Симулятор аквакультуры для радужной форели (Oncorhynchus mykiss) на основе модели стайного поведения рыб и динамического энергетического бюджета

Почему важно моделировать рыбные фермы

По мере того как все больше морепродуктов производится на фермах, а не добывается в открытом океане, перед рыбоводами встает простой, но дорогостоящий вопрос: сколько корма давать рыбе ежедневно? Корм — самая большая статья расходов в аквакультуре, тогда как проверять разные режимы кормления в реальных емкостях медленно и дорого. В этом исследовании представлен компьютерный симулятор выращивания радужной форели, который позволяет сначала получить ответы на экране, помогая фермерам отточить стратегии кормления, сократить потери корма и повысить эффективность роста рыбы.

От морских загонов к умным наземным бассейнам

Традиционное морское рыбоводство сталкивается с ограничениями: прибрежные защищенные зоны уже перегружены, а несъеденный корм и отходы могут ухудшать состояние окружающих вод. Наземные бассейны устраняют многие из этих проблем и обеспечивают более стабильные условия, но они дороги в строительстве и эксплуатации, а корм может составлять около 60% общих затрат. Поскольку прибыль напрямую зависит от того, насколько быстро рыба набирает вес на корме, фермеры обращаются к «умной аквакультуре» — датчикам, камерам и симуляциям — которые могут прогнозировать рост при разных условиях без длительных экспериментальных испытаний методом проб и ошибок.

Обучая компьютер поведению рыб

Исследователи построили симулятор из двух основных частей. Первая часть посвящена поведению: как рыбы плавают стаями и бросаются к гранулам корма, когда их разбрасывают в бассейне. Для имитации стайности модель заимствует идеи из компьютерной анимации, где «виртуальные птицы» или «boids» следуют простым правилам — держать дистанцию, следовать за группой и избегать стен. В исследовании каждая форель в виртуальном бассейне реагирует на соседних рыб, границы бассейна и тонущие гранулы. Программа вычисляет движение каждой рыбы с интервалами в доли секунды и считает, сколько гранул встречает каждое животное, превращая эти встречи в суточный рацион конкретной особи.

Отслеживание энергии по мере роста рыб

Вторая часть симулятора отслеживает, что происходит с этим кормом внутри каждой рыбы. Для этого команда использовала подход, называемый динамическим энергетическим бюджетом, который описывает, как животные расходуют энергию на поддержание жизнедеятельности и на рост. Проще говоря, модель отвечает на вопрос: из энергии, поступившей с кормом, какая часть идет только на поддержание жизнедеятельности, а какая может быть инвестирована в рост? Просматривая дни в симуляции, программа предсказывает массу и длину тела каждой рыбы во времени. Связь между длиной и массой была откалибрована по измерениям реальной радужной форели, чтобы виртуальные рыбы следовали реалистичным соотношениям размеров по мере роста.

Испытание виртуального бассейна

Чтобы проверить, насколько симулятор соответствует реальности, команда провела 203‑дневный эксперимент по выращиванию сотен молодых радужных форелей в круглом бассейне. Температура воды поддерживалась постоянной, рыбу кормили щедро, а исследователи фиксировали, сколько корма съедалось ежедневно, вместе с регулярными измерениями размеров рыб. Затем они воспроизвели ту же историю кормления в симуляторе, с тем же размером бассейна и числом рыб, и сравнили предсказания компьютера с фактическим ростом. На ранних этапах виртуальные и реальные рыбы хорошо совпадали по массе и длине, а коэффициент превращения корма — количество корма, необходимое для прироста массы — был практически идентичен. Однако в более длинных промежутках симулятор склонялся к переоценке массы тела и демонстрировал большую вариабельность между особями, чем в реальном бассейне.

Исследование разных схем кормления

После валидации, даже если она не идеальна, симулятор становится песочницей для «что‑если» вопросов. Исследователи протестировали сценарии, в которых суточное количество корма снижалось до 70% или повышалось до 130% от экспериментального уровня. Как и следовало ожидать, больше корма привело к более крупным рыбам к 200‑му дню. Но эффективность использования корма — коэффициент преобразования корма — менялась и во времени, и в зависимости от уровня кормления. На самой ранней стадии умеренный уровень кормления давал наилучшее использование корма, в то время как на более поздних этапах чуть более высокий уровень кормления фактически обеспечивал лучшую эффективность. Эти закономерности указывают на то, что наиболее экономичный план кормления не является фиксированным, а должен корректироваться в зависимости от размера и стадии роста рыбы — то, что гораздо проще исследовать в силу, чем в реальном хозяйстве.

Что это значит для будущего рыбоводства

Для неспециалистов ключевая мысль в том, что команда создала виртуальную рыбную ферму, где отдельные форели плавают, конкурируют за корм и растут реалистичным образом. Хотя модель требует доработки — например, учета эффектов скученности и уровня кислорода — она уже хорошо воспроизводит ранний рост и может предсказывать, как разные стратегии кормления будут разворачиваться в течение месяцев. Такие инструменты могут помочь менеджерам аквакультуры сократить потери корма, планировать сроки вылова и поддерживать более однородные размеры рыб, одновременно снижая воздействие на окружающую среду. Со временем подобные симуляторы можно адаптировать под другие выращиваемые виды, сделав их важной частью более умного и устойчивого производства морепродуктов.

Цитирование: Takahashi, Y., Yoshida, T., Yamazaki, Y. et al. An aquaculture simulator for rainbow trout (Oncorhynchus mykiss) based on a fish schooling behavioral model and a dynamic energy budget. Sci Rep 16, 7706 (2026). https://doi.org/10.1038/s41598-026-39028-y

Ключевые слова: симуляция аквакультуры, радужная форель, кормление рыб, моделирование роста, технологии рыбоводства