TGC 与 SGR：如何根据水温预测鱼类生长
每一位养殖场经理迟早都会收到销售或财务部门提出的同一个问题：14 号网箱什么时候能长到 400 克？ 诚实的答案几乎完全取决于水温——而这恰恰是最常用的生长指标"特定生长率"帮不上忙的地方。
本文将逐一讲解商业水产养殖中使用的两个生长指数，说明各自在哪里失效，最后给出一套可以在你自己的采样记录上运行的校准流程。
特定生长率：好的描述工具，差的预测工具
特定生长率（SGR）以占体重的百分比来表示每日生长：
SGR (%/day) = (ln W₂ − ln W₁) ÷ days × 100
其中 W₁ 和 W₂ 分别为期初和期末的平均体重（克）。
SGR 只有一件事做得不错：比较在相同条件下、同一时期内不同群体的生长表现。同一养殖场里的两个网箱，同样的饲料、同样的月份？SGR 能告诉你哪个长得更好。你可以用我们的 SGR 生长计算器快速完成计算。
问题出在把 SGR 用来向前推算时。它内嵌两种偏差：
- 它忽略温度。 鱼类是变温动物，其代谢率、摄食量和生长速度都随水温变化。8 月份测得的 SGR 对 2 月份的生长毫无参考价值。
- 它随鱼体增大而下降。 即使在恒温条件下，小鱼按相对比例的生长速度也快于大鱼。用 50 g 鱼测得的 SGR 套用到同一条鱼长到 300 g 时，预测结果会严重偏高。
在大多数预测中，这两种偏差指向同一个方向：乐观。电子表格上的预计收获日期总是提前，而水中的实际收获日期总是推迟。
热生长系数
热生长系数（TGC）最初为鲑科鱼类开发（Iwama 和 Tautz，1981；后由 Cho 于 1992 年推广），如今已是鲑鱼和鳟鱼生产规划中的标准方法。它基于两个经验观察：
- 以体重立方根对时间作图时，体重增长接近线性。
- 这一线性增长的速率大致与水温成正比。
两者结合便得到：
TGC = (W₂^(1/3) − W₁^(1/3)) ÷ Σ(T × days) × 1000
分母 Σ(T × days) 是该时期内每日平均温度之和，以度·日（°C·d）计。系数 1000 只是为了让数值保持在易读的范围内；有些作者会将其省略，因此务必核对所引用的文献数值采用的是哪种约定。
变形为预测公式：
W₂ = (W₁^(1/3) + TGC/1000 × Σ degree-days)³
这一行公式就是大多数专业生长模型的核心。
计算示例：同一批鱼，两种方法
以 50 g 的虹鳟（Oncorhynchus mykiss）为例，在恒定 12 °C 下养殖，TGC 取 2.2（这是摄食充足、使用现代饲料的鳟鱼的合理数值；实际应用请使用你自己的数据）。
第 1 阶段，60 天：
- 度·日 = 12 × 60 = 720 °C·d
- 50 g 的立方根 = 3.684
- 增量 = 2.2 ÷ 1000 × 720 = 1.584
- W₂ = (3.684 + 1.584)³ = 146.2 g
同一时期的 SGR 为 (ln 146.2 − ln 50) ÷ 60 × 100 = 1.79 %/day。
第 2 阶段，相同温度下再过 60 天：
- TGC 预测：(146.2^(1/3) + 1.584)³ = 321.7 g
- 按 1.79 %/day 的 SGR 预测：146.2 × e^(0.0179 × 60) = 427.5 g
同样的鱼、同样的水、同样的饲料。SGR 的预测结果多了 106 g，高出约三分之一，原因纯粹是它把小鱼阶段的生长率带入了鱼已经长大的时期。如果按第二个数字安排收获、订购饲料或签订销售合同，最终必然缺斤短两。
温度才是决定性因素
TGC 真正的威力在温度变化时显现。由于模型由度·日驱动，你可以向它输入一条温度曲线——无论是该养殖场去年的水温记录仪数据，还是长期平均值——从而得到一个冬季放缓、春季加速的预测。
对于一个各月平均水温分别为 14、15、17、20、23 和 25 °C 的海上网箱养殖场，每个 30 天的月份分别贡献 420、450、510、600、690 和 750 °C·d。夏季月份的生长潜力几乎是冬季月份的两倍。基于 SGR 的计划根本无法表达这一点。
这也是度·日在生长之外同样有用的原因。上市前停食期、疫苗接种至产生免疫力的间隔、鱼卵孵化时间，通常也都用 °C·d 来表示，道理相同。
TGC 在哪里失效
TGC 是一个模型，有已知的局限。使用时请牢记以下几点。
超出最适温度范围。 线性关系大致在生长下限温度与该物种最适温度之间成立。超过最适温度后，即使水温继续上升，摄食量也会下降、生长也会减慢。金头鲷（Sparus aurata）在约 22–26 °C 时生长最佳，低于约 15 °C 时生长明显放缓。欧洲舌齿鲈（Dicentrarchus labrax）的表现类似。在温度范围的极端区间，直线形式的 TGC 会高估生长。
零度假设。 标准 TGC 假设生长潜力与 0 °C 以上的温度成正比。对于生物学零度明显高于冰点的温水性物种，一些建模者在累加度·日时会减去一个基础温度（T − T₀）。如果这样做，校准时和预测时必须使用同一个基础温度。
生命阶段。 仔鱼、幼鱼和养成阶段的系数各不相同，并且在性成熟前后会下降。从开食到收获全程使用单一 TGC 系数，充其量只是一个折中方案。
投饲制度。 TGC 假设鱼类被投喂到接近饱食。限饲、疾病、捕捞操作应激和低溶氧都会拉低 TGC。TGC 下降往往是一个养殖单元出现问题的最早数值信号。
已发表数值：只能作为起点
已发表的虹鳟和大西洋鲑（Salmo salar）TGC 数值通常在约 2 至 3.5（×1000 约定）之间，具体取决于遗传背景、饲料和养殖条件。地中海海水鱼类如鲷鱼和鲈鱼的数值一般更低，且因品系、温度制度和投饲方式的差异，不同研究之间差异很大。
实际经验是：在完成自己的校准之前，把任何已发表的数值都当作占位符。 基于你自己的养殖场、鱼群和饲料拟合出的系数，永远胜过教科书上的数字。
如何用自己的数据校准 TGC
你需要的大部分数据已经有了：采样体重和水温记录。
第 1 步：收集干净的采样对。 对每个养殖单元，采集两次连续且有代表性的样品（取样量和偏差问题见如何估算鱼类生物量）。记录每次的平均体重和日期。
第 2 步：计算两次采样之间的度·日之和。 使用悬挂在网箱深度处的记录仪测得的每日平均水温，而不是表层定点读数。将区间内每一天的 T × 1 累加。
第 3 步：计算该区间的 TGC。 例如，一批鲷鱼首次采样为 120 g，90 天后再次采样为 310 g，期间平均水温 21 °C：
- 度·日 = 21 × 90 = 1890 °C·d
- TGC = (310^(1/3) − 120^(1/3)) ÷ 1890 × 1000 = (6.768 − 4.932) ÷ 1890 × 1000 = 0.97
第 4 步：按规格等级和季节建立表格。 一个完整的生产周期结束后，你将积累数十个区间数据。按体重段（例如 5–50 g、50–150 g、150–300 g、300 g 以上）和温度段分组。各组的中位数就成为你的规划系数。
第 5 步：每次采样后重新预测。 每一次新采样都会重置 W₁。每两到四周用最新数据重新锚定预测，漂移会更小。
第 6 步：跟踪残差。 将每次预测与下一次实际采样比较。如果某个单元持续低于预测值 10 % 以上，先检查投饲记录、死亡率、溶氧和放养密度，再怀疑模型本身。
从生长预测到饲料与收获计划
生长预测只是工作的一半。一旦你掌握了每周的预期生物量，就可以推算出：
- 饲料需求。 生物量增量 × 预期 FCR 即得各时期饲料量。饲料需求计算器可以计算单个时期；按规格和水温确定的每日投喂量见我们的鱼类投喂表指南。
- 生物量与密度。 预测体重 × 成活数量（扣除预期死亡）即得现存生物量，由此判断某个单元何时达到密度上限、需要分箱或分级。鱼类生物量计算器可以帮你完成计算。
- 收获窗口。 将规格预测与市场需求规格（例如 300–400 g 或 400–600 g 的分级区间）叠加，即可看出每个单元何时进入目标规格窗口。
手工为几个网箱做这些计算还算可行。但面对数十个单元，每个都有自己的放养日期、采样历史和死亡记录，电子表格就会变得脆弱。这正是大多数养殖场把生长建模转入生产软件的时刻——每来一次新采样，预测和饲料计划就会自动刷新。你可以在养殖场运营演示中看到这一过程的实际运作。
常见问题
鲷鱼合适的 TGC 数值是多少？
不存在一个放之四海皆准的数值。金头鲷的系数随品系、温度、饲料和鱼体规格而变化，且低于典型的鲑科鱼类数值。请在你自己的采样数据上进行校准；上文计算示例中约 1 的场特异性数值，作为养成阶段是一个现实的量级参考，但不应被当作目标值照搬。
那么 SGR 就毫无用处了吗？
不是。SGR 是比较同一条件下、同一时期内不同群体生长表现的正确工具，比如试验中的两种饲料，或同一养殖场同一个月里的两个网箱。但把它用来预测不同季节或不同规格区间的生长，就是用错了工具。
应该用表层水温还是深层水温？
用鱼类实际感受到的水温。夏季分层明显的海水网箱中，表层水温可能比 5–10 m 深处高出数度。挂在网箱中部深度的记录仪，其度·日累计结果远优于表层定点读数。
校准 TGC 应该多久采样一次？
养成阶段每两到四周采样一次是常见做法。间隔过长可以平滑噪声，但对问题的反应变慢；间隔过短会增加捕捞应激和采样误差。采样方法的一致性比频率更重要。
TGC 能用于虾或罗非鱼吗？
立方根模型是为鲑科鱼类开发的，但同样的方法也应用于其他物种，只是需要调整系数，并常常需要设定基础温度。对于温水性物种，在依赖该模型之前，先检验减去生物学零度是否能改善拟合效果。
要点总结
- SGR 描述的是固定条件下的历史生长；随着鱼体增大它会高估未来生长，并且忽略温度。
- TGC 将生长建模为每度·日体重立方根的线性增长，因此适合跨季节预测。
- 在上文示例中，60 天内 SGR 预测比 TGC 预测高出约三分之一。
- 已发表系数只是起点；请按规格等级和季节，在你自己的采样和水温数据上进行校准。
- TGC 下降是值得警惕的早期预警信号，应在它体现在收获数字之前加以排查。