何彩芬+金靚+徐彬+倪永森+何成芳

摘要 研究旨在建立冷空氣影響期間海水水溫和溶解氧的預(yù)報方程，以期為海水養(yǎng)殖戶做好防災(zāi)減災(zāi)氣象服務(wù)。通過分析近5年寧波西滬港0.5、2.5 m深海水水溫、溶解氧在11月至翌年3月的日逐時平均變化特征以及較強冷空氣影響期間的變化特征，采用數(shù)理統(tǒng)計方法建立相應(yīng)的預(yù)報方程。結(jié)果表明，溶解氧、水溫的日均變化與氣溫的變化具有較好的相似性，前兩者的變化幅度較氣溫平緩，日極值出現(xiàn)時間較氣溫平均滯后1～3 h。較強冷空氣影響期間，水溫的降溫時間和最低值出現(xiàn)時間較氣溫有1～3 d的滯后性，其降幅與相對濕度、冷空氣強度和過程極大風(fēng)速有關(guān)，而最低值滯后時間與相對濕度和冷空氣強度有關(guān)。水溫與氣溫、相對濕度成正相關(guān)，與極大風(fēng)速成負(fù)相關(guān)。伴有低溫陰雨的冷空氣過程易導(dǎo)致2.5 m溶解氧的下降，其降幅與同期氣溫的降幅、水汽壓的增幅及前期氣壓的降幅有關(guān)。溶解氧與氣溫及本站氣壓成線性相關(guān)，與水汽壓呈二次多項式相關(guān)。建立0.5、2.5 m深平均、最低水溫預(yù)報方程以及2.5 m深平均、最低溶解氧濃度的預(yù)報方程，方程均通過α=0.01的顯著性檢驗。0.5、2.5 m水溫預(yù)報最大誤差在1 ℃以內(nèi)，平均誤差在0.3 ℃以內(nèi)。2.5 m的平均、最低溶解氧最大誤差分別為0.40、0.97 mg/kg，平均誤差分別為0.10、0.25 mg/kg。

關(guān)鍵詞 冷空氣；海水養(yǎng)殖；水溫；溶解氧；特征分析；預(yù)報方程

中圖分類號 P731 文獻標(biāo)識碼 A 文章編號 1007-5739（2017）22-0144-05

Abstract The aim of this study was to establish the forecast equation of sea-water temperature and dissolved oxygen during the cold air affecting period，so as to provide better meteorological services of disaster prevention and reduction for the mariculture households. The diurnal variation characteristics of the 0.5 m-depth and 2.5 m-depth sea water temperature，and dissolved oxygen in Xihu Port of Ningbo City from November to next March in recent 5 years，as well as that during the cold air affecting periods were analyzed. By using mathematical statistics methods，the corresponding forecast equations were established. The results showed that the diurnal variation of dissolved oxygen and water temperature were similar to the change of air temperature. The variation ranges of the former two indexes were gentler than that of air temperature. The time of diurnal extremums of dissolved oxygen and water temperature lagged by 1-3 h on average，compared with that of air temperature. During the cold air affecting periods，the time of the water temperature decline and the minimum value lagged by 1-3 days，compared with that of air temperature，while the decline degree was related to the relative humidity，cold air intensity and the maximum wind speed.The lag time of minimum value appearing was related to the relative humidity and cold air intensity.Water temperature was positively correlated with air temperature and relative humidity，and negatively correlated with maximum wind speed.Cold air process accompanied by low temperature and rain was easy to cause the decrease of 2.5 m dissolved oxygen，and its decline was correlated to the temperature decline and the vapor pressure increase in the same time period，as well as the decline of atmospheric pressure in the early stage.Dissolved oxygen was linearly correlated with air temperature and local air pressure，and had quadratic polynomial relationship with water vapor pressure. On the basis of correlation analysis and stepwise regression analysis，the forecast equations of the 0.5 m/2.5 m mean water temperature and the minimum water temperature，as well as the 2.5 m mean dissolved oxygen concentration and the minimum dissolved oxygen concentration were established，which passed the test of significance by α=0.01. The maximum error of 0.5 m/2.5 m water temperature prediction was less than 1 ℃，and the average error was less than 0.3 ℃.The maximum error of the 2.5 m average and minimum dissolved oxygen was 0.40 mg/kg and 0.97 mg/kg respectively，and the average error was 0.10 mg/kg and 0.25 mg/kg respectively.endprint

Key words cold air；mariculture；water temperature；dissolved oxygen；characteristic analysis；forecast equation

寧波市位于我國海岸線中段，擁有漫長的海岸線，其間港灣曲折，島嶼星羅棋布。廣闊的海域面積，豐富的水產(chǎn)養(yǎng)殖基礎(chǔ)，使寧波擁有豐富的漁業(yè)資源，海水養(yǎng)殖也成為寧波市重要的經(jīng)濟產(chǎn)業(yè)。海水養(yǎng)殖對海水環(huán)境都有一定的要求，如大黃魚的生長對溶解氧、水溫等就有很高要求[1-2]，海水溫度的異常偏低、海水溫度的超常變化會對該海域海洋生物造成危害[3]。影響寧波市的臺風(fēng)、暴雨、高溫、寒潮等災(zāi)害性天氣，在改變海水環(huán)境的同時也會嚴(yán)重影響海水養(yǎng)殖，其中以冷空氣造成的低溫和浮頭泛塘最為嚴(yán)重，如2016年1月下旬寧波西滬港遭受了強寒潮的影響，日最低水溫連續(xù)4日均在8 ℃或以下，導(dǎo)致大黃魚大批凍死，損失慘重，而2013年2月初的雨雪冰凍天氣使溶解氧持續(xù)走低，造成大黃魚浮頭和凍傷。目前，對于海水養(yǎng)殖環(huán)境中水溫及溶解氧與其他環(huán)境要素的相互關(guān)系國內(nèi)外已有較多研究，如王小平等[4]通過對廣東省紅海灣海水養(yǎng)殖水域環(huán)境因子的調(diào)查闡述了海水中溶解氧、鹽度、pH值和營養(yǎng)鹽的分布特征及其變化規(guī)律，并討論了它們之間的相互關(guān)系。張智瀛[5]對夏季雷州半島海域海水中溶解氧的分布進行了詳細(xì)的調(diào)查和研究。薛 彬等[6]對嵊泗海域溶解氧與營養(yǎng)鹽分布特征及其相關(guān)性開展了研究，認(rèn)為溶解氧與各營養(yǎng)鹽無論表底層均成明顯的負(fù)相關(guān)關(guān)系。對于水溫預(yù)報，研究人員[7-9]以氣溫作為單一線性預(yù)報因子，進行簡單回歸。對于溶解氧預(yù)報，黃永平等[10]、何永坤等[11]總結(jié)了一些魚類泛塘發(fā)生的天氣模型及氣象指標(biāo)，胡 蓉等[12]通過對大鵬灣2次溶解氧驟降事件的對比與分析發(fā)現(xiàn)，臺風(fēng)導(dǎo)致的大風(fēng)會將海水沉積物帶到表層，沉積物中的有機物快速消耗表層的溶解氧，致使溶解氧驟降，甘居利等[13-14]對大鵬灣及柘林灣網(wǎng)箱養(yǎng)殖海域表層海水溶解氧的分布、濃度變化特點及與其他環(huán)境因子的關(guān)系進行了探討。為了解決溶解氧濃度變化存在滯后性的預(yù)測問題，Liu Y等[15]近年提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧預(yù)測模型。Csabragi A等[16]以pH值、水溫、電導(dǎo)率及徑流量作為預(yù)報因子，采用4種預(yù)報模型對溶解氧濃度進行了預(yù)報，并通過敏感性分析顯示pH值對溶解氧的預(yù)報具有最大的影響作用。Yu H H等[17]采用一種混合RBFNN-IPSO-LSSVM的預(yù)報模型對蟹塘溶解氧含量進行預(yù)報，并與傳統(tǒng)預(yù)報模型對比驗證了該混合模型的有效性和準(zhǔn)確性。但上述研究多數(shù)停留在相關(guān)性分析或定性預(yù)報上，對海水養(yǎng)殖影響較大的較強冷空氣天氣程專題研究專題較少。本文著重研究較強冷空氣影響時寧波西滬港區(qū)的水溫和溶解氧的變化特征，并引入更多的預(yù)報因子建立相應(yīng)的預(yù)報模型，以期更好地為海水養(yǎng)殖戶做好防災(zāi)減災(zāi)氣象服務(wù)。

1 資料與方法

寧波市自2011年就在西滬港建立監(jiān)測海溫、鹽度、溶解氧、pH值等要素的特種溫鹽觀測站，本文選取數(shù)據(jù)質(zhì)量較為穩(wěn)定的2012年1月至2016年3月的資料作為研究對象，剔除異常數(shù)據(jù)，取其中11月至翌年3月的數(shù)據(jù)（0.5 m和2.5 m深的水溫和溶解氧）研究冷空氣影響期間對海水環(huán)境的影響，同時選取同時段近海岸的外高泥自動氣象站和大徐自動氣象站的氣象資料（包括氣溫、風(fēng)速、氣壓、相對濕度等）進行對比分析，采用數(shù)理統(tǒng)計的方法，研制海水水溫與溶解氧的氣象預(yù)報方程。

2 結(jié)果與分析

2.1 冷空氣過程的水溫預(yù)報

2.1.1 水溫的變化特征。水溫日變化主要受太陽輻射影響[18]。一般來說，水溫的日變化與氣溫類似，即最高值出現(xiàn)在午后，最低值則出現(xiàn)在凌晨[19]。由圖1可知，2.5 m水溫全天都要高于0.5 m水溫；在17：00至次日8：00，氣溫都低于2層水溫；8：00開始?xì)鉁匮杆偕?，并開始高于2層水溫，至14：00到峰值，2.5、0.5 m水溫則隨之在16：00—17：00先后到峰值。氣溫在5：00降至最低，水溫最低值出現(xiàn)在7：00左右。即2層水溫較氣溫的日變化平緩滯后，日極值出現(xiàn)時間滯后2～3 h，這與水的容積熱容量比空氣大有關(guān)[8]。

進一步研究發(fā)現(xiàn)，水溫的平緩變化及其滯后性不僅表現(xiàn)在逐時溫度上，也表現(xiàn)在冷空氣影響期間的日際變化上。以2016年1月下旬的“世紀(jì)寒潮”為例（圖2）：冷空氣影響前（1月20—21日）氣溫有明顯的回升過程，但水溫一直穩(wěn)定在10 ℃上下；隨著冷空氣的擴散影響，氣溫從22日夜間起明顯下降，直至25日白天降至最低，但水溫從23日夜間才開始呈階梯式下降，其最低值出現(xiàn)在26日白天；冷空氣影響結(jié)束后，氣溫從26日下午起明顯回升，但異常水溫（水溫<8 ℃不適宜大黃魚生長）從25日一直持續(xù)了4 d，直至28日下午才開始緩慢回升。

綜上所述，水溫的日變化及日際變化較氣溫平緩。無冷空氣的情況下，水溫的日極值較氣溫平均滯后2～3 h。但在此次強冷空氣影響期間，水溫的降溫時間和最低值出現(xiàn)時間較氣溫滯后1 d以上。

2.1.2 冷空氣對水溫的影響。為研究冷空氣影響期間水溫的變化特征，本文專門選取2012年1月至2016年3月期間的14次較強冷空氣及寒潮過程（分別編號為1—14）進行分析研究（表1）。可以發(fā)現(xiàn)，最低水溫出現(xiàn)時間滯后于氣溫超過10 h的個例有9次，其中超過30 h的有6次，過程6為干冷空氣影響，其滯后時間達到72 h；過程1、3有降雪出現(xiàn)，分別滯后52、47 h；過程4、9、12均伴有明顯降水或雨夾雪，滯后30～34 h。另外，還有5次過程水溫滯后氣溫1～5 h，其中有4次過程伴有20～40 mm的降水?？梢哉J(rèn)為，冷空氣越干，水溫最低值滯后于氣溫的現(xiàn)象越明顯，降水越明顯，滯后現(xiàn)象越不明顯。

海氣之間的熱交換主要包括感熱交換和潛熱交換[20]。前者主要受氣溫影響，后者主要受蒸發(fā)影響，而蒸發(fā)又與風(fēng)速及天況即相對濕度有關(guān)。不同的風(fēng)速易造成海水上翻程度的不同，風(fēng)速越大，熱交換越多，氣溫與水溫之間溫差越小，而不同的相對濕度代表不同的天況，濕度越大，云系越多，氣溫與水溫之間的溫差越小。分析這14次過程，最低氣溫接近或低于0 ℃的冷空氣過程中，水溫降幅大多超過了1 ℃（過程13除外），下雨且氣溫≥1 ℃的冷空氣過程水溫降幅均低于1 ℃，說明氣溫低于或接近冰點，水溫下降幅度更大。另外，比較過程4、10，發(fā)現(xiàn)在過程降溫與最低氣溫相近的情況下，晴天、極大風(fēng)速大的過程10的水溫降幅要比雨天、極大風(fēng)速小的過程4大很多，過程7與過程14對比，也有相同結(jié)論。進一步計算水溫與氣溫、相對濕度、極大風(fēng)速這3個氣象要素之間的相關(guān)系數(shù)，發(fā)現(xiàn)水溫與氣溫的正相關(guān)性最好，達到0.91，與相對濕度也成正相關(guān)，而與極大風(fēng)速則成負(fù)相關(guān)。endprint

以上分析表明，水溫的降幅與相對濕度、冷空氣強度和過程極大風(fēng)速有關(guān)，而最低值滯后2 d左右。以上結(jié)論與曹美蘭等[21]的研究結(jié)果較一致。

2.1.3 冷空氣影響下的水溫預(yù)報模式研究。由上述水溫與氣溫的討論中可知，水溫對氣溫的變化有2 d左右的滯后效應(yīng)。因此，對不同深度的日平均/最低水溫與當(dāng)日、前1日、前2日、前3日的日平均/最低氣溫進行交叉相關(guān)分析，發(fā)現(xiàn)，2.5 m平均水溫、最低水溫及0.5 m最低水溫均與當(dāng)日、前1日和前2日的氣溫有明顯的相關(guān)性，其中2.5 m的相關(guān)性達到0.5，而0.5 m平均水溫與當(dāng)日和前1日的氣溫相關(guān)性較好。

因此，以當(dāng)日的極大風(fēng)速、相對濕度，前1日、前2日及當(dāng)日的平均氣溫或最低氣溫以及前1日、前2日的平均水溫或最低水溫作為預(yù)報因子，利用14個冷空氣過程共44組試驗數(shù)據(jù)，應(yīng)用逐步回歸方法可分別建立0.5 m和2.5 m的平均水溫、最低水溫的多元回歸方程：

0.5 m平均水溫Y1預(yù)報模型：

Y1=-0.006 22X1+0.002 4X2-0.013X3+0.004 3X4+0.036 2X5-0.035X6+X7-0.179

2.5 m平均水溫Y2預(yù)報模型：

Y2=-0.002 2X1+0.002 5X2-0.021 6X3+0.015X4+0.046 85X5+0.162X8+0.8X9-0.25

0.5 m最低水溫Y3預(yù)報模型：

Y3=-0.002 7X1+0.001 8X2+0.014X10-0.014X11+0.026 4X12-0.306X13+1.292X14-0.03

2.5 m最低水溫Y4預(yù)報模型：

Y4=-0.032X1+0.000 8X2+0.012 4X10-0.010 6X11+0.026 7X12-0.304X15+1.29X16+0.09

式中，X1為當(dāng)日極大風(fēng)速，X2為當(dāng)日平均相對濕度，X3為前2日的日平均氣溫，X4為前1日的日平均氣溫，X5為當(dāng)日的日平均氣溫，X6為前2日的0.5 m日平均水溫，X7為前1日的0.5 m日平均水溫，X8為前2日的2.5 m日平均水溫，X9為前1日的2.5 m日平均水溫，X10為前2日的最低氣溫，X11為前1日的最低氣溫，X12為當(dāng)日的最低氣溫，X13為前2日的0.5 m最低水溫，X14為前1日的0.5 m最低水溫，X15為前2日的2.5 m最低水溫，X16為前1日的2.5 m最低水溫。

對上述方程進行誤差分析，發(fā)現(xiàn)除0.5 m最低水溫外，其他方程的最大誤差均在0.6 ℃左右，平均誤差0.2 ℃左右。說明模擬效果較好，其中平均水溫的模擬效果優(yōu)于最低水溫。上述方程均通過α=0.01的顯著性檢驗（表2）。

2.2 冷空氣過程的溶解氧預(yù)報

2.2.1 溶解氧的變化特征。由圖3可知，2.5 m與0.5 m的溶解氧最低值分別出現(xiàn)7：00、9：00，最高值出現(xiàn)在15：00前后，而氣溫最低、最高極值分別出現(xiàn)在5：00、14：00，溶解氧的變化趨勢接近氣溫又比氣溫滯后。溶解氧主要與溫度及氣壓有關(guān)，由于氣壓一年內(nèi)變化較小，故溫度是影響溶解氧的重要因素[22]。

以上逐時平均溶解氧與氣溫變化趨勢比較一致，為探究冷空氣影響時是否也是如此，本文以2013年2月初的強寒潮過程為例進行分析。由圖4可知，4日夜間氣溫開始下降，2.5 m溶解氧也隨之明顯下降；5日夜間起氣溫又進一步急劇下降，并在10日達到最低值，而2.5 m溶解氧也波動下降，也于10日前后降至最低；寒潮過后（10日白天）氣溫迅速回升，2.5 m溶解氧也于當(dāng)日逐步回升。另外，在本次過程中，0.5 m溶解氧基本穩(wěn)定在11 mg/kg或以上。說明，冷空氣過境時易導(dǎo)致深層溶解氧的減少，對表層水體影響相對較小。這與張清良等[23]提出的“當(dāng)氣溫急劇下降時，易引起池水上下對流，使池底腐殖質(zhì)翻起，加速分解，消耗大量氧氣”的觀點較為一致。

以上分析表明，溶解氧的日變化及日際變化均與氣溫變化較相似，在冷空氣影響期間，2.5 m深的溶解氧較表層0.5 m數(shù)據(jù)變化更明顯。

2.2.2 冷空氣對2.5 m溶解氧的影響。分析2012年1月至2016年3月期間11月至翌年3月的數(shù)據(jù)發(fā)現(xiàn)，降溫不明顯或降溫過程比較緩慢的冷空氣過程，溶解氧的變化并不明顯。因此，本文選取48 h平均氣溫降低5 ℃以上的9個個例（編號為1～9）作進一步的分析。如表3所示，發(fā)現(xiàn)除過程6為晴天外，其他個例都為降雨或降雪的天氣。另外，這些個例平均氣壓都是降低6 hPa以上，48 h內(nèi)平均溶解氧和最低溶解氧均減小，且變化最大的個例是48 h內(nèi)平均氣溫降幅較大及最低水汽壓增值最大的個例。說明溶解氧的變化與降溫幅度、平均氣壓以及水汽壓都有密切的聯(lián)系。這與何永坤等提出的“氣壓的降低不利于空氣中的氧氣溶于水”“水汽壓的增大可使空氣中的氧密度減小，進而造成水體溶解氧的減少有關(guān)”的觀點較為一致。

2.2.3 冷空氣影響下的2.5 m溶解氧預(yù)報模式研究。進一步分析2.5 m溶解氧與水汽壓、本站氣壓之間的相關(guān)系數(shù)，可得溶解氧與水汽壓、本站氣壓之間的相關(guān)系數(shù)分別為-0.72和0.58，置信水平達到0.01；Δ24 h平均溶解氧與Δ24 h平均氣溫的相關(guān)性系數(shù)達到0.74。也就是說，溶解氧與水汽壓成顯著的負(fù)相關(guān)關(guān)系，與本站氣壓成正相關(guān)，溶解氧的變化與同類型氣溫的變化成正相關(guān)。進一步通過方程擬合可得，溶解氧與氣溫及本站氣壓分別成線性相關(guān)，與水汽壓成二次多項式相關(guān)，并均通過α=0.01的顯著性檢驗。

因此，以當(dāng)日及前1日的氣壓、氣溫，當(dāng)日水汽壓及前1日的溶解氧作為預(yù)報因子，利用9次冷空氣過程共22組試驗數(shù)據(jù)，應(yīng)用逐步回歸方法建立2.5 m平均、最低溶解氧預(yù)報方程。endprint

2.5 m平均溶解氧Y1預(yù)報模型：

Y1=-0.134 1+0.015 4（X2-X1）+0.004 4（X4-X3）-0.039 9exp（-0.02X5）+0.999 6X6

2.5 m最低溶解氧Y2預(yù)報模型：

Y2=6.819 3+0.026 3X7-0.032 5X8-0.03X9+0.008 6X10+0.012 9exp（-0.02X11）+0.94X12

其中X1、X2分別表示前1日和當(dāng)日的平均氣壓，X3、X4分別表示前1日和當(dāng)日的平均氣溫，X5表示當(dāng)日的平均水汽壓，X6表示前1日的平均溶解氧，X7、X8分別表示前1日和當(dāng)日的最低氣壓，X9、X10分別表示前1日和當(dāng)日的最低氣溫，X11表示當(dāng)日的最低水汽壓，X12表示前1日的最低溶解氧。

對試驗樣本進行方程檢驗和誤差分析，2個方程均通過α=0.01的顯著性檢驗，其中Y1的最大誤差為0.4 mg/kg，平均誤差為0.1 mg/kg，而Y2的最大誤差為0.97 mg/kg，平均誤差為0.25 mg/kg。說明模擬效果較好，且平均溶解氧的模擬效果優(yōu)于最低溶解氧。

3 結(jié)論與討論

（1）通過分析2012年1月至2016月3月期間11月至翌年3月的逐時0.5、2.5 m的數(shù)據(jù)資料，發(fā)現(xiàn)2層的溶解氧、水溫的日變化與氣溫的變化具有較好的相似性，前兩者的變化幅度較氣溫的平緩，日極值的出現(xiàn)時間較氣溫滯后1～3 h。冷空氣影響期間，水溫和2.5 m溶解氧的日際變化與氣溫類似，并較氣溫變化平緩。水溫的降溫時間和最低值出現(xiàn)時間較氣溫有明顯的滯后性，其降幅與相對濕度、冷空氣強度和過程極大風(fēng)速有關(guān)，而最低值滯后時間與相對濕度和冷空氣強度有關(guān)。伴有低溫陰雨的冷空氣過程易導(dǎo)致2.5 m溶解氧的下降，其降幅與同期氣溫的降幅、水汽壓的增幅及前期氣壓的降幅有關(guān)。

（2）水溫與前1日、前2日的同類型水溫及氣溫均具有顯著的相關(guān)性。以當(dāng)日的極大風(fēng)速、相對濕度，前1日、前2日及當(dāng)日的平均/最低氣溫，以及前1日、前2日的平均水溫/最低氣溫分別建立2.5 m和0.5 m的平均/最低水溫預(yù)報方程，其平均誤差和最大誤差分別在0.3 ℃和1 ℃以內(nèi)，精度較高，其中平均水溫的模擬效果優(yōu)于最低水溫。0.5、2.5 m水溫預(yù)報最大誤差在1 ℃以內(nèi)，平均誤差0.3 ℃以內(nèi)。

（3）2.5 m溶解氧與水汽壓成負(fù)相關(guān)，與本站氣壓成正相關(guān)，與氣溫的變化成正相關(guān)。以當(dāng)日及前1日的氣壓、氣溫，當(dāng)日水汽壓及前1日的溶解氧建立2.5 m的平均、最低溶解氧預(yù)報方程，最大誤差分別為0.40、0.97 mg/kg，平均誤差分別為0.10、0.25 mg/kg，且平均溶解氧的模擬效果優(yōu)于最低溶解氧。

（4）由于海水的腐蝕性，海水監(jiān)測儀器容易損壞，數(shù)據(jù)質(zhì)量的可靠性相對氣象要素要差一些。經(jīng)過嚴(yán)格質(zhì)控后，用于建立研究的樣本數(shù)還不夠多，用于業(yè)務(wù)運行尚需進一步驗證。

4 參考文獻

[1] 張學(xué)舒，王英.大黃魚魚苗耗氧率和窒息點的研究[J].經(jīng)濟動物學(xué)報，2007（3）：148-152.

[2] 黃偉卿，王楠楠.大黃魚三種寄生蟲病爆發(fā)與同期水溫關(guān)系的探討[J].黑龍江農(nóng)業(yè)科學(xué)，2012（12）：71-72.

[3] 趙迎春，肖慶銳.山東半島東北部沿海2000年1月、2月水溫變化及對漁業(yè)的影響[J].海洋通報，2000，19（6）：83-87.

[4] 王小平，蔡文貴.紅海灣水域溶解氧，pH值，鹽度和營養(yǎng)鹽分布特征及相互關(guān)系研究[J].海洋通報，1999，18（5）：35-40.

[5] 張智瀛.淺析雷州半島海域夏季溶解氧的分布特點[J].中國新技術(shù)新產(chǎn)品，2014（13）：157-158.

[6] 薛彬，朱敬萍，李鐵軍，等.嵊泗海域溶解氧與營養(yǎng)鹽分布特征及其相關(guān)性研究[J].廣州化工，2016，44（17）：150-151.

[7] 許桂水，王東方，陳鐵帥.水溫及其預(yù)報方程初探[J].工科數(shù)學(xué)，2002，18（1）：17-22.

[8] 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[J].生態(tài)學(xué)雜志，2004，23（4）：52-56.

[9] 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)報研究[J].中國農(nóng)學(xué)通報，2013，29（29）：61-68.

[10] 黃永平，劉可群，蘇榮瑞，等.淡水養(yǎng)殖水體溶解氧含量診斷分析及浮頭泛塘氣象預(yù)報[J].長江流域資源與環(huán)境，2014，23（5）：638-643.

[11] 何永坤，陽作明，王裕文.導(dǎo)致網(wǎng)箱魚猝死的氣象因素初析[J].氣象，2002（12）：53-54.

[12] 胡蓉，魏艷，馬方方.大鵬灣兩次溶解氧驟降事件對比與分析[J].海洋技術(shù)學(xué)報，2014，33（2）：24-28.

[13] 甘居利，林欽，黃洪輝，等.大鵬澳網(wǎng)箱養(yǎng)殖海域海水溶解氧濃度影響因素分析[J].海洋環(huán)境科學(xué)，2004，23（3）：1-3.

[14] 甘居利，林欽，李純厚，等.柘林灣網(wǎng)箱養(yǎng)殖海域溶解氧分布及其影響因素[J].漁業(yè)科學(xué)進展，2001，22（1）：69-74.

[15] LIU Y，WEI Y，CHEN Y.Dissolved oxygen prediction model which based on fuzzy neural network[J].Ifip Advances in Information & Com-munication Technology，2014，420（1）：49-54.

[16] CS？譧BR？譧GI A，MOLN？譧R S，TANOS P，et al.Application of artificial neural networks to the forecasting of dissolved oxygen content in the Hungarian section of the river Danube[J].Ecological Engineering，2017， 100：63-72.

[17] YU Hui-hui，CHEN Ying-yi，HASSAN S，et al.Dissolved oxygen content prediction in crab culture using a hybrid intelligent method[J].Scientific Reports，2016（6）：27292.

[18] 楊曉紅，鄭俊，常艷春，等.中型水庫分層的影響及分層取水建議[J].城鎮(zhèn)供水，2014（5）：62-66.

[19] 郭秀去，王勝，吳必文，等.環(huán)境溫度對水產(chǎn)養(yǎng)殖定量化影響的研究[J].安徽農(nóng)業(yè)科學(xué)，2007，35（24）：7498-7499.

[20] 李磊，樓曉平.海洋水文氣象[M].青島：海軍潛艇學(xué)院，1998：83-105.

[21] 曹美蘭，李仁忠，楊再強，等.海水養(yǎng)殖水溫對冷空氣的響應(yīng)及水溫預(yù)報[J].干旱氣象，2013，31（1）：56-61.

[22] 楊曉紅，鄭俊，常艷春，等.中型水庫分層的影響及分層取水建議[J].城鎮(zhèn)供水，2014（5）：62-66.

[23] 張清良，張永霞.不利氣象對池塘養(yǎng)殖的影響與應(yīng)對措施[J].科學(xué)種養(yǎng)，2014（9）：43-44.endprint