基于LabVIEW的工厂化养殖

以封闭式循环水养殖为代表的工厂化水产养殖是世界水产养殖的发展方向,工厂化养殖具有节地、节水、养殖周期短、产量高、易于管理、不受季节变化的限制、效益高等优点,符合我国人多地少、水资源短缺的基本国情.介绍了工业化养殖系统中涉及的装备技术,包括去除固体废弃物和水溶性有害物质、杀菌消毒、增氧、调温、水质测控.介绍了水质在线监测系统的组成,指出了该技术应用于养殖业的重大意义,同时提供了在线监测的指标对象,以及分析的方法和仪器.采用LabVIEW开发了一套水质在线监测系统,具有人机界面友好,数据采集、存储、信号处理及分析功能强大的优点.     

浅析河北官厅湖湿地资源保护的重要性

<正>湿地与人类的生存、繁衍、发展息息相关,是极其重要和不可替代的生态系统,具有保持水源、净化水质、抵御洪水、调节径流、控制污染、调节气候、美化环境等重要作用。     

森林影响降水水质研究概述

水质型缺水是当今社会面临的重大难题,充分利用森林对水质的净化调节作用是解决该难题的有效方法之一。文中在归纳国内外森林水质研究历程的基础上,将森林影响水质整个过程划分为大气降水输入,森林林冠层、枯落物层和土壤层再分配,以及溪流输出3个部分,概述这3个部分降水中的不同阴阳化学离子的变化规律及响应机制,分析不同空间层次（林冠层、枯落物层和土壤层）对水质的影响因素和理化过程;探讨了存在的问题并提出未来研究重点:细化研究枯落物层和土壤层与降水发生相互作用的内在机理,重视森林影响溪水和周边流域水质的作用机制,丰富研究树种,并将野外试验与室内控制试验相结合,提高实验结果的准确性,同时在时间和空间尺度上进行长期和系统观测,定量评价森林净化水质的能力,从而了解森林净化水源的作用机制,为我国解决水质型缺水问题和相关研究提供参考。     

科洋水产专用生物肥对水体水质及鱼类生长的影响

2007年9～10月,我们在武汉科洋公司养殖基地进行了为期30天的实验,分别存初始条件相近的池塘围隔（围隔面积3．14米^2／隔）中施用碳铵＋磷肥＋粪肥、碳铵＋磷肥、尿素＋磷肥和科洋水产专用生物肥,每种肥料做三组重复实验,对实验过程中水体水质及鱼类增长的重量进行了测定,得出如下结果：     

鳗鲡病害及其防治技术(下)

三、鳗鲡弧菌病 1．病原 为鳗弧菌,弧菌病主要流行在含有盐分的养鳗近海地区,流行水温19～24℃。水质不良、鳗体受伤等是弧菌病的发生和流行的诱因。     

1990—2020年滇池水质时空变化特征及评价

基于滇池10个水质监测点的实测数据,采用1990—2020年长时间序列实测水质指标,通过相关指标的年际变化,综合时空分析与统计方法,以年际间尺度对比滇池水质的时空间演化情况;通过空间插值法对草海、外海2个空间区域进行分析。结果表明：外海水质指标相对稳定,草海相关指标变化幅度大,滇池受到化学需氧量（COD）的影响较大,外海水质指标相关性较弱。1997—2015年是滇池环境恶化与修复过程;2016年后,水质问题有所好转。2000—2010年,相关指标含量（TP、TN、NH₃−N等）在滇池外海南部区域易发生变化,区域性较为集中,邻近草海区域其水质指标含量明显较高。草海水体富营养化严重;外海富营养化虽较为缓和,但富营养指数处于边缘临界。整个滇池水域的CWQI值的变化范围为64.72～92.38,在及格、中等和好的水质范围内波动。     

基于PC-RELM的养殖水体溶解氧数据流预测模型

养殖水体中溶解氧浓度一直是最重要的水质参数之一。为了精准地对水体溶解氧进行调控,提高养殖生产效率,降低养殖风险,该研究考虑外部天气条件对溶解氧的影响以及溶解氧自身的昼夜变化特征,提出一种基于正则化极限学习机（principal component analysis and clustering method optimized regularized extreme learning machine,PC-RELM）的养殖水体溶解氧数据流预测模型。首先,采用主成分分析法判断影响溶解氧浓度的强重要性因子,降低预测模型的数据维度;其次,利用熵权法计算各时刻点的天气环境指数,并利用快速动态时间规整算法（fast dynamic time warping,FastDTW）完成时间序列数据流在不同天气环境下的相似度度量;然后使用k-means算法对时间序列的相似度进行聚类分簇,并基于分簇结果完成正则化极限学习机预测模型的构建,实现溶解氧浓度的估算。最后将PC-RELM模型应用到无锡南泉试验基地养殖池塘的溶解氧预测调控过程中。试验结果表明：PC-RELM的预测均方根误差值（root mean square error, RMSE）为0.961 9,与PLS-ELM（partial least squares optimized ELM）、最小二乘支持向量机（least square support vector machine,LSSVM）以及BP神经网络模型进行对比,其RMSE值分别降低了41.54%、54.58%和67.16%。该预测模型可以有效地捕捉不同天气条件下溶解氧的变化特点,具有较高的预测精度和效率。     

结合光谱降维的IPSO-SVR水体总磷浓度预测模型

[目的] 选择最优模型对水体中总磷浓度进行预测,为准确、实时、高效检测水资源状况提供支持。 [方法] 以2021年在长江中下游武汉—安徽地区采集的水质样本作为研究对象,首先,对采集到的长江光谱数据进行最大最小归一化和均值中心化两种预处理操作以便统一数据的范围和均值点,并使用核主成分分析(KPCA)技术对预处理后的光谱数据进行降维操作。选取方差解释率为99.6%下的6个特征向量进行后续预测模型的训练,接着在原有粒子群算法的基础上引入自适应惯性权重更新公式和遗传—模拟退火变异思想,提高算法的寻优能力。使用改进的粒子群优化算法对支持向量回归模型中的超参数组合进行寻优,对支持向量回归模型使用输出的结果进行预测模型的训练,最后使用测试集数据进行总磷浓度的预测。 [结果] 提出了一种结合光谱降维的改进粒子群优化算法(IPSO)结合支持向量回归(SVR)的水体总磷含量预测模型。通过和当前预测性能较好的几种机器学习模型进行精度的比较发现,该试验模型对长江水体总磷浓度进行预测时决定系数(R²)为0.973 920,均方根差(RMSE)为0.003 012,平均绝对误差(MAE)为0.002 105。 [结论] 使用光谱数据结合降维技术、粒子群优化算法和机器学习模型的算法融合模型检测水体总磷浓度可行性强,精确度高,且拟合效果良好。     

益生菌在彭泽鲫养殖中的应用研究

本试验在彭泽鲫饲料中添加不同益生菌（枯草芽孢杆菌、地衣芽孢杆菌、植物乳杆菌、戊糖片球菌、光合细菌）,研究其对彭泽鲫的增重率、存活率、饵料系数及养殖水体氨氮、亚硝酸盐、化学需氧量（COD）的影响。结果表明：枯草芽孢杆菌、地衣芽孢杆菌和光合细菌能显著提高彭泽鲫的增重率和存活率,并降低饵料系数,其中以地衣芽孢杆菌能力最强,而植物乳杆菌和戊糖片球菌对此无显著差异：在降低水体氨氮、亚硝酸盐、COD含量方面,枯草芽孢杆菌、地衣芽孢杆菌和光合细菌均有显著效果,而植物乳杆菌和戊糖片球菌无显著影响。