本研究于2022年1月、4月、7月和10月利用混合刺网和地笼网对泰宁金湖鱼类资源进行探捕,共发现鱼类32种,隶属于3目8科26属,其中以鲤形目鱼类为主,生态类型组成以肉食性、杂食性鱼类为主。群落优势度中全年优势种有4种,即鲢(Hypophthalmichthys molitrix)、鳙(Aristichthys nobilis)、细鳞鲴(Xenocypris microlepis)和达氏鲌(Culter dabryi dabryi)。构建鲢和鳙生长模型,其中鲢的体长、体质量生长方程分别为:L_t= 74.52×[1-e^{-0.26(t+0.35)}];W_t = 6 925.48×[1-e^{-0.26(t+0.35)}]^{2.906 9};鳙体长、体质量生长方程分别为:L_t= 68.35×[1-e^{-0.19(t+0.82)}];W_t = 5 669.32×[1-e^{-0.19(t+0.82)}]^{2.973 0}。金湖鲢和鳙的生长拐点年龄分别为3.75龄和4.91龄。建议鲢、鳙的起捕年龄分别为4龄和5龄,以最大程度发挥保水功效和经济效益。研究结果为金湖水质生物调控、提高渔业生产潜力、增加经济效益提供基础资料,也为金湖鲢、 鳙资源合理利用及生态环境修复提供重要参考依据。

溶解氧(DO)是影响水生生物生长和水环境健康的重要环境因子,对DO精准预测有利于水产养殖业的健康发展。本研究根据福建闽江水口库区水质在线浮标SK11、SK18站位2022年1月到6月的水质数据和气象数据,分别运用BP神经网络预测模型和MIC-BP神经网络预测模型进行机器学习,给出预测结果,同时对两种DO预测模型的预测结果进行比较验证。结果表明:经过最大信息系数(MIC)的识别和筛选,13项输入因子中与DO相关性较大的因子有pH、水温、叶绿素a、电导率、浊度、氨氮浓度和亚硝酸盐氮浓度等7项;混合MIC-BP神经网络模型的效果明显优于独立的BP神经网络模型,候选因子经过MIC的识别和筛选后可以明显增加模型的性能,表现为:在SK11站位,MIC-BP神经网络模型的性能相对于独立BP神经网络模型,MAE降低约29.29%,RMSE降低约60.09%,NSE增加27.63%;在SK18站位,MIC-BP神经网络模型的性能相对于独立BP神经网络模型,MAE降低约17.16%,RMSE降低约16.23%,NSE增加12.77%。