魚類產卵行為與生態水文指標響應關系研究

班學君 樊博 劉瀚 俞立雄 林俊強 夏繼紅 張迪

摘要：四大家魚作為我國重要淡水經濟魚類，近年來產卵規模大幅衰減，水文條件作為影響家魚自然繁殖的重要因素，確定四大家魚產卵行為與生態水文指標的關系對保護四大家魚早期資源具有重要意義。以長江中游宜昌段為研究區域，采用ROC曲線、分類回歸樹、Logistic回歸等方法將生態水文指標對家魚產卵刺激劃分為“無效、低效、高效”多分類問題，分析家魚產卵行為與生態水文指標間的響應關系，并對比研究不同方法間的性能與優缺點。結果顯示，ROC曲線判別準確率、預測準確率、模型魯棒性均最優，是判定生態水文指標對四大家魚產卵規模影響的最優方法；當流量日增量大于1 370 m?/s且兩次洪峰間隔時間大于7.5 d時可以引起四大家魚高效產卵響應。辨識出高效刺激家魚產卵的生態水文指標及其閾值，對生態調度的優化改進具有重要的現實意義。

關鍵詞：四大家魚；生態水文指標；ROC曲線；生態調度

中圖分類號：Q958.12? ? ? ? 文獻標志碼：A? ? ? ? 文章編號：1674-3075（2024）01-0067-08

水文情勢改變是引起河流生態系統改變的主要驅動力（Richter et al，2003），水利水電工程建設運行不可避免地改變河流水文情勢，魚類繁殖季節洪峰過程坦化將減弱產漂流性卵魚類繁殖所需的漲水水流刺激，進而影響魚類自然繁殖。從眾多生態水文指標中識別出關鍵指標，建立魚類產卵行為與水文指標響應關系，并量化相應指標閾值，是開展生態調度人為營造洪水過程的重要基礎。目前國內外學者應用系統重構分析法、冗余分析法、遺傳規劃法分析了四大家魚、銅魚等產漂流性卵魚類產卵行為與生態水文指標的相關性，篩選了一些代表性水文指標并量化了相關閾值作為水庫生態調度的參考依據（周雪等，2019；班璇等，2019；陳誠等，2020）。已有研究多關注生態水文指標是否可以有效刺激魚類產卵，即把生態水文指標與魚類行為的響應問題概化為“是、否”刺激產卵的“二分類”問題。隨著水庫生態調度實踐的深入推進，在有效刺激魚類產卵的基礎上，如能通過水文指標與魚類行為的響應研究，進一步辨識出低效、高效刺激魚類產卵的生態水文指標及其閾值，對生態調度的優化改進具有重要的現實意義。

本文以四大家魚為研究對象，選擇受三峽水庫生態調度影響最為顯著的四大家魚宜昌產卵場江段為研究區域，基于2013-2023年（除2016、2021年）的水文和魚類繁殖活動監測數據，把生態水文指標“是、否”可以刺激魚類產卵的“二分類”問題延拓為“無效、低效、高效”刺激魚類產卵的“多分類”問題，應用ROC法、分類回歸樹、logistic回歸等不同數據挖掘方法，建立魚類產卵與關鍵水文指標的響應關系模型，并對比研究了不同方法間的性能與優缺點，以期為三峽水庫生態調度方案的優化提供依據。

1? ?材料與方法

1.1? ?數據收集

本研究使用的魚類早期資源數據源于2013-2023年（2016、2021年未監測）中國水產科學研究院長江水產研究所與中國水利水電科學研究院在四大家魚宜昌產卵場開展的魚類繁殖期聯合生態監測（周雪等，2021）。研究使用的水文數據源于宜昌水文站逐日流量和水位數據。

1.2? ?水文及生物指標

以往研究表明，四大家魚產卵行為發生在產卵場水溫達到18℃以上（Zhang et al，2000），且親魚感受到水文信號的刺激時。由于本次研究選取的5-7月長江宜昌段水溫均可滿足18℃以上這一要求，故不考慮水溫對于產卵的影響。據統計，四大家魚產卵大多數發生在漲水過程中，僅少數在漲水期受到漲水信號刺激后于高流量維持期完成產卵。結合前人研究經驗，本次研究選取漲水持續天數、初始流量、洪峰流量、流量日增長量、流量總增長量、初始水位、洪峰水位、水位日上漲率、前后兩次洪峰過程間隔時間、前后兩個洪峰過程的水位差異等10個生態水文指標描述漲水過程（Zhang et al，2000；彭期冬，2011；周雪等，2019）。利用這些生態水文指標可有效描述一個漲水過程的強度、持續時間、強度變化率，用以探究其對四大家魚產卵的影響。相關研究表明，四大家魚產卵在不同流速下多發生在漲水開始的0.5～2 d后（李建等，2013），因此本研究中將連續漲水時間大于2 d的漲水過程認定為有效漲水過程。

選擇魚類早期資源監測得到的四大家魚日均產卵量作為生物指標以反映產卵規模，依據每次漲水過程四大家魚產卵量占全年產卵量的百分比，將四大家魚產卵規模劃分為無效產卵、低效產卵、高效產卵。其中，將產卵占比低于全年5%的產卵行為界定為無效產卵（劉瀚等，2023），在2013-2023年（除2016、2021年）66次有效漲水過程中，有33次漲水過程刺激了四大家魚有效產卵，有33次未引起有效產卵。將引起四大家魚有效產卵的33次漲水過程中四大家魚產卵占比的中位數19.59%作為劃分低效產卵和高效產卵的閾值，一次產卵事件產卵量占比小于等于全年產卵量19.59%且高于5%的認為是低效產卵，高于19.59%的認為是高效產卵。根據該劃分標準，共有17次漲水過程被界定為可以引起四大家魚低效產卵，16次漲水過程被界定為可以引起四大家魚高效產卵。

1.3? ?建立魚類產卵與生態水文指標響應關系模型

本文選擇了在數據挖掘領域具有代表性的ROC曲線、分類回歸樹和logistic回歸方法，將生態水文指標作為自變量，四大家魚產卵規模作為因變量，研究生態水文指標與四大家魚產卵行為的響應關系。

1.3.1? ?ROC曲線? ?受試者工作特征曲線（receiver operator characteristic curve， ROC曲線）是一種用來評價分類器或者診斷系統性能的圖形工具，它可以顯示在不同的閾值下，分類器或者診斷系統的真陽性率（靈敏度）和假陽性率（1-特異度）之間的關系。ROC曲線最初應用于雷達性能評價，后廣泛應用于機器學習、醫療診斷等領域（Schmugge et al，2007；Obuchowski & Bullen，2018；Wu et al，2018）。ROC曲線對類別的改變不敏感，當樣本的正負比例發生改變時，其曲線形狀幾乎保持不變，這使得其可以更加客觀地評價分類效果的好壞。ROC曲線是1種主要用于評價二分類問題模型的工具，當需要繪制多分類問題的ROC曲線時，常用的方法是將多分類問題轉化為多個二分類問題（李亭亭等，2022），繪制多個ROC曲線，再將這些曲線整合分析，綜合評價多分類問題模型。

本文中，漲水過程對四大家魚產卵刺激的“無效、低效、高效”是一個三分類問題，因此，需要將這一問題劃分為“無效”與“低效或高效”對比、“無效或低效”與“高效”對比兩個二分類問題，以選定的生態水文指標作為檢驗變量，以產卵規模“無效”“低效或高效”產卵和“無效或低效”“高效”產卵分別作為狀態變量繪制兩組ROC曲線。在每組ROC曲線中，選擇分類效果最好的指標用于閾值的確定。最終整合兩組ROC曲線得出的最優閾值，確定該三分類問題最終的閾值及分類效果。繪制ROC曲線時，統計每一檢驗變量不同閾值下的真陽率、假陽率，作為ROC曲線的縱坐標、橫坐標，最佳閾值的確定采用“尤登指數”，即“敏感性+特異性-1”，該指數值的最大值處就是最佳的閾值（Raghavan et al，2016）。

對于每組ROC曲線，由于選取了多個生態水文指標作為檢驗變量，因此可以繪制出多條ROC曲線。綜合比較ROC曲線下面積（AUC）和判別準確率，選取1個分類效果最佳的曲線用于最終閾值的確定，其中AUC的值越接近1，表示模型的效果越好。

1.3.2? ?分類回歸樹法? ?分類回歸樹（Classification and regression trees analysis， CART）是一種無需假設數據分布的非參統計方法，它通過二元遞歸分離法，根據一定的劃分準則，將數據集不斷地劃分為兩個子集，使得每次劃分后的兩個子集之間的差異最大（黎明政等，2019）。分類回歸樹的構造過程包括樹的生成、樹的終止、樹的剪枝和最優樹的選擇4個步驟。分類回歸樹算法包括分類樹和回歸樹，其中分類樹和回歸樹的特征選擇采用的是不同的方法，分類樹使用基尼系數，回歸樹使用均方差。本次研究中以選定的生態水文指標作為預測變量，將一個漲水過程內的四大家魚產卵規模無效、低效、高效作為響應變量，分別定義為“無、低、高”，構建分類樹。

進行CART計算時，樹的最大深度max_depth設置為2，以防止樹過擬合。樹的分類權重class_weigh設置為“balanced”，也就是在每次分裂時考慮樣本的類別分布，給少數類更高的權重，這樣可以處理不平衡數據集的問題。每個葉子節點最少樣本min_samples_leaf設置為4，這樣可以防止樹過于細分數據，造成過擬合。樹的分裂標準criterion選擇“gini”，即采用基尼系數進行特征選擇，基尼系數計算公式如下：

[Gini（D）=1-k=1K（∣Ck∣∣D∣）2]? ? ? ? ? ? ? ? ? ? ? ①

式中：D為樣本集合，K為類別個數，[Ck]為第k個類別的樣本子集，[∣Ck∣∣D∣]為第k個類別的樣本占比。基尼系數越小，表示樣本集合的純度越高。

1.3.3? ?Logistic回歸? ?邏輯回歸（Logistic 回歸）是用于解決二分類問題的機器學習方法，它可以估計某個事件發生的可能性，也可以根據一個閾值來劃分不同的類別。邏輯回歸的基本思想是將線性回歸的結果通過S形的函數（sigmoid函數或邏輯函數）映射到0～1，然后用最大似然估計來求解模型的參數。邏輯回歸雖然名字中有“回歸”，但實際上是一種分類方法，它可以用于二分類或多分類問題（王濟川和郭志剛，2001）。

對本文進行的“無效”“低效”“高效”三分類問題，常用的方法是有序回歸。有序多分類的Logistic回歸原理是將因變量的多個分類依次分割為多個二元的Logistic回歸。但直接使用多個二元的Logistic回歸進行分析相較于使用有序回歸，具有實現簡單，易于理解的優勢，因此本文將漲水過程對魚類產卵無效、低效、高效刺激的三分類問題轉化為“無效”與“低效或高效”對比、“無效或低效”與“高效”對比兩個二分類問題。

以所選的生態水文指標為自變量，產卵規模為因變量，分別利用邏輯回歸對其進行計算，最后將兩次分類結果整合，得出最終的結果。對于這兩個二分類問題，二項分布成功的概率p為：

[logit][p=lnp1-p=β1×X1+β2×X2+…+βn×Xn+β0]? ? ②

式中：p為二項分布試驗成功的概率，X為協變量，β為回歸系數。

利用尤登值確定p的閾值pthreshold，當p大于pthreshold時，表明二項分布成功。例如在“無效”與“低效或高效”對比這個二分類問題中，當計算出的某次漲水過程的p>pthreshold，說明該漲水過程對四大家魚產卵產生了有效刺激，反之為無效刺激。

1.4? ?訓練集、測試集劃分

為驗證模型性能，提供可靠的評估結果，將數據集按照7：3的比例劃分為訓練集、測試集。利用訓練集數據對模型進行訓練，利用測試集數據對模型進行驗證。

2? ?結果與分析

2.1? ?指標獨立性

指標獨立性分析結果（圖1）顯示，初始水位與初始流量、洪峰水位與洪峰流量、水位日上漲率與流量日上漲率間具有高度線性關系，將其剔除。將篩選后的漲水過程漲水持續時間、初始流量、洪峰流量、流量日增長量、流量總增長量、兩次洪峰間隔時間、兩次洪峰水位差異等7項生態水文指標用于后續分析。

2.2? ?識別結果

2.2.1? ?ROC曲線? ?以指標獨立分析篩選后的7個生態水文指標為檢驗變量，分別以產卵規模“無效”“低效或高效”以及“無效或低效”“高效”為狀態變量，繪制ROC曲線，如圖2所示。描述各指標分類效果的曲線下面積AUC、漸進顯著性P，以及各指標的最佳判別閾值和該閾值下的判別準確率列入表1中。

結果顯示，對于“無效”與“低效或高效”對比問題，漲水持續時間和初始流量的AUC值較小，分別為0.524、0.587，且對分類結果影響不顯著（P>0.05），說明這兩個指標的分類效果較差。洪峰流量、流量日增長量、流量總增長量、兩次洪峰間隔時間、兩次洪峰水位差異的AUC值均大于0.7，表明模型的區分效果較好，綜合考慮各指標的AUC值和最佳閾值下的判別準確率，選擇流量日增長量作為判別四大家魚產卵規模是否有效的指標，最佳判別閾值為1 370 m3/s，即當1次漲水過程的流量日增長量大于1 370 m3/s時，認為該次漲水過程可以刺激四大家魚有效產卵。

對于“無效”與“低效或高效”對比問題，漲水持續時間、初始流量、流量日增量作為分類指標的AUC值均較小（<0.7），且漸進顯著性均大于等于0.05，表明以這些指標進行分類的模型區分效果較差，分類效果不顯著。洪峰流量、流量總增長量、兩次洪峰間隔時間、兩次洪峰水位差異作為分類指標的AUC均值大于0.7（P<0.05），表明模型的區分效果較好，綜合考慮AUC值和判別準確率，選擇以兩次洪峰間隔時間作為判別四大家魚產卵規模是否高效的指標，最佳判別閾值為7.5 d，即當1次漲水過程距上次漲水過程的洪峰間隔時間大于7.5 d時，認為其可以刺激四大家魚高效產卵。

結合上述兩個分類標準，當一次漲水過程的流量日增量小于1 370 m3/s時，認為此次漲水過程不能刺激四大家魚進行有效產卵；當流量日增量大于1 370 m3/s時，認為此次漲水過程可以刺激四大家魚進行有效產卵；當流量日增量大于1 370 m3/s且兩次洪峰間隔時間大于7.5 d時，認為此次漲水過程可以刺激四大家魚進行高效產卵。在訓練集46次漲水過程中，模型最終判別正確33場次，模型判別準確率達71.74%。

2.2.2? ?分類回歸樹? ?以篩選后的生態水文指標作為預測變量，產卵規模作為響應變量，進行分類回歸樹分析。CART分析結果顯示，流量總增長量和兩次洪峰間隔時間是影響四大家魚產卵規模的重要指標。分類樹顯示（圖3），當漲水過程的流量總增長量小于等于2 145 m3/s時，該漲水過程對四大家魚產卵行為刺激效果為“無效”；當流量總增長量大于2 145 m3/s，且兩次洪峰間隔時間大于11.5 d時，該漲水過程對四大家魚產卵行為刺激效果為“高效”；當流量總增長量大于2 145 m3/s，且兩次洪峰間隔時間小于11.5 d時，該漲水過程對四大家魚產卵行為刺激效果為“低效”。在訓練集所有的46次漲水過程中，經分類回歸樹模型判別，有12場次漲水對四大家魚產卵行為刺激效果為“無效”，27場次漲水對四大家魚產卵行為刺激效果為“低效”，7場次漲水對四大家魚產卵行為刺激效果為“高效”，判別正確28場次，模型的判別準確率為60.87%。漲水持續天數、初始流量、洪峰流量、流量總增長量、兩次洪峰的水位差異對四大家魚的產卵規模不產生影響。

2.2.3? ?Logistic回歸? ?以篩選后的7個生態水文指標為協變量，分別以產卵規模“無效”“低效或高效”以及“無效或低效”“高效”作為狀態變量，利用Logistic回歸對其進行分析，得出經過篩選后進入模型的變量及其參數，如表2所示。

對于“無效”與“低效或高效”對比問題，分析結果顯示，漲水過程的流量日增長量對該漲水過程是否可以刺激四大家魚有效產卵產生影響。漲水過程可以刺激四大家魚進行有效產卵的概率p1可通過下式計算得出：

logit[p1=0.001×dQ-1.778]? ? ? ? ? ? ? ? ? ?③

[p1=e0.001×dQ-1.7781+e0.001×dQ-1.778]? ? ? ? ? ? ? ? ? ? ? ? ?④

式中：[p1]為漲水過程可以刺激四大家魚進行有效產卵的概率，[dQ]為漲水過程的流量日增長量。

對于“無效或低效”與“高效”對比問題，結果顯示，漲水過程的漲水持續天數和兩次洪峰間隔時間是刺激四大家魚高效產卵的重要生態水文指標。漲水過程可以刺激四大家魚進行高效產卵的概率[p2]可通過下式計算得出：

logit[p2=0.318×t1+0.179×t2-4.16]? ? ? ? ?⑤

[p2=e0.318×t1+0.179×t2-4.161+e0.318×t1+0.179×t2-4.16]? ? ? ? ? ? ? ? ? ? ⑥

式中：[p2]為漲水過程可以刺激四大家魚進行高效產卵的概率，[t1]為漲水持續時間（d），[t2]為該漲水過程距上一漲水過程的間隔時間（d）。

利用尤登值最大原則確定[p1]、[p2]的最佳閾值，[p1]的最佳閾值為45.10%，[p2]的最佳閾值為12.53%。[p1]最佳閾值對應的流量日增長量為1 366 m3/s，[p2]最佳閾值對應的漲水持續時間為5 d、兩次洪峰間隔時間為3.5 d。即當流量日增長量大于1 366 m3/s時，可引起四大家魚有效產卵；當流量日增長量大于1 366 m3/s、漲水持續時間大于5 d且兩次洪峰間隔時間大于3.5 d時，可引起四大家魚高效產卵。以此作為判別標準，在訓練集46次漲水過程中，模型判別正確33場次，準確率達71.74%。

2.3? ?比較分析

2.3.1? ?模型判別效果比較? ?利用ROC曲線、Logistic回歸判別某一漲水過程是否可以刺激四大家魚有效產卵判別準確率均達71.74%。利用分類回歸樹進行判別時，判別準確率達60.87%。

2.3.2? ?模型預測效果驗證? ?利用測試集數據對上文所建模型進行驗證，在對測試集20場次漲水過程刺激四大家魚產卵效果預測中，ROC曲線、Logistic回歸均預測正確15次，預測準確率達75%，分類回歸樹預測正確11次，預測準確率達55%。

2.3.3? ?模型穩定性分析? ?為驗證各模型的魯棒性，對總體數據集按7：3的比例隨機劃分訓練集和測試集，共劃分10組。分別對各組數據利用上述3種方法進行計算，比較不同訓練集、測試集劃分下，各種方法的判別準確率、預測準確率。結果顯示，利用ROC曲線進行分類的判別準確率、預測準確率均為最高水平，認為ROC曲線是魯棒性較好的模型（表3）。

2.3.4? ?綜合比較分析? ?綜合比較ROC曲線、分類回歸樹、Logistic回歸應用于識別影響四大家魚產卵規模的關鍵生態水文指標效果，對比分析各方法下的判別準確率、預測準確率、模型魯棒性。結果顯示，ROC曲線判別準確率、預測準確率、模型穩定性在3種方法中均處于最高水平，認為ROC曲線是本次研究中判定生態水文指標對四大家魚產卵規模影響的最優方法。

3? ?討論

3.1? ?影響四大家魚產卵的生態水文指標

四大家魚產卵規模與其產卵環境的生態水文指標密切相關，已有研究表明，漲水持續時間、流量日增長率、水位日增長率、兩次洪峰間隔時間等指標可以對四大家魚產卵規模產生顯著影響（徐薇等，2020）。本研究中，將連續漲水設為先決條件，分析描述漲水過程的生態水文指標對四大家魚產卵規模的影響，結果顯示，長江中游四大家魚產卵規模受到流量日增長量、兩次洪峰間隔時間影響，與已有研究結果（徐薇等，2020）一致。

流量日增長量影響四大家魚能否進行有效產卵，流速加大的過程會刺激成熟的親魚，促進親魚產卵排精（陳永柏等，2009），較大流量增長率會加快水流流速增長過程，進而促進四大家魚的產卵行為。兩次洪峰間隔時間影響四大家魚能否進行高效產卵，前后兩次洪峰間隔時間越長，產卵場內等待水流信號刺激的成熟親魚越多，當下一次洪峰過程到來，這些親魚感受到水流信號刺激完成大規模產卵。此外，有研究（李博等，2021）表明，刺激四大家魚產卵的洪峰過程斷面初始流量需達到某一定值。但在本次研究中，存在一些初始流量較小的可以刺激四大家魚有效產卵的漲水場次，原因在于這些漲水場次的流量日增長量和漲水持續時間較大，初始流量雖然較小，但流量在漲水過程內可以達到較高水平，從而導致最終結果中初始流量與四大家魚產卵規模相關性不大。

3.2? ?魚類產卵有效性多分類問題計算方法

對于魚類產卵有效性的分類問題常用計算方法有ROC曲線法（劉瀚等，2023）、分類回歸樹（黎明政等，2019）、支持向量機、Logistic回歸（崔雪森等，2016）、廣義加性模型（胡麗娟等，2021；孫浩奇等，2022）等方法。支持向量機是一種黑箱模型，計算復雜度較高，利用支持向量機只能對魚類產卵規模進行分類，不能得出分類閾值。廣義加性模型變量間的關系是非參數形式，無法通過簡單的數學公式來描述，因此，觀測變量間依賴性關系的常用方式是采用圖形化的平滑曲線。但對平滑參數的選擇和平滑曲線的解讀需結合實際情況進行，否則容易產生背離實際的曲解。因此，本次研究最終選擇了方法簡單易用，結果直觀明了的ROC曲線法、分類回歸樹、Logistic回歸用于分析計算。

本次研究面向的是產卵規模無效、低效、高效的三分類問題，而ROC曲線、Logistic回歸常用于二分類問題。當ROC曲線、Logistic回歸用于多分類問題時，可以將多分類問題轉化為多個二分類問題，如本研究關注的三分類問題可以轉化為“無效”與“低效或高效”對比、“無效或低效”與“高效”對比兩個二分類問題，分別確定分類的閾值，最終將兩個二分類的結果整合起來，得出分類結果。經上文驗證，使用這種方法進行的類的判別準確率、預測準確率均保持在較高水平。

3.3? ?面向魚類產卵需求的生態流量泄放方法

為滿足四大家魚產卵的生態水文需求，需要充分發揮上游水庫的生態調控能力，調整水庫出庫流量（Baumgartner et al，2020）。三峽水庫自2011年以來，已連續13年開展生態調度，但并非每次生態調度過程都能誘發四大家魚大規模產卵（李朝達等，2021）。為實現對四大家魚產卵的有效刺激，需要依據其產卵需求對生態調度方式不斷優化。已有研究表明，當水文指標滿足較高的水位上漲率和流量日增長率，較長的漲水時間，前后兩次洪峰過程間隔時間較長這些條件時，會誘發大規模產卵（Zhang et al，2000）。徐薇等（2020）基于長江中游沙市段四大家魚產卵數據及水文數據開展研究，得出流量日增長量平均大于2 000 m3/s，與前一次洪峰的間隔時間在5 d可以增加四大家魚產卵量。黎明政等（2019）認為三峽庫區忠縣至涪陵江段四大家魚繁殖主要發生在流量日增量大于840 m3/s。上述研究結果與本文研究結果相仿。本次研究將洪水過程對于四大家魚產卵刺激劃分為無效、低效、高效，進一步量化了相關生態水文指標，即流量日增長量大于1 370m3/s且兩次洪峰間隔時間大于7.5 d的漲水過程可以刺激四大家魚高效、大規模產卵，為后續生態調度方案制定提供了依據。

參考文獻

班璇，Panayiotis D，呂曉蓉，等，2019. 長江葛洲壩下游魚類資源量的關鍵水文指標識別[J]. 水利水電科技進展，39（1）：15-20.

陳誠，黎明政，高欣，等，2020. 長江中游宜昌江段魚類早期資源現狀及水文影響條件[J]. 水生生物學報，44（5）：1055-1063.

陳永柏，廖文根，彭期冬，等，2009. 四大家魚產卵水文水動力特性研究綜述[J]. 水生態學雜志，30（2）：130-133.

崔雪森，伍玉梅，周愛忠，等，2016. 基于Logistic回歸模型的西非沿海歐洲沙丁魚漁場與環境因素關系模型的構建[J]. 大連海洋大學學報，31（2）：211-218.

胡麗娟，宋超，耿智，等，2021. 長江口鳳鱭仔稚魚主要繁殖季節的時空分布特征[J]. 中國水產科學，28（9）：1152-1161.

李博，郜星晨，黃濤，等，2021. 三峽水庫生態調度對長江中游宜昌江段四大家魚自然繁殖影響分析[J]. 長江流域資源與環境，30（12）：2873-2882.

李朝達，林俊強，夏繼紅，等，2021. 三峽水庫運行以來四大家魚產卵的生態水文響應變化[J]. 水利水電技術（中英文），52（5）：158-166.

李建，夏自強，戴會超，等，2013. 三峽初期蓄水對典型魚類棲息地適宜性的影響[J]. 水利學報，44（8）：892-900.

黎明政，馬琴，陳林，等，2019. 三峽水庫產漂流性卵魚類繁殖現狀及水文需求研究[J]. 水生生物學報，43（S1）：84-96.

李亭亭，呂王勇，周嬌，等，2022. 基于類間距離的Logistic序貫多分類的成都空氣質量污染分析[J]. 科學技術與工程，22（1）：409-415.

劉瀚，林俊強，秦鑫，等，2023. 基于生物水文響應模型的刺激四大家魚繁殖生態調度目標量化方法研究——以三峽水庫為例[J]. 湖泊科學，35（5）：1741-1751.

彭期冬，2011. 三峽工程對四大家魚自然繁殖條件影響研究[D]. 北京：中國水利水電科學研究院.

孫浩奇，蔣日進，陳峰，等，2022. 甌江口鳳鱭魚卵、仔稚魚的時空分布及其與環境因子關系[J]. 水生生物學報，46（7）：963-973.

王濟川，郭志剛，2001. Logistic回歸模型[M]. 北京：高等教育出版社.

徐薇，楊志，陳小娟，等，2020. 三峽水庫生態調度試驗對四大家魚產卵的影響分析[J]. 環境科學研究，33（5）：1129-1139.

周雪，王珂，陳大慶，等，2019. 三峽水庫生態調度對長江監利江段四大家魚早期資源的影響[J]. 水產學報，43（8）：1781-1789.

周雪，汪登強，段辛斌，等，2021. 長江中游宜昌江段魚卵時空分布特征研究[J]. 長江流域資源與環境，30（4）：861-868.

Baumgartner M T， Pitágoras A P， Baumgartner G， et al， 2020. Storage or Run-of-river Reservoirs： Exploring the Ecological Effects of Dam Operation on Stability and Species Interactions of Fish Assemblages[J].Environmental Management， 65：220-231.

Obuchowski N A， Bullen J A， 2018. Receiver operating characteristic （ROC） curves： review of methods with applications in diagnostic medicine[J]. Physics in Medicine & Biology， 63（7）： 07TR01.

Raghavan R， Ashour F S， Bailey R， 2016. A Review of Cutoffs for Nutritional Biomarkers[J]. Advances in Nutrition， 7（1）：112-120.

Richter B D， Mathews R， Wigington H R， 2003. Ecologically sustainable water management： Managing river flows for ecological integrity[J]. Ecological Applications， 13（1）：206-224.

Schmugge S J， Jayaram S， Shin M C， et al， 2007. Objective evaluation of approaches of skin detection using ROC analysis[J]. Computer Vision and Image Understanding， 108（1）：41-51.

Wu W， Li A D， He X H， et al， 2018. A comparison of support vector machines， artificial neural network and classification tree for identifying soil texture classes in southwest China[J]. Computers & Electronics in Agriculture， 144：86-93.

Zhang G， Chang J， Shu G， 2000. Applications of factor-criteria system reconstruction analysis in the reproduction research on grass carp， black carp， silver carp and bighead in the Yangtze River[J]. International Journal of general systems， 29（3）：419-428.

（責任編輯? ?熊美華）

Relationship between Fish Spawning Behavior and Eco-hydrological Indicators：

A Case Study of the Four Major Chinese Carps in the Yangtze River

BAN Xue‐jun1.2， FAN Bo3， LIU Han1， YU Li‐xiong4， LIN Jun‐qiang1， XIA Ji‐hong2， ZHANG Di1

（1. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin，

China Institute of Water Resources and Hydropower Research， Beijing? ?100038， P.R. China;

2. College of Agricultural Science and Engineering， Hohai University， Nanjing? ?211100， P.R. China;

3. Science and Technology Promotion Center of the Ministry of Water Resources，

Beijing? ?100038， P.R. China;

4. Yangtze River Fisheries Research Institute， Chinese Academy of Fishery Sciences，

Wuhan? ?430223， P.R. China）

Abstract：As important economic freshwater fish in China， the spawning scale of the four major Chinese carps has declined significantly in recent years. Hydrological conditions play an important role in the natural reproduction of the four major Chinese carps. Thus， to protect early stage resources of these four species， it is important to determine the relationship between spawning behavior and eco-hydrological indicators. In this study， the Yichang section of the middle Yangtze River was selected for research， and we analyzed the relationship between the spawning behavior of the four major Chinese carps and eco-hydrological indicators using a receiver operating characteristic （ROC） curve， classification regression tree and logistic regression analysis. The performance， advantages and disadvantages of the three data mining methods were then compared. The study was based on monitoring data for hydrology and reproduction in the investigated section during the period 2013-2023 （except 2016， 2021）. Stimulation of spawning behavior by ecohydrological indicators was analyzed for each of the four species and divided into three levels （no response， low response， and high response）. The discrimination accuracy rates for each method were as follows： ROC curve （71.74%）， logistic regression analysis （71.74%） and classification regression tree （60.87%）. The prediction accuracy rates of the three methods were， respectively 75%，75% and 55%， and the ROC curve was the most robust. Therefore， we recommend the ROC curve for estimating the impact of eco-hydrological indicators on the spawning scale of the four major Chinese carps. The best eco-hydrological conditions for effective spawning of the four major Chinese carps was when the daily increment of flow was greater than 1 370 m3/s and the interval time between two flood peaks was more than 7.5 days. In conclusion， our research identified the eco-hydrological indicators and thresholds that effectively stimulate spawning of the four major Chinese carps. This has important practical significance for optimizing and improving the ecological operation of Three Gorges Reservoir.

Key words：four major Chinese carps; eco-hydrological indicators; ROC curve; ecological operation

收稿日期：2023-10-31

基金項目：國家自然科學基金聯合基金項目（U2240214）；國家重點研發計劃（2021YFC3200304）。

作者簡介：班學君，1998年生，男，碩士研究生，主要從事生態水文學研究。E-mail：1021188239@qq.com

通信作者：林俊強，1984年生，男，正高級工程師，主要從事生態水力學研究。E-mail：junquang-lin@hotmail.com