基于温度和体重的创新参考模型精准预测大西洋鲑(Salmo salar)摄食量

为解决大西洋鲑养殖中摄食量预测缺乏基准模型的问题，研究人员通过整合64项文献和25份商业投喂表数据，开发了基于温度与体重的参数化方程FI=0.006×BW0.80×e(0.287×温度?0.012×温度2)。该模型MAPE（平均绝对百分比误差）低至28.19%，为精准投喂、生长模型构建及行业标准制定提供科学工具。

　　

在挪威等水产养殖强国，大西洋鲑(Salmo salar)作为经济支柱物种，其饲料成本占比超过总运营费用的50%。然而当前养殖实践严重依赖经验性投喂表，导致普遍存在过度投喂现象，既造成资源浪费又引发环境问题。尽管数字孪生等先进技术已应用于生长建模，但摄食量预测始终缺乏基于关键变量的基准模型，制约着精准养殖的发展。

针对这一瓶颈，由挪威科技大学领衔的国际团队在《Aquacultural Engineering》发表研究，通过系统分析64篇文献（1991-2020年）和25份商业投喂表数据，覆盖0.2-5000g体重范围和2-20℃水温，首次建立了仅需体重(BW)和温度双参数的摄食量(FI)预测模型。研究采用5折交叉验证评估33种模型组合，创新性地对比了指数型、对数二次方和对数三次方温度函数的预测效能。

关键技术包括：1) 基于最小二乘法与Huber稳健回归的模型拟合；2) 动态能量预算(DEB)理论验证体重指数；3) 混合效应模型分析商业数据贡献度；4) AICc（校正赤池信息准则）评估模型复杂度。

模型验证显示，对数二次方模型"FI2/simple_i"（FI=0.006×BW^0.80×e^{(0.287×温度?0.012×温度2)}）最具生物学合理性，其MAPE为29.40%，AICc仅595.44。该模型准确捕捉到摄食量在12℃达峰、高温抑制的双相温度效应，与Handeland等报道的14℃最适温度偏差仅2℃。值得注意的是：

1. 温度响应方面，5℃低温区模型预测与商业数据吻合度达75%，20℃高温区误差控制在40%阈值内；
2. 体重指数0.80突破DEB理论V^2/3假设，揭示大西洋鲑特有的代谢规律；
3. 商业投喂表数据未显著提升精度，反映其与科研数据的同质性局限。

讨论部分强调，该模型突破性地实现了：

1. 为复杂模型提供验证基准，如F?re等开发的基于胃容量的营养依赖模型；
2. 支持新型饲料配方的饱食度试验设计；
3. 通过EEA资助的NoviFEED项目，模型已应用于葡萄牙等国的精准投喂系统。研究同时指出，溶解氧等未建模变量可能解释28.19-59.93%的剩余变异，为后续研究指明方向。

这项研究通过极简参数实现精准预测，其科学价值在于首次量化了大西洋鲑摄食的"温度-体重"响应曲面，实践意义则体现在可直接集成至养殖决策系统，据估算可降低5-7%的饲料浪费。正如通讯作者Luis E.C. Concei??o所述，该模型既可作为"大世界建模"的范例，也能通过本地化校准适配特定养殖场景，代表水产数字化的重要突破。