四川盆地夏季鱼塘水温变化特征及预报*

罗 伟，李 强，刘 秀，王玲玲，周 剑，杨荣国**

四川盆地夏季鱼塘水温变化特征及预报*

罗 伟1，李 强1，刘 秀2，王玲玲1，周 剑3，杨荣国1**

（1.四川省自贡市气象局，自贡 643000；2.四川省富顺县气象局，富顺 643200；3.四川省农业科学院水产研究所，成都 610097)

基于四川盆地南部富顺县水产养殖气象服务试验基地2017−2019年水温资料和同步气温资料，分析鱼塘夏季（6−8月）不同时间尺度上各层水温最高时段特征；以预报某日气温、前1日气温和水温作为预报因子，采用逐步回归分析建立夏季典型晴天状况下鱼塘各层平均水温、最高水温预报模型，并对模型预报效果进行检验。结果表明：夏季日内各层水温最高值出现在18：00−19：00，较气温滞后1～3h；水温≥32℃的时段主要集中在16：00−22：00，该时段内10、50和100cm深处水层逐时平均水温分别在32.9～33.1℃、32.6～32.7℃和32.1～32.3℃。夏季各层水温随气温呈波动上升趋势，水温最高值均出现在7月下旬；水温≥32℃的日数平均为23d，主要出现在7月下旬−8月中旬，该时段内10、50和100cm水层逐日平均水温分别在28.5～34.4℃、28.2～34.1℃和27.9～33.9℃。通过2017−2018年回带检验和2019年预报检验，模型预报平均绝对误差在0.3～0.8℃，平均相对误差在2.6%以内，预报效果较好，能较好地应用于夏季鱼塘水温预报。

四川盆地；鱼塘水温；变化特征；预报

鱼塘养殖一般为开放系统，相对海洋、河流、湖泊、水库等大型水体，鱼塘水体特点是面积小、深度浅、循环慢，其水温除了受所在地理位置、鱼塘面积、鱼塘深度和水中浮游植物含量等生态环境要素影响外，很大程度上取决于本地的气温条件[1−4]。国内外学者对水温与气温间的变化规律和预报模型进行了研究[5-6]，在海洋、湖泊、水库等水体温度方面，郭伟其等[7]通过对东海沿岸40a海水表层温度变化特征的分析，确定暖冬是东海沿岸表层海水温度总体呈上升趋势的重要因素；付朝晖等[8]探讨了抚仙湖水温与自然环境因子的关系，发现抚仙湖水温与气温、相对湿度、风速等气象要素关系密切；朱振亚等[9]研究了向家坝建坝前后宜宾段平均水温与主要气象因子的变化关系，确定平均气温是影响向家坝水电站宜宾段平均水温的主要气象因子。在水温预报方面，张俊等[10]采用神经网络方法，以温度、湿度为预报因子构建河蟹养殖水温预报模型，模型拟合系数高达0.949。但针对四川盆地夏季鱼塘水温变化特征的研究还鲜有报道。

近年来，随着居民生活水平的不断提高和水产养殖业供给侧结构调整，四川省水产养殖逐步向高投入、高产值且对环境要求更高的名、特、优鱼类品种发展。2020年，四川省水产养殖总面积约19万hm2，其中池塘养殖面积10万hm2，占总面积的52%。四川盆地属亚热带湿润气候区，受副热带高压影响，夏季高温热害时有发生，当水温超过32℃，易导致鱼类摄食减弱、生长减缓，池塘病菌大量滋生爆发鱼病，从而影响名、特、优鱼类的品质和产量形成。因此，本研究利用四川盆地南部富顺县水产养殖气象服务试验基地2017−2019年的水温资料和同步气温资料，针对盆地夏季典型晴热天气，分析夏季鱼塘在不同时间尺度上各层水温最高时段特征，选取与预报某日鱼塘水温相关性显著的逐日气温和水温作为预报因子，构建夏季典型晴天状况下鱼塘不同水层的平均水温、最高水温预报模型，旨在为水产部门在夏季开展水温调控、减轻高温热害影响、提高鱼类品质和产量提供科学依据。

1 资料与方法

1.1 实验地点

四川省富顺县地处四川盆地南部浅丘区、沱江下游（28.55°−29.28°N、104.40°−105.15°E），沱江由北向南纵贯县境。富顺县属于亚热带季风性湿润气候，气候温和、四季分明、无霜期长、季风气候显著。根据富顺县40a（1981−2020年）气象数据统计分析，受副热带高压影响，夏季高温（日最高气温达到35℃以上）发生频率达97%，高温发生天数最多的年份达到44d。

实验于2017年1月−2019年12月在富顺县水产养殖气象服务试验基地进行。鱼塘面积2.5hm2，水深1.2～1.5m，主要养殖黄颡鱼、斑点叉尾等经济价值较高的鱼类。

1.2 仪器设备

鱼塘监测设备：鱼塘配有一套富顺县水产养殖气象监测系统，该系统的设备主要包括水温传感器、溶氧度传感器、pH值传感器、浊度传感器、视频实况监控。水温传感器为邯郸某公司生产，传感器设置在距岸边4m、水下10cm、50cm和100cm处，探针尺寸标准Φ6×15cm，测量范围在−20～80℃，精度为0.1℃。为防止鱼类出现缺氧浮头，鱼塘中还配有1台增氧设备。

陆地监测设备：距鱼塘边35m处，建有一套6要素气象自动观测站，观测要素包括气温、相对湿度、降水、风速、风向和大气压。距鱼塘边8m处配有一台LED大屏和一台视频监控设备，分别用于鱼塘各项指标数据和鱼塘环境状况的实时显示。

1.3 资料获取

2017−2019年夏季（6−8月）10、50和100cm深处逐小时水温资料来源于水产养殖气象服务监测系统，同期逐小时气温资料来源于距鱼塘边35m处的6要素气象站。

日平均温度取每日逐小时气温或水温平均值。日最高温度取自一日内出现的某一时次气温或水温的最高值。夏季高温时段是指连续3日最高气温在35℃以上。典型晴天是指天空中总云量少于30%，典型阴雨天气是指天空中总云量大于70%或出现降雨过程。

1.4 模型构建

1.4.1 因子选取

水产养殖冬季一般关注最低水温能否使鱼类顺利越冬。与之相反，夏季当水温升至某温度临界值以上时，不但会影响鱼类摄食生长，还会造成病菌滋生繁殖[11−12]。因此，选择夏季水温预报因子，应排除最低气温和最低水温因子，将预报某日水温与某日气温、其前1～3d气温和水温资料进行交叉相关性分析。

以皮尔逊相关系数反映变量间的相关程度，按照引入因子与预报某日水温的相关系数大小，选取构建模型的预报因子。将预报某日各层平均/最高水温，分别与某日和其前1～3日的日平均/最高气温以及其前1～3d三个水层（10cm、50cm、100cm，下同）平均的日平均水温和最高水温进行相关分析，r为相关系数，分别表示为r(Ti)、r(TMAX−i)、r(TS−i)、r(TSMAX−i)，T为日平均气温（℃），TMAX为日最高气温（℃），TS为三个水层平均水温（℃），TSMAX为三个水层最高水温的平均值（℃），i为天数，以0、1、2、3分别代表某日、前一日、前二日、前三日。其中，相关系数r等于两个变量的协方差除以两个变量的标准差。

式中，x为预报水温（℃），y为日平均/最高气温或水温（℃），n为样本数，i为天数（0、1、2、3）。

1.4.2 模型构建

选取2017年和2018年夏季典型晴天状况下的逐日气温、水温资料，利用预报某日水温与所选因子，采用逐步回归法建立夏季典型晴天状况下鱼塘不同水层的平均水温、最高水温预报模型。

1.4.3 模型检验

分别选取2017−2018年、2019年夏季逐日气温、水温资料作为夏季水温预报模型的回代检验和预报检验数据，以预报水温值与实际水温值进行比较，分别选择平均绝对误差（MAE）和平均相对误差（MRE）评价模型的预报效果。

1.5 数据处理

数理统计、作图均采用Excel，因子间的相关分析、逐步回归建立模型均采用SPSS22.0。

2 结果与分析

2.1 夏季鱼塘不同深度水温变化特征

2.1.1 日内水温最高时段

在2017−2019年三个夏季共276d中，出现典型晴天112d，典型阴雨天47d。图1是2017−2019年夏季112个典型晴天状况下，日内逐时平均气温及鱼塘各层水温变化情况。由图可见，典型晴天状况下的气温和水温变化规律均有较好的一致性，水温随气温波动总体呈降−升−降模式。总体水温值高于气温，11：00−20：00气温比水温高，20：00−次日11：00气温比水温低。日内气温最高值出现在16：00−17：00，10、50和100cm水层分别达到32.5℃、32.2℃和31.6℃，10cm和50cm水温最高值出现在18：00−19：00，较气温滞后1～2h，100cm处水温最高值出现在1：00，较气温滞后2～3h，最高水温的滞后性随深度增加而增加；气温最低值出现在6：00−7：00，各层水温最低值出现在8：00−9：00，分别为30.3℃、30.5℃和30.7℃，较气温滞后2～3h，各层最低水温的滞后性基本一致。日内，水温≥32℃的时段主要集中在16：00−22：00。

图1 2017−2019年夏季典型晴天日内逐时平均气温及鱼塘各层水温变化

对2017−2019年夏季日内16：00−22：00≥32℃的鱼塘各层水温小时数据统计分析，由表1可见，各层水温≥32℃时段内逐时平均水温分别在32.9～33.1℃、32.6～32.7℃、32.1～32.3℃，10cm水层水温最高，50cm次之，100cm最低，且水温降低幅度随水层深度的增加而增加。

表1 2017−2019年夏季日内≥32℃的鱼塘各层逐时平均水温(℃)

图2是2017−2019年夏季47个典型阴雨天状况下，气温及鱼塘各层水温逐时平均日内变化情况。由图可见，典型阴雨天状况下气温与水温变化规律均有较好的一致性，总体呈下降趋势，水温全天明显高于气温。气温最高值出现在16：00左右，水温最高值出现在00：00左右，水温全天呈下降趋势，仅16：00−18：0010cm水温有小幅波动，各层水温滞后性不明显。

图2 2017−2019年夏季典型阴雨天状况下日内气温及鱼塘各层水温逐时变化

2.1.2 夏季水温最高时段

由图3可见，2017−2019年三个夏季逐日气温及鱼塘各层水温变化均有较好的一致性，水温随深度增加而降低。三个夏季日平均气温变化幅度均在11℃左右，各层水温变化幅度均在9℃左右，水温日平均值均高于气温日平均值。

三个实验夏季，各层水温随气温呈波动上升趋势，6月中旬−7月上旬上升最为明显，水温上升速率在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，均为6d的持续晴好升温天气过程中，气温增幅在5.0～6.6℃，各层水温增幅在4.0～5.1℃。水温≥32℃时段主要出现在7月下旬−8月中旬，该时段内10、50和100cm水层逐日平均水温分别在28.5～34.4℃、28.2～34.1℃和27.9～33.9℃，各层出现日平均水温≥32℃的天数平均在9d、7d、4d；3a夏季气温和水温日最高值均出现在7月下旬，气温最高值为32.6℃，各层水温最高值分别为34.4、34.1和33.9℃。从8月下旬开始气温和水温呈逐步下降趋势。

对2017−2019年夏季鱼塘水温监测数据进行统计分析，由表2可见，夏季鱼塘各层水温≥32℃的天数平均分别为29d、24d和16d，10cm水层天数最多，50cm次之，100cm最少，且高温天数减少幅度随水层深度增加而增加。

2.2 夏季鱼塘水温预报模型构建和检验

2.2.1 预报因子选取

根据邓爱娟等[13−14]的研究，某日水温与某日及其前1～3d的气温关系最为密切，因此，初步选取某日鱼塘各层日平均水温或最高水温，分别与某日和其前1～3d的日平均气温或最高气温以及其前1～3d三层平均日平均水温或最高水温进行相关分析，将初选各预报因子的3a夏季逐日资料导入SPSS软件，根据式（1）的运算方法得到各预报因子间的皮尔逊相关系数，结果见表3。由表可见，某日各层平均水温或最高水温均与某日、其前1日的日平均气温或最高气温和其前1日三层平均日平均水温或最高水温呈极显著相关关系，相关系数在0.90以上，与前2日和前3日相应温度的相关性也均极显著，但相关系数逐渐减小，与某日气温、前1日气温和水温相关系数大都在0.89～0.94，与前2～3d气温和水温相关系数大都在0.79～0.86，说明水温受某日气温、其前1日气温和水温影响较其前2～3d气温和水温影响更显著。因此，按照引入因子与预报某日水温相关性大小的原则，选取预报某日气温及其前1日气温和水温作为构建模型的预报因子。

表2 2017−2019年夏季鱼塘各层水温≥32℃天数(d)

表3 鱼塘各层日平均/最高水温与某日及其前1～3d的日平均/最高气温、水温的皮尔逊相关系数

注：皮尔逊相关分析数据取自3个实验年度各预报因子的夏季逐日资料。T0、T1、T2、T3分别为某日及其前1～3d日平均气温，TMAX−0、TMAX−1、TMAX−2、TMAX−3分别为某日及其前1～3d日最高气温，TS−0、TS−1、TS−2、TS−3分别为某日及其前1～3d三层平均日平均水温，TSMAX−0、TSMAX−1、TSMAX−2、TSMAX−3分别为某日及其前1～3d三层平均日最高水温。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 预报模型建立

在夏季，鱼塘平均水温或最高水温的高低对鱼类品质和产量形成影响较为显著[15-16]，以夏季平均水温或最高水温为预报对象，根据相关分析结果，选取2017年和2018年共80个典型晴天状况下的某日平均气温或最高气温、前1日平均气温或最高气温和水温作为预报因子，采用逐步回归法分别建立夏季典型晴天状况下鱼塘各层平均水温和最高水温预报模型，即

式中，TS为日平均水温，TSMAX为日最高水温，ε为常数，a1、a2、a3为系数。

由表4可以看出，夏季典型晴天状况下鱼塘各层平均水温、最高水温预报模型的决定系数在0.92～0.96，说明拟合效果较好。

2.2.3 预报模型检验

利用以上模型分别对6月1日−8月31日（夏季）典型晴天状况下鱼塘10、50和100cm深度处日平均水温和日最高水温进行模拟计算，以2017年和2018年同期数据输入后进行回代检验，以2019年同期数据输入后进行预报检验，结果见表5。由表可见，2017年和2018年夏季典型晴天状况下，平均水温或最高水温的预报值与实测值平均绝对误差在0.3～0.7℃，平均相对误差在2.0％以内。2019年预报检验夏季典型晴天状况下，平均水温或最高水温的预报值与实测值平均绝对误差在0.4～0.8℃，平均相对误差在2.6％以内。拟合斜率在0.91～1.16，与理论值（1.0）偏差不大，总体来看模型的预报准确率较高，可用于四川盆地夏季鱼塘水温预报业务。

表4 夏季典型晴天状况下鱼塘各层平均/最高水温预报模型参数及检验效果

注：TS为日平均水温，TSMAXA为日最高水温。下同。**表示方程通过了a=0.01水平的显著性检验。

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 鱼塘平均水温和最高水温模型预报误差

注：MAE为平均绝对误差，MRE为平均相对误差，FS为拟合方程的斜率。

Note: MAE is mean absolute error, MRE is mean relative error, FS is fitting slope.

由图4和表6可知，运用模型模拟的结果均达到极显著水平，实测水温与预报水温之间的相关系数在0.92～0.95，平均绝对误差在0.1～0.7℃，平均相对误差在0.1％～2.4％，决定系数R2达到0.86～0.92，整体看，平均水温模型模拟效果好于最高水温模型。

图4 2017年7月典型晴天状况下鱼塘10cm层日平均水温(a)和最高水温(b)预报值与实测值的对比

表6 2017年夏季7月典型晴天状况下鱼塘10cm层平均水温和最高水温预报和实测比较

3 结论与讨论

3.1 结论

夏季典型晴天状况下，鱼塘日内气温最高值出现在16：00−17：00，各层水温最高值均出现在18：00−19：00，较气温滞后1～3h；日内水温≥32℃的时段主要集中在16：00−22：00，该时段内10、50和100cm水层逐时平均水温分别在32.9～33.1℃、32.6～32.7℃、32.1～32.3℃。

夏季各层水温随气温呈波动上升趋势，6月中旬−7月上旬上升最为明显，研究期内气温和水温的最高值均出现在7月下旬；夏季水温≥32℃的日数平均为23d，占整个夏季的25%左右，主要出现在7月下旬−8月中旬，该时段内各层逐日平均水温分别在28.5～34.4℃、28.2～34.1℃、27.9～33.9℃。

以某日气温、前1日气温和水温作为预报因子建立的夏季平均水温和最高水温预报模型，2017−2018年回代检验平均绝对误差在0.3～0.7℃，平均相对误差在2％以内。2019年预报检验平均绝对误差在0.4～0.8℃，平均相对误差在2.6％以内。预报模型具有较高的准确率和实用价值。

3.2 讨论

当鱼塘水温超过32℃时，部分温水性鱼类孵化率、摄食率随温度升高而下降，鱼类生长缓慢或停止生长并易诱发疾病[17−18]。而在夏季，鱼塘水温并不是一直都处于高温时段，即便是在高温时段，水温也不是24h都处于一个较高的状态。对四川盆地夏季水温变化的分析结果表明，≥32℃水温日数平均在23d，主要出现在7月下旬−8月中旬；在夏季典型晴天状态下，各层水温最低值出现在8：00− 9：00，较气温滞后2～3h；各层水温最高值出现在18：00−19：00，较气温滞后1～3h，各层水温的滞后性与孟翠丽等[19−20]对鱼塘水温的变化特征研究基本一致，但在各层最高水温的出现时间上，较湖北等地的出现时间偏晚2～3h。在四川盆地夏季鱼塘养殖中，可根据夏季高温时段和日内最高水温的出现时间及变化规律，开展对高温灾害的预警和鱼塘水温管理。

预报因子的选取是提高预报准确率的关键。邵玉芳等[21]将热环境数学模型应用于锯缘青蟹越冬的日光温室内水池水温预测，其模型较为复杂，且自变量因子较多，对于实际业务应用有一定局限。邓爱娟等[13−14]考虑气温与水温间的滞后性，以某日、其前1～3d气温为自变量建立了水温预报模型。本研究不仅考虑水温相对气温的滞后性，还考虑鱼塘水体温度的周期变化特性[22]，以预报某日水温与某日气温、其前1～3d的平均气温、最高气温、平均水温、最高水温进行交叉相关分析，结果表明，某日水温受某日气温和前1日气温和水温影响较前2～3d气温和水温影响更显著，因此，选取某日气温和前1日气温和水温作为预报因子，与杨文刚等[23−24]选取以某日气温和前1日水温作为预报因子基本一致。同时，作为构成夏季水温预报模型的三种预报因子（某日平均/最高气温，前1日平均/最高气温和水温），均能方便快捷地从气温、水温实况和气温预报中获取。因此，基于逐步回归的四川盆地夏季水温预报模型具有使用方便、实用性强、预报准确率较高的优点，能够较好地应用于夏季鱼塘水温预报。

本研究还将典型晴天状况下某日、前1−3日的平均/最高气温和水温作为预报因子，采用逐步回归建立预报模型，模型决定系数R2在0.83～0.89，平均绝对误差总体在0.7～3.3℃，平均相对误差总体在8%以内，与以某日气温、前1日的平均/最高气温和水温作为预报因子建立的预报模型比较，预报效果偏差，不能较好地反映池塘水温的实际情况。

本研究基于四川盆地南部富顺县水产养殖气象服务试验基地2017−2019年的水温资料和同步气温资料，在试验时间尺度上虽有年际间资料进行对比分析，但在试验空间尺度上缺少四川盆地不同区域的鱼塘资料作为对比分析，在后期的研究应用过程中还需根据四川盆地各区域的鱼塘数据和天气资料对本研究内容进行不断完善和修订。

[1] 王梦梦,张玮,杨丽,等.上海市河道水体拟浮丝藻生物量与环境因子的回归分析[J].生态学杂志,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,李军,荣裕良,等.气象条件对鱼塘水质影响的研究[J].上海农业学报,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] 巩沐歌,鲍旭腾,朱浩,等.池塘养殖环境水质因子与气象因子的相关性分析[J].渔业现代化,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,王胜.水产设施养殖的环境小气候问题及其调控途径[J].中国农业气象,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] 郭伟其,沙伟,沈红梅,等.东海沿岸海水表层温度的变化特征及变化趋势[J].海洋学报,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] 付朝晖,腾威,纪媛媛.抚仙湖水温与气象因子的关系研究[J].水资源与水工程学报,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] 朱振亚,潘婷婷,杨霞,等.金沙江下游宜宾段气象因子和水温相关关系研究[J].水利水电快报,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] 张俊,陈晓伟.河蟹养殖水温预报模型研究[J].现代农业科技,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] 刘焕亮.水产养殖生物学[M].北京:科学出版社,2014: 7-86.

Liu H L.Aquaculture biology[M].Beijing:Science Press, 2014:7-86.(in Chinese)

[12] 徐钢春,聂志娟,薄其康,等.水温对刀鲚幼鱼耗氧率、窒息点、血糖及肌肝糖元指标的影响[J].生态学杂志,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] 邓爱娟,刘敏,刘志雄,等.洪湖地区养殖鱼塘春夏季水温变化及预报研究[J].中国农学通报,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 pondʼs in Honghu area[J].Chinese Agricultural Science Bulletin,2013,29(29):61-68.(in Chinese)

[14] 杜尧东,刘锦銮,何健,等.广州地区冬季鱼塘水温特征及其预测预报[J].生态学杂志,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.鱼类增养殖学[M].北京:中国农业出版社,2014:260-261.

Wang W.The science of fish augmentation[M].Beijing: China Agriculture Press,2014:260-261.(in Chinese)

[16] 刘瑞娜,杨太明,陈金龙,等.安徽河蟹养殖高温热害天气指数模型设计与实践[J].中国农业气象,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,余卫忠,石张东.江黄颡鱼适宜生长水温的研究[J].水产科技情报,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] 王显明,张伏秋,欧阳敏.斑点叉尾鮰养殖与气象因子关系的研究[J].江西水产科技,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] 孟翠丽,杨文刚,干昌林,等.淡水鱼塘分层水温的变化特征[J].中国农学通报,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] 张德林,李军,薛正平,等.设施鱼塘冬春季水温日变化特点及其与外界气温的统计模式[J].上海农业学报,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,郑金土.锯缘青蟹(Scylla serrata)越冬日光温室的热环境模拟研究[J].浙江大学学报(农业与生命科学版),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] 杨栋,姚日升,金志凤,等.不同类型海水养殖水体温度日变化谐波分析[J].中国农业气象,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] 杨文刚,陈鑫,黄永学,等.湖北省池塘水温预报技术研究[J].湖北农业科学,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,陈汉春.凡纳滨对虾养殖池塘水温预测模型研究[J].宁波大学学报(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

罗伟,李强,刘秀,等.四川盆地夏季鱼塘水温变化特征及预报[J].中国农业气象2022,43(12):980-990

2022−01−03

高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目（省重实验室2018−重点−05−07）；自贡市科技助力乡村振兴项目（S−2022−000052）

杨荣国，硕士，高级工程师，研究方向为气象服务与应用气象，E-mail：627248377@qq.com

罗伟，E-mail：304448599@qq.com