夜光藻是赤潮的主要发生种,应用随机(概率的)型时间序列模型对南海大鹏湾的夜光藻种群进行动态分析,旨在研究夜光藻发生赤潮的种群机理。本文采用的夜光藻种群密度取自南海大鹏湾1990年4月2日至6月10日每隔2天采样一次所得的数据。运用...夜光藻是赤潮的主要发生种,应用随机(概率的)型时间序列模型对南海大鹏湾的夜光藻种群进行动态分析,旨在研究夜光藻发生赤潮的种群机理。本文采用的夜光藻种群密度取自南海大鹏湾1990年4月2日至6月10日每隔2天采样一次所得的数据。运用ρ_k和φ_(kk)的性质进行模型识别,确定出3个站位6个断面的已知序列均为自回归AR(P)模型,并建立了6个AR(P)模型,其一般式为:AR(P):x_t=sum from i=1 to ρφ_ix_(t-i)+E_t。结果表明:夜光藻的密度呈明显的上下分层现象;夜光藻种群的增殖具有一定的稳定性,夜光藻种群密度在某一相对稳定值范围内波动,此相对稳定值被定为其种群数量临界值(K_f)。当夜光藻种群数量高于临界值时,在环境条件许可的情况下,可能发生赤潮,而低于临界值时,即使有适宜的环境条件夜光藻也不可能骤然增殖。展开更多
文摘夜光藻是赤潮的主要发生种,应用随机(概率的)型时间序列模型对南海大鹏湾的夜光藻种群进行动态分析,旨在研究夜光藻发生赤潮的种群机理。本文采用的夜光藻种群密度取自南海大鹏湾1990年4月2日至6月10日每隔2天采样一次所得的数据。运用ρ_k和φ_(kk)的性质进行模型识别,确定出3个站位6个断面的已知序列均为自回归AR(P)模型,并建立了6个AR(P)模型,其一般式为:AR(P):x_t=sum from i=1 to ρφ_ix_(t-i)+E_t。结果表明:夜光藻的密度呈明显的上下分层现象;夜光藻种群的增殖具有一定的稳定性,夜光藻种群密度在某一相对稳定值范围内波动,此相对稳定值被定为其种群数量临界值(K_f)。当夜光藻种群数量高于临界值时,在环境条件许可的情况下,可能发生赤潮,而低于临界值时,即使有适宜的环境条件夜光藻也不可能骤然增殖。
