羅 偉，李 強，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報*

羅 偉1，李 強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)殖氣象服務試驗基地2017?2019年水溫資料和同步氣溫資料，分析魚塘夏季（6?8月）不同時間尺度上各層水溫最高時段特征；以預報某日氣溫、前1日氣溫和水溫作為預報因子，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、最高水溫預報模型，并對模型預報效果進行檢驗。結果表明：夏季日內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℃的時段主要集中在16：00?22：00，該時段內10、50和100cm深處水層逐時平均水溫分別在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，該時段內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年回帶檢驗和2019年預報檢驗，模型預報平均絕對誤差在0.3～0.8℃，平均相對誤差在2.6%以內，預報效果較好，能較好地應用于夏季魚塘水溫預報。

四川盆地；魚塘水溫；變化特征；預報

魚塘養(yǎng)殖一般為開放系統(tǒng)，相對海洋、河流、湖泊、水庫等大型水體，魚塘水體特點是面積小、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]。國內外學者對水溫與氣溫間的變化規(guī)律和預報模型進行了研究[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)境因子的關系，發(fā)現(xiàn)撫仙湖水溫與氣溫、相對濕度、風速等氣象要素關系密切；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氣象因子的變化關系，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氣象因子。在水溫預報方面，張俊等[10]采用神經(jīng)網(wǎng)絡方法，以溫度、濕度為預報因子構建河蟹養(yǎng)殖水溫預報模型，模型擬合系數(shù)高達0.949。但針對四川盆地夏季魚塘水溫變化特征的研究還鮮有報道。

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)供給側結構調整，四川省水產(chǎn)養(yǎng)殖逐步向高投入、高產(chǎn)值且對環(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，夏季高溫熱害時有發(fā)生，當水溫超過32℃，易導致魚類攝食減弱、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)殖氣象服務試驗基地2017?2019年的水溫資料和同步氣溫資料，針對盆地夏季典型晴熱天氣，分析夏季魚塘在不同時間尺度上各層水溫最高時段特征，選取與預報某日魚塘水溫相關性顯著的逐日氣溫和水溫作為預報因子，構建夏季典型晴天狀況下魚塘不同水層的平均水溫、最高水溫預報模型，旨在為水產(chǎn)部門在夏季開展水溫調控、減輕高溫熱害影響、提高魚類品質和產(chǎn)量提供科學依據(jù)。

1 資料與方法

1.1 實驗地點

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性濕潤氣候，氣候溫和、四季分明、無霜期長、季風氣候顯著。根據(jù)富順縣40a（1981?2020年）氣象數(shù)據(jù)統(tǒng)計分析，受副熱帶高壓影響，夏季高溫（日最高氣溫達到35℃以上）發(fā)生頻率達97%，高溫發(fā)生天數(shù)最多的年份達到44d。

實驗于2017年1月?2019年12月在富順縣水產(chǎn)養(yǎng)殖氣象服務試驗基地進行。魚塘面積2.5hm2，水深1.2～1.5m，主要養(yǎng)殖黃顙魚、斑點叉尾等經(jīng)濟價值較高的魚類。

1.2 儀器設備

魚塘監(jiān)測設備：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、視頻實況監(jiān)控。水溫傳感器為邯鄲某公司生產(chǎn)，傳感器設置在距岸邊4m、水下10cm、50cm和100cm處，探針尺寸標準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臺增氧設備。

陸地監(jiān)測設備：距魚塘邊35m處，建有一套6要素氣象自動觀測站，觀測要素包括氣溫、相對濕度、降水、風速、風向和大氣壓。距魚塘邊8m處配有一臺LED大屏和一臺視頻監(jiān)控設備，分別用于魚塘各項指標數(shù)據(jù)和魚塘環(huán)境狀況的實時顯示。

1.3 資料獲取

2017?2019年夏季（6?8月）10、50和100cm深處逐小時水溫資料來源于水產(chǎn)養(yǎng)殖氣象服務監(jiān)測系統(tǒng)，同期逐小時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氣溫或水溫平均值。日最高溫度取自一日內出現(xiàn)的某一時次氣溫或水溫的最高值。夏季高溫時段是指連續(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 模型構建

1.4.1 因子選取

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

以皮爾遜相關系數(shù)反映變量間的相關程度，按照引入因子與預報某日水溫的相關系數(shù)大小，選取構建模型的預報因子。將預報某日各層平均/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三個水層（10cm、50cm、100cm，下同）平均的日平均水溫和最高水溫進行相關分析，r為相關系數(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為三個水層平均水溫（℃），TSMAX為三個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，相關系數(shù)r等于兩個變量的協(xié)方差除以兩個變量的標準差。

式中，x為預報水溫（℃），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，利用預報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、最高水溫預報模型。

1.4.3 模型檢驗

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報模型的回代檢驗和預報檢驗數(shù)據(jù)，以預報水溫值與實際水溫值進行比較，分別選擇平均絕對誤差（MAE）和平均相對誤差（MRE）評價模型的預報效果。

1.5 數(shù)據(jù)處理

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

2 結果與分析

2.1 夏季魚塘不同深度水溫變化特征

2.1.1 日內水溫最高時段

在2017?2019年三個夏季共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個典型晴天狀況下，日內逐時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，水溫隨氣溫波動總體呈降?升?降模式?？傮w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。日內氣溫最高值出現(xiàn)在16：00?17：00，10、50和100cm水層分別達到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，水溫≥32℃的時段主要集中在16：00?22：00。

圖1 2017?2019年夏季典型晴天日內逐時平均氣溫及魚塘各層水溫變化

對2017?2019年夏季日內16：00?22：00≥32℃的魚塘各層水溫小時數(shù)據(jù)統(tǒng)計分析，由表1可見，各層水溫≥32℃時段內逐時平均水溫分別在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≥32℃的魚塘各層逐時平均水溫(℃)

圖2是2017?2019年夏季47個典型陰雨天狀況下，氣溫及魚塘各層水溫逐時平均日內變化情況。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，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氣溫及魚塘各層水溫逐時變化

2.1.2 夏季水溫最高時段

由圖3可見，2017?2019年三個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。

三個實驗夏季，各層水溫隨氣溫呈波動上升趨勢，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℃時段主要出現(xiàn)在7月下旬?8月中旬，該時段內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月下旬開始氣溫和水溫呈逐步下降趨勢。

對2017?2019年夏季魚塘水溫監(jiān)測數(shù)據(jù)進行統(tǒng)計分析，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 夏季魚塘水溫預報模型構建和檢驗

2.2.1 預報因子選取

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行相關分析，將初選各預報因子的3a夏季逐日資料導入SPSS軟件，根據(jù)式（1）的運算方法得到各預報因子間的皮爾遜相關系數(shù)，結果見表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關系，相關系數(shù)在0.90以上，與前2日和前3日相應溫度的相關性也均極顯著，但相關系數(shù)逐漸減小，與某日氣溫、前1日氣溫和水溫相關系數(shù)大都在0.89～0.94，與前2～3d氣溫和水溫相關系數(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，按照引入因子與預報某日水溫相關性大小的原則，選取預報某日氣溫及其前1日氣溫和水溫作為構建模型的預報因子。

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、水溫的皮爾遜相關系數(shù)

注：皮爾遜相關分析數(shù)據(jù)取自3個實驗年度各預報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 預報模型建立

在夏季，魚塘平均水溫或最高水溫的高低對魚類品質和產(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報對象，根據(jù)相關分析結果，選取2017年和2018年共80個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報因子，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報模型，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、最高水溫預報模型的決定系數(shù)在0.92～0.96，說明擬合效果較好。

2.2.3 預報模型檢驗

利用以上模型分別對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行模擬計算，以2017年和2018年同期數(shù)據(jù)輸入后進行回代檢驗，以2019年同期數(shù)據(jù)輸入后進行預報檢驗，結果見表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報值與實測值平均絕對誤差在0.3～0.7℃，平均相對誤差在2.0％以內。2019年預報檢驗夏季典型晴天狀況下，平均水溫或最高水溫的預報值與實測值平均絕對誤差在0.4～0.8℃，平均相對誤差在2.6％以內。擬合斜率在0.91～1.16，與理論值（1.0）偏差不大，總體來看模型的預報準確率較高，可用于四川盆地夏季魚塘水溫預報業(yè)務。

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

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。

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報誤差

注：MAE為平均絕對誤差，MRE為平均相對誤差，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，運用模型模擬的結果均達到極顯著水平，實測水溫與預報水溫之間的相關系數(shù)在0.92～0.95，平均絕對誤差在0.1～0.7℃，平均相對誤差在0.1％～2.4％，決定系數(shù)R2達到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)預報值與實測值的對比

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報和實測比較

3 結論與討論

3.1 結論

夏季典型晴天狀況下，魚塘日內氣溫最高值出現(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；日內水溫≥32℃的時段主要集中在16：00?22：00，該時段內10、50和100cm水層逐時平均水溫分別在32.9～33.1℃、32.6～32.7℃、32.1～32.3℃。

夏季各層水溫隨氣溫呈波動上升趨勢，6月中旬?7月上旬上升最為明顯，研究期內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，占整個夏季的25%左右，主要出現(xiàn)在7月下旬?8月中旬，該時段內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報因子建立的夏季平均水溫和最高水溫預報模型，2017?2018年回代檢驗平均絕對誤差在0.3～0.7℃，平均相對誤差在2％以內。2019年預報檢驗平均絕對誤差在0.4～0.8℃，平均相對誤差在2.6％以內。預報模型具有較高的準確率和實用價值。

3.2 討論

當魚塘水溫超過32℃時，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段，即便是在高溫時段，水溫也不是24h都處于一個較高的狀態(tài)。對四川盆地夏季水溫變化的分析結果表明，≥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)時間上，較湖北等地的出現(xiàn)時間偏晚2～3h。在四川盆地夏季魚塘養(yǎng)殖中，可根據(jù)夏季高溫時段和日內最高水溫的出現(xiàn)時間及變化規(guī)律，開展對高溫災害的預警和魚塘水溫管理。

預報因子的選取是提高預報準確率的關鍵。邵玉芳等[21]將熱環(huán)境數(shù)學模型應用于鋸緣青蟹越冬的日光溫室內水池水溫預測，其模型較為復雜，且自變量因子較多，對于實際業(yè)務應用有一定局限。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報模型。本研究不僅考慮水溫相對氣溫的滯后性，還考慮魚塘水體溫度的周期變化特性[22]，以預報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、最高水溫進行交叉相關分析，結果表明，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報因子，與楊文剛等[23?24]選取以某日氣溫和前1日水溫作為預報因子基本一致。同時，作為構成夏季水溫預報模型的三種預報因子（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、水溫實況和氣溫預報中獲取。因此，基于逐步回歸的四川盆地夏季水溫預報模型具有使用方便、實用性強、預報準確率較高的優(yōu)點，能夠較好地應用于夏季魚塘水溫預報。

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報因子，采用逐步回歸建立預報模型，模型決定系數(shù)R2在0.83～0.89，平均絕對誤差總體在0.7～3.3℃，平均相對誤差總體在8%以內，與以某日氣溫、前1日的平均/最高氣溫和水溫作為預報因子建立的預報模型比較，預報效果偏差，不能較好地反映池塘水溫的實際情況。

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

[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.氣象條件對魚塘水質影響的研究[J].上海農(nóng)業(yè)學報,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)境水質因子與氣象因子的相關性分析[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)設施養(yǎng)殖的環(huán)境小氣候問題及其調控途徑[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].海洋學報,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,紀媛媛.撫仙湖水溫與氣象因子的關系研究[J].水資源與水工程學報,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關系研究[J].水利水電快報,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)殖水溫預報模型研究[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[M].北京:科學出版社,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.水溫對刀鱭幼魚耗氧率、窒息點、血糖及肌肝糖元指標的影響[J].生態(tài)學雜志,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報研究[J].中國農(nóng)學通報,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測預報[J].生態(tài)學雜志,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[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)殖高溫熱害天氣指數(shù)模型設計與實踐[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,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.斑點叉尾鮰養(yǎng)殖與氣象因子關系的研究[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)學通報,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.設施魚塘冬春季水溫日變化特點及其與外界氣溫的統(tǒng)計模式[J].上海農(nóng)業(yè)學報,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].浙江大學學報(農(nóng)業(yè)與生命科學版),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,等.湖北省池塘水溫預報技術研究[J].湖北農(nóng)業(yè)科學,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.凡納濱對蝦養(yǎng)殖池塘水溫預測模型研究[J].寧波大學學報(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,劉秀,等.四川盆地夏季魚塘水溫變化特征及預報[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害四川省重點實驗室科技發(fā)展基金項目（省重實驗室2018?重點?05?07）；自貢市科技助力鄉(xiāng)村振興項目（S?2022?000052）

楊榮國，碩士，高級工程師，研究方向為氣象服務與應用氣象，E-mail：627248377@qq.com

羅偉，E-mail：304448599@qq.com