Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tối ưu hóa mô hình dựa trên thuật toán di truyền cho cường độ sở thích của cá Medaka Nhật Bản (Oryzias latipes) đối với các môi trường dòng chảy
Tóm tắt
Bài báo này thảo luận về cường độ sở thích của cá Medaka Nhật Bản (cá diều Nhật Bản, Oryzias latipes) đối với ba yếu tố môi trường: độ sâu nước, vận tốc dòng chảy và độ che phủ. Các mô hình toán học về cường độ sở thích của cá Medaka Nhật Bản đối với ba yếu tố môi trường này đã được xây dựng trong các thí nghiệm mở trong phòng thí nghiệm. Một thuật toán di truyền đơn giản nhằm tối ưu hóa biểu diễn chức năng của cường độ sở thích đã được giới thiệu. Các mô hình sau đó đã được xác minh thông qua các cuộc kiểm tra tại chỗ. Kết quả cho thấy mức độ sở thích tối đa của cá Medaka Nhật Bản là độ sâu nước 9,4 cm và vận tốc dòng chảy 2,8 cm/s. Điều kiện có độ che phủ cao hơn đáng kể so với các điều kiện che phủ khác. Trọng số tương đối của ba yếu tố môi trường là 0,32 cho độ sâu, 1,0 cho vận tốc và 0,66 cho độ che phủ, khi trọng số tối đa được chuẩn hóa. Các giá trị trọng số cho thấy sở thích môi trường của cá Medaka Nhật Bản không bị ảnh hưởng lớn bởi độ sâu nước. Judging từ sự đồng thuận giữa phân bố dự đoán và quan sát khi xem xét hai yếu tố vận tốc dòng chảy và độ che phủ, rõ ràng hai yếu tố này đã ảnh hưởng đến sở thích môi trường của cá Medaka Nhật Bản.
Từ khóa
#cá Medaka Nhật Bản #môi trường dòng chảy #cường độ sở thích #mô hình toán học #thuật toán di truyềnTài liệu tham khảo
Hiramatsu K, Shikasho S, Mori K (1998) The use of genetic algorithm and artificial neural network for the short-term prediction of water-stages in a tidal river. In Proc. 11th Congress of Asia and Pacific Division of the International Association for Hydraulic Research (APD-IAHR), Yogyakarta, Sep. 8–10, pp 587–595
Hiramatsu K, Shikasho S, Mori K (1999) Nonlinear prediction of river water-stages by feedback artificial neural network. Journal of Faculty of Agriculture Kyushu University 44:137–147
Hiramatsu K, Shikasho S, Mori K (2000) Mathematical modeling of fish schooling of Japanese Medaka using basic behavioral patterns. Journal of Faculty of Agriculture Kyushu University 45:237–253
Holm CF, Armstrong JD, Gilvear DJ (2001) Investigating a major assumption of predictive instream habitat models: is water velocity preference of juvenile Atlantic salmon independent of discharge? Journal of Fish Biology 59:1,653–1,666
Iwamatsu T, Yamataka L (1996) A research of the habitat area of the Medaka Oryzias latipes in Aichi Prefecture. The Bulletin of Aichi University of Education (Natural Science), 45:41–56
Lamouroux N, Capra H (2002) Simple prediction of instream habitat model outputs for target fish populations. Freshwater Biology 47:1,543–1,556
Lamouroux N, Souchon Y (2002) Simple prediction of instream habitat model outputs for fish habitat guilds in large streams. Freshwater Biology 47:1,531–1,542
Reiser DW, Wesche TA, Estes C (1989) Status of Instream Flow Legislation and Practices in North America. Fisheries 14(2):22–29
Sekine M, Imai T, Ukita M (1997) A model of fish distribution in rivers according to their preference for environmental factors. Ecological Modeling 104:215–230
Spence R, Hickley P (2000) The use of PHABSIM in the management of water resources and fisheries in England and Wales, Ecological Engineering 16:153–158
Stalnaker C, Berton LL, Henriksen J, Bovee K, Bartholow J (1995) The Instream Flow Incremental Methodology A Primer for IFIM. Biological Report 29, National Biological Service, US Department of the Interior, pp.1–45
Van Winkle W, Jager HI, Railsback SF, Holcomb BD, Studley TK, Baldrige JE (1998) Individual-based model of sympatric populations of brown and rainbow trout for instream flow assessment: model description and calibration. Ecological Modeling 110:175–207