Optimization of ratio of refrigerants for quick liquid freezing of aquatic product by response surface methodology
-
摘要:
为开发适合水产品快速冻结的安全食品级速冻液配方，该研究以乙醇、低聚果糖、柠檬酸、氯化钙、丙二醇等组成低温速冻液。通过单因素试验分析乙醇、低聚果糖、柠檬酸和氯化钙在不同质量分数下的冻结点变化规律，在此基础上以冻结点和黏度为响应值，通过Box-Behnken响应面法对速冻液中载冷剂的添加量进行优化，得到速冻液的最佳配方为19.9%乙醇、9.5%低聚果糖、3%柠檬酸、5%氯化钙、10%丙二醇。该配方制备的速冻液的冻结点可达−63.50 ℃、黏度4.64 mPa·s，具有冻结温度低、黏度小的特点，而且配方成本较低，操作方便，可应用于水产品及方便食品的快速冻结。
Abstract:In order to develop a safe food-grade quick-freezing liquid formulation suitable for rapid freezing of aquatic products, we designed a low-temperature quick freezing liquid which composed of ethanol, oligofructose, citric acid, calcium chloride and propylene glycol. Then, we analyzed the variation of freezing point with different mass fractions of that composition by single factor test. Based on that, taking the freezing point and viscosity as response values, we optimized the addition amount of the refrigerants in the quick freezing liquid by Box-Behnken response surface method. The optimum formula of quick-freezing liquid was 19.9% ethanol, 9.5% fructooligosaccharide, 3% citric acid, 5% calcium chloride and 10% propylene glycol. The quick-freezing liquid prepared by the formula had a freezing point of –63.50 ℃ and a viscosity of 4.64 mPa·s, characterized by low freezing temperature, small viscosity, low formulation cost and convenient operation, suitable for rapid freezing of aquatic products and frozen convenience foods.
-
池塘养殖是水产养殖的主要方式，但传统池塘存在设施简陋、坍塌淤积、环境恶化和效益不高等问题[1]。为解决上述问题，进一步提高水产养殖效益，各种复合池塘养殖模式逐渐兴起[2–3]。推水养殖模式起源于美国奥本大学的分区养殖系统，是集循环养殖、高效集污、生物净化及自动控制等技术为一体的生产方式。该模式在海淡水池塘均可应用，适宜的养殖品种包括草鱼 (Ctenopharyngodon idellus)、青鱼 (Mylopharyngodon piceus)、鲫 (Carassius auratus)、大黄鱼 (Larimichthys crocea)、河鲀 (Takifugu rubripes) 等，目前已在江苏、浙江、重庆、安徽、广东、宁夏、河北等地推广[4]。
与普通池塘养殖类似，推水养殖过程中投入了大量营养物质，包括饲料、肥料等。养殖生物只能利用部分营养物质，其余营养物质则散布在系统内[5–6]。养殖系统营养物质归趋不明可能会导致饵料资源的浪费和养殖调控的失策。食物网是基于各物种之间摄食与被摄食的营养关系，从生态系统水平上反映系统不同生物能量和物质流动的网络[7]。研究生态系统的食物网结构有助于深入了解生态系统复杂的营养关系和生物群落组织结构，并为基于生态系统的管理和调控，如生态系统的资源利用、疾病控制等提供决策依据[8]。
胃含物分析是研究生态系统食物网的传统方法[9]。该法可以揭示生物短期的摄食特征，但其分析结果容易受到饵料消化程度、外界环境、采样条件等因素的影响，存在较大的局限性[10]。稳定同位素方法是基于生物稳定同位素比值和食物来源的同位素比值关系来研究不同生物之间的营养关系[11]。该方法采样简单，人为干扰小，同时可排除动物偶食造成的偏差，能够反映动物长期的食性，已被广泛应用于分析生物体的潜在食物来源[12]。基于碳 (C)、氮 (N)元素的稳定同位素法更被广泛运用于水域生态系统能量流动和营养结构的研究中[13]。例如，Feng等[14]研究荣成靖海湾大水域复合养殖池塘食物网络，发现悬浮颗粒物、底泥颗粒物和大藻是该系统的主要食物来源。Guo等[15]对海参-对虾养殖池塘食物网络研究，发现饵料鱼对海蜇 (Rhopilema esculenta)、缢蛏 (Sinonovacula constricta) 及中国明对虾 (Fenneropenaeus chinensis) 的食物组成有较高的贡献率，中国明对虾和脊尾白虾 ( Palaemon carinicauda) 对牙鲆 (Paralichthys olivaceus) 的食物组成有较高的贡献率。
推水养殖系统的构建虽然采用工程物理学、生态学原理，比如利用流体力学和重力学效应使主养鱼类粪便、残饵沉积在集污区，在净化区混养不同食性、栖息水层动物进行生物净化等，但推水养殖系统营养物质归趋尚不明确，直接影响该系统的优化调控。因此，本研究利用C、N稳定同位素，对草鱼推水养殖系统养殖生物食物组成和系统食物网络进行探讨，以期为相关的养殖实践活动和科学研究提供理论参考。
1. 材料与方法
1.1 研究对象
本研究的推水养殖系统位于广州市南沙区中心沟水产养殖有限公司 (113°37'23"E，22°40'31"N)。系统由养殖水槽、集污池、净化池等分区组成 (图1)。每条养殖水槽长20 m、宽4 m、水深2 m，养殖水槽两端配备气提式推水装置，养殖水槽内铺设辅助增氧装置，采用微孔或纳米管增氧。养殖水槽内主养草鱼，放养规格约为400 g·尾−1，放养密度为125 尾·m−2。水槽末端建有下沉式集污池，长32 m、宽3 m、深1 m。净化池包含两口池塘，由水沟相连，面积分别为6 670 m2和5 336 m2，水深2.5 m，池塘内分别配备水车式增氧机、叶轮增氧机等。池塘内放养鳙 (Aristichthys nobilis) 和鲫，鳙初始规格约为500 g·尾−1，放养密度0.25 尾·m−2；鲫初始规格为50 g·尾−1，放养密度1.20 尾·m−2。另选3口普通池塘作为对照，单口池塘面积约6 670 m2，草鱼放养密度为6 尾·m−2，规格与推水养殖系统一致。池塘混养鳙和鲫，密度和规格与推水养殖系统一致。
1.2 实验采样
养殖实验由2018年6月2日持续至11月30日。实验期间，每60 d采样1次。采集的实验样品包括草鱼、鳙、鲫、大型浮游动物、小型浮游动物、浮游植物、水体碎屑、底泥碎屑、草鱼饲料等。推水养殖系统中，两口净化塘按5点采样法取样，每条养鱼水槽在中心取样。普通池塘按5点采样法取样。
草鱼、鳙、鲫采用抛网方式捕捞后，取其背部肌肉，冷冻干燥、研磨，过100目筛网 (孔径150 μm) 后测定稳定同位素比率。
草鱼饲料经冷冻干燥、研磨，过100目筛网后测定稳定同位素比率。
浮游动物、浮游植物、水体碎屑、底泥碎屑和底栖生物的取样方法参照Guo等[15] 和Feng等[16]。
大、小型浮游动物使用采水器采集上 (0.2 m)、中 (1.0 m)、下 (2.0 m) 3层水样共25 L，混合后先经100目的筛绢 (孔径150 μm) 过滤，再经250目的筛绢 (孔径58 μm) 过滤，留在100和250目筛绢上的样品分别为大型浮游动物和小型浮游动物，将样品收集冷冻干燥、研磨后测定稳定同位素比率。
浮游植物、水体碎屑样品水样，经250目筛绢过滤后静置。取上清液，经预先灼烧的 (450 ℃，6 h) Whatman GF/F滤膜过滤，滤膜上的样品即浮游植物，将滤膜冷冻干燥后测定稳定同位素比率；取沉淀的水体碎屑，经预先灼烧的 (450 ℃，6 h) Whatman GF/F滤膜过滤，将滤膜冷冻干燥后测定稳定同位素比率。
底泥碎屑为采集池塘底部表层5 cm 底泥，经过0.1 mol·L−1 盐酸酸化后，冷冻干燥、研磨，过100目筛网后测定稳定同位素比率。
底栖生物采集为用100目底栖生物网 (孔径150 μm) 过滤底泥后，冷冻干燥、研磨后测定稳定同位素比率。
取上述样品，用同位素比率质谱仪 (EA-IRMS，Thermo Finnigan MAT Delta-plus) 测定稳定同位素比率。其结果采用标准单位δ符号来表示，其定义为[17]：
$$ {\text{δ}}X = \left[ {\left( {{R_{\text{样品}}}/{R_{\text{标准}}}} \right) - 1} \right] \times 1\;000{\text{%}} $$ (1) 其中X=13C或15N，R=13C/12C或15N/14N。碳稳定同位素(δ13C)测定所用标准品为美洲箭石碳酸钙 (Vienna Pee Dee Belemnite standard, PDB)。氮稳定同位素(δ15N)的测定则是相对于空气N2结果。测定过程中，每测定10个样品，测定一次标准品校准。稳定同位素的精确度为0.1‰。
营养级计算公式为[18]：
$$ {\rm{TL}} = 2 + ({{\text{δ}}^{15}}{{\rm{N}}_{{\rm{cosumer}}}} - {{{\text{δ}}}^{15}}{{\rm{N}}_{{\rm{pc}}}})/\Delta {{{\text{δ}}}^{15}}{\rm{N}} $$ (2) 其中TL为消费者营养级，δ15Ncosumer为消费者的氮稳定同位素比值，δ15Npc为基线生物的氮稳定同位素比值，本研究以小型浮游动物为基线生物，△δ15N为一个营养级的N富集度，本研究取3.4[18]。
1.3 数据分析
养殖生物的食物组成和底泥碎屑来源利用稳定同位素分析软件IsoSource进行分析[14–16]，数据以“平均值±标准差 (
$\overline { X}{ \pm {\rm{SD}}} $ )”的形式表示。利用SPSS 18.0进行独立样本t检验分析数据差异，以P< 0.05作为差异显著水平。2. 结果
2.1 两组系统的同位素组成
两种养殖系统中草鱼、鳙、鲫及相关生物组分的δ13C、δ15N见表1。推水养殖系统中，δ13C介于 (−25.76±0.23)‰~(−22.26±0.20)‰。普通池塘系统中，δ13C介于 (−25.83±0.24)‰~(−22.38±0.15)‰。两组系统中，δ13C最低的皆为浮游植物，其次是水体碎屑和小型浮游动物；δ13C最高的皆是底栖生物，其次是草鱼饲料。
表 1 两组系统中各生物组分及碎屑的碳、氮稳定同位素值Table 1. δ13C and δ15N of organisms and detritus in two aquaculture systems$\overline {\mathit{\boldsymbol{X}}}{\bf \pm {{SD}}} $ ; ‰生物和碎屑
Organisms and detritus碳稳定同位素 δ13C 氮稳定同位素 δ15N 普通池塘
Commom pond推水系统
Push-water system普通池塘
Common pond推水系统
Push-water system草鱼 C. idellus −23.06±0.22 −22.81±0.21 10.13±0.12 9.88±0.11 鳙 A. nobilis −23.84±0.33 −24.04±0.21 12.14±0.11 12.34±0.11 鲫 C. auratus −23.74±0.16 −23.81±0.22 12.14±0.13 12.28±0.10 浮游植物 Phytoplankton −25.83±0.24 −25.76±0.23 8.16±0.12 8.11±0.10 小型浮游动物 Microzooplankton −24.32±0.21 −24.40±0.16 10.88±0.10 10.92±0.17 大型浮游动物 Macrozooplankton −23.50±0.20 −23.50±0.14 11.45±0.15 11.31±0.11 草鱼饲料 Feed −22.74±0.15 −22.74±0.20 6.73±0.08 6.73±0.08 水体碎屑 Water detritus −24.93±0.13 −25.20±0.21 8.43±0.09 8.93±0.15 底泥碎屑 Sediment detritus −23.89±0.21 −24.07±0.20 8.02±0.07 8.48±0.11 底栖生物 Benthos −22.38±0.15 −22.26±0.20 9.39±0.07 9.51±0.14 推水养殖系统中，δ15N介于 (6.73±0.08)‰~(12.34±0.11)‰。普通池塘系统中，δ15N介于 (6.73±0.08)‰~(12.14±0.11)‰。两组系统中，δ15N最高的皆是鳙，其次是鲫和草鱼，最低的是草鱼饲料。另外，浮游植物、水体碎屑、底泥碎屑也具有较低的δ15N。
2.2 两组系统消费者食物组成及食物贡献比例
利用δ13C计算两组系统中草鱼、鳙、鲫、大型浮游动物和小型浮游动物的食物组成比例见表2。普通池塘系统中，草鱼的主要食物来源是草鱼饲料，占草鱼的食物组成比例为65.13%，鳙的主要食物来源是草鱼饲料和大型浮游动物，其次是小型浮游动物、水体碎屑和浮游植物；鲫的主要食物来源是底泥碎屑，占其食物组成比例的67.70%；大型浮游动物的主要食物来源是草鱼饲料，占其食物组成的56.20%，其次是底泥碎屑和小型浮游动物；小型浮游动物的食物来源分别是浮游植物、草鱼饲料、水体碎屑、底泥碎屑，四者所占比例差别不大。草鱼饲料、浮游动物和底泥碎屑构成了普通池塘养殖系统各消费者生物主要的食物来源。
表 2 两组系统中各消费者生物潜在食物源及其食物贡献比例Table 2. Contributions of potential food sources to each consumer dietary consumption in two aquaculture systems$\overline {\mathit{\boldsymbol{X}}}{\bf \pm {{SD}}} $ ; %食物来源
Food source草鱼 C. idellus 鳙 A. nobilis 鲫 C. auratus 普通池塘
Common pond推水系统
Push-water system普通池塘
Common pond推水系统
Push-water system普通池塘
Common pond推水系统
Push-water system浮游植物 Phytoplankton − − 14.87±5.66 12.07±3.36 − − 草鱼饲料 Feed 65.13±21.27 92.33±1.36* 23.40±5.12 25.63±6.60 5.23±0.67 6.60±0.50* 水体碎屑 Water detritus 7.37±2.67 1.37±0.55* 15.20±2.14 14.73±3.41 − − 底泥碎屑 Sediment detritus − − − − 67.70±19.92 71.93±3.85 小型浮游动物 Microzooplankton − − 20.23±1.60 20.97±2.74 − − 大型浮游动物 Macrozooplankton 27.50±18.62 6.17±1.00 26.37±2.60 26.63±2.97 23.33±19.84 16.90±3.00 底栖生物 Benthos − − − − 3.73±0.40 5.23±1.23 食物来源
Food source大型浮游动物 Macrozooplankton 小型浮游动物 Microzooplankton 普通池塘
Common pond推水系统
Push-water system普通池塘
Common pond推水系统
Push-water system浮游植物 Phytoplankton 5.90±3.05 6.07±0.40 5.90±3.05 6.07±0.40 草鱼饲料 Feed 56.20±17.25 59.33±1.58 56.20±17.25 59.33±1.58 水体碎屑 Water detritus 8.37±2.86 7.70±0.75 8.37±2.86 7.70±0.75 底泥碎屑 Sediment detritus 17.60±8.65 14.90±1.30 17.60±8.65 14.90±1.30 小型浮游动物 Microzooplankton 11.90±2.72 12.00±1.77 11.90±2.72 12.00±1.77 大型浮游动物 Macrozooplankton − − − − 底栖生物 Benthos − − − − 注：*. 同一生物同行数据表示差异显著 (P < 0.05) Note: *. Significant difference within the same row (P < 0.05) 推水养殖系统中，草鱼、鳙、鲫、大型浮游动物和小型浮游动物的食物组成比例与普通池塘系统基本一致。草鱼饲料占草鱼食物组成的比例显著高于普通池塘系统 (P<0.05)，水体碎屑占草鱼食物组成的比例显著低于普通池塘系统 (P<0.05)。此外，草鱼饲料占鲫食物组成的比例显著高于普通池塘系统 (P<0.05)。说明推水系统提高了草鱼饲料的利用率。
2.3 两组系统底泥碎屑组成及贡献比例
利用δ13C计算两组系统中底泥碎屑来源及组成比例见表3。两组系统的底泥碎屑主要来源均是草鱼饲料，分别占底泥碎屑的55.53%和50.07%，但两者差异并不显著 (P>0.05)。
表 3 两组系统底泥碎屑潜在来源及贡献比例Table 3. Contributions of potential sources to sediment detritus in two aquaculture systems% 来源
Source普通池塘 Common pond 推水系统 Push-water pond 变化范围 Range 平均值 Mean 变化范围 Range 平均值 Mean 草鱼饲料 Feed 36.00~62.00 55.53±5.42 34.00~56.00 50.07±7.88 浮游植物 Phytoplankton 0.00~38.00 18.83±0.55 0.00~52.00 22.40±2.88 水体碎屑 Water detritus 0.00~64.00 25.63±4.90 0.00~66.00 27.53±5.01 2.4 两组系统食物网结构
利用δ15N计算两组系统生物组分及碎屑的营养级见表4。普通池塘系统中，各生物组分及碎屑的营养级介于0.78~2.37，其中鳙和鲫的营养级最高，草鱼饲料的营养级最低。推水系统生物组分及碎屑的营养级与普通池塘基本一致，仅大型浮游动物和水体碎屑营养级与普通池塘呈显著差异 (P<0.05)。两组系统食物网结构见图2、图3，两组系统食物网结构基本一致，仅路径能流强度发生变化。
表 4 两组系统中各生物组分及碎屑的营养级Table 4. Trophic levels of organisms and detritus in two aquaculture systems$\overline {\mathit{\boldsymbol{X}}}{\bf \pm {{SD}}} $ 生物和碎屑
Organisms and detritus普通池塘
Common pond推水系统
Push-water system草鱼 C. idellus 1.78±0.06 1.69±0.02 鳙 A. nobilis 2.37±0.00 2.42±0.08 鲫 C. auratus 2.37±0.01 2.40±0.02 浮游植物 Phytoplankton 1.20±0.06 1.17±0.02 小型浮游动物 Microzooplankton 2.00 2.00 大型浮游动物 Macrozooplankton 2.17±0.01 2.11±0.02* 草鱼饲料 Feed 0.78±0.05 0.77±0.07 水体碎屑 Water detritus 1.28±0.00 1.41±0.01* 底泥碎屑 Sediment detritus 1.16±0.01 1.28±0.08 底栖生物 Benthos 1.56±0.05 1.59±0.01 注：*.同行数据差异显著 (P<0.05) Note: *. Significant difference within the same row (P <0.05) ![]()
图 2 普通池塘系统简化食物网络图粗线条表示主要的能流路径，后图同此Figure 2. A simplified diagram of food web of common pondBold arrows represent main energy flow pathways. The same in the following figure.![]()
图 3 推水系统简化食物网络图Figure 3. A simplified diagram of food web of push-water aquaculture ecosystem3. 讨论
3.1 两组系统各组分稳定同位素组成
本文中两组系统各组分的δ13C介于 (−25.83±0.24)‰~(−22.26±0.20)‰，其中浮游植物δ13C最低，养殖生物的较高，这与很多研究结果一致[19-20]。Leggett等[21]研究发现，浮游植物进行光合作用时通常优先利用12C，因此其13C含量相对较低，而养殖生物经过生物富集作用，其δ13C往往较高。由于生物体内稳定同位素的富集受到很多因素影响，因此，不同研究测定的稳定同位素相差很大[20]。本研究中浮游植物的δ13C分别为 (−25.83±0.24)‰和 (−25.76±0.23)‰，低于Fontugne和Jouanneau[22]、Emerson和Hedges[23]、Boutton[24]和Feng等[14]研究的浮游植物的δ13C值 (−19‰~−22‰)。浮游植物δ13C主要受水体溶解无机碳的可用性、同位素本底值和藻类自身的生理特征等因素的影响[25]。Yoshioka等[26]研究发现，浮游植物δ13C与水体中无机碳浓度呈负相关。与自然生态系统相比，养殖系统高密度、高投入，提高了养殖水体中无机碳浓度[27]，进而使得养殖系统浮游植物δ13C较低。水体碎屑的δ13C高于浮游植物，这可能是水体碎屑中除包含浮游植物外，还含有δ13C较高的草鱼饲料、鱼类粪便及部分养殖生物残体等的原因。
本研究中两组系统各组分的δ15N介于 (6.73±0.08)‰~(12.34±0.11)‰，与皮坤等[28]、李学梅等[29]的研究结果类似，但高于部分自然系统，例如，东江流域碎屑δ15N为7.40‰[30]，低于本研究两组系统的水体碎屑和底泥碎屑的δ15N。其原因是碎屑的δ15N易受外源输入物质的影响，相比自然系统，水产养殖系统单位水体有大量饲料输入[14–16]。鲫的食物来源主要为底泥碎屑，因此本研究中鲫的δ15N亦高于东江流域鲫(9.07‰)[30]。此外，由于直接摄食δ15N较高的饲料，本研究两组系统中草鱼的δ15N高于三峡水库草鱼的δ15N (7.34‰)[31]。
捕食者和猎物之间具有一定的稳定同位素比率差异，δ13C差异介于0~1‰，δ15N差异在(3.4±1)‰[32]。本研究两组系统中，草鱼饲料对草鱼的食物组成贡献率最高，草鱼与饲料的δ13C差异分别为0.32‰和0.07‰，δ15N差异分别为3.40‰和3.15‰；底泥碎屑对鲫的食物组成贡献率最高，鲫与底泥碎屑δ13C差异分别为0.20‰和0.26‰，δ15N差异分别为3.80‰和4.12‰。可见，草鱼、鲫与其主要食物的碳、氮稳定同位素差异基本符合规律。草鱼饲料和大型浮游动物对鳙的食物组成贡献率最高，鳙δ13C与其食物δ13C差异分别介于0.34‰~1.1‰和0.54‰~1.3‰，δ15N差异分别介于1.03‰~5.61‰和0.69‰~5.41‰。可见，鳙与其主要食物的碳稳定同位素差异基本符合规律，而氮稳定同位素的差异较大。其原因可能是鳙的各食物组成贡献比例差异较小，除草鱼饲料和大型浮游动物外，两组系统中小型浮游动物、水体碎屑、浮游植物对鳙的食物贡献比例分别为14.87%~20.23%和12.07%~20.97%，而这些食物与鳙的δ15N差异较大，进而加大了主要食物源与鳙的氮稳定同位素差异。
3.2 两组系统的消费者食物组成
混养是将具有生态互补习性的生物一起养殖的模式，可以促进养殖生物协调共生，有效提高营养物质利用效率[33]。本研究普通池塘系统中，草鱼饲料对鳙的食物组成贡献为23.40%，草鱼饲料对鲫的食物组成贡献为5.23%；推水系统中草鱼饲料对鳙的食物组成贡献为25.63%，草鱼饲料对鲫的食物组成贡献为6.60% (表2)。可见草鱼、鳙、鲫混养可提高投入饲料的利用率。目前，国内对于混养鳙能否提高颗粒饲料利用率尚存争议。王龙升等[34]研究表明鳙不能直接利用草鱼颗粒饲料，认为鳙主要利用残饵分解后促生的浮游生物和颗粒有机物。而李学梅等[29]研究发现鳙能充分利用颗粒饲料，其对鳙的食物贡献比例为42%~100%。本研究结果与后者基本一致。造成这种差异的原因可能与鳙的规格、养殖方式以及饲料种类的不同有关。以往研究表明，投入池塘的饲料仅有一小部分被养殖生物利用，其余大部分沉降于池塘底泥中[35]。本研究中两组系统底泥碎屑对鲫的食物组成贡献分别为67.70%和71.93%，可见鲫对底泥碎屑的摄食对系统自净有重要作用。
两组系统食物网结构见图2、图3。综合看来，两组系统中消费者的食物来源主要是草鱼饲料和底泥碎屑。前期研究表明，浮游植物光合作用固定的生物能和人工投喂饲料是水产养殖系统主要的能量来源[36]。本研究两组系统中草鱼饲料→鳙、草鱼饲料→鲫、草鱼饲料→大型浮游动物食物链的存在有效弥补了草鱼不能充分利用草鱼饲料的情况。而浮游植物→鳙、浮游植物→浮游动物→鳙/草鱼/鲫食物链则充分利用了系统中的浮游植物资源。因此，输入系统的能量在各养殖生物综合摄食下得到了充分利用。
3.3 两组系统的食物网差异
本研究发现，草鱼饲料对草鱼的食物组成贡献率最高，普通池塘系统和推水养殖系统分别为65.13%和92.33%。推水养殖系统中草鱼饲料对草鱼的食物组成贡献率显著高于普通池塘 (P<0.05)。原因是推水系统中，草鱼集中于推水槽内，投入的饲料可被其充分摄食利用。此外，由于水槽内流速相比普通池塘较快，影响了草鱼对水体碎屑、大型浮游动物等食物的利用，导致草鱼主要利用投入饲料，进而提高了草鱼饲料对其食物组成的贡献率。
普通池塘系统中，由于水体流速较低，草鱼摄食较多的水体碎屑、大型浮游动物，造成水体碎屑和大型浮游动物对草鱼的食物组成贡献率高于推水养殖系统。Zhou等[37]研究发现饲料是水体碎屑的主要组成部分。草鱼饲料是大型浮游动物的主要食物来源，因此普通池塘系统中，草鱼饲料→水体碎屑→草鱼、草鱼饲料→大型浮游动物→草鱼食物链的作用高于推水养殖系统。尽管两条食物链的存在利用了碎屑食物链和浮游生物食物链的能量，但相比于草鱼饲料→草鱼食物链，其食物传递路径显著延长。根据林德曼定律[38]，草鱼饲料的能量传递效率会因食物传递路径延长而变低。Feng等[16]对三疣梭子蟹混养系统的研究得到了相同的结论。因此，采用推水养殖模式，可避免食物链延长造成的饲料能量流失，提高其利用效率。
底泥碎屑的来源主要包括浮游植物、浮游动物、粪便、残饵和悬浮颗粒物等[28]。稳定同位素技术可示踪沉积物的不同来源及贡献[28, 39]。本研究两组系统中，草鱼饲料对底泥碎屑的贡献率分别为55.53%和50.07%。这与皮坤等[28]对主养草鱼沉降颗粒有机质饵料贡献率的研究结果基本一致。本研究中，尽管推水养殖系统草鱼放养密度和投喂量均高于普通池塘系统，但两系统的鱼饲料对底泥碎屑贡献率的差异并不显著 (P>0.05)，这是由于养殖水槽内草鱼对饲料的利用率提高，沉积到系统底部的饲料减少所致。此外，养殖系统运行方式的差异也会影响底泥碎屑来源[40]。推水养殖系统中，由于水槽内推流曝气装置的使用以及净化池塘中增氧机的布局方式，整个系统的水体流速高于普通池塘，而水体流速直接影响物质沉降效果[41]。以上综合作用导致两组系统中草鱼饲料对底泥碎屑贡献率无差异。
4. 结论
综上，推水养殖系统和普通池塘系统相同组分的稳定同位素组成无显著差异。除大型浮游动物和水体碎屑的营养级有差异外，两组系统的食物网结构基本一致。稳定同位素混合模型分析结果显示，推水养殖系统可提高草鱼饲料对草鱼、鲫的食物贡献比例，降低水体碎屑对草鱼的食物贡献比例。因此，推水养殖系统可促进养殖生物对饲料的摄食，提高饲料利用效率，是一种高效的养殖模式。
-
![]()
图 2 乙醇和丙二醇不同添加量溶液冻结点变化规律图
Figure 2. Variation rule of freezing point with different addition amounts of ethanol or propylene glycol
![]()
图 3 乙醇添加到丙二醇中溶液冻结点变化
Figure 3. Variation of freezing point of solution of ethanol added to propylene glycol
![]()
图 4 低聚果糖不同添加量溶液冻结点变化规律图
Figure 4. Variation rule of freezing point with different addition amounts of oligofructose
![]()
图 5 柠檬酸不同添加量溶液冻结点变化规律图
Figure 5. Variation rule of freezing point with different addition amounts of citric acid
![]()
图 6 氯化钙不同添加量溶液冻结点变化规律图
Figure 6. Variation rule of freezing point with different addition amounts of calcium chloride
![]()
图 7 乙醇、柠檬酸、低聚果糖和氯化钙各因素交互作用对速冻液冻结点影响的响应面图
Figure 7. Response surface diagram of the interaction of ethanol, citric acid, oligofructose and calcium chloride on freezing point of quick freezing liquid
![]()
图 8 乙醇、柠檬酸、低聚果糖和氯化钙各因素交互作用对速冻液黏度影响的响应面图
Figure 8. Response surface diagram of the interaction of ethanol, citric acid, oligofructose and calcium chloride on viscosity of frozen liquid
表 1 载冷剂配比的响应面试验因素水平表
Table 1 Response surface factors level of refrigerants ratio
因素
factor水平 level –1 0 1 乙醇质量分数/% (A)
ethanol mass fraction10 15 20 低聚果糖质量分数/% (B)
fructooligosaccharide content8 10 12 柠檬酸质量分数/% (C)
mass fraction of citric acid/%3 4 5 氯化钙质量分数/% (D)
mass fraction of calcium chloride3 5 7 
下载: 导出CSV
表 2 响应面法优化实验结果
Table 2 Experimental results of BOX-Behnken design
序号
serial No.A B C D 冻结点绝对值/℃
absolute value of freezing point黏度/mPa·s
viscosity1 –1 –1 0 0 40.8 6.19 2 1 –1 0 0 60.2 4.71 3 –1 1 0 0 46.3 5.96 4 1 1 0 0 47.9 5.66 5 0 0 –1 –1 43.8 5.32 6 0 0 1 –1 43.5 5.60 7 0 0 –1 1 48.1 5.15 8 0 0 1 1 44.3 7.80 9 –1 0 0 –1 37.8 5.05 10 1 0 0 –1 54.3 4.65 11 –1 0 0 1 44.7 6.51 12 1 0 0 1 56.5 5.58 13 0 –1 –1 0 51.8 5.77 14 0 1 –1 0 45.7 5.40 15 0 –1 1 0 44.9 6.20 16 0 1 1 0 42.1 7.14 17 –1 0 –1 0 35.4 4.95 18 1 0 –1 0 63.5 4.62 19 –1 0 1 0 45.6 6.50 20 1 0 1 0 40.8 5.35 21 0 –1 0 –1 49.2 5.46 22 0 1 0 –1 39.0 5.70 23 0 –1 0 1 45.7 6.30 24 0 1 0 1 49.5 6.62 25 0 0 0 0 43.6 6.10 26 0 0 0 0 44.6 5.90 27 0 0 0 0 45.8 6.31 28 0 0 0 0 45.3 6.00 29 0 0 0 0 45.1 6.45
下载: 导出CSV
表 3 冻结点绝对值回归与方差分析结果
Table 3 Analysis of variance fitted regression model of absolute value of freezing point
来源
source平方和
SS自由度
df均方和
MSF P 显著性
significance模型 model 1 042.95 14 74.5 37.67 < 0.000 1 ** A 439.23 1 439.23 222.11 < 0.000 1 ** B 40.7 1 40.7 20.58 0.000 5 ** C 61.2 1 61.2 30.95 < 0.000 1 ** D 37.45 1 37.45 18.94 0.000 7 ** AB 79.21 1 79.21 40.05 < 0.000 1 ** AC 270.6 1 270.6 136.84 < 0.000 1 ** AD 5.52 1 5.52 2.79 0.116 9 BC 2.72 1 2.72 1.38 0.260 2 BD 49 1 49 24.78 0.000 2 ** CD 3.06 1 3.06 1.55 0.233 8 A2 42.51 1 42.51 21.5 0.000 4 ** B2 9.69 1 9.69 4.9 0.043 9 * C2 1.48 1 1.48 0.75 0.401 7 D2 0.96 1 0.96 0.49 0.497 残差 residual 27.69 14 1.98 失拟 lack of fit 24.9 10 2.49 3.57 0.115 7 纯误差 pure error 2.79 4 0.7 总和 cor total 1 070.64 28 0.974 1 注：*. 差异显著(P<0.05)；**. 差异极显著(P<0.01)；下表同此 Note: *. significant difference (P<0.05); **. very significant difference (P<0.01). The same case in the following table.
下载: 导出CSV
表 4 黏度回归与方差分析结果
Table 4 Analysis of variance fitted regression model of viscosity
来源
source平方和
SS自由度
df均方和
MSF P 显著性
significance模型 model 14.86 14 1.06 34.76 < 0.000 1 ** A 1.76 1 1.76 57.47 < 0.000 1 ** B 0.29 1 0.29 9.34 0.008 6 ** C 4.54 1 4.54 148.58 < 0.000 1 ** D 3.18 1 3.18 104.19 < 0.000 1 ** AB 0.35 1 0.35 11.4 0.004 5 ** AC 0.17 1 0.17 5.5 0.034 2 * AD 0.07 1 0.07 2.3 0.151 7 BC 0.43 1 0.43 14.04 0.002 2 ** BD 1.60E-03 1 1.60E-03 0.052 0.822 3 CD 1.4 1 1.4 45.97 < 0.000 1 ** A2 2.47 1 2.47 81.01 < 0.000 1 ** B2 0.02 1 0.02 0.64 0.437 6 C2 0.077 1 0.077 2.52 0.134 8 D2 0.088 1 0.088 2.88 0.111 9 残差 residual 0.43 14 0.031 失拟 lack of fit 0.22 10 0.022 0.44 0.865 3 纯误差 pure error 0.2 4 0.051 总和 cor total 15.29 28
下载: 导出CSV
-
[1] 农业部渔业渔业政管理局. 中国渔业统计年鉴[M]. 北京: 中国农业出版社, 2018: 17-19. [2] 熊建文, 张佳艳, 蔡锦源. 水产品物理保鲜技术研究进展[J]. 河南工业大学学报(自然科学版), 2012, 33(5): 92-97. [3] 袁琳娜, 李洪军, 王兆明, 等. 新型冷冻和解冻技术在肉类食品中的应用研究进展[J/OL]. 食品与发酵工业, 2018: 1-9. [4] LI D M, ZHU Z W, SUN D W. Effects of freezing on cell structure of fresh cellular food materials: a review[J]. Trends Food Sci Tech, 2018, 75: 46-55. doi: 10.1016/j.jpgs.2018.02.019
[5] LEYGONIE C, BRITZ T J, HOFFMAN L C. Impact of freezing and thawing on the quality of meat: review[J]. Meat Sci, 2012, 91(2): 93-98. doi: 10.1016/j.meatsci.2012.01.013
[6] 施雪, 夏继华, 卢进峰, 等. 冻结、解冻过程对肌肉品质的影响[J]. 食品工业, 2012(7): 21-24. [7] 余世锋. 液氮速冻技术在食品中应用的研究进展[J]. 食品工业, 2013(1): 150-153. [8] 陈绍桥. 国外的食品冷冻工艺及速冻设备[J]. 食品与机械, 1994(2): 29-30. [9] 杨贤庆, 侯彩玲, 刁石强, 等. 浸渍式快速冻结技术的研究现状及发展前景[J]. 食品工业科技, 2012, 33(12): 434-437. [10] LUCAS T, FAVIER C, CHOUROT J M, et al. Immersion chilling and freezing of a porous medium[J]. Int J Food Sci Tech, 2010, 35(6): 583-598.
[11] 管天, 陈天及. 食品浸渍冷却与冻结技术的特点与发展趋势[J]. 冷藏技术, 2003(4): 20-24. [12] VERBOVEN P, SCHEERLINCK N, NICOLAI B M. Surface heat transfer coefficients to stationary spherical particles in an experimental unit for hydrofluidisation freezing of individual foods[J]. Int J Refrig, 2003, 26(3): 328-336. doi: 10.1016/S0140-7007(02)00110-X
[13] PERALTA J M, RUBIOLO A C, ZORRILLA S E. Design and construction of a hydrofluidization system. Study of the heat transfer on a stationary sphere[J]. J Food Eng, 2009, 90(3): 358-364. doi: 10.1016/j.jfoodeng.2008.07.004
[14] LUCAS T, FRANCOIS J, BOHUON P, et al. Factors influencing mass transfer during immersion cold storage of apples in NaCl/sucrose solutions[J]. LWT-Food Sci Tech, 2011, 32(6): 327-332.
[15] ISHIGURO H, HORIMIZU T. Three-dimensional microscopic freezing and thawing behavior of biological tissues revealed by real-time imaging using confocal laser scanning microscopy[J]. Int J Heat Mass Trans, 2008, 51(23/24): 5642-5649.
[16] TSIRONI T, DERMESONLOUOGLOU E, GIANNAKOUROU M, et al. Shelf life modelling of frozen shrimp at variable temperature conditions[J]. LWT-Food Sci Tech, 2009, 42(2): 664-671. doi: 10.1016/j.lwt.2008.07.010
[17] 韩光赫. 直接浸渍冷冻载冷剂组成、传递特性及应用研究[D]. 广州: 华南理工大学, 2010: 34-46. [18] 杨贤庆, 侯彩玲, 林婉玲, 等. 响应面法优化食品浸渍速冻冻结液配方[J]. 食品科学, 2012, 33(24): 1-5. doi: 10.7506/spkx1002-6630-201224001 [19] 林婉玲, 曾庆孝, 朱志伟. 直接浸渍冷冻在食品加工中的应用现状与前景[J]. 食品工业科技, 2008, 29(7): 256-260. [20] LUCAS T, CHOUROT J M, BOHUON P, et al. Freezing of a porous medium in contact with a concentrated aqueous freezant: numerical modelling of coupled heat and mass transport[J]. Int J Heat Mass Trans, 2001, 44(11): 2093-2106. doi: 10.1016/S0017-9310(00)00238-6
[21] 马晓斌, 林婉玲, 杨贤庆, 等. 浸渍式快速冷冻液的优化及冻结技术对脆肉鲩品质的影响[J]. 食品工业科技, 2014, 35(18): 338-341, 346. [22] 倪明龙. 浸渍冻结过程多元载冷剂的扩散性及其在鱼片中的应用[D]. 广州: 华南理工大学, 2011: 15-16. [23] 韩光赫, 陈斌, 曾庆孝, 等. 乙醇、丙二醇、氯化钠与水构成载冷剂溶液的组成对黏度的影响[J]. 现代食品科技, 2010, 26(5): 459-462. [24] 韩光赫, 倪明龙, 曾庆孝, 等. 浸渍冷冻载冷剂的冻结点分布与渗透性[J]. 华南理工大学学报(自然科学版), 2010, 38(8): 111-115. doi: 10.3969/j.issn.1000-565X.2010.08.021 [25] 胡晓亮, 王易芬, 郑晓伟, 等. 抗冻剂在水产品冻藏中的应用研究[J]. 中国农学通报, 2015, 31(35): 38-42. doi: 10.11924/j.issn.1000-6850.casb15100085 [26] 杨毅华, 李鹏梅. 天然抗冻剂在水产品中的应用研究[J]. 食品工业科技, 2009, 30(7): 329-333. [27] 辛美丽. 三元载冷剂性能及草鱼块浸渍冻结研究[D]. 广州: 华南理工大学, 2012: 15-28. [28] GALETTO C D, VERDINI R A, ZORRILLA S E. Freezing of strawberries by immersion in CaCl2 solutions[J]. Food Chem, 2010, 123(2): 243-248. doi: 10.1016/j.foodchem.2010.04.018
[29] 陈康, 戴志远, 沈清, 等. 响应面法提取南极磷虾磷脂及其分子种组成的测定[J]. 南方水产科学, 2017, 13(3): 104-112. doi: 10.3969/j.issn.2095-0780.2017.03.014 [30] 王瑶, 李琪, 李平兰. 响应面法优化植物乳杆菌LPL-1产细菌素发酵条件及细菌素理化性质分析[J]. 食品科学, 2018, 39(22): 101-109. doi: 10.7506/spkx1002-6630-201822001 [31] 李莎莎, 曹煜成, 胡晓娟, 等. 响应面法优化芽孢杆菌(Bacillus sp.) A4的培养参数[J]. 南方水产科学, 2017, 13(5): 85-93. doi: 10.3969/j.issn.2095-0780.2017.05.012 [32] 宁俊丽, 龙霞, 黄先智, 等. 响应面法优化鸭油超声波提取工艺[J/OL]. 食品与发酵工业, 2018, 8: 1-9. -
期刊类型引用(3)
1. 钟声平，蔡小辉，宋建达，刘旭佳，彭银辉，黄亮华，葛长字，黄国强. 拟穴青蟹对不同饵料稳定同位素的周转和分馏. 渔业科学进展. 2025(01): 30-45 . 
百度学术
2. 黄国强，曹素会，刘旭佳，彭银辉，刘永宏，黄亮华，钟声平. 拟穴青蟹对饵料中稳定同位素富集效应的初步研究. 南方水产科学. 2021(03): 19-26 . 本站查看
3. 王摆，田甲申，周遵春. 海蜇-对虾-蛤仔综合养殖池塘的食物网. 应用生态学报. 2021(06): 2028-2034 . 百度学术
其他类型引用(6)
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
- 被引次数: 9
粤公网安备 44010502001741号
