-
基于海阳市琵琶口海域2014年(投礁前)与2022年(投礁后)渔业资源调查数据,评估人工鱼礁长期投放效果.结果显示,投礁后种类从51种增至70种(+37.3％),鱼类从31种增至40种(+29.0％),新增底栖无脊椎动物7种;丰富度指数从1.70升至3.05(+79.6％).优势种从戴氏赤虾(Metapenaeopsis dalei,相对重要性指数IRI=4 488)演替为双斑蟳(Charybdis bimaculate,IRI=3 130)、鹰爪虾(Trachypenaeus curvirostris,IRI=2 684)等,群落趋于均衡,表明钢混人工鱼礁对黄海近岸高本底海域具有积极修复成效.研究表明,人工鱼礁在黄海近岸高本底海域具有积极生态修复效果,可为同类海洋牧场建设提供参考.
人工鱼礁渔业资源种类组成优势种演替
-
2026年5月1日起,广东省《水产养殖尾水排放标准》(DB44/2462—2024)对全省所有现有水产养殖项目全面执行,新修订的《渔业法》同步实施.全省养殖水面 30 亩及以上的池塘养殖、所有工厂化养殖设施,尾水排放必须符合 pH 值、悬浮物、化学需氧量、总氮、总磷五项核心指标的限值要求,超标排放或逃避监管者面临 10 万至 100 万元罚款.
-
过去几年,广东乃至全国遍地开花的水产养殖尾水处理模式中,"三池两坝"凭借低门槛、低成本、易推广的优势,迅速成为中小散户连片池塘覆盖面最广的普惠方案,帮助广大养殖户在环保政策落地初期迈过了"有没有处理设施"的第一道关口.然而,随着应用范围扩大,1.0版本在复杂实际场景中的局限性日益凸显,相关方案一度引发质疑.
-
[目的]探究人工鱼礁建设对海洋牧场基础营养层级浮游生物群落的影响机制,明确其生态效应与环境驱动因素.[方法]本研究于 2022 年 1 月(冬季)和 6 月(夏季)对青岛石雀滩海洋牧场的人工鱼礁区、影响区及对照区进行环境因子和浮游生物调查,测定浮游生物的丰度、优势种,并分析其与环境因子的关系.[结果]人工鱼礁区浮游动植物种类数在冬、夏季均高于对照区,浮游动物夏季平均丰度也显著升高.非度量多维尺度分析(NMDS)结合相似性分析(ANOSIM)表明,人工鱼礁区形成了与对照区显著分离的浮游生物群落,其中浮游动物的空间分异尤为显著(R=0.53,P=0.002).冗余分析(RDA)表明,水温、营养盐和叶绿素 a 是影响浮游生物优势种分布的关键环境因子.Pearson 相关分析指出环境因子对浮游生物群落的调控呈现明显的季节差异;N/P 比值分析表明,投礁区夏季磷限制的局部缓解是驱动群落演变的核心背景.[结论]人工鱼礁可通过增加生境复杂性和调节营养盐循环,产生"上行效应",显著影响浮游生物群落组成与分布,其中夏季磷限制的缓解是驱动群落演变的重要背景.本研究揭示了人工鱼礁影响浮游生物群落的关键途径与环境机制,可为海洋牧场的生态系统优化与管理提供科学依据.
人工鱼礁浮游生物群落结构环境因子
-
鱼类繁育是水产养殖高质、高效、可持续发展的基石和种源保障,随着人工智能在渔业中的深入应用,结合环境组、表型组、代谢组、基因组等领域专业知识,具有"环境多维感知、表型精准监测、多组学联合分析"特征的智慧繁育技术得到发展.本文以养殖现场环境组、表型组等数据如何转化为种质评价依据为主线,综述人工智能在抗逆评价、抗病评价、生长与饲料效率分析、品质检测、种质资源数字化、基因挖掘、多组学建模和数字孪生平台中的应用进展,并分析相关技术在不同养殖场景中的适用条件和局限.总体来看,人工智能为鱼类繁育提供了新的数据来源和分析工具,但其应用仍受制于数据积累成本、采集标准、模型泛化能力、跨物种迁移基础和产学研协同机制.未来应依托良种场、设施化养殖单元和区域示范基地开展长期验证,建立可追溯的数据标准和共享机制,推动智慧养殖数据真正服务于水产种质创新和绿色高效养殖.
人工智能鱼类繁育种质资源表型采集智慧繁育数字孪生
-
本文分析了智慧渔场建设中环境调控和结构可靠性提高的问题,并提出了融合物联网感知、数字孪生及多物理场仿真技术的解决方法.文中构建了感知、控制、仿真和优化组成的闭环模式,并依托仿真平台来完成养殖设施全生命周期的智能化设计.在浙江某智慧渔场的实际测量场景中,溶解氧达标率由72％上升至94.6％,结构应力集中系数也出现了明显下降.研究表明,仿真模拟在智能建造中具有重要作用,利用仿真驱动设计可以提高养殖设施的环境调控精度和结构耐久性,兼具经济和生态效益.未来需要结合生物行为模型,促进行业标准与数字孪生平台协同建设.
智慧渔场数字孪生多物理场仿真环境调控结构可靠性
-
河南省推广的"蒙古包式自排污漏斗型"池塘养殖模式,通过穹顶控温、漏斗集污、生态循环三项核心技术,实现了北方水产养殖的全年稳产与高效集约.本文以此模式为基础,探讨人工智能技术在精准投喂、水质调控、病害预警、智能巡检等环节的融合发展,提出"设施+算法"的智慧渔业技术框架.
蒙古包模式漏斗型池塘人工智能智慧渔业设施养殖
-
为探究海上风电与海洋牧场融合海域大型底栖动物群落结构特征及海域底栖生态质量,本研究分别于2024年1月(冬季)、4月(春季)、7月(夏季)和10月(秋季)在莱州湾风渔融合海域的风礁区(风电桩基和人工鱼礁)、桩基区(风电桩基,无人工鱼礁)、对照区(无风电桩基和人工鱼礁)开展了4个航次调查.调查共采集到大型底栖动物120种,其中,风礁区共记录94种大型底栖动物,桩基区79种,对照区63种.在优势种类中,多毛类占48.15%,占比最高,处于群落的主导地位.研究海域内,大型底栖动物的整体丰度和生物量在秋季最高、春季最低,且各区域大型底栖动物的年平均丰度和生物量表现为风礁区(340.89 ind/m2,12.27 g/m2)>桩基区(284.82 ind/m2,10.86 g/m2)>对照区(275.41 ind/m2,10.27 g/m2).聚类分析和主坐标分析结果显示,大型底栖动物群落结构在不同区域间差异较小,但季节间差异显著.相似性百分比分析表明,寡鳃微齿吻沙蚕(Micronephthys oligobranchia)、毛齿吻沙蚕(Nephtys ciliata)以及正环沙鸡子(Phyllo-phorus ordinata)等是造成群落在季节和区域间差异的主要贡献种.ABC曲线分析结果显示,生物量曲线始终位于丰度曲线之上,表明大型底栖动物群落未受到明显扰动.大型底栖动物的AZTI海洋生物指数(AZTI's marine biotic index,AM-BI)范围为0.12～3.72,研究海域各季节的大型底栖动物群落整体处于轻度干扰状态.大型底栖动物的 M-AMBI(Multi-variate AMBI)指数范围为0.33～0.91,总体而言,研究海域的底栖生态系统整体维持在相对良好的水平.
海上风电人工鱼礁大型底栖动物群落结构生态质量评价莱州湾
-
随着水产养殖向智能化方向转型,各类传感监测数据量快速增长.如何从海量混杂信息中识别出养殖状态异常信号,成为当前数据利用的主要难题.信息可视化技术能够将算法输出结果转换为直观的图形界面,协助管理人员及时察觉养殖环境中的异常变化,从而提升决策效率与准确度.系统综述了信息可视化在设施水产养殖领域的研究进展,通过分析信息可视化技术在深远海养殖、陆域池塘养殖与陆基工厂化循环水养殖三大典型水产养殖模式应用中的环境约束与管理诉求,全面剖析了该技术在不同养殖模式中的差异化适配机制;总结了当前技术向产业化推进中面临的关键瓶颈与制约因素,提出了信息可视化技术在设施水产养殖领域的未来发展方向,以期为智能化设施水产养殖的研究和应用提供科学参考.
信息可视化水产养殖数据融合数字孪生人机交互
-
SAM(segment anything model)模型作为一种先进的计算机视觉模型,与遥感技术结合,可实现对水产养殖活动的实时监测和管理.基于高分遥感影像,采用 SAM 模型结合 eCognition,对三都澳的大黄鱼(Larimichthys crocea)养殖活动相关信息进行了提取和评估.结果显示,SAM 模型对高分辨率影像分割结果与人工标注对象的平均交并比(intersection over union,IoU)为 97.67%,且分割对象的平均置信度为 0.96,而 eCognition 中多尺度分割、对比度分割结果与人工标注的 IoU 分别为 80.56%、91.52%.相较于多尺度分割与对比度分割,SAM 生成的矢量分类结果准确度明显优于直接应用 eCognition 分类的结果,更贴近实际大黄鱼养殖的设施边界.相较于传统遥感养殖活动相关信息提取方法,SAM 模型在大黄鱼养殖活动相关信息提取方面展现出更快速、更精确的能力.利用 SAM 模型提取大黄鱼养殖活动相关信息,有助于养殖者和监管机构更全面地分析和管理相关活动,进一步优化养殖产业管理,提高渔业养殖的效率和可持续性.
SAM大黄鱼海水养殖海岸管理养殖信息
