An analysis of spatial co-occurrence pattern of fish species of Yangtze River estuary based on probabilistic model
-
摘要:
根据2012—2014年长江口的渔业资源调查数据，采用概率模型、网络分析方法对长江口鱼类群落物种空间共现模式及影响因素进行综合分析。结果表明，长江口鱼类群落模式主要为物种的随机共现，群落构建中以中性元素的影响占主导地位，环境变化驱动的随机因素对种间共现的影响大于种间相互作用；种间共现模式有显著的季节差异，这种季节差异主要与海洋洄游型鱼类和河口定居型鱼类的季节更替有关；高物种权度和中间中心性种类的季节性更替影响种间共现模式的随机性；棘头梅童鱼(Collichthys lucidus)对群落内信息交换的控制能力较强，在长江口鱼类群落中处于核心地位。
Abstract:Based on the data of fishery resources surveys in the Yangtze River estuary from 2012 to 2014, the spatial co-occurrence patterns and influencing factors of fish communities in that area were analyzed by using probability model and network analysis method. The results show that the fish community pattern in the Yangze River estuary is mainly the random co-occurrence of species. The influence of neutral elements was dominant in community construction, and the effect of random factors driven by environmental change on interspecific co-occurrence was greater than that of interspecific interaction. There was significant seasonal difference in the patterns of interspecific co-occurrence, which was mainly related to the seasonal changes of migratory marine fish and estuarine sediment fish. The seasonal replacement of fish species with high weighted degree and betweenness centrality might also have caused the high number of randomly associated pairs of species. It is also shown that Collikithys lucidus has strong ability to control information exchange within the community and is at the core of the fish community structure in the Yangtze River estuary.
-
斑节对虾(Penaeus monodon) 是养殖对虾中体形最大、经济价值较高的一种，也是我国南方传统养殖对虾种类之一，在半咸淡水或海水、淡水资源丰富的对虾养殖区都适合养殖，特别适合大规格虾养殖[1-2]。在“十一五”、“十二五”期间，中国水产科学研究院南海水产研究所在国家和省部级项目资助下，已开展了斑节对虾育种研究，培育出了生长快的斑节对虾新品种“南海1号”和生长快、成活率高的杂交新品种“南海2号”，此外还培育了多个具有不同遗传性状差异的育种材料。但是，仅仅改善生长性状、瞄准产量目标是远远不够的，对抗逆性状以及与养殖生态环境相适应的性状的选育，成为当前斑节对虾产业可持续发展亟待解决的重要问题。盐度和氨氮含量是斑节对虾养殖过程中非常重要的环境因子，对其生长、呼吸代谢、免疫防御、存活都有着非常重要的影响[3-5]。培育抗逆性状得到明显改良的斑节对虾品种(耐氨氮品系和低盐品系)是其产业的迫切需要。
估计遗传参数是开展育种工作的重要依据，对选择育种方案的制定具有非常重要的指导意义[6]。目前，水产动物遗传参数的研究主要集中在数量性状遗传力的估计，如草鱼(Ctenopharyngodon idellus)[7]、鳜(Siniperca chuatsi)[8]、日本囊对虾(Marsupenaeus japonicus)[9]、斑点叉尾鮰 (Ictalurus punctatus)[10]、文蛤(Meretrix meretrix)[11]、凡纳滨对虾(Litopenaeus vannmei)[12]、脊尾白虾(Exopalaemon carincauda)[13]、缢蛏(Sinonovacula constricta)[14]、中间球海胆(Strongylocentrotus intermedius)[15]等生长性状的遗传力估计，以及长牡蛎(Crassostrea gigas)肉质和壳色性状的遗传力分析[16]等。目前，关于水产动物抗逆性状的遗传参数估计研究不多。已报道的有虹鳟(Oncorhynchus mykiss)耐低溶解氧等性状[17-18]，凡纳滨对虾存活和耐低氧性状[19-20]，大黄鱼(Larimichthys crocea)耐低氧、低盐、低pH等抗逆性状[21]，三疣梭子蟹(Portunus trituberculatus)耐低盐性状[22]，以及中国明对虾(Fenneropenaeus chinensis)耐高氨氮、高pH遗传力[23]等。
目前，有关斑节对虾遗传参数的估计主要集中在生长和存活性状方面。Sun等[24]估计了6月龄斑节对虾体长、体质量等生长性状的遗传力。Macbeth等[25]对斑节对虾繁殖性状的遗传力进行了估计。Kenway等[26]对池塘养殖斑节对虾生长性状的遗传力和遗传相关进行了估计。Benzie等[27]对斑节对虾幼虾生长性状的遗传力进行了估计。Krishna等[28]对斑节对虾生长和存活性状的遗传力进行了估计。有关斑节对虾抗逆性状遗传参数的研究尚未见报道。
本研究利用定向交尾技术建立斑节对虾全同胞(半同胞)家系，分别以高氨氮和淡水胁迫致死时间为衡量指标，采用方差分析法估计了斑节对虾氨氮耐受性和淡水应激性状的遗传参数，首次对斑节对虾抗逆性状进行了遗传评估，为其抗逆良种选育提供理论基础。
1. 材料与方法
1.1 实验材料
以保存在斑节对虾遗传育种中心(中国水产科学研究院南海水产研究所深圳试验基地)的斑节对虾“南海1号”和非洲品系亲虾构建家系，用于氨氮和淡水应激性状的遗传参数估计。雌性和雄性亲虾分池暂养并用眼柄数字环对其标记。已经自然交配成熟的雌虾，单独对其进行产卵和苗种培育，构建家系。未自然交配的雌虾蜕壳后，参照杨其彬等[29]方法，用挤压或解剖法将雄虾精荚取出，并移植到雌虾纳精囊中，完成定向交尾，构建家系。
2014年4月，成功建立了全同胞家系27个，其中包括5个父系半同胞家系。27个家系虾苗培育到P15后，随机取1 000尾移入标粗车间水泥池，分别单独培育30 d后用于耐氨氮和淡水应激实验。
1.2 实验方法
1.2.1 氨氮胁迫
实验在斑节对虾遗传育种中心进行。在正式氨氮胁迫实验前，需进行预实验，确定氨氮胁迫浓度。预实验共设计了5个氨氮浓度梯度(50 mg·L–1、90 mg·L–1、110 mg·L–1、130 mg·L–1和150 mg·L–1)，氨氮浓度用氯化铵(分析纯)来调节。实验结果表明，氨氮质量浓度为90 mg·L–1时实验虾96 h全部死亡，因此确定本次实验用此浓度进行耐氨氮性状遗传参数估计。
从标粗池中每个家系挑选100尾大小均匀的幼虾[(3.46±0.10) g]进行荧光标记，并暂养24 h，然后将100尾个体随机分成2组，每组50尾，分别混养于2个6 m3水体的水泥池中，采用高浓度氨氮(90 mg·L–1)进行胁迫实验。实验期间不充气，每12 h换1次实验用水，每次全部换掉。每隔2 h统计1次每个水泥池的对虾死亡数据，捞取死虾，并记录死亡对虾对应的家系，直至全部对虾死亡，实验结束。
1.2.2 淡水应激胁迫
从标粗池中每个家系挑选100尾大小均匀的幼虾(3.5±0.10) g进行荧光标记，并暂养24 h，然后每个家系分成2份，每份50尾，混养于2个6 m3水体的水泥池中，进行淡水应激胁迫实验。实验期间，每隔10 min统计1次每个水泥池的对虾死亡数据，捞取死虾，并记录死亡对虾对应的家系，直至全部对虾死亡，实验结束。
1.3 统计分析
采用SPSS 19.0 软件一般线性模型(general linear model，GLM)，检验家系间在耐氨氮和淡水应激性状上是否存在显著性差异。
统计模型为单性状动物模型和ASReml软件进行方差组分估计，具体模型形式：
$$ y = \mu + {t_{i} + {\alpha _{{j}}} + {e_{{{ij}}}}} $$ 式中y为高氨氮或淡水应激胁迫中的个体存活时间，μ为总体均值，ti为池子固定效应，αj为个体加性遗传效应，eij为随机残差。
家系全同胞效应包括环境效应、非加性遗传效应和母本效应。已有的研究表明，应用动物模型分析方差组分时，加入和未加入家系全同胞效应，遗传力估计值差异较大[30-32]。当模型加入和未加入家系全同胞效应时，似然比率检验(likelihood ratio test，LRT)差异不显著，则模型中不应加入家系全同胞效应，遗传力估值更为准确[10, 32]。本研究在收获高氨氮或淡水应激性状方差组分估计时，模型加入和未加入家系全同胞效应，似然比率检验差异不显著，因此在模型中剔除了家系全同胞效应。
收获高氨氮或淡水应激的遗传力(h2)计算公式为：
$$ {{{h}}^2} = \frac{{{\rm{\sigma }}_{\rm{\alpha }}^2}}{{{\rm{\sigma }}_{\rm{\alpha }}^2 + {\rm{\sigma }}_{{e}}^2}} $$ 式中
${\rm{\sigma }}_{\rm{\alpha }}^2 $ 为加性遗传方差组分，$ \sigma _e^2$ 为残差方差组分。因为高氨氮或淡水应激胁迫实验是分开进行的，故无法在个体水平上估计性状间的表型相关，因此，本研究进行了性状间家系表型值和育种值的相关分析。通过ASReml V4.1软件的单性状动物模型，估计出收获高氨氮和淡水应激性状间的表型相关系数和育种值相关系数。
2. 结果
2.1 氨氮耐受性和淡水应激性状的描述性统计量
27个家系幼虾阶段的耐氨氮存活平均时间为35.66 h，变异系数达到68.26%；27个家系耐淡水应激存活平均时间为122.56 min，变异系数达到43.63% (表1)。图1以箱线图的形式给出了斑节对虾27个家系耐氨氮和淡水应激存活时间的平均值、最小值、最大值、异常值、中位数、第一四分位数以及第三四分位数。家系间耐氨氮和淡水应激存活时间的中位数存在较大差异，且一般线性模型分析表明家系间耐氨氮和淡水应激性状差异极显著(P<0.01)。
表 1 斑节对虾27个家系耐氨氮耐和淡水应激存活时间的表型参数Table 1. Phenotypic parameters of ammonia nitrogen tolerance and freshwater tolerance for 27 families of P. monodon性状
trait平均值
mean标准差
standard deviation变异系数/%
coefficient of variation最大值
maximum最小值
minimum耐氨氮存活/h
survival for ammonia nitrogen tolerance35.66 24.34 68.26 98 2 耐淡水应激存活/min
survival for freshwater tolerance122.56 53 43.63 330 15 ![]()
图 1 斑节对虾家系耐氨氮 (a) 和淡水应激 (b) 存活时间的箱线图盒子包含了中位数、第一四分位数和第三四分位数；×、−、△和○依次表示平均值、最小值、最大值和异常值Figure 1. Box plots of ammonia nitrogen tolerance (a) and freshwater tolerance (b) survival time for P. monodon familiesThe boxes contain median, 25th and 75th percentiles; ×, −, △ and ○ represent mean, minimum, maximum and outliers, respectively.2.2 氨氮耐受性和淡水应激性状的方差组分、遗传力和遗传相关
斑节对虾耐氨氮性状的遗传力为0.11±0.04，属于低遗传力(表2)。耐淡水应激的遗传力为0.29±0.08，属于中等遗传力。通过LRT检验分析表明，耐氨氮性状和耐淡水应激性状的遗传力达到显著水平。
表 2 斑节对虾耐氨氮和淡水应激性状的方差组分和遗传力Table 2. Variance components, heritabilities of ammonia nitrogen tolerance and freshwater tolerance for P. monodon性状
trait方差 variance 表型方差 (σp 2)
phenotypic variance加性方差 (σα 2)
additive genetic variance残差方差 (σe 2)
residual variance遗传力 (h2)
heritability遗传力显著性
significantly different heritability耐氨氮/h
ammonia nitrogen tolerance588.27 66.30 521.97 0.11±0.04 * (P<0.05) 耐淡水应激/min
freshwater tolerance2 663.50 783.48 1 880.00 0.29±0.08 * (P<0.05) 斑节对虾耐氨氮和淡水应激家系表型值相关系数为0.15，遗传相关系数为0.57。统计检验分析表明，家系表型相关系数不显著(P>0.05)，家系遗传相关系数达到了极显著水平(P<0.01)。根据本研究构建的散点图(图2)，各个家系的耐氨氮和淡水应激性状育种值的数据点分布分散，但有明显的直线关系。各个家系的耐氨氮和淡水应激性状表型值的数据点分布分散，且无明显的直线关系。
![]()
图 2 斑节对虾家系耐氨氮性状和耐淡水应激性状表型值 (a) 与育种值 (b) 散点图Figure 2. Scatter plot of phenotype value (a) and breeding value (b) of ammonia nitrogen tolerance and freshwater tolerance for P. monodon3. 讨论
本研究显示，利用斑节对虾“南海1号”和非洲品系群体构建的27个家系耐氨氮性状和耐淡水应激性状变异系数较大，分别为68.26%和43.63%(表1)，且一般线性模型分析表明家系间耐氨氮和淡水应激性状差异极显著(P<0.01)，因此，本研究认为斑节对虾“南海1号”和非洲品系群体耐氨氮性状和耐淡水应激性状具有较大的选育潜力。
在进行抗逆性状遗传力分析时，成活率或存活时间常被作为动物抗性大小的指标[33-35]，成活率为阈性状，其遗传参数估计有多种，在水产动物中应用的有线性动物模型[22, 36-37]和公母畜阈模型[10, 21, 38]等方法。有学者认为采用常规性线性模型估计阈性状的遗传参数，结果不是很理想[39]，而利用广义线性混合模型(GLMM)方法或公母畜阈模型对阈性状的遗传参数进行估计更为合适[40]。当把存活时间作为动物抗性大小的指标时，抗逆性状为连续性状，对其遗传参数进行估计时，应用常规线性模型分析能得到理想的结果[35]。本研究在进行氨氮耐受性和淡水应激性状遗传力分析时，存活时间被作为斑节对虾抗性大小的指标。因此，本研究采用一般线性动物模型估计了斑节对虾氨氮耐受性和淡水应激性状遗传力。有关水产动物抗逆性状遗传力的报道较少，且都属于中低遗传力，如九孔鲍(Haliotis diversicolor supertexta)养殖群体耐低盐性状遗传力估计值为0.056±0.022[38]；大黄鱼耐低盐、低溶解氧和低pH值遗传力估计值分别为0.23、0.10和0.23[21]；大菱鲆(Scophthalmus maximus)耐高温性状遗传力为0.026[32]；三疣梭子蟹Ⅱ期幼蟹和80日龄稚蟹耐低盐性状的遗传力为0.18~0.20[22]等。本研究与上述结果类似，斑节对虾耐氨氮性状的遗传力为低遗传力(0.11±0.04)，耐淡水应激性状的遗传力为中遗传力(0.29±0.08)。性状遗传力水平是选择育种的重要依据，一般认为高遗传力性状，通过个体选育或群体选育的方法能够达到较好的选育效果，对于中低遗传力的性状，采用家系选育或家系内选育效果会更好[41]。因此，在开展斑节对虾耐氨氮或淡水应激性状选育时，家系选育更为合适。
育种工作中，性状间的相关参数是制定目标性状的重要依据。有的性状可通过与其他相关性较高性状的选育达到间接选育的目的[42]。研究发现，生长与抗逆性状的相关性较小或不相关，如斑节对虾收获体质量与成活率的育种值相关系数为0.05 (P>0.05)[28]，大菱鲆生长和耐高温性状的相关系数仅为0.04 (P>0.05)[32]，斑点叉尾鮰基础群体家系收获体质量和存活性状育种值相关系数为0.065 (P>0.05)[10]，九孔鲍生长性状与耐低盐性状无显著相关[38]。因此，在开展斑节对虾等上述物种的良种选育时，育种目标只考虑生长性状，育种核心群体经过多代选育后，其抗逆性状(存活、耐高温或耐低盐性状)不会得到有效改良，甚至可能会衰退。因此，在育种规划时有必要采用经济加权系数或百分比赋值方式，对抗逆性状进行一定的加权。目前有关抗逆性状之间的相关性分析很少，栾生等[35]研究表明中国对虾抗WSSV存活时间与成活率之间为负相关。本研究中斑节对虾耐氨氮和淡水应激性状的家系表型值相关系数较小，表现为低度线性正相关(R=0.15，P>0.05)。斑节对虾耐氨氮和淡水应激性状的家系育种值相关系数表现为中高度线性正相关(R=0.57，P<0.01)。因此在进行耐氨氮选育时，核心育种群体多代选育后，其耐淡水应激性状也能得到一定的改良。
-
![]()
图 2 长江口鱼类种间共现模式
Figure 2. Co-occurrence patterns of fish species in Yangtze River estuary
![]()
图 3 长江口鱼类种间共现模式季节变化
Figure 3. Seasonal variance of fish species co-occurrence patterns in Yangtze River estuary
![]()
图 4 长江口鱼类种间共现网络季节变化
Figure 4. Seasonal variation of fish species co-occurrence networks in Yangtze River estuary
![]()
图 5 长江口鱼类群落各季节权度和局部聚类系数 (均值±标准误)
Figure 5. Bar plots of
$\overline X$ ±SE of weight degrees and local clustering coefficients in different seasons in Yangtze River estuary表 1 长江口鱼类组成 (2012—2014年)
Table 1 Fish species composition in Yangtze River estuary (2012−2014)
目
Order科
Family种
Species频次
frequency相对重要性指数
IRI鲱形目 Clupeiformes 鳀科 赤鼻棱鳀 Thrissa kammalensis 3 0.62 黄鲫 Setipinna taty 2 0.07 刀鲚 Coilia nasus 56 128.20 凤鲚 Coilia mystus 34 73.15 鲑形目 Salmoniformes 银鱼科 大银鱼 Protosalanx hyalocranius 4 0.18 灯笼鱼目 Myctophiformes 狗母鱼科 龙头鱼 Harpodon nehereus 24 77.77 鳗鲡目 Anguilliformes 海鳗科 海鳗 Muraensox cinereus 3 0.41 鲤形目 Cypriniformes 鲤科 贝氏䱗 Hemiculter bleekeri 3 0.27 长蛇 Saurogobio dumerili 3 0.21 鲇形目 Siluriformes 鲿科 光泽黄颡鱼 Pelteobagrus nitidus 31 58.81 长吻 Leiocassis longirostris 4 0.48 鲻形目 Mugiliformes 鲻科 鲻 Mugil cephalus 2 0.13 鮻 Liza haematocheila 5 0.32 鲈形目 Perciformes 马鲅科 多鳞四指马鲅 Eleutheronema rhadinum 5 0.35 鮨科 中国花鲈 Lateolabrax maculatus 6 1.23 石首鱼科 黄姑鱼 Nibea albifora 16 30.26 白姑鱼 Argyrosomus argentatus 30 47.78 鮸 Miichthys miiuy 8 3.12 棘头梅童鱼 Collichthys lucidus 48 1 340.92 虾虎鱼科 髭缟虾虎鱼 Triaenopogon barbatus 11 7.10 纹缟虾虎鱼 Tridentiger trigonocephalus 1 0.04 波氏吻虾虎鱼 Ctenogobius cliffordpopei 1 0.01 狼牙鳗虾虎鱼 Taenioides anguillaris 54 185.98 拉氏狼牙虾虎鱼 Odontamblyopus lacepedii 5 1.81 睛尾蝌蚪虾虎鱼 Lophiogobius ocellicauda 53 262.44 矛尾虾虎鱼 Chaeturichthys stigmatias 31 198.59 斑尾刺虾虎鱼 Synechogobius ommaturus 11 6.72 孔虾虎鱼 Trypauchen vagina 38 120.72 鲳科 银鲳 Pampus argenteus 8 1.50 䲗科 香斜棘䲗 Repomucenus olidus 2 0.04 鲉形目 Scorpaeniformes 鲂鮄科 小眼绿鳍鱼 Chelidonichthys spinosus 1 0.88 鲬科 鲬 Platycephalus indicus 1 0.01 鲽形目 Pleuronectiformes 舌鳎科 日本须鳎 Paraplagusia japonica 1 0.03 短吻红舌鳎 Cynoglossus joyneri 23 109.89 窄体舌鳎 Cynoglossus gracilis 75 705.37 鳎科 带纹条鳎 Zebrias zebra 1 0.21 鲀形目 Tetraodontiformes 鲀科 暗纹东方鲀 Takifugu obscurus 1 0.02 黄鳍东方鲀 Takifugu xanthopterus 1 0.37 
下载: 导出CSV
表 2 长江口鱼类共现模式呈正相关、负相关和随机性的种对数量
Table 2 Number of pairs of fish species with positive, negative and random co-occurrence patterns in Yangtze River estuary
月份
month物种数
number of species共现模式
pattern of co-occurrence正相关
positive负相关
negative随机
random2月 Feb. 18 3 3 147 5月 May 24 11 4 261 8月 Aug. 27 51 4 296 11月 Nov. 27 26 6 319 总体 total 38 76 12 615
下载: 导出CSV
-
[1] VEECH J A. A probability-based analysis of temporal and spatial co-occurrence in grassland birds[J]. J Biogeogr, 2006, 33(12): 2145-2153. doi: 10.1111/jbi.2006.33.issue-12
[2] 牛克昌, 刘怿宁, 沈泽昊, 等. 群落构建的中性理论和生态位理论[J]. 生物多样性, 2009, 17(6): 579-593. [3] MACI S, BASSET A. Composition, structural characteristics and temporal patterns of fish assemblages in non-tidal Mediterranean lagoons: a case study[J]. Estuar Coast Shelf Sci, 2009, 83(4): 602-612. doi: 10.1016/j.ecss.2009.05.007
[4] BELL G. The distribution of abundance in neutral communities[J]. Am Nat, 2000, 155(5): 606-617. doi: 10.1086/303345
[5] HUBBELL S P. Neutral theory in community ecology and the hypothesis of functional equivalence[J]. Funct Ecol, 2005, 19(1): 166-172. doi: 10.1111/fec.2005.19.issue-1
[6] GRAVEL D, CANHAM C D, BEAUDET M, et al. Reconciling niche and neutrality: the continuum hypothesis[J]. Ecol Lett, 2006, 9(4): 399-409. doi: 10.1111/j.1461-0248.2006.00884.x
[7] LEIBOLD M A, MCPEEK M A. Coexistence of the niche and neutral perspectives in community ecology[J]. Ecology, 2006, 87(6): 1399-1410. doi: 10.1890/0012-9658(2006)87[1399:COTNAN]2.0.CO;2
[8] GOTELLI N J. Null model analysis of species co-occurrence patterns[J]. Ecology, 2000, 81(9): 2606-2621. doi: 10.1890/0012-9658(2000)081[2606:NMAOSC]2.0.CO;2
[9] PERESNETO P R. Patterns in the co-occurrence of fish species in streams: the role of site suitability, morphology and phylogeny versus species interactions[J]. Oecologia, 2004, 140(2): 352-360. doi: 10.1007/s00442-004-1578-3
[10] 史赟荣, 沈新强, 王云龙. 海湾鱼类群落物种共现机制──以湄洲湾为例[J]. 中国水产科学, 2016, 23(1): 169-176. [11] ECHEVARRÍA G, RODRÍGUEZ J P. Co-occurrence patterns of fish species in two aquatic habitats of the Arauca River floodplain, Venezuela[J]. Community Ecol, 2017, 18(2): 137-148. doi: 10.1556/168.2017.18.2.3
[12] VEECH J A. A probabilistic model for analysing species co-occurrence[J]. Global Ecol Biogeogr, 2013, 22(2): 252-260. doi: 10.1111/j.1466-8238.2012.00789.x
[13] PROULX S R, PROMISLOW D E, PHILLIPS P C. Network thinking in ecology and evolution[J]. Trends Ecol Evol, 2005, 20(6): 345-353. doi: 10.1016/j.tree.2005.04.004
[14] GIRVAN M, NEWMAN M E. Community structure in social and biological networks[J]. Proc Natl Acad Sci USA, 2002, 99(12): 7821-7826. doi: 10.1073/pnas.122653799
[15] 杨涛, 单秀娟, 金显仕, 等. 莱州湾鱼类群落的关键种[J]. 水产学报, 2016, 40(10): 1613-1623. [16] WILLIAMS R J, HOWE A, HOFMOCKEL K S. Demonstrating microbial co-occurrence pattern analyses within and between ecosystems[J]. Front Microbiol, 2014, 5: 358.
[17] MORUETA-HOLME N, BLONDER B, SANDEL B, et al. A network approach for inferring species associations from co-occurrence data[J]. Ecography (Cop.), 2016, 39(12): 1139-1150. doi: 10.1111/ecog.01892
[18] 杨刚. 长江口鱼类群落结构及其与重要环境因子的相关性[D]. 上海: 上海海洋大学, 2012: 21-34. [19] 庄平. 长江口鱼类[M]. 上海: 上海科学技术出版社, 2006: 67-389. [20] GRIFFITH D M, VEECH J A, MARSH C J. Cooccur: probabilistic species co-occurrence analysis in R[J]. J Stat Softw, 2016, 69(C2): 1-17.
[21] CSÁRDI G, NEPUSZ T. The igraph software package for complex network research[J]. Int J Complex Syst, 2006: 1695.
[22] OPSAHL T, AGNEESSENS F, SKVORETZ J. Node centrality in weighted networks: generalizing degree and shortest paths[J]. Soc Networks, 2010, 32(3): 245-251. doi: 10.1016/j.socnet.2010.03.006
[23] OPSAHL T. Structure and evolution of weighted networks[M]. London: Queen Mary University of London, 2009: 104-122.
[24] BARRAT A, BARTHÉELEMY M, PASTOR-SATORRAS R, et al. The architecture of complex weighted networks[J]. Proc Natl Acad Sci USA, 2004, 101(11): 3747-3752. doi: 10.1073/pnas.0400087101
[25] 张崇良, 陈勇, 韩东燕, 等. 生态模型在渔业管理中的应用[J]. 海洋学报, 2017, 39(10): 1-18. doi: 10.3969/j.issn.0253-4193.2017.10.001 [26] PETRY P, BAYLEY P B, MARKLE D F. Relationships between fish assemblages, macrophytes and environmental gradients in the Amazon River floodplain[J]. J Fish Biol, 2003, 63(3): 547-579. doi: 10.1046/j.1095-8649.2003.00169.x
[27] LEWIS W M, HAMILTON S K, LASI M A, et al. Ecological determinism on the Orinoco floodplain[J]. Bioscience, 2000, 50(8): 681-692. doi: 10.1641/0006-3568(2000)050[0681:EDOTOF]2.0.CO;2
[28] HOEINGHAUS D J, WINEMILLER K O, BIRNBAUM J S. Local and regional determinants of stream fish assemblage structure: inferences based on taxonomic vs. functional groups[J]. J Biogeogr, 2007, 34(2): 324-338. doi: 10.1111/jbi.2007.34.issue-2
[29] De AZEVEDO M C, ARAÚJO F G, PESSANHA A L M, et al. Co-occurrence of demersal fishes in a tropical bay in southeastern Brazil: a null model analysis[J]. Estuar Coast Shelf Sci, 2006, 66(1): 315-322.
[30] BARRIO I C, HIK D S, BUENO C G, et al. Extending the stress-gradient hypothesis-is competition among animals less common in harsh environments?[J]. Oikos, 2013, 122(4): 516-523. doi: 10.1111/more.2013.122.issue-4
[31] 罗秉征, 韦晟, 窦硕增. 长江口鱼类食物网与营养结构的研究[J]. 海洋科学集刊, 1997(1): 147-157. [32] 沈新强, 史赞荣, 晁敏, 等. 夏、秋季长江口鱼类群落结构[J]. 水产学报, 2011, 35(5): 700-710. [33] 张衡, 全为民, 陈渊戈, 等. 长江口口门区潮下带水域鱼类群落组成的季节变化[J]. 长江流域资源与环境, 2014, 23(11): 1534-1539. -
期刊类型引用(17)
1. 姚坤志，黄雪颖，李峰，何林文，许强. 野生刺枝紫菜(Pyropia acanthophora)的营养成分分析与评价. 食品与发酵工业. 2024(06): 208-214 . 
百度学术
2. 姚坤志，李峰，黄雪颖，何林文，许强，孙春阳. 不同盐度和光强对刺枝紫菜自由丝状体生长的影响. 水产学杂志. 2024(03): 50-57 . 百度学术
3. 白仁奥. 紫菜作为替代蛋白质可持续来源研究进展. 绿色科技. 2024(18): 257-264+276 . 百度学术
4. 吴晓雯，王铁杆，陶伟丽，张鹏，陈星星，薛峰，刘颖，陈继浓. 坛紫菜新品系和传统养殖品系花水菜营养成分差异分析. 食品安全质量检测学报. 2024(24): 218-225 . 百度学术
5. 王玉本，王伟伟，纪德华，孙娟，梁广津，赵楠，史良，孙建晓，李晓捷. 坛紫菜北方海区养殖试验. 水产科技情报. 2023(02): 87-92 . 百度学术
6. 张梦雪，叶静静，高子鑫，沈祥皓，胡金雨，盘赛昆. 双酶法制备条斑紫菜酶解液工艺优化及抗氧化、抗疲劳活性研究. 中国调味品. 2023(07): 7-13 . 百度学术
7. 张梦雪，李苏，叶静静，李志伟，陈洋，胡金雨，盘赛昆. 条斑紫菜蛋白质、多糖及牛磺酸提取工艺. 江苏海洋大学学报(自然科学版). 2023(03): 15-22 . 百度学术
8. 刘宇璇，汪芷因，林振士，李昌达，朱姚镓，李丹，吴嘉平. 洞头羊栖菜不同部位的营养成分和物化性质分析. 现代食品科技. 2022(01): 216-223+133 . 百度学术
9. 吕芳，詹冬梅，丁刚，刘玮，唐柳青，吴海一. 氮磷加富对山东长岛养殖坛紫菜的生长及营养成分的影响. 广西科学. 2022(01): 168-175 . 百度学术
10. 葛蒙蒙，沈建东，唐小航，夏文水，许艳顺. 低酸性和酸化即食紫菜热杀菌工艺优化研究. 南方水产科学. 2022(06): 127-136 . 本站查看
11. 刘星，范楷，钱群丽，姚春霞，饶钦雄，宋卫国. 基于近红外光谱技术的坛紫菜产地溯源研究. 农产品质量与安全. 2021(01): 51-55 . 百度学术
12. 张梅. 基于干燥参数优化的浮式紫菜干燥机的设计. 食品工业. 2021(04): 305-308 . 百度学术
13. 田雨，江艳华，郭莹莹，赵艳芳，李娜，姚琳，尹大芳，王联珠. 紫菜营养品质及食用价值研究进展. 食品安全质量检测学报. 2021(12): 4929-4936 . 百度学术
14. 黄海潮，王锦旭，潘创，杨贤庆，戚勃，李来好，赵永强. 超声波辅助过氧化氢法降解坛紫菜多糖及其抗氧化活性的研究. 南方水产科学. 2020(01): 110-119 . 本站查看
15. 杨贤庆，黄海潮，潘创，王锦旭，赵永强，戚勃. 紫菜的营养成分、功能活性及综合利用研究进展. 食品与发酵工业. 2020(05): 306-313 . 百度学术
16. 李继伟，杨贤庆，潘创，陈胜军，戚勃，许加超. 琼枝麒麟菜的营养成分分析与评价. 食品与发酵工业. 2020(15): 265-269 . 百度学术
17. 李水根. 福建省不同海域坛紫菜营养成分及重金属含量分析. 渔业研究. 2020(05): 453-462 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 4081
- HTML全文浏览量: 1909
- PDF下载量: 82
- 被引次数: 21
粤公网安备 44010502001741号
