Page 35 - 《水产学报》2025年第7期

张东，等 水产学报, 2025, 49(7): 079103

智能投喂系统通过 IoT 和机器学习远程调控投 3.2 行为-生态-生理-基因数据链研究
喂量，减少饲料浪费。这些应用通过监测鱼类
动物行为是环境作用下内在机制 (包括生
的摄食活动和环境参数，以实现自动投喂，确
理、基因) 表达的结果。生态数据为行为研究提
保养殖对象在最佳时间获得适量的饵料。大量
供了背景和环境信息，行为数据则反映了生物
的研究为智能喂养系统提供了坚实的基础，探
在生态环境中的具体表现，同时也为生理研究
索了各种方法来提高投喂策略和效率，包括使
提供了线索。生理数据解释了行为的内在机制，
用 GBM (Gradient Boosting Machine) 算法和生物
而分子数据则进一步揭示了生理和行为特征的
能量模型等优化喂养频率，以及通过监测行
遗传基础。通过整合这些不同层次的数据，可
为评估鱼类食欲等，以优化投喂并提高增长
以建立起一个完整的数据链，从而更全面、深
率 [24,36-43] 。例如，ByteTrack 模型经过改进，可
入地理解生物的生存、适应和进化。因此未来
以在复杂条件下稳定跟踪鱼群内的每条鱼，采
需要推动“环境-行为-生理-基因”多维研究，建
用时空图卷积神经网络 (ST-GCN) 提取个体运
立本土重要物种 (特别是养殖对象) 的数据库。
动特征，可以实现准确的食欲评估，该方法在
[42]
食欲评估方面达到了 98.47% 的准确率 。 3.3 发展“生态工程行为学”

生态工程行为学是运用动物行为学原理设
2.3 水质管理
计生态调控技术，通过引导或模拟动物行为优
保持优良的水质对于水产养殖可持续和高
化生态系统结构与功能的交叉学科。其核心逻
效发展至关重要，因为养殖对象的健康、生长
辑包括以下几方面。
直接受环境条件的影响。温度、溶解氧、pH 值、
①行为作为生态过程的驱动力：利用动物
氨氮水平、浊度、叶绿素、污染物等参数的变
的空间利用 (如鱼类洄游)、资源获取 (如捕食)、
化会显著影响鱼类行为、生长和健康。通过集
社会协作等行为，调控物质循环 (如碳氮磷转
成物联网传感器和 AI 预测模型，多维度监测水
化)、能量流动 (如食物链效率) 与信息传递 (如
质和行为，可以实现持续、实时的监测和早期
化学信号介导的物种互作)。
干预，以规避潜在风险 [44-51] 。
②工程化导向的行为干预：通过栖息地改

3 未来研究方向 造 (如设置人工鱼礁引导鱼类聚集) [53-54] 、行为诱
导 (如诱导过坝) [55-58] 等实现生态系统服务的定
从上述内容不难看出，AI 在水产业中的应 向提升。
用几乎都是基于行为学知识，即行为学数据才 生态工程行为学突破了传统生态工程的局
是 AI 技术应用的核心。因此，未来产业发展需 限，转而利用生物自身行为的生态调控潜力，
要借助 AI 技术加强水生动物行为学基础研究， 标志着生态修复从“工程干预”向“行为引导”的
建立全面的行为学基础数据库，更好地服务于 范式转变。未来需深化行为机制解析、强化多
产业。 学科技术融合，结合物联网技术与 AI 算法，实

现生态工程措施的动态调整；通过基因编辑技
3.1 动物个性研究
术 (如 CRISPR) 定向改造动物行为，为极端环
在理论层面，动物个性是行为生态学研究
境下的生态修复提供新途径。
的核心，与适合度密切相关，因而在应用上和
在保护生物行为自主性的前提下，实现生
理论上同样重要 [52] 。然而，个性研究难度大，
态系统服务的精准提升。这一领域的发展不仅
耗时长 (尤其是不同情景的研究)，数据复杂，
将推动生态工程的效率革命，更将为应对全球
分析难度高，传统研究方法难以保证结果的可
气候变化、生物多样性丧失等挑战提供创新解
靠性 。AI 技术的应用将有力地推进该领域的
[52]
决方案。

研究进展。因此，未来需要加强 AI 行为分析算
3.4 动物行为物理学研究
法开发，借助 AI 技术建立本土重要水生动物物
种，尤其是重要养殖对象的个性行为谱数据库， 动物行为物理学是运用物理学原理、方
并基于个性数据研发更精准的管理技术。 法和概念来研究动物行为的一个交叉研究方

中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
3