本發(fā)明涉及魚類模擬，尤其涉及一種基于個體模式的魚類運動與空間分布模擬方法及系統(tǒng)。

背景技術(shù)：

魚類是水生態(tài)系統(tǒng)的重要指示性物種，其生理生態(tài)行為具有高度復雜性和非線性。傳統(tǒng)的模擬采用空間集總式模型，在模擬過程中將種群豐度或生物量作為靜態(tài)變量考慮，并僅以極少的狀態(tài)參數(shù)來描述生物種群內(nèi)部和種群間的相互作用，對種群動態(tài)的模擬非常有限。

隨著計算機科學和空間數(shù)據(jù)采集能力的進步，基于個體的模型快速發(fā)展?；趥€體模式的魚類運動模型能夠克服傳統(tǒng)集總式模型的缺點，在系統(tǒng)變量、時間域和空間域上離散，以個體為對象，用數(shù)學物理方程定量描述個體的特征如年齡、尺寸的變化以及其行為如運動、捕食和逃避等，研究其時間演變和空間運動，從而獲得系統(tǒng)的時空格局。類似于流體力學中的拉格朗日方法。這種模式已經(jīng)日益廣泛應(yīng)用于生態(tài)系統(tǒng)的定量研究。例如，McDermot模擬了多種魚類在Mendota湖十年的種群動態(tài)，并嘗試給出了加拿大白鮭突然死亡的解釋。又如，基于個體的鮭魚模型，用來預測河流中鮭魚的棲息地分布情況，得出了鮭魚運動的自我控制過程，幼魚時期密度依賴的死亡率、生長率以及不同年齡層的鮭魚對棲息地的選擇。基于個體魚類模型的發(fā)展除了解釋生態(tài)現(xiàn)象和模擬生態(tài)過程外，對現(xiàn)代漁業(yè)也產(chǎn)生了積極的影響。

基于個體魚類模型雖然應(yīng)用廣泛，但是只是為了解決特定問題而建立模型。不同研究者建立的模型各不相同，模型之間缺乏共同性，無法進行結(jié)果或者結(jié)構(gòu)的比較，這使得基于個體魚類模型的發(fā)展離普適性模型還有一段距離。

技術(shù)實現(xiàn)要素：

發(fā)明目的：本發(fā)明針對現(xiàn)有技術(shù)存在的問題，提供一種基于個體模式的魚類運動與空間分布模擬方法及系統(tǒng)，普適于不同種群的魚類模擬，其通過魚類個體的運動模擬，可以得到各個時間段魚類的空間分布、死亡率等，對現(xiàn)代漁業(yè)產(chǎn)生了積極的影響。

技術(shù)方案：本發(fā)明所述的基于個體模式的魚類運動與空間分布模擬方法包括步驟：

(1)獲取魚類個體所生活的水環(huán)境區(qū)域，并進行網(wǎng)格劃分，其中每個網(wǎng)格都被賦予水深和流速；

(2)從預設(shè)的魚類不同生命階段—喜好流速范圍映射表中查找魚類個體當前的生命階段對應(yīng)的喜好流速范圍；

(3)獲取魚類個體當前所在網(wǎng)格的水流流向，并判斷若魚類個體在預設(shè)時長內(nèi)按照水流流向的逆方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，則執(zhí)行步驟(4)；

(4)根據(jù)當前網(wǎng)格的流速和魚類個體的趨流率從預設(shè)的游動方向表中查找出魚類個體的游動方向，并判斷若魚類個體在預設(shè)時長內(nèi)按照查找的方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，則執(zhí)行步驟(5)；

(5)將魚類個體模擬運動至最近可滿足生存要求的網(wǎng)格；

(6)返回(3)進行循環(huán)判斷和運動，到達預設(shè)時刻時，停止模擬魚類個體運動，得到當前魚類個體的運動位置；

(7)匯總眾多魚類個體各個時刻的位置，得到魚群的時空動態(tài)分布。

進一步的，該方法還包括步驟：

若網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力，則將魚類個體的運動方向排除掉該網(wǎng)格水域；

若魚類個體所在網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力，則將魚類個體隨機概率的向外運動重新尋找流速為魚類喜好流速范圍內(nèi)的網(wǎng)格或標記為死亡并停止運動模擬。

進一步的，該方法還包括步驟：

當檢測到魚類個體當前所在網(wǎng)格出現(xiàn)能夠威脅到魚類生存的劇烈變化時，將魚類個體標記為死亡并停止運動模擬。

進一步的，步驟(3)、(4)、(5)中，魚類個體的模擬運動具體為：在一個時間步長Δt后，位置從(x_t-1，y_t-1)更新為(x_t，y_t)，且每一個時間步長都重新從魚類個體所在生命階段對應(yīng)的游速范圍中隨機選擇一游速作為魚類個體的運動速度u，其中，

x_t＝x_t-1+u×cosα×Δt

y_t＝y(tǒng)_t-1+u×sinα×Δt

式中，u為魚類個體的游速，α為魚體軸線與y軸正方向的夾角，用以表示魚類個體的游動方向。

本發(fā)明所述的基于個體模式的魚類運動與空間分布模擬系統(tǒng)包括：

網(wǎng)格劃分單元，用于獲取魚類個體所生活的水環(huán)境區(qū)域，并進行網(wǎng)格劃分，其中每個網(wǎng)格都被賦予水深和流速；

魚類不同生命階段—喜好流速范圍映射表，用于存儲魚類個體各個生命階段對應(yīng)的好流速范圍；

第一運動模擬單元，用于獲取魚類個體當前所在網(wǎng)格的水流流向，并判斷若魚類個體在預設(shè)時長內(nèi)按照水流流向的逆方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，跳轉(zhuǎn)至第二運動模擬單元；

游動方向表，用于存儲網(wǎng)格的流速和魚類個體的趨流率與魚類游動方向的關(guān)系；

第二運動模擬單元，用于根據(jù)當前網(wǎng)格的流速和魚類個體的趨流率從預設(shè)的游動方向表中查找出魚類個體的游動方向，并判斷若魚類個體在預設(shè)時長內(nèi)按照查找的方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，跳轉(zhuǎn)至第三運動模擬單元；

第三運動模擬單元，用于將魚類個體模擬運動至最近可滿足生存要求的網(wǎng)格；

模擬停止單元，用于當?shù)竭_預設(shè)時刻時，停止模擬魚類個體運動，得到當前魚類個體的運動位置；

匯總單元，用于匯總眾多魚類個體各個時刻的位置，得到魚群的實時分布。

進一步的，該系統(tǒng)還包括：網(wǎng)格生物量檢測單元，用于在網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力時，將魚類個體的運動方向排除掉該網(wǎng)格水域；以及再魚類個體所在網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力時，將魚類個體隨機概率的向外運動重新尋找流速為魚類喜好流速范圍內(nèi)的網(wǎng)格或標記為死亡并停止運動模擬。

進一步的，該系統(tǒng)還包括：網(wǎng)格狀態(tài)檢測單元，用于當檢測到魚類個體當前所在網(wǎng)格出現(xiàn)能夠威脅到魚類生存的劇烈變化時，將魚類個體標記為死亡并停止運動模擬。

進一步的，所述第一運動模擬單元、第二運動模擬單元和第三模擬運動單元中，魚類個體的模擬運動具體為：在一個時間步長Δt后，位置從(x_t-1，y_t-1)更新為(x_t，y_t)，且每一個時間步長都重新從魚類個體所在生命階段對應(yīng)的游速范圍中隨機選擇一游速作為魚類個體的運動速度u，其中，

x_t＝x_t-1+u×cosα×Δt

y_t＝y(tǒng)_t-1+u×sinα×Δt

式中，u為魚類個體的游速，α為魚體軸線與y軸正方向的夾角，用以表示魚類個體的游動方向。

有益效果：本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點是：本發(fā)明普適于不同種群的魚類模擬，本發(fā)明與水環(huán)境模型耦合，實現(xiàn)模擬魚類的運動過程。通過基于個體模式的魚類運動與空間分布模擬，可以得到各個時間段魚群的空間分布、死亡率等，對現(xiàn)代漁業(yè)產(chǎn)生了積極的影響。

附圖說明

圖1是本發(fā)明的一個實施例的流程示意圖；

圖2是魚類個體的運動速度矢量分解圖；

圖3是魚類個體的運動位置示意圖

圖4是對本實施例進行驗證所用的魚道示意圖；

圖5是采用本實施例方法進行模擬得到魚類累計出現(xiàn)空間分布圖；

圖6是實際監(jiān)測到的魚類個體累計出現(xiàn)空間分布圖。

具體實施方式

如圖1所示，本實施例的基于個體模式的魚類運動與空間分布模擬方法包括具體包括以下步驟：

S1、獲取魚類個體所生活的水環(huán)境區(qū)域，并進行網(wǎng)格劃分，其中每個網(wǎng)格都被賦予水深和流速。

S2、從預設(shè)的魚類不同生命階段—喜好流速范圍映射表中查找魚類個體當前的生命階段對應(yīng)的喜好流速范圍。

其中，魚類不同生命階段—喜好流速范圍映射表中定義了魚類不同生命階段對應(yīng)的喜好流速范圍。

S3、獲取魚類個體當前所在網(wǎng)格的水流流向，并判斷若魚類個體在預設(shè)時長內(nèi)按照水流流向的逆方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，則執(zhí)行步驟S4。

其中，魚的運動可以按照游動速度(方向)與時間是獨立變量或相互關(guān)聯(lián)的變量來分類。魚類的運動速度和運動方向與時間步長是相互獨立的。將魚類的運動通過矢量表示，每個時間步長下，魚類的位移變動、速度變化、方向選擇都是相互獨立的。在笛卡爾坐標系下，將魚類運動的速度矢量分解為沿x軸的速度分量u_x，沿y軸的速度分量u_y，并以魚體軸線與y軸正方向的夾角α為魚類該時間步長下運動方向的標記，如圖2所示。因此，步驟S3、S4、S5和S6中，魚類個體運動一個步長Δt后，位置從(x_t-1，y_t-1)更新為(x_t，y_t)，且每一個時間步長都重新從魚類個體所在生命階段對應(yīng)的游速范圍中隨機選擇一游速作為魚類個體的運動速度u，如圖3所示，其中，

x_t＝x_t-1+u_x×Δt＝x_t-1+u×cosα×Δt

y_t＝y(tǒng)_t-1+u_y×Δt＝y(tǒng)_t-1+u×sinα×Δt

式中，u為魚類個體的游速，α為魚體軸線與y軸正方向的夾角，用以表示魚類個體的游動方向。

S4、根據(jù)當前網(wǎng)格的流速和魚類個體的趨流率從預設(shè)的游動方向表中查找出魚類個體的游動方向，并判斷若魚類個體在預設(shè)時長內(nèi)按照查找的方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，則執(zhí)行步驟S5。

其中，生活在流水中的魚類大多具有趨流性，它們能根據(jù)水流流向和流速隨時調(diào)整自身的游泳方向和游速，使自身保持逆流游泳狀態(tài)或長時間地停留在某一特定位置。

根據(jù)公式計算趨流率：

其中，F(xiàn)為魚頭方向逆向水流流向百分比(％)，即趨流率。n_i指第i條實驗魚的魚頭方向逆向水流流向在實驗過程中的次數(shù)，N_j指某一流速下所有實驗魚在實驗期間總的觀察次數(shù)。

對于某一種魚類，通過實驗，可得到表2所示的與趨流率有關(guān)的游動方向表。

表2游動方向表(以一種魚類為例)

S5、將魚類個體模擬運動至最近可滿足生存要求的網(wǎng)格。

需要注意的是：若網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力，則將魚類個體的運動方向排除掉該網(wǎng)格水域。當檢測到魚類個體當前所在網(wǎng)格出現(xiàn)能夠威脅到魚類生存的劇烈變化時，將魚類個體標記為死亡并停止運動模擬?；蛘弋旚~類個體所在網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力，魚類個體會由于種內(nèi)競爭的壓力游出或逐步死亡，因此將魚類個體隨機概率的向外運動重新尋找適宜水環(huán)境或標記為死亡并停止運動模擬。

返回S3進行循環(huán)判斷和運動，到達預設(shè)時刻時，執(zhí)行S6。

S6、停止模擬魚類個體運動，得到當前魚類個體的運動位置。

S7、匯總多個魚類個體各個時刻的位置，得到魚群的實時分布。

本實施例的基于個體模式的魚類運動與空間分布模擬系統(tǒng)包括：

網(wǎng)格劃分單元，用于獲取魚類個體所生活的水環(huán)境區(qū)域，并進行網(wǎng)格劃分，其中每個網(wǎng)格都被賦予水深和流速；

魚類不同生命階段—喜好流速范圍映射表，用于存儲魚類個體各個生命階段對應(yīng)的好流速范圍；

第一運動模擬單元，用于獲取魚類個體當前所在網(wǎng)格的水流流向，并判斷若魚類個體在預設(shè)時長內(nèi)按照水流流向的逆方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，跳轉(zhuǎn)至第二運動模擬單元；

游動方向表，用于存儲網(wǎng)格的流速和魚類個體的趨流率與魚類游動方向的關(guān)系；

第二運動模擬單元，用于根據(jù)當前網(wǎng)格的流速和魚類個體的趨流率從預設(shè)的游動方向表中查找出魚類個體的游動方向，并判斷若魚類個體在預設(shè)時長內(nèi)按照查找的方向運動，是否能達到流速為魚類喜好流速范圍內(nèi)的網(wǎng)格；若是，則將魚類個體模擬運動至該網(wǎng)格，若否，跳轉(zhuǎn)至第三運動模擬單元；

第三運動模擬單元，用于將魚類個體模擬運動至最近可滿足生存要求的網(wǎng)格；

模擬停止單元，用于當?shù)竭_預設(shè)時刻時，停止模擬魚類個體運動，得到當前魚類個體的運動位置；

網(wǎng)格生物量檢測單元，用于在網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力時，將魚類個體的運動方向排除掉該網(wǎng)格水域；以及再魚類個體所在網(wǎng)格水域所容納的生物量超過了網(wǎng)格水域的生態(tài)承載力時，將魚類個體隨機概率的向外運動重新尋找流速為魚類喜好流速范圍內(nèi)的網(wǎng)格或標記為死亡并停止運動模擬；

網(wǎng)格狀態(tài)檢測單元，用于當檢測到魚類個體當前所在網(wǎng)格出現(xiàn)能夠威脅到魚類生存的劇烈變化時，將魚類個體標記為死亡并停止運動模擬；

匯總單元，用于匯總眾多魚類個體各個時刻的位置，得到魚群的時空動態(tài)分布。

該系統(tǒng)具體與上述方法一一對應(yīng)，在此不進行贅述。

下面對本實施例進行仿真驗證，利用本發(fā)明的魚類個體運動模擬方法，模擬魚類通過魚道的動態(tài)過程，如圖4所示。由于魚游過魚道是一個很短暫的過程，因此，在模擬魚道過程中，魚類個體的生長將不再考慮，而魚類與水環(huán)境因子的響應(yīng)也簡化為魚類對水流的響應(yīng)。模型參數(shù)設(shè)置詳見表3。

表3魚類模型參數(shù)表(以一種魚類為例)

案例中的水環(huán)境區(qū)域劃分的最小網(wǎng)格面積約為0.0003m²，水環(huán)境模型可以輸出網(wǎng)格點上的水深、流速、溶解氧等水環(huán)境因子，魚類運動時任意點的水環(huán)境信息可通過對相鄰水環(huán)境計算網(wǎng)格節(jié)點的插值獲得。水環(huán)境模型計算的時間步長為0.1s。時間步長為1s。流速采用水環(huán)境模型10個時間步長內(nèi)的平均值。

魚道過魚過程的模擬結(jié)果為不同時刻魚類個體在魚道中的分布動態(tài)以及不同流量下，魚類通過魚道洄游至上游的過程模擬。模擬結(jié)果如圖5所示，顏色越深，表示出現(xiàn)在該位置的概率越大。分析模擬結(jié)果發(fā)現(xiàn)，在不同流量下，魚類個體都會在池室擋板附近出現(xiàn)明顯的聚集現(xiàn)象。

進行實際試驗，對實驗中放魚過程中所拍攝的視頻進行處理，統(tǒng)計了一段時間內(nèi)魚類個體在魚道中不同位置出現(xiàn)的累計次數(shù)，如圖6所示，顏色越深，出現(xiàn)次數(shù)越多。與圖5中魚類累計出現(xiàn)次數(shù)較高的區(qū)域吻合，從而在一定程度上對模擬方法進行了驗證。

本發(fā)明基于魚類的生態(tài)行為和游泳能力，構(gòu)建魚類動態(tài)模型，再結(jié)合水環(huán)境模型，模擬了魚類精細動態(tài)過程。本發(fā)明彌補了空間集總式模型的不足，同時具有一定的普遍使用價值。