吳 斌 王偉萍 王慶萍 陶毅力 王海華

（江西省水產(chǎn)科學(xué)研究所 江西南昌 330039）

長(zhǎng)江江豚（Neophocaena asiaeorientalis）是江豚的3 個(gè)亞種之一，也是最瀕危的一個(gè)亞種，僅生活在長(zhǎng)江中下游和大型通江湖泊鄱陽湖和洞庭湖中?；诮喾N群基因組學(xué)最新研究結(jié)果顯示，極度瀕危的長(zhǎng)江江豚種群應(yīng)被作為一個(gè)獨(dú)立的物種［1］。長(zhǎng)江江豚不僅是全世界唯一一種生存于淡水環(huán)境的鼠海豚科動(dòng)物，也是長(zhǎng)江流域極可能唯一現(xiàn)存的的水生哺乳動(dòng)物（2007年白鱀豚功能性滅絕）。自20世紀(jì)90年代以來，長(zhǎng)江江豚的數(shù)量呈現(xiàn)出持續(xù)性的衰減趨勢(shì)［2-5］，2018年7月正式發(fā)布的《2017 長(zhǎng)江江豚生態(tài)科學(xué)考察報(bào)告》是目前最新的長(zhǎng)江江豚科考成果。江豚種群數(shù)量大幅下降的趨勢(shì)得到遏制，估算長(zhǎng)江江豚數(shù)量約為1 012 頭，考慮其嚴(yán)峻的受威脅程度，長(zhǎng)江江豚已被按照國(guó)家一級(jí)保護(hù)動(dòng)物進(jìn)行保護(hù)［6］。2018年，中國(guó)科學(xué)院深海所海洋哺乳動(dòng)物研究團(tuán)隊(duì)對(duì)長(zhǎng)江江豚進(jìn)行了全基因組測(cè)序，組裝得到了2.22 Gb的基因組草圖，為江豚基因組的研究奠定了基礎(chǔ)［7］。本研究通過查閱微信公眾號(hào)“水野保護(hù)者”發(fā)布的全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚統(tǒng)計(jì)數(shù)據(jù)，分析其年際周期性變動(dòng)規(guī)律，以期為長(zhǎng)江江豚精準(zhǔn)保護(hù)提供基礎(chǔ)數(shù)據(jù)支撐。

1 材料與方法

1.1 數(shù)據(jù)來源與指標(biāo)選取 研究所用數(shù)據(jù)來源于微信公眾號(hào)“水野保護(hù)者”發(fā)布的統(tǒng)計(jì)數(shù)據(jù)。2008—2018年，全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量為329 頭，年均死亡數(shù)量為29.9 頭。每年3、4、10、11月是長(zhǎng)江江豚的生產(chǎn)、哺乳的高峰期，而這一時(shí)間段同樣也是死亡的高峰期?；疑A(yù)測(cè)模型的原理是離散累加求導(dǎo)［8］，在數(shù)據(jù)量較少時(shí)進(jìn)行中、短期預(yù)測(cè)精度更高，因此，本研究中灰色預(yù)測(cè)部分選用聚類分群數(shù)據(jù)及連續(xù)5年的數(shù)據(jù)對(duì)未來1年的數(shù)據(jù)進(jìn)行預(yù)測(cè)，并通過歷史數(shù)據(jù)評(píng)估模型的有效性及2 種數(shù)據(jù)選取的相對(duì)誤差大小，同時(shí)采用近5年的數(shù)據(jù)對(duì)2019—2020年，全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量進(jìn)行預(yù)測(cè)。

1.2 模型選取 考慮到影響長(zhǎng)江江豚死亡的因子多而復(fù)雜，且全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量相對(duì)較少，是灰色系統(tǒng)理論中典型的灰因白果律事件，因此本研究采用灰色模型GM（1，1）對(duì)全長(zhǎng)江流域死亡長(zhǎng)江江豚進(jìn)行短期預(yù)測(cè)。GM（1，1）是我國(guó)學(xué)者鄧聚龍首次提出的，指的是以灰色系統(tǒng)理論為基礎(chǔ)建立（行為）時(shí)軸上現(xiàn)在與未來的定量關(guān)系從而預(yù)測(cè)事物的發(fā)展，以微分?jǐn)M合法建立模型，將離散數(shù)據(jù)視為連續(xù)變量在其變化過程中所取的離散值，從而利用微分方程處理數(shù)據(jù)，具有少數(shù)據(jù)預(yù)測(cè)、允許對(duì)灰因果律事件進(jìn)行預(yù)測(cè)和可檢驗(yàn)性的特點(diǎn)［8－9］。

2 結(jié)果與分析

2.1 全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量 Kmean 是聚類算法的一種，其目的是找到樣本數(shù)據(jù)潛在的類別。該方法的基本思想是：首先，隨機(jī)選取k個(gè)聚類中心，并計(jì)算各個(gè)樣本點(diǎn)與k個(gè)聚類中心的距離，確定各樣本的分群c；然后，根據(jù)類書并計(jì)算新的聚類中心，重復(fù)前一步驟直至收斂為止，并最終確定各樣本的類別。將2008—2018年全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量（表1），通過聚類分析，不難發(fā)現(xiàn)，可分成2 類，聚類中心之間絕對(duì)差值大致為40（表2）。

表1 2008—2018年全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量（單位：頭）

表2 全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量（頭）聚類分析（二類）結(jié)果

2.2 全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量2008—2018年全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量（頭）結(jié)果，分群類別為1 和2，樣本個(gè)數(shù)分別為2 個(gè)和9 個(gè)，因此推測(cè)，長(zhǎng)江江豚死亡數(shù)量存在“峰谷”的年際周期性變動(dòng)，為此，選取其中4 個(gè)時(shí)間段進(jìn)行預(yù)測(cè)，分別代表谷+谷+谷+谷+峰、谷+谷+峰+谷+谷、峰+谷+谷+谷+谷、谷+谷+谷+谷+谷 即2008—2012年、2010—2014年、2012—2016年、2013—2017年4 組數(shù)據(jù)，分別預(yù)測(cè)2013年、2015年、2017年、2018年；同時(shí)，用前10年 數(shù)據(jù)進(jìn)行2018年（高峰年）灰色預(yù)測(cè)（表3）。

表3 全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量灰色預(yù)測(cè)結(jié)果

3 結(jié)論與建議

聚類分析被用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及將數(shù)據(jù)源分類到不同的簇中。本研究對(duì)2008—2018年全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量數(shù)據(jù)進(jìn)行聚類分析，發(fā)現(xiàn)全長(zhǎng)江流域已登記死亡長(zhǎng)江江豚數(shù)量存在“峰谷”的年際周期性變動(dòng)，即2012年和2018年為長(zhǎng)江江豚死亡高峰年，因此，聚類分析是探討長(zhǎng)江江豚死亡年際周期性變動(dòng)，研判未來發(fā)展趨勢(shì)的可靠方法。本研究揭示：全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量可能存在以6年為一個(gè)周期的變動(dòng)規(guī)律。已有文獻(xiàn)表明，長(zhǎng)江江豚與魚群分布有顯著相關(guān)性，長(zhǎng)江江豚可能具有隨魚群遷徙的行為特征。而魚類的生命周期一般在3～4年，中華鱘等物種則要17 或18年。因此推測(cè)，餌料魚類等生境因子的規(guī)律性波動(dòng)可能導(dǎo)致死亡長(zhǎng)江江豚數(shù)量年際周期性變動(dòng)。

灰色理論認(rèn)為數(shù)據(jù)是復(fù)雜的，但是有序且有整體功能的。同時(shí)，灰色理論建立的是生成數(shù)據(jù)模型，不是原始數(shù)據(jù)模型，因此，灰色預(yù)測(cè)的數(shù)據(jù)是通過生成數(shù)據(jù)的GM（1，1）模型所得到的預(yù)測(cè)值的逆處理結(jié)果。本研究結(jié)合聚類分析，對(duì)全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量灰色預(yù)測(cè)相對(duì)誤差進(jìn)行了理論探討，不難發(fā)現(xiàn)，全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量“高峰年”作為灰色預(yù)測(cè)原始數(shù)據(jù)起始年份或末端年份，無法進(jìn)行有效預(yù)測(cè)或效果相對(duì)較差，而全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量“高峰年”作為灰色預(yù)測(cè)原始數(shù)據(jù)中間年份，則預(yù)測(cè)效果相對(duì)較理想，但也存在10%左右的誤差。該結(jié)果提示，影響全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量變動(dòng)的原因多樣且相對(duì)較復(fù)雜，亟需全面準(zhǔn)確長(zhǎng)期系統(tǒng)收集相關(guān)資料。本研究以期為長(zhǎng)江江豚精準(zhǔn)保護(hù)提供基礎(chǔ)數(shù)據(jù)支撐。在聚類分析的基礎(chǔ)上，灰色預(yù)測(cè)模型可相對(duì)較好地對(duì)全長(zhǎng)江流域死亡長(zhǎng)江江豚數(shù)量進(jìn)行預(yù)測(cè)，但對(duì)于其年際周期性變動(dòng)的判斷是重要基礎(chǔ)，對(duì)于“高峰年”處于起始年份或末端年份的預(yù)測(cè)需采取審慎的態(tài)度。