瓯江口海域鱼类群落结构及优势种RDA分析

根据 2018─2019 年的底拖网季度调查数据, 运用资源密度、相对重要性指数、多样性指数等生态指标, 对调查海域鱼类群落结构动态变化及其与环境因子的关系进行分析。结果表明, 调查海域共捕获鱼类 84 种, 隶属于 2 纲、14 目、39 科、69 属。优势种为龙头鱼(Harpadon nehereus)、日本带鱼(Trichiurus japonicus)、银姑鱼(Pennahia argentata)、黄鲫(Setipinna tenuifilis)、七星底灯鱼(Benthosema pterotum)、康氏侧带小公鱼(Stolephorus commersonnii) 和六丝钝尾虾虎鱼(Amblychaeturichthys hexanema)等 7 种, 与往年相比发生较大变化。生物量指数平均值最高出现在夏季, 为 3.25×10³ kg/km² ; 丰度指数平均值最高出现在秋季, 为 6.64×10⁵ ind/km² 。各季节多样性指数 H′、均匀度指数 J′最高值出现在冬季, 分别为 1.92 和 0.71。日本带鱼和七星底灯鱼的分布与水深和盐度呈较强的正相关, 银姑鱼的分布与水温成较强正相关, 与 pH 呈负相关, 康氏侧带小公鱼、黄鲫和龙头鱼对环境因子的偏好性较低, 分布较均匀。本研究通过探索瓯江口鱼类群落结构的时空变化, 旨在为保护河口海域渔业资源, 改善渔业环境质量与功能提供科学依据。     

浙南洞头周边海域冬春季游泳动物种类组成及群落结构

2017年2月和5月在浙南洞头周边海域进行了渔业资源调查,研究该海域游泳动物的种类组成及群落结构。结果表明:共鉴定出游泳动物60种,隶属于17目33科,其中鱼类27种,虾类17种,蟹类5种,虾蛄类3种,头足类4种,其他动物4种;冬季航次渔业资源调查站位的平均渔获率为1.539 kg/h,春季为5.856 kg/h;两个航次的优势种有三疣梭子蟹(Portunus trituberculatus)、口虾蛄(Oratosquilla oratoria)、孔虾虎鱼(Trypauchen vagina)、龙头鱼(Harpadon nehereus)和镰鲳(Pampus argenteus);冬春两季渔业资源群落结构相似性较低,小于20%,冬春两季的丰度与生物量曲线在末端交汇,且春季出现交叉重叠情况,这表明该海域的渔业资源群落结构受到了一定程度的干扰。     

基于单位补充量模型的浙江南部海域蓝圆鲹资源评价

依据2015—2018年在浙江南部海域底拖网调查数据,研究蓝圆鲹的生活史参数,采用单位补充量模型分析其渔业开发状态,并探讨死亡系数、捕捞选择性对资源评估的影响。蓝圆鲹渐近叉长的估计值为26.00 cm,生长速率为0.19/a,自然死亡系数(M)为0.55,总死亡系数(Z)为1.41,当前捕捞死亡系数(F)为0.86。根据单位补充量渔获量模型和单位补充量亲体生物量模型,估计在不同自然死亡系数和捕捞选择性下单位补充量渔获量和单位补充量亲体生物量随捕捞死亡系数的变化曲线。当前蓝圆鲹的F_0.1为0.596,F_max估计值为3.602,F_20%为0.421,F_40%为0.220,当前捕捞强度远大于防止补充型过度捕捞警戒线F_20%。当自然死亡系数由0.35增至0.85时,当前单位补充量渔获量和单位补充量亲体生物量变化幅度较大,分别为10.29和0.79。蓝圆鲹拐点叉长为17.79 cm,临界叉长为13.58 cm,当前开捕叉长(12.76 cm)远小于其初次性成熟叉长,表明当前捕捞压力过大...     

开发羔羊肉生产前景广阔

一、开发羔羊肉生产的意义1.开发羔羊肉生产是国际养羊业的趋势随着畜牧业的发展,如何高效、快速、节粮,提高绵羊产出效益,是目前国内外都十分关注的问题。自50年代以来,许多国家养羊业的发展方向已由毛用转向肉毛兼用和肉用型,羊肉生产的发展速度很快。澳大利亚羔羊肉生产达到羊肉生产总量的60%;新西兰年产羊肉约占世界总产量的9.7%,其出口的羊肉占世界市场的52.7%;在美国,屠宰羊中95%是当年羔羊,上市羊肉中羔羊肉占97%。我国养羊数量仅次于澳大利亚和前苏联,是世界第三养羊大国,1990年羊肉总产量为106.1万 t,占肉类总产量的3.58%,略低于新、美、苏等国,在出栏肉     

结合改进胶囊网络与知识蒸馏的茶青分类方法研究

不同等级茶青的准确分类,对名优茶产业发展至关重要,采用传统感官审评方法进行分选会使结果存在一定的主观性。采集茶青图像建立数据集,结合幽灵注意力瓶颈层与胶囊网络提出一种新型网络模型：GA-CapsNet。通过基于线性衰减比例系数的成长知识蒸馏方法对该模型进行训练,在迁移教师模型参数矩阵的同时,使学生模型随着迭代自适应降低依赖程度。试验结果表明,对比其他同类算法,所提出的方法在小规模数据集上分类性能优异,精确率、召回率及F1-score分别为94.97%、95.51%、95.24%。本研究基于机器视觉与深度学习技术构建了一种GA-CapsNet模型,为解决茶青分类问题提供了一种新思路。