吳 斌 王偉萍 王慶萍 陶毅力 王海華

（江西省水產(chǎn)科學(xué)研究所 江西南昌 330039）

長江江豚（Neophocaena asiaeorientalis）是江豚的3 個亞種之一，也是最瀕危的一個亞種，僅生活在長江中下游和大型通江湖泊鄱陽湖和洞庭湖中?；诮喾N群基因組學(xué)最新研究結(jié)果顯示，極度瀕危的長江江豚種群應(yīng)被作為一個獨立的物種［1］。長江江豚不僅是全世界唯一一種生存于淡水環(huán)境的鼠海豚科動物，也是長江流域極可能唯一現(xiàn)存的的水生哺乳動物（2007年白鱀豚功能性滅絕）。自20世紀90年代以來，長江江豚的數(shù)量呈現(xiàn)出持續(xù)性的衰減趨勢［2-5］，2018年7月正式發(fā)布的《2017 長江江豚生態(tài)科學(xué)考察報告》是目前最新的長江江豚科考成果。江豚種群數(shù)量大幅下降的趨勢得到遏制，估算長江江豚數(shù)量約為1 012 頭，考慮其嚴峻的受威脅程度，長江江豚已被按照國家一級保護動物進行保護［6］。2018年，中國科學(xué)院深海所海洋哺乳動物研究團隊對長江江豚進行了全基因組測序，組裝得到了2.22 Gb的基因組草圖，為江豚基因組的研究奠定了基礎(chǔ)［7］。本研究通過查閱微信公眾號“水野保護者”發(fā)布的全長江流域已登記死亡長江江豚統(tǒng)計數(shù)據(jù)，分析其年際周期性變動規(guī)律，以期為長江江豚精準保護提供基礎(chǔ)數(shù)據(jù)支撐。

1 材料與方法

1.1 數(shù)據(jù)來源與指標(biāo)選取 研究所用數(shù)據(jù)來源于微信公眾號“水野保護者”發(fā)布的統(tǒng)計數(shù)據(jù)。2008—2018年，全長江流域已登記死亡長江江豚數(shù)量為329 頭，年均死亡數(shù)量為29.9 頭。每年3、4、10、11月是長江江豚的生產(chǎn)、哺乳的高峰期，而這一時間段同樣也是死亡的高峰期?；疑A(yù)測模型的原理是離散累加求導(dǎo)［8］，在數(shù)據(jù)量較少時進行中、短期預(yù)測精度更高，因此，本研究中灰色預(yù)測部分選用聚類分群數(shù)據(jù)及連續(xù)5年的數(shù)據(jù)對未來1年的數(shù)據(jù)進行預(yù)測，并通過歷史數(shù)據(jù)評估模型的有效性及2 種數(shù)據(jù)選取的相對誤差大小，同時采用近5年的數(shù)據(jù)對2019—2020年，全長江流域已登記死亡長江江豚數(shù)量進行預(yù)測。

1.2 模型選取 考慮到影響長江江豚死亡的因子多而復(fù)雜，且全長江流域死亡長江江豚數(shù)量相對較少，是灰色系統(tǒng)理論中典型的灰因白果律事件，因此本研究采用灰色模型GM（1，1）對全長江流域死亡長江江豚進行短期預(yù)測。GM（1，1）是我國學(xué)者鄧聚龍首次提出的，指的是以灰色系統(tǒng)理論為基礎(chǔ)建立（行為）時軸上現(xiàn)在與未來的定量關(guān)系從而預(yù)測事物的發(fā)展，以微分擬合法建立模型，將離散數(shù)據(jù)視為連續(xù)變量在其變化過程中所取的離散值，從而利用微分方程處理數(shù)據(jù)，具有少數(shù)據(jù)預(yù)測、允許對灰因果律事件進行預(yù)測和可檢驗性的特點［8－9］。

2 結(jié)果與分析

2.1 全長江流域已登記死亡長江江豚數(shù)量 Kmean 是聚類算法的一種，其目的是找到樣本數(shù)據(jù)潛在的類別。該方法的基本思想是：首先，隨機選取k個聚類中心，并計算各個樣本點與k個聚類中心的距離，確定各樣本的分群c；然后，根據(jù)類書并計算新的聚類中心，重復(fù)前一步驟直至收斂為止，并最終確定各樣本的類別。將2008—2018年全長江流域已登記死亡長江江豚數(shù)量（表1），通過聚類分析，不難發(fā)現(xiàn)，可分成2 類，聚類中心之間絕對差值大致為40（表2）。

表1 2008—2018年全長江流域已登記死亡長江江豚數(shù)量（單位：頭）

表2 全長江流域已登記死亡長江江豚數(shù)量（頭）聚類分析（二類）結(jié)果

2.2 全長江流域已登記死亡長江江豚數(shù)量2008—2018年全長江流域已登記死亡長江江豚數(shù)量（頭）結(jié)果，分群類別為1 和2，樣本個數(shù)分別為2 個和9 個，因此推測，長江江豚死亡數(shù)量存在“峰谷”的年際周期性變動，為此，選取其中4 個時間段進行預(yù)測，分別代表谷+谷+谷+谷+峰、谷+谷+峰+谷+谷、峰+谷+谷+谷+谷、谷+谷+谷+谷+谷 即2008—2012年、2010—2014年、2012—2016年、2013—2017年4 組數(shù)據(jù)，分別預(yù)測2013年、2015年、2017年、2018年；同時，用前10年 數(shù)據(jù)進行2018年（高峰年）灰色預(yù)測（表3）。

表3 全長江流域死亡長江江豚數(shù)量灰色預(yù)測結(jié)果

3 結(jié)論與建議

聚類分析被用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及將數(shù)據(jù)源分類到不同的簇中。本研究對2008—2018年全長江流域已登記死亡長江江豚數(shù)量數(shù)據(jù)進行聚類分析，發(fā)現(xiàn)全長江流域已登記死亡長江江豚數(shù)量存在“峰谷”的年際周期性變動，即2012年和2018年為長江江豚死亡高峰年，因此，聚類分析是探討長江江豚死亡年際周期性變動，研判未來發(fā)展趨勢的可靠方法。本研究揭示：全長江流域死亡長江江豚數(shù)量可能存在以6年為一個周期的變動規(guī)律。已有文獻表明，長江江豚與魚群分布有顯著相關(guān)性，長江江豚可能具有隨魚群遷徙的行為特征。而魚類的生命周期一般在3～4年，中華鱘等物種則要17 或18年。因此推測，餌料魚類等生境因子的規(guī)律性波動可能導(dǎo)致死亡長江江豚數(shù)量年際周期性變動。

灰色理論認為數(shù)據(jù)是復(fù)雜的，但是有序且有整體功能的。同時，灰色理論建立的是生成數(shù)據(jù)模型，不是原始數(shù)據(jù)模型，因此，灰色預(yù)測的數(shù)據(jù)是通過生成數(shù)據(jù)的GM（1，1）模型所得到的預(yù)測值的逆處理結(jié)果。本研究結(jié)合聚類分析，對全長江流域死亡長江江豚數(shù)量灰色預(yù)測相對誤差進行了理論探討，不難發(fā)現(xiàn)，全長江流域死亡長江江豚數(shù)量“高峰年”作為灰色預(yù)測原始數(shù)據(jù)起始年份或末端年份，無法進行有效預(yù)測或效果相對較差，而全長江流域死亡長江江豚數(shù)量“高峰年”作為灰色預(yù)測原始數(shù)據(jù)中間年份，則預(yù)測效果相對較理想，但也存在10%左右的誤差。該結(jié)果提示，影響全長江流域死亡長江江豚數(shù)量變動的原因多樣且相對較復(fù)雜，亟需全面準確長期系統(tǒng)收集相關(guān)資料。本研究以期為長江江豚精準保護提供基礎(chǔ)數(shù)據(jù)支撐。在聚類分析的基礎(chǔ)上，灰色預(yù)測模型可相對較好地對全長江流域死亡長江江豚數(shù)量進行預(yù)測，但對于其年際周期性變動的判斷是重要基礎(chǔ)，對于“高峰年”處于起始年份或末端年份的預(yù)測需采取審慎的態(tài)度。