导读:本文包含了环境因子模型论文开题报告文献综述及选题提纲参考文献，主要关键词:水产养殖,鱼,生长,水环境
环境因子模型论文文献综述
程香菊,具家琪,胡佳纯,谢骏,余德光[1]（2019）在《循环水养殖模式下鱼生长对水环境因子的响应模型构建》一文中研究指出为探究鱼类生长对水环境的响应,预测鱼类在养殖水环境多因子协同作用下的生长速度,进行了室内曝气推流循环水养殖罗非鱼试验,试验持续周期为8周。结果表明,在一定范围内,随着溶解氧质量浓度的增加,鱼的食物转化效率和特定生长率均有所提高;随着非离子氨质量浓度的增加,鱼的食物转化效率和特定生长率均有所降低;而亚硝酸盐质量浓度由于变化不大且均处于安全质量浓度范围,该试验中对鱼的食物转化效率和特定生长率未产生显着影响。基于这一系列试验结果对罗非鱼特定生长率进行了非线性拟合,建立了鱼的生长预测模型,R2为0.82,并通过实测数据验证了模型的有效性和普适性。预测模型表明,养殖初始鱼质量、养殖密度、非离子氨以及亚硝酸盐质量浓度的增加,均会导致鱼生长速度减缓,而提高溶解氧质量浓度则可以提高鱼生长速度。该预测模型虽然是在曝气推流循环养殖模式下获得的,但对其他养殖模式同样适用,使鱼生长对水环境因子的响应变得可测,为促进养殖鱼类的健康发展、养殖系统的优化和养殖效益的提高提供了便利和参考。(本文来源于《农业工程学报》期刊2019年11期）
易炜,陈新军[2]（2019）在《基于环境因子的东、黄海日本鲐Pella-Tomlinson生物经济模型建立与应用》一文中研究指出【目的】建立基于环境因子的生物经济模型,研究环境因子对鲐鱼资源的影响。【方法】根据2006—2015年中国鲐鱼生产统计鱼产卵场和索饵场海洋表面温度(SST)、索饵场海洋表面温度梯度(GSST)和索饵场海表面高度(SSH)等数据,假设产卵场和索饵场环境因子对东、黄海日本鲐剩余产量产生影响,基于剩余产量模型分析环境因子对东、黄海日本鲐资源的影响。【结果与结论】产卵场和索饵场关键因子共同影响内禀增长率r,产卵场关键因子影响环境容纳量K,进而影响剩余产量和资源量;2011、2012和2015年日本鲐遭受过度捕捞;每年的最大可持续产量(MSY)、最大经济产量(MEY)和生物经济参考点(BE)及其对应的捕捞努力量fMSY、fMEY和fBE随着环境因素的改变而变化。在渔业管理中应考虑环境因素。(本文来源于《广东海洋大学学报》期刊2019年01期）
张畅,陈新军[3]（2019）在《海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究》一文中研究指出澳洲鲐(Scomber australasicus)是西北太平洋重要的中上层经济鱼类,生命周期相对较短,资源量受补充量影响明显,了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1(30°～32°N,130°～132°E)海表面温度(sea surface temperature,SST1)、产卵场2(34°～35°N,138°～141°E)海表面温度(SST2)、索饵场(35°～45°N,140°～160°E)海表面温度(SST3)、潮位差(tidal range,TR)、太平洋年代际涛动(Pacific decadal oscillation,PDO)和亲体量(spawning stock biomass,SSB)6个影响因子任意组合与补充量构建多个模型,运用贝叶斯模型平均法(Bayesian model averaging,BMA)分析各个环境因子对资源补充量的解释能力,并预测其补充量的变化。结果表明,SSB对补充量具有最长期且稳定的解释能力,其次是SST3,PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子,可能是由于补充群体在索饵场内生活时间较长,索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为,基于BMA的组合预报综合考虑了各个模型的优势,优于单一模型,可用于澳洲鲐资源补充量的预测。(本文来源于《海洋学报》期刊2019年02期）
张宁,谭亲跃,张戈风[4]（2019）在《温室地上环境因子模型研究综述》一文中研究指出为了完善温室环境模型,实现生产过程最优控制,本研究从温室地上环境模型类型入手,以环境因子、静动态模型为划分依据,分析总结了单因子环境模型、多因子综合模型、静、动态模型的研究进展和存在问题,归纳了温室模型的简化方法。指出温室环境控制的主要问题仍是缺乏精确的环境模型。最后在以能量、质量和物质等平衡关系基础上,考虑作物品质、产量及经济成本,提出了运用现代优化控制理论,建立精准的温室环境模型,将成为今后的研究方向。(本文来源于《中国农学通报》期刊2019年02期）
徐国强,朱文斌,张洪亮,周永东,陈峰[5]（2018）在《基于GAM模型分析印度洋大眼金枪鱼和黄鳍金枪鱼渔场分布与不同环境因子关系》一文中研究指出印度洋金枪鱼延绳钓渔业作为我国重要的远洋渔业之一,探究其渔场时空变动及与环境因子之间的关系十分必要。本文根据2016年1—6月收集的印度洋金枪鱼渔业生产数据,并结合卫星遥感获取的环境因子数据,运用ArcGIS和GAM模型分析了印度洋大眼金枪鱼和黄鳍金枪鱼渔场时空变动及与环境因子之间的关系。研究结果表明:大眼金枪鱼和黄鳍金枪鱼1—6月CPUE均呈现先减小后增加的趋势,4月均达最高值,分别为2.45尾/千钩和3.56尾/千钩,各月CPUE均存在显着性差异(P<0.001);大眼金枪鱼和黄鳍金枪鱼渔场时空变动基本趋于一致,均为先向东北移动,后向西北移动,最后再向东北移动的趋势;GAM模型分析显示,大眼金枪鱼CPUE与模型因子的解释率为32.1%,纬度和250 m水深温度影响最显着,黄鳍金枪鱼CPUE与模型因子的解释率为37.2%,200 m水深温度影响最显着;协同分析表明,1—6月,印度洋金枪鱼延绳钓中心渔场分布于1°S～9.5°N,47°～64°E,且海表温度在29.3～30.8℃的海域。(本文来源于《海洋学报》期刊2018年12期）
方舟,陈洋洋,陈新军,郭立新[6]（2018）在《基于不同环境因子的中西太平洋鲣鱼资源丰度灰色预测模型构建》一文中研究指出鲣Katsuwonus pelamis广泛分布于各大洋热带和亚热带海域,其中以中西太平洋资源量最为丰富。综合评价环境因子对鲣鱼资源量的影响,构建科学的资源预报模型可为我国可持续合理开发该鱼种提供参考。本研究利用1998—2013年中西太平洋渔获量数据,以单位捕捞努力量渔获量(CPUE)为资源相对丰度指标,利用灰色关联方法分析鲣鱼资源相对丰度与环境因子之间的关联度,选取合适的环境因子,并基于不同环境因子构建不同的灰色预测模型对鲣鱼资源相对丰度进行预测,比较选择最优模型。结果表明,中西太平洋鲣鱼的产量逐年递增,而CPUE在年间有着较大的波动。灰色关联分析认为,海表面温度与CPUE的平均关联度最大,其次为Nino3.4区海表温度距平值,其他的环境因子与CPUE的关联度较小。基于多环境因子的预测模型中,包含所有因子(海表面温度、海表面高度、叶绿素质量浓度a和Nino3.4区海表温度距平值)的模型M1有着最佳的拟合效果,实际值与预测值的相对误差为6.475 2,相关系数为0.687 4;而基于单一环境因子的预测模型中,去除11月SST数据的模型S2有着最佳的拟合效果,实际值与预测值的相对误差为7.419 2,相关系数为0.791 0。相比多环境因子的预测模型,单一环境因子预测模型有着较高的稳定性,实际值与预测值直接相关性也较高,可以作为中西太平洋鲣鱼资源相对丰度预报的最优模型。(本文来源于《海洋学研究》期刊2018年04期）
贾明秀,黄六一,褚建伟,刘长东[7]（2019）在《基于GAM和GWR模型分析环境因子对南极磷虾资源分布的非线性和非静态性影响》一文中研究指出分析南极磷虾分布与环境因子的非线性和空间非静态性关系,对南极磷虾的高效捕捞和管理具有重要意义。本研究基于"龙腾"船2015、2016年在南设得兰群岛捕捞作业的渔捞日志数据,应用广义加模型(Generalized additive model,GAM)和地理权重回归模型(Geographical weighted regression,GWR)探究南极磷虾(Euphausia superba)渔场分布与环境因子的非线性和空间非静态性关系,并比较这2种模型的模拟性能,为南极磷虾的渔场渔情预报、资源评估和渔业管理提供基础数据。GAM模型结果显示,2015、2016年单位捕捞努力量渔获量(Catch per unit effort, CPUE)与作业水深均呈显着负相关关系(P<0.01),表明在作业水深范围内,南极磷虾在较浅水域集群密度较高;2015年CPUE与表层水温呈显着正相关关系(P<0.01),但在2016年呈显着负相关关系(P<0.01),推测是由于2年调查作业位置不同所致;CPUE与离岸距离关系不显着(P≥0.05)。GWR模型结果显示,作业水深对CPUE的影响无显着的空间变化(P>0.05);海水表温和离岸距离对CPUE的影响具显着的空间变化(P<0.01),表明这2个因子对南极磷虾渔场分布的影响在空间上不连续,存在显着空间非静态性。GAM模型可用于研究资源分布与驱动因子的一般规律;GWR模型作为全局回归模型的有效补充,可用于探究一般规律不适合的特殊区域,便于发现资源分布的"热点"区域,未来在海洋生物资源分布研究中将有广阔的应用前景。(本文来源于《中国海洋大学学报(自然科学版)》期刊2019年08期）
张孝民,李凡,徐炳庆,汪健平[8]（2018）在《基于GAM模型分析莱州湾中国对虾资源分布与环境因子的关系》一文中研究指出为研究环境因子对莱州湾中国对虾资源分布的影响,本文根据2010—2016年8月份在莱州湾海域进行的拖网调查和水质生态调查数据,分别构建基于单位捕捞渔获量(cpue1)和单位捕捞渔获尾数(cpue2)的GAM模型,结果表明,经度、纬度和年份与cpue1和cpue2都有极显着相关性,水温、水深、透明度、亚硝酸盐.氮、PH、叶绿素.a和石油类与cpue1呈极显着相关性,水温、水深和石油类与cpue2呈极显着相关性。从2016年数据验证结果上看,基于cpue1的GAM模型好于基于cpue2的GAM模型,模型对cpue1的总解释偏差率为59.3%,其中,纬度、年份、石油类、亚硝酸盐.氮、透明度、水深和水温的解释率分别为11.4%、10.1%、8.6%、6.1%、5.0%、4.7%和3.2%。GAM模型预测显示,8月份中国对虾主要分布在莱州湾的西部、北部和中部,少数分布在南部和东部。(本文来源于《2018年中国水产学会学术年会论文摘要集》期刊2018-11-15）
任向辉,余昊,杨萌,吕栋标,刘俊杰[9]（2018）在《基于随机森林模型的紫薇绒蚧微环境因子排序》一文中研究指出为探讨紫薇绒蚧的发生规律,用LAI-2000植物冠层仪和电子温湿度计分别对120条紫薇一级分枝的室外冠层信息及紫薇绒蚧生存的小气候条件进行了调查,在对紫薇绒蚧的发生及其相关微环境因子做初步的灰色关联度分析基础上进行了PCA(主成分分析)排序分析,并利用R软件进行了该害虫发生与相关环境因子基于随机森林模型的分类与回归分析,分类模型预测准确度100%。随机森林分类模型与灰色关联度分析的结果均表明紫薇绒蚧的发生与叶丛温度的关联性最明显,另外该虫的发生级别与寄主枝条的冠层数据也密切相关。随机森林模型回归分析可绘制出每个环境因子不同水平对紫薇绒蚧发生的具体影响效果图,这些效果图显示叶片数少、叶丛间湿度低且枝条遮蔽度低等具宿主长势较弱的微环境因子特征的枝条该虫发生密度较高。(本文来源于《森林与环境学报》期刊2018年04期）
王哲,李波,姜大成,齐伟辰[10]（2018）在《基于MaxEnt模型和GIS技术的吉林省玉竹主导环境因子与生态适宜性区划研究》一文中研究指出目的利用中药资源调查所获得的中药玉竹在吉林省分布数据,运用最大熵(MaxEnt)模型和地理信息系统(GIS),筛选出玉竹生长的主导环境因子,并对玉竹进行生态适宜性区划研究,绘制吉林省玉竹生态适宜性区划图。方法 MaxEnt模型分别加载892个玉竹分布数据和气候、土壤、地形及植被等55项环境数据,预测玉竹在吉林省生长适宜度和主导环境因子。利用GIS技术对预测结果分别划分为高适生区、中适生区、低适生区和不适生区四部分。结果 MaxEnt模型预测结果 AUC值为0.968,具有很高的可信度。吉林省内玉竹生长适宜度P数值范围为4.246×10-6～0.581。影响玉竹的主导环境因子有8月份降水量(贡献率41.7%)、温度季节性变化的标准差(35.7%)、最干季平均温(18.8%)、年均降水量(2.4%)。对预测结果,利用分位数进行区划划分效果最好。结论研究结果与实际情况基本一致。吉林省玉竹生态适宜性区划显示其高适生区集中在吉林省中部和南部地区,总面积49242 km2。各主导环境因子的数值范围,即8月份降水量135～251㎜、温度季节性变化的标准差11924～14179、最干季平均温-17.6～-9.7℃、年均降水量557～997㎜。研究结果有助于阐明药用植物生态适宜性、环境与产地之间关系,为开展玉竹资源保护和合理开发利用提供了科学依据。(本文来源于《时珍国医国药》期刊2018年09期）
环境因子模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
【目的】建立基于环境因子的生物经济模型,研究环境因子对鲐鱼资源的影响。【方法】根据2006—2015年中国鲐鱼生产统计鱼产卵场和索饵场海洋表面温度(SST)、索饵场海洋表面温度梯度(GSST)和索饵场海表面高度(SSH)等数据,假设产卵场和索饵场环境因子对东、黄海日本鲐剩余产量产生影响,基于剩余产量模型分析环境因子对东、黄海日本鲐资源的影响。【结果与结论】产卵场和索饵场关键因子共同影响内禀增长率r,产卵场关键因子影响环境容纳量K,进而影响剩余产量和资源量;2011、2012和2015年日本鲐遭受过度捕捞;每年的最大可持续产量(MSY)、最大经济产量(MEY)和生物经济参考点(BE)及其对应的捕捞努力量fMSY、fMEY和fBE随着环境因素的改变而变化。在渔业管理中应考虑环境因素。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
环境因子模型论文参考文献
[1].程香菊,具家琪,胡佳纯,谢骏,余德光.循环水养殖模式下鱼生长对水环境因子的响应模型构建[J].农业工程学报.2019
[2].易炜,陈新军.基于环境因子的东、黄海日本鲐Pella-Tomlinson生物经济模型建立与应用[J].广东海洋大学学报.2019
[3].张畅,陈新军.海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究[J].海洋学报.2019
[4].张宁,谭亲跃,张戈风.温室地上环境因子模型研究综述[J].中国农学通报.2019
[5].徐国强,朱文斌,张洪亮,周永东,陈峰.基于GAM模型分析印度洋大眼金枪鱼和黄鳍金枪鱼渔场分布与不同环境因子关系[J].海洋学报.2018
[6].方舟,陈洋洋,陈新军,郭立新.基于不同环境因子的中西太平洋鲣鱼资源丰度灰色预测模型构建[J].海洋学研究.2018
[7].贾明秀,黄六一,褚建伟,刘长东.基于GAM和GWR模型分析环境因子对南极磷虾资源分布的非线性和非静态性影响[J].中国海洋大学学报(自然科学版).2019
[8].张孝民,李凡,徐炳庆,汪健平.基于GAM模型分析莱州湾中国对虾资源分布与环境因子的关系[C].2018年中国水产学会学术年会论文摘要集.2018
[9].任向辉,余昊,杨萌,吕栋标,刘俊杰.基于随机森林模型的紫薇绒蚧微环境因子排序[J].森林与环境学报.2018
[10].王哲,李波,姜大成,齐伟辰.基于MaxEnt模型和GIS技术的吉林省玉竹主导环境因子与生态适宜性区划研究[J].时珍国医国药.2018