers on a certain day and 1-3 days before it. The same as below.

2.2.2 預(yù)報(bào)模型建立

在夏季，魚塘平均水溫或最高水溫的高低對(duì)魚類品質(zhì)和產(chǎn)量形成影響較為顯著[15-16]，以夏季平均水溫或最高水溫為預(yù)報(bào)對(duì)象，根據(jù)相關(guān)分析結(jié)果，選取2017年和2018年共80個(gè)典型晴天狀況下的某日平均氣溫或最高氣溫、前1日平均氣溫或最高氣溫和水溫作為預(yù)報(bào)因子，采用逐步回歸法分別建立夏季典型晴天狀況下魚塘各層平均水溫和最高水溫預(yù)報(bào)模型，即

式中，TS為日平均水溫，TSMAX為日最高水溫，ε為常數(shù)，a1、a2、a3為系數(shù)。

由表4可以看出，夏季典型晴天狀況下魚塘各層平均水溫、最高水溫預(yù)報(bào)模型的決定系數(shù)在0.92～0.96，說明擬合效果較好。

2.2.3 預(yù)報(bào)模型檢驗(yàn)

利用以上模型分別對(duì)6月1日?8月31日（夏季）典型晴天狀況下魚塘10、50和100cm深度處日平均水溫和日最高水溫進(jìn)行模擬計(jì)算，以2017年和2018年同期數(shù)據(jù)輸入后進(jìn)行回代檢驗(yàn)，以2019年同期數(shù)據(jù)輸入后進(jìn)行預(yù)報(bào)檢驗(yàn)，結(jié)果見表5。由表可見，2017年和2018年夏季典型晴天狀況下，平均水溫或最高水溫的預(yù)報(bào)值與實(shí)測值平均絕對(duì)誤差在0.3～0.7℃，平均相對(duì)誤差在2.0％以內(nèi)。2019年預(yù)報(bào)檢驗(yàn)夏季典型晴天狀況下，平均水溫或最高水溫的預(yù)報(bào)值與實(shí)測值平均絕對(duì)誤差在0.4～0.8℃，平均相對(duì)誤差在2.6％以內(nèi)。擬合斜率在0.91～1.16，與理論值（1.0）偏差不大，總體來看模型的預(yù)報(bào)準(zhǔn)確率較高，可用于四川盆地夏季魚塘水溫預(yù)報(bào)業(yè)務(wù)。

表4 夏季典型晴天狀況下魚塘各層平均/最高水溫預(yù)報(bào)模型參數(shù)及檢驗(yàn)效果

注：TS為日平均水溫，TSMAXA為日最高水溫。下同。**表示方程通過了a=0.01水平的顯著性檢驗(yàn)。

Notice:TSis the average daily water temperature, TSMAXis the max. water temperature. The same as below.**indicates that the equation has passed the significance test at the level of a=0.01.

表5 魚塘平均水溫和最高水溫模型預(yù)報(bào)誤差

注：MAE為平均絕對(duì)誤差，MRE為平均相對(duì)誤差，F(xiàn)S為擬合方程的斜率。

Note: MAE is mean absolute error, MRE is mean relative error, FS is fitting slope.

由圖4和表6可知，運(yùn)用模型模擬的結(jié)果均達(dá)到極顯著水平，實(shí)測水溫與預(yù)報(bào)水溫之間的相關(guān)系數(shù)在0.92～0.95，平均絕對(duì)誤差在0.1～0.7℃，平均相對(duì)誤差在0.1％～2.4％，決定系數(shù)R2達(dá)到0.86～0.92，整體看，平均水溫模型模擬效果好于最高水溫模型。

圖4 2017年7月典型晴天狀況下魚塘10cm層日平均水溫(a)和最高水溫(b)預(yù)報(bào)值與實(shí)測值的對(duì)比

表6 2017年夏季7月典型晴天狀況下魚塘10cm層平均水溫和最高水溫預(yù)報(bào)和實(shí)測比較

3 結(jié)論與討論

3.1 結(jié)論

夏季典型晴天狀況下，魚塘日內(nèi)氣溫最高值出現(xiàn)在16：00?17：00，各層水溫最高值均出現(xiàn)在18：00?19：00，較氣溫滯后1～3h；日內(nèi)水溫≥32℃的時(shí)段主要集中在16：00?22：00，該時(shí)段內(nèi)10、50和100cm水層逐時(shí)平均水溫分別在32.9～33.1℃、32.6～32.7℃、32.1～32.3℃。

夏季各層水溫隨氣溫呈波動(dòng)上升趨勢，6月中旬?7月上旬上升最為明顯，研究期內(nèi)氣溫和水溫的最高值均出現(xiàn)在7月下旬；夏季水溫≥32℃的日數(shù)平均為23d，占整個(gè)夏季的25%左右，主要出現(xiàn)在7月下旬?8月中旬，該時(shí)段內(nèi)各層逐日平均水溫分別在28.5～34.4℃、28.2～34.1℃、27.9～33.9℃。

以某日氣溫、前1日氣溫和水溫作為預(yù)報(bào)因子建立的夏季平均水溫和最高水溫預(yù)報(bào)模型，2017?2018年回代檢驗(yàn)平均絕對(duì)誤差在0.3～0.7℃，平均相對(duì)誤差在2％以內(nèi)。2019年預(yù)報(bào)檢驗(yàn)平均絕對(duì)誤差在0.4～0.8℃，平均相對(duì)誤差在2.6％以內(nèi)。預(yù)報(bào)模型具有較高的準(zhǔn)確率和實(shí)用價(jià)值。

3.2 討論

當(dāng)魚塘水溫超過32℃時(shí)，部分溫水性魚類孵化率、攝食率隨溫度升高而下降，魚類生長緩慢或停止生長并易誘發(fā)疾病[17?18]。而在夏季，魚塘水溫并不是一直都處于高溫時(shí)段，即便是在高溫時(shí)段，水溫也不是24h都處于一個(gè)較高的狀態(tài)。對(duì)四川盆地夏季水溫變化的分析結(jié)果表明，≥32℃水溫日數(shù)平均在23d，主要出現(xiàn)在7月下旬?8月中旬；在夏季典型晴天狀態(tài)下，各層水溫最低值出現(xiàn)在8：00? 9：00，較氣溫滯后2～3h；各層水溫最高值出現(xiàn)在18：00?19：00，較氣溫滯后1～3h，各層水溫的滯后性與孟翠麗等[19?20]對(duì)魚塘水溫的變化特征研究基本一致，但在各層最高水溫的出現(xiàn)時(shí)間上，較湖北等地的出現(xiàn)時(shí)間偏晚2～3h。在四川盆地夏季魚塘養(yǎng)殖中，可根據(jù)夏季高溫時(shí)段和日內(nèi)最高水溫的出現(xiàn)時(shí)間及變化規(guī)律，開展對(duì)高溫災(zāi)害的預(yù)警和魚塘水溫管理。

預(yù)報(bào)因子的選取是提高預(yù)報(bào)準(zhǔn)確率的關(guān)鍵。邵玉芳等[21]將熱環(huán)境數(shù)學(xué)模型應(yīng)用于鋸緣青蟹越冬的日光溫室內(nèi)水池水溫預(yù)測，其模型較為復(fù)雜，且自變量因子較多，對(duì)于實(shí)際業(yè)務(wù)應(yīng)用有一定局限。鄧愛娟等[13?14]考慮氣溫與水溫間的滯后性，以某日、其前1～3d氣溫為自變量建立了水溫預(yù)報(bào)模型。本研究不僅考慮水溫相對(duì)氣溫的滯后性，還考慮魚塘水體溫度的周期變化特性[22]，以預(yù)報(bào)某日水溫與某日氣溫、其前1～3d的平均氣溫、最高氣溫、平均水溫、最高水溫進(jìn)行交叉相關(guān)分析，結(jié)果表明，某日水溫受某日氣溫和前1日氣溫和水溫影響較前2～3d氣溫和水溫影響更顯著，因此，選取某日氣溫和前1日氣溫和水溫作為預(yù)報(bào)因子，與楊文剛等[23?24]選取以某日氣溫和前1日水溫作為預(yù)報(bào)因子基本一致。同時(shí)，作為構(gòu)成夏季水溫預(yù)報(bào)模型的三種預(yù)報(bào)因子（某日平均/最高氣溫，前1日平均/最高氣溫和水溫），均能方便快捷地從氣溫、水溫實(shí)況和氣溫預(yù)報(bào)中獲取。因此，基于逐步回歸的四川盆地夏季水溫預(yù)報(bào)模型具有使用方便、實(shí)用性強(qiáng)、預(yù)報(bào)準(zhǔn)確率較高的優(yōu)點(diǎn)，能夠較好地應(yīng)用于夏季魚塘水溫預(yù)報(bào)。

本研究還將典型晴天狀況下某日、前1?3日的平均/最高氣溫和水溫作為預(yù)報(bào)因子，采用逐步回歸建立預(yù)報(bào)模型，模型決定系數(shù)R2在0.83～0.89，平均絕對(duì)誤差總體在0.7～3.3℃，平均相對(duì)誤差總體在8%以內(nèi)，與以某日氣溫、前1日的平均/最高氣溫和水溫作為預(yù)報(bào)因子建立的預(yù)報(bào)模型比較，預(yù)報(bào)效果偏差，不能較好地反映池塘水溫的實(shí)際情況。

本研究基于四川盆地南部富順縣水產(chǎn)養(yǎng)殖氣象服務(wù)試驗(yàn)基地2017?2019年的水溫資料和同步氣溫資料，在試驗(yàn)時(shí)間尺度上雖有年際間資料進(jìn)行對(duì)比分析，但在試驗(yàn)空間尺度上缺少四川盆地不同區(qū)域的魚塘資料作為對(duì)比分析，在后期的研究應(yīng)用過程中還需根據(jù)四川盆地各區(qū)域的魚塘數(shù)據(jù)和天氣資料對(duì)本研究內(nèi)容進(jìn)行不斷完善和修訂。

[1] 王夢夢,張瑋,楊麗,等.上海市河道水體擬浮絲藻生物量與環(huán)境因子的回歸分析[J].生態(tài)學(xué)雜志,2018,37(1): 187-193.

Wang M M,Zhang W,Yang L,et al.Regression analysis between Planktothricoides spp. biomass and environmental factors in urban rivers from Shanghai,China[J].Chinese Journal of Ecology,2018,37(1):187-193.(in Chinese)

[2] 薛正平,李軍,榮裕良,等.氣象條件對(duì)魚塘水質(zhì)影響的研究[J].上海農(nóng)業(yè)學(xué)報(bào),2013,29(4):75-78.

Xue Z P,Li J,Rong Y L,et al.Effects of meteorological conditions on the water quality of fish ponds[J].Acta Agricultural Shanghai,2013,29(4):75-78.(in Chinese)

[3] 鞏沐歌,鮑旭騰,朱浩,等.池塘養(yǎng)殖環(huán)境水質(zhì)因子與氣象因子的相關(guān)性分析[J].漁業(yè)現(xiàn)代化,2015,42(5):33-38.

Gong M G,Bao X T,Zhu H,et al.Typical correlation analysis was used for key factors of pond culture environment[J]. Fishery Modernization,2015,42(5):33-38.(in Chinese)

[4] 郁家成,王勝.水產(chǎn)設(shè)施養(yǎng)殖的環(huán)境小氣候問題及其調(diào)控途徑[J].中國農(nóng)業(yè)氣象,2004,25(2):62-64.

Yu J C,Wang S.Micro-climate environment conditions and its control in aquatic animal raising in greenhouse[J]. Chinese Journal of Agrometeorology,2004,25(2):62-64.(in Chinese)

[5] Tang D L,Hsan N.Remote sensing of Hong Kong waters:spatial and temporal changes of sea surface temperature[J].Acta Oceanographical,1996,35(2):173-186.

[6] Mak M.Orthonogonal wavelet analysis:interannual variability in the sea surface temperature[J].Bulletin of the American Meteorological Society,1995,76(11):2179-2186.

[7] 郭偉其,沙偉,沈紅梅,等.東海沿岸海水表層溫度的變化特征及變化趨勢[J].海洋學(xué)報(bào),2005(5):1-8.

Guo W Q,Sha W,Shen H M,et al.Characteristics and trend of SST variation in the coastal region of the East China Sea[J].Acta Oceanologica Sinica,2005(5):1-8.(in Chinese)

[8] 付朝暉,騰威,紀(jì)媛媛.撫仙湖水溫與氣象因子的關(guān)系研究[J].水資源與水工程學(xué)報(bào),2014,25(2):192-194.

Fu C H,Teng W,Ji Y Y.Resarch on the relationship between water temperature and meteorological factors in Fuxian Lake[J].Journal of Water Resources & Water Engineering, 2014,25(2):192-194.(in Chinese)

[9] 朱振亞,潘婷婷,楊霞,等.金沙江下游宜賓段氣象因子和水溫相關(guān)關(guān)系研究[J].水利水電快報(bào),2021,42(10):12-17.

Zhu Z Y,Pan T T,Yang X,et al.Correlation between meteorological factors and water temperature in the Yibin section of lower Jinsha River under influence of human activities[J].EWRHI,2021,42(10):12-17.(in Chinese)

[10] 張俊,陳曉偉.河蟹養(yǎng)殖水溫預(yù)報(bào)模型研究[J].現(xiàn)代農(nóng)業(yè)科技,2016(22):206-207.

Zhang J,Chen X W.Hairy Crab breeding water temperature prediction model[J].Modern Agricultural Science and Technology,2016(22):206-207.(in Chinese)

[11] 劉煥亮.水產(chǎn)養(yǎng)殖生物學(xué)[M].北京:科學(xué)出版社,2014: 7-86.

Liu H L.Aquaculture biology[M].Beijing:Science Press, 2014:7-86.(in Chinese)

[12] 徐鋼春,聶志娟,薄其康,等.水溫對(duì)刀鱭幼魚耗氧率、窒息點(diǎn)、血糖及肌肝糖元指標(biāo)的影響[J].生態(tài)學(xué)雜志,2012, 31(12):3116-3120.

Xu G C,Nie Zh J,Bo Q K,et al.Effect of water temperature on oxygen consumption rate,asphyxiant point,blood glucose content,and muscle and liver glycogen content of juvenile[J].Chinese Journal of Ecology,2012,31(12): 3116-3120.(in Chinese)

[13] 鄧愛娟,劉敏,劉志雄,等.洪湖地區(qū)養(yǎng)殖魚塘春夏季水溫變化及預(yù)報(bào)研究[J].中國農(nóng)學(xué)通報(bào),2013,29(29):61-68.

Deng A J,Liu M,Liu Z X,et al.Water temperature change and forecast in spring and summer in aquaculture fish pond?s in Honghu area[J].Chinese Agricultural Science Bulletin,2013,29(29):61-68.(in Chinese)

[14] 杜堯東,劉錦鑾,何健,等.廣州地區(qū)冬季魚塘水溫特征及其預(yù)測預(yù)報(bào)[J].生態(tài)學(xué)雜志,2004(4):52-56.

Du Y D,Liu J L,He J,et al.Characteristics of water temperature of fishing pond and its forecast in winter in Guangzhou area[J].Chinese Journal of Ecology,2004(4): 52-56.(in Chinese)

[15] 王武.魚類增養(yǎng)殖學(xué)[M].北京:中國農(nóng)業(yè)出版社,2014:260-261.

Wang W.The science of fish augmentation[M].Beijing: China Agriculture Press,2014:260-261.(in Chinese)

[16] 劉瑞娜,楊太明,陳金龍,等.安徽河蟹養(yǎng)殖高溫?zé)岷μ鞖庵笖?shù)模型設(shè)計(jì)與實(shí)踐[J].中國農(nóng)業(yè)氣象,2020,41(5):320- 327.

Liu R N,Yang T M,Chen J L,et al.Design and application on weather indices model for high temperature disaster of Chinese Hairy Crab in Anhui[J].Chinese Journal of Agrometeorology,2020,41(5):320-327.(in Chinese)

[17] 王武,余衛(wèi)忠,石張東.江黃顙魚適宜生長水溫的研究[J].水產(chǎn)科技情報(bào),2003(1):13-15.

Wang W,Yu W Z,Shi Z D.Effects of water temperature on growth of Pseudobagrus vachelli(Richard-son)[J].Aquatic Science and Technology Information,2003(1):13-15.(in Chinese)

[18] 王顯明,張伏秋,歐陽敏.斑點(diǎn)叉尾鮰養(yǎng)殖與氣象因子關(guān)系的研究[J].江西水產(chǎn)科技,2015(4):7-10.

Wang X M,Zhang F Q,Quyang M.Study on the relationship between channel catfish breeding and meteorological factors[J].Jiangxi Fisheries Science and Technology,2015 (4):7-10.(in Chinese)

[19] 孟翠麗,楊文剛,干昌林,等.淡水魚塘分層水溫的變化特征[J].中國農(nóng)學(xué)通報(bào),2015,31(11):103-108.

Meng C L,Yang W G,Gan C L,et al.Variation characteristics of water temperatures at different depths of fishpond[J]. Chinese Agricultural Science Bulletin,2015,31(11):103-108. (in Chinese)

[20] 張德林,李軍,薛正平,等.設(shè)施魚塘冬春季水溫日變化特點(diǎn)及其與外界氣溫的統(tǒng)計(jì)模式[J].上海農(nóng)業(yè)學(xué)報(bào),2010, 26(1):60-64.

Zhang D L,Li J,Xue Z P,et al.Characteristics of daily water temperature change in protected fish pond in winter and spring and its statistical models with environmental air temperature[J].Acta Agricultural Shanghai,2010,26(1):60- 64.(in Chinese)

[21] 邵玉芳,鄭金土.鋸緣青蟹(Scylla serrata)越冬日光溫室的熱環(huán)境模擬研究[J].浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版),2003,29(2):175-180.

Shao Y F,Zheng J T.Modeling thermal environment of sunlihgt-greenhouse with pond for Scylla serrata[J].Journal of Zhejiang University(Agr. & Life Sci.),2003,29(2): 175-180.(in Chinese)

[22] 楊棟,姚日升,金志鳳,等.不同類型海水養(yǎng)殖水體溫度日變化諧波分析[J].中國農(nóng)業(yè)氣象,2017,38(9):558-566.

Yang D,Yao R S,Jin Z F,et al.Harmonic analysis of temperature diurnal variation for different types marine aquaculture water[J].Chinese Journal of Agrometeorology, 2017,38(9): 558-566.(in Chinese)

[23] 楊文剛,陳鑫,黃永學(xué),等.湖北省池塘水溫預(yù)報(bào)技術(shù)研究[J].湖北農(nóng)業(yè)科學(xué),2013,52(11):2539-2542.

Yang W G,Chen X,Huang Y X,et al.Research on water temperature prediction of pond in Hubei province[J].Hubei Agricultural Sciences,2013,52(11):2539-2542.(in Chinese)

[24] 岑伯明,胡洲,陳漢春.凡納濱對(duì)蝦養(yǎng)殖池塘水溫預(yù)測模型研究[J].寧波大學(xué)學(xué)報(bào)(理工版),2012,25(1):7-12.

Cen B M,Hu Z,Chen H C.Analysis on temperature characteristics of the Litopenaeus vannamei culture ponds and water temperature prediction[J].Journal of Ningbo University (Science and Technology Edition),2012,25(1): 7-12.(in Chinese)

Water Temperature Characteristics and Prediction of Fish Ponds in Sichuan Basin in Summer

LUO Wei1, LI Qiang1, LIU Xiu2, WANG Ling-ling1, ZHOU Jian3, YANG Rong-guo1

(1.Zigong Meteorological Bureau, Zigong 64300, China;2.Fushun County Meteorological Bureau, Fushun 643200; 3.Fisheries Research Institute, Sichuan Academy of Agricultural Sciences, Chengdu 610097)

When the daily average water temperature exceeds 32℃, the hatching rate and feeding rate of some warm water fish decrease with the increase of temperature, grow slowly or stop growing, and are easy to induce diseases. In summer, the water temperature in the fish pond is not always in the high temperature period. In this paper, based on the water and air temperature data of Fushun Aquaculture Meteorological Service Test Base from 2017 to 2019, the variation characteristics of water temperature in each layer of fish pond in summer were analyzed, and the prediction models of average and maximum water temperature on the sunny days were established by stepwise regression analysis. Results showed that the daily max. water temperature in each layer in summer occurs from 18：00 to 19：00, which lagged behind the temperature by 1?3 hours. The period when the water temperature ≥32℃ was mainly concentrated from 16：00 to 22：00, and the hourly average water temperature of each layer in this period was 32.9?33.1℃, 32.6?32.7℃ and 32.1?32.3℃, respectively. The water temperature of each layer fluctuated and rose with the temperature in summer, especially from mid-June to early-July, while the maximum values of temperature and water temperature appeared in late-July. The average number of days with water temperature ≥32℃ in summer was 23 days, accounting for a quarter of the whole summer, mainly from late July to mid-August. During this period, the daily average water temperature of each layer was 28.5?34.4℃, 28.2?34.1℃ and 27.9?33.9℃, respectively. The back substitution test in 2017?2018 and the forecast test in 2019 showed that the average absolute error of the model was 0.3-0.8℃, and the average relative error was within 2.6%, indicating that the model has good prediction effect and can be better applied to the prediction of fish pond water temperature in summer.

Sichuan basin; Fish pond water temperature; Variation characteristics; Prediction

10.3969/j.issn.1000-6362.2022.12.003

羅偉,李強(qiáng),劉秀,等.四川盆地夏季魚塘水溫變化特征及預(yù)報(bào)[J].中國農(nóng)業(yè)氣象2022,43(12):980-990

2022?01?03

高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室科技發(fā)展基金項(xiàng)目（省重實(shí)驗(yàn)室2018?重點(diǎn)?05?07）；自貢市科技助力鄉(xiāng)村振興項(xiàng)目（S?2022?000052）

楊榮國，碩士，高級(jí)工程師，研究方向?yàn)闅庀蠓?wù)與應(yīng)用氣象，E-mail：627248377@qq.com

羅偉，E-mail：304448599@qq.com