Response of environmental factors to distribution of skipjack tuna purse seine fishery in Western and Central Pacific Ocean during different El Niña events
-
摘要: 金枪鱼围网鲣 (Katsuwonus pelamis) 主要作业渔场位于中西太平洋热带海域，厄尔尼诺事件对其分布有显著影响。文章基于中国大陆地区渔船围网鲣渔捞日志数据及环境因子，构建最大熵模型 (Maximum Entropy Model, MaxEnt)，探讨不同类型厄尔尼诺事件对渔场空间分布及环境因子的响应特征。结果表明：1) 利用MaxEnt模型能够较好预测渔场分布；2) 中等强度中部型厄尔尼诺事件中鲣渔场主要分布在赤道太平洋160°E附近，超强东部型和弱中部型厄尔尼诺事件中鲣渔场主要分布在赤道太平洋170°E附近；3) 50 m水深温度 (Temperature of subsurface at 50 m depths, T50)、海表盐度 (Sea surface salinity, SSS)、海表温度 (Sea surface temperature, SST) 是影响鲣分布的关键因子，在中等强度中部型厄尔尼诺事件中，SSS贡献率最高；而在超强东部型和弱中部型事件中，T50贡献率最高；4) 鲣渔场重心在经度方向上集中分布于160°E—175°W海域，不同尼诺事件下，适宜栖息地面积比分别为：中等中部型事件24%，超强东部型事件28%，弱中部型事件29%。Abstract: Skipjack tuna (Katsuwonus pelamis) is widely distributed in the Western and Central Pacific Ocean, and El Niño events have significant impacts on its distribution. Based on the logbook data from mainland of China and the oceanographic environmental data, we applied the Maximum Entropy Model (MaxEnt) to explore the spatial distribution of fishing grounds and the response characteristics of environmental factors in different types of El Niño events. The results show that: 1) The MaxEnt model could predict the distribution of fishing grounds well. 2) The moderate Central Pacific El Niño events were mainly distributed around 160°E in the equatorial Pacific, while the super Eastern Pacific and weak Central Pacific El Niño events were mainly distributed around 170°E. 3) Sea surface temperature (SST), sea temperature at depth of 50 m (T50) and sea surface salinity (SSS) were the key factors affecting the distribution of skipjack tuna. In the moderate Central Pacific El Niño events, SSS had the highest contribution rate, while in the super Eastern Pacific and weak Central Pacific El Niño events, T50 did. 4) The center of gravity of fishing ground along the longitude was mainly distributed between 160°E and 175°W, and the suitable habitat average percentage was different in different El Niño events. The moderate Central Pacific El Niño events was 24%; the super Eastern Pacific El Niño events was 28%; the weak Central Pacific El Niño events was 29%.
-
梭鱼 (Liza haematocheila) 隶属于鲻形目、鲻科、梭鱼属，具有广温广盐性、生长速度快、病害较少、肉质鲜美等特点，是我国沿海和河口地区一种重要经济养殖鱼类[1-2]，其传统养殖模式主要有土池养殖、海水小网箱等。近年来兴起的池塘内循环“跑道”养殖 (In-pond raceway aquaculture, IPAS) 模式 (以下简称“跑道”模式)，是一种将传统池塘分为流水槽养鱼区和水净化处理区，在“跑道”中高密度圈养吃食性鱼类，将外塘作为净水区的设施养殖模式[3]，具有生态循环、节约劳动成本、环境易于管控等优点[4-5]。已有研究认为梭鱼是一种适宜在海水池塘“跑道”中养殖的鱼类[6]。
养殖模式优化可以影响水产动物营养与品质[7]，是促进水产养殖业绿色高质量发展和满足消费者对高品质水产品日益增长需求的重要途径。目前已有关于“跑道”养殖对淡水鱼类营养品质提升的研究报道[8-10]，但市场和消费者对“跑道鱼”的整体认知度还不高，据调查显示，浙江省能够实现出售价格提升的“跑道”养殖主体不到10%，未能体现优品优价[5]。本文以传统土池和“跑道”养殖的梭鱼为研究对象，对比分析2种模式养成梭鱼的营养成分、质构特性和泥腥味物质等组成和含量差异，旨在为海水鱼“跑道”模式推广及养殖模式对鱼肉品质调控提供参考依据，促进“跑道”模式健康可持续发展。
1. 材料与方法
1.1 试验材料
试验梭鱼由浙江省温岭市城南绿贝水产养殖有限公司提供。该公司在4口海水池塘 (总面积0.067 km2) 共建有混凝土砖结构的“跑道”15条。本试验中检测的“跑道”梭鱼，初始放养密度为每条槽8 000尾 (40 尾·m−2，初始规格350 g·尾−1)，流水槽推水速度为0.4~0.5 m·s−1，在投喂饲料期间将推水速度降低约50%；在投喂结束后1 h恢复推水速度，最大程度将残饵和鱼粪排出系统，并开启吸污装置进行清污。经4个月的养殖到10月之后，梭鱼长至商品规格时，随机抽样10尾鱼 [ 体长 (34.84±1.21) cm，体质量 (758.09±8.08) g]，作为“跑道”养殖组样品。同时，从该基地的传统海水土池中 (放养密度为10尾·m−2)抽样规格相近的梭鱼10尾 [ 体长 (35.29±1.97) cm，体质量 (765.17±10.45) g]，作为土池养殖对照组样品。
1.2 仪器与设备
本试验所用的主要仪器设备包括烘箱 (上海智诚)、马弗炉 (德国纳博热)、凯氏定氮仪 (海能K9840)、索氏抽提仪 (瑞士BUCHI B-811)、氨基酸自动分析仪 (日本日立L-8900) 、气相色谱仪 (美国Aglient 7890A)、质构仪 (瑞典泰沃TVT-300XP)、气相色谱-质谱联用仪/三重四级杆气质联用仪 (美国THERMO/TSQ 9000)。
1.3 检测方法
1.3.1 梭鱼背部肌肉营养组成测定指标与方法
水分用105 ℃恒质量法，参照《食品中水分的测定》(GB 5009.3—2016)；粗蛋白质用凯氏定氮法，参照《食品中蛋白质的测定》(GB 5009.5—2016)；粗脂肪用索氏抽提法，参照《食品中脂肪的测定》(GB 5009.6—2016)；总灰分用灼烧法，参照《食品中灰分的测定》(GB 5009.4—2016)。鱼肉氨基酸组成和含量按照食品中氨基酸的测定 (GB 5009.124—2016)；脂肪酸组成和相对含量按照《食品中脂肪酸的测定》(GB 5009.168—2016)。
1.3.2 鱼肉质构参数
梭鱼宰杀后，取鱼体左右背部肌肉切成长、宽、厚为2 cm×2 cm×1 cm的肉块，用于全质构 (TPA) 分析。采用TVT-300XP物性测试仪进行TPA模式测试，选择圆柱形测试探头，测试前速度为3 mm·s−1，测试速度为1 mm·s−1，测后速度为5 mm·s−1，鱼肉变形率为50%，间隔停留时间5 s，负重探头类型为Auto-5 g，每个样品测6次平行后取平均值[11]。
1.3.3 鱼肉土腥味检测
主要检测土臭素 (Geosmin, GSM) 和2-甲基异莰醇 (2-Methylisoborneol, 2-MIB) 2种物质。取梭鱼背部肌肉5 g，捣碎并研磨肌肉组织成鱼糜状态，添加5 g 氯化钙 (CaCl2) 和50 mL 200 g·L−1氯化钠 (NaCl) 溶液充分混匀。微波炉微波功率为560 W，蒸馏时间5 min；载气氮气将气化的异味物质带出，经由冷凝管冷凝后收集馏分。取5 mL微波蒸馏液注入吹扫捕集装置中进行富集；再使用气相色谱-质谱联用仪/三重四级杆气质联用仪 (THERMO/TSQ 9000) 检测[12]。
1.4 评价指标
梭鱼肌肉的氨基酸评分 (Amino acid score, AAS)、化学评分 (Chemical score, CS) 和必需氨基酸指数 (Essential amino acid index, EAAI) 分别按照联合国粮食与农业组织/世界卫生组织 (FAO/WHO) 建议的必需氨基酸评分标准模式和全鸡蛋蛋白质的必需氨基酸模式计算。计算公式为：
AAS=待测蛋白质中必需氨基酸质量分数 (mg·g−1)/ ［ FAO/WHO评分模式同种必需氨基酸质量分数 (mg·g−1)］；
CS=待测蛋白质中必需氨基酸质量分数 (mg·g−1)/鸡蛋蛋白质中同种氨基酸质量分数 (mg·g−1)；
EAAI=[(100×A/AE)×(100×B/BE)×(100×C/CE)×···×(100×G/GE)]×1/n。式中A, B, C, ···, G为样品中各必需氨基酸质量分数 [% (干物质基础)]；AE, BE, CE, ···, GE为全鸡蛋蛋白质相对应的必需氨基酸质量分数 [% (干物质基础)]；n为比较的必需氨基酸个数。
支链氨基酸与芳香族氨基酸的比值 (F)=w(缬氨酸+亮氨酸+异亮氨酸)(mg·g−1)/w(苯丙氨酸+酪氨酸) (mg·g−1)。
1.5 统计方法
试验数据采用SPSS 16.0和Microsoft Excel 2010软件分析处理，取平均值±标准差。数据采用单因子方差分析，再用Tukey's检验均值的显著性，P<0.05表示显著性差异。
2. 结果与分析
2.1 常规营养组成
肌肉是鱼体的主要营养部位和食用部位，其营养成分组成和含量通常作为鱼体肌肉的品质评价。本试验发现“跑道”养殖模式对梭鱼鱼肉基本营养组成的影响主要表现为粗脂肪含量下降和粗灰分含量增加 (P<0.05)，但对鱼肉的水分和粗蛋白含量无明显影响 (P>0.05，表1)。有研究报道1龄和2龄的梭鱼肌肉中水分质量分数介于75.71%~77.18%、粗蛋白质量分数介于18.21%~18.96%、粗脂肪质量分数介于2.95%~4.32%[13]，与本试验结果较为接近。根据鱼肉的含脂量高低，可分为多脂鱼 (脂肪质量分数≥10%) 和少脂鱼 (脂肪质量分数≤5%)，研究认为梭鱼属于一种介于多脂鱼和少脂鱼之间的中脂鱼[14]。“跑道”梭鱼肌肉脂肪的降低可能与鱼类在流水槽中具有较大的运动量而加速鱼体的脂肪氧化代谢，抑制内脏脂肪蓄积，并加速体蛋白合成有关[8-9,15]。相比于传统池塘养殖，在“跑道”高密度养殖的环境，鱼类也需要消耗更多的能量进行空间与摄食等竞争，肌肉中原有糖原被大量消耗，致使蓄存的脂肪被分解用于供能，从而表现为体脂含量降低。本试验也得到相似结果，通过高密度 (为外塘模式密度的4倍)、微流水的“跑道”养殖后，梭鱼从传统的“中脂鱼”变成了“低脂鱼”。
表 1 2种模式养成的梭鱼肌肉基本营养成分对比 (湿质量)Table 1. Proximate composition of L. haematocheila muscle between usual-pond and in-pond raceway systems (wet mass)% 基本营养成分
Proximate composition土池养殖组
Usual-pond system“跑道”养殖组
In-pond raceway system水分 Moisture 74.46±0.78 75.11±2.46 粗蛋白 Crude protein 19.75±0.61 20.05±0.42 粗脂肪 Crude lipid 6.14±0.76a 4.27±0.69b 粗灰分 Crude ash 1.10±0.01b 1.22±0.07a 注：同行数据上标不同小写字母表示差异显著 (P<0.05)，表2、表4、表5同此 Note: Values with different superscripts letters in the same row are significantly different (P<0.05). The same case in Table 2, Table 4 and Table 5. 2.2 氨基酸组成与评价
氨基酸组成与含量是评价鱼肉蛋白质质量的重要指标。本试验结果显示，在鱼肉必需氨基酸组成方面，“跑道”养殖组梭鱼肌肉中赖氨酸和缬氨酸含量均显著高于土池养殖组 (P<0.05)，其他必需氨基酸的含量未受不同养殖模式的影响 (P>0.05，表2)。在梭鱼肌肉非必需氨基酸组成上，“跑道”养殖组中的天冬氨酸和甘氨酸含量均显著高于土池养殖组 (P<0.05)，而脯氨酸含量则显著低于土池养殖组 (P<0.05)，其他非必需氨基酸组成无显著性差异 (P>0.05)。
表 2 2种模式养成梭鱼的肌肉氨基酸组成和含量的对比分析 (湿质量)Table 2. Proximate composition and contents of amino acids of L. haematocheila muscle between usual-pond and in-pond raceway systems (wet mass)% 氨基酸
Amino acids土池养殖组
Usual-pond system“跑道”养殖组
In-pond raceway system赖氨酸 Lys 1.77±0.07b 2.15±0.17a 精氨酸 Arg 1.11±0.04 1.18±0.18 蛋氨酸 Met 0.35±0.05 0.41±0.05 组氨酸 His 0.51±0.02 0.54±0.06 亮氨酸 Leu 1.56±0.08 1.66±0.10 异亮氨酸 Ile 0.83±0.07 0.92±0.05 苯丙氨酸 Phe 0.90±0.03 0.94±0.06 苏氨酸 Thr 0.85±0.03 0.90±0.06 缬氨酸 Val 0.88±0.05b 1.04±0.07a 谷氨酸 Glu* 2.71±0.10 2.53±0.18 甘氨酸 Gly* 0.99±0.02b 1.26±0.08a 丙氨酸 Ala* 3.04±0.09 2.95±0.22 天冬氨酸 Asp* 1.91±0.07b 2.28±0.17a 丝氨酸 Ser 0.97±0.03 0.86±0.05 脯氨酸 Pro 0.80±0.01a 0.67±0.02b 酪氨酸 Tyr 0.64±0.03 0.69±0.03 胱氨酸 Cys 0.15±0.01 0.15±0.02 必需氨基酸总量 ∑EAA 8.01±0.40 8.85±0.57 非必需氨基酸总量 ∑NEAA 11.77±0.39 12.25±0.83 呈味氨基酸总量 ∑FAA 8.66±0.27 9.01±0.64 必需氨基酸总量/总氨基酸含量 ∑EAA/∑TAA 0.41±0.01 0.42±0.01 必需氨基酸总量/非必需氨基酸总量 ∑EAA/∑NEAA 0.68±0.01b 0.73±0.01a 呈味氨基酸总量/非必需氨基酸总量 ∑FAA/∑NEAA 0.44±0.01 0.43±0.01 注：*. 呈味氨基酸 Note: *. Flavor amino acid 本试验中2种模式下梭鱼的必需氨基酸总量/氨基酸总量分别为0.41和0.42，高于FAO/WHO的推荐标准 (35.38%)；必需氨基酸总量/非必需氨基酸总量分别为0.68和0.73，同样高于FAO/WHO标准 (60%)，说明梭鱼鱼肉是一种氨基酸组成较为平衡的优质蛋白质，可以满足人体对食物氨基酸的摄入需求。“跑道”养殖组的必需氨基酸总量/非必需氨基酸总量显著高于土池养殖组 (P<0.05)，在“跑道”和池塘养成的黄颡鱼 (Pelteobagrus fulvidraco) 对比研究中也有相同发现[9]。但不同养殖模式对梭鱼肌肉的必需氨基酸总量、非必需氨基酸总量以及呈味氨基酸 (谷氨酸、甘氨酸、丙氨酸和天冬氨酸) 总量均未产生显著影响 (P>0.05)。
根据AAS和CS评分，土池养殖组和“跑道”养殖组的梭鱼第一限制性氨基酸均为蛋氨酸+胱氨酸，第二限制性氨基酸均为缬氨酸，该结果与已有对梭鱼的研究结果一致[16] (表3)。黄斑篮子鱼 (Siganus orami)[17]、澳洲金鲈 (Macquaria ambigua)[18]等海水鱼的第一限制性氨基酸也是蛋氨酸+胱氨酸，这为梭鱼的人工配合饲料研发提供了参考。2种模式下养成的梭鱼，除蛋氨酸+胱氨酸以外，其他必需氨基酸的CS评分均高于鸡蛋蛋白的评分标准；所有氨基酸的AAS评分也都高于FAO/WHO氨基酸的评分标准。EAAI作为评价蛋白质营养价值的常用指标之一，反映了必需氨基酸的平衡性，EAAI<70表示蛋白质营养不充足，EAAI约80表示蛋白质营养价值良好，EAAI>90则表示蛋白质营养价值高[19]。本试验中土池养殖组和“跑道”养殖组梭鱼肌肉EAAI分别为80.06和91.19，说明梭鱼的蛋白质营养价值较高，其氨基酸平衡性较好；也表明“跑道”模式能够优化梭鱼的鱼肉氨基酸组成，提高氨基酸平衡性。同时，两组EAAI指数的F值 (2.12和2.22) 相近，表明梭鱼在2种养殖模式下养殖的氨基酸营养整体上相近。
表 3 2种模式养成的梭鱼肌肉必需氨基酸与联合国粮食与农业组织/世界卫生组织和全鸡蛋蛋白标准模式的比较Table 3. Comparison of essential amino acids of L. haematocheila muscle with FAO/WHO and egg protein standard modes from different aquaculture systems必需氨基酸
EAAs土池养殖组 Usual-pond system “跑道”养殖组 In-pond raceway system 联合国粮食与
农业组织/
世界卫生组织
FAO/WHO鸡蛋
蛋白
Egg
proteinw (氨基酸)
Amino acid/(mg·g−1)氨基酸评分
AAS化学评分
CSw (氨基酸)
Amino acid/(mg·g−1)氨基酸评分
AAS化学评分
CS赖氨酸 Lys 89.62 162.95 128.03 107.23 194.96 153.19 55 70 蛋氨酸+胱氨酸 Met+Cys 25.32 72.34 44.42 27.93 79.80 49.00 35 57 苏氨酸 Thr 43.04 107.60 91.57 44.89 112.23 95.51 40 47 亮氨酸 Leu 78.99 112.84 91.85 82.79 118.27 96.27 70 86 异亮氨酸 Ile 42.03 105.08 77.83 45.89 114.73 84.98 40 54 苯丙氨酸+酪氨酸 Phe+Tyr 77.97 129.95 83.84 81.30 135.50 87.42 60 93 缬氨酸 Val 44.56 89.12 67.52 51.87 103.74 78.59 50 66 必需氨基酸指数 EAAI 80.06 91.19 支链氨基酸与芳香族氨基酸比值 F 2.12 2.22 2.3 脂肪酸组成
鱼类肌肉脂肪酸组成与变化受栖息习性、食性、适应性和生长习性等综合影响[20]，而脂肪酸的含量又影响鱼肉的多汁性与风味[21]。本试验共测定出23种具有统计意义的脂肪酸 (表4)，其中饱和脂肪酸 (SFA) 8种、单不饱和脂肪酸 (MUFA) 8种、多不饱和脂肪酸 (PUFA) 7种；两组间存在显著差异的脂肪酸有8种，表明养殖模式也会对梭鱼的脂肪酸产生影响。土池养殖的梭鱼肌肉SFA、MUFA和PUFA分别占脂肪酸总量的32.83%、40.91%和26.22%；“跑道”养殖的梭鱼肌肉中这3类脂肪酸含量分别为25.83%、39.83%和34.35% (表4)。“跑道”养殖组梭鱼肌肉的SFA总量显著低于土池养殖组 (P<0.05)，而PUFA总量和总不饱和脂肪酸 (∑UFA) 含量均显著高于土池养殖组 (P<0.05)；类似结果在黄颡鱼[9]、金带篮子鱼 (S. rivulatus)[22]及大口黑鲈 (Micropterus salmoides)[23]中也有报道。但本试验的两组鱼肉单不饱和脂肪酸总量 (∑MUFA) 不存在显著差异 (P>0.05)。
表 4 2种模式养成的梭鱼肌肉脂肪酸组成和含量对比分析 (湿质量)Table 4. Fatty acid composition and contents of L. haematocheila muscle between usual-pond and in-pond raceway systems (wet mass)% 脂肪酸
Fatty acids土池养殖组
Usual-pond system“跑道”养殖组
In-pond raceway system月桂酸 C12:0 0.09±0.01a 0.07±0.01b 肉豆蔻酸 C14:0 4.06±0.07a 2.64±0.25b 肉豆蔻油酸 C14:1 n-5 0.19±0.02 0.17±0.04 十五烷酸 C15:0 0.35±0.04 0.26±0.05 棕榈酸 C16:0 21.25±0.08 20.21±0.71 十六碳烯酸 C16:1 n-7 13.63±0.32 14.75±1.78 十七碳酸 C17:0 0.21±0.04 − 十七碳一烯酸 C17:1 n-7 0.30±0.02 − 硬脂酸 C18:0 2.29±0.04 2.50±0.28 反十八烷烯酸 C18:1 n-9t 0.08±0.03 0.11±0.01 油酸 C18:1 n-9c 25.06±0.45 24.32±1.25 亚油酸 C18:2 n-6c 21.21±0.50b 26.98±0.63a 花生酸 C20:0 0.17±0.02 0.16±0.02 亚麻酸甲酯 C18:3 n-6 0.09±0.05b 0.22±0.02a 花生四烯酸 C20:1 0.79±0.02a 0.48±0.05b 亚麻酸 C18:3 n-3 − 2.36±0.20 二十一烷酸 C21:0 4.42±0.12 − 二十碳二烯酸 C20:2 0.35±0.01b 0.38±0.05a 芥酸 C22:1 n-9 0.67±0.03 − 花生四烯酸 C20:4 n-6 1.03±0.11 0.84±0.28 二十碳五烯酸 (EPA) C20:5 n-3 2.20±0.18a 1.17±0.10b 二十四碳一烯酸甲酯 C24:1 n-9 0.20±0.02 − 二十二碳六烯酸 (DHA) C22:6 n-3 1.34±0.13b 2.39±0.49a 总饱和脂肪酸 ∑SFA 32.83±0.36a 25.83±0.58b 总不饱和脂肪酸 ∑UFA 67.17±0.36b 74.18±0.58a 单不饱和脂肪酸 ∑MUFA 40.91±0.56 39.83±1.14 多不饱和脂肪酸 ∑PUFA 26.22±0.57b 34.35±1.39a 二十二碳六烯酸+二十碳五烯酸 EPA+DHA 3.54±0.30 3.57±0.64 二十二碳六烯酸 (DHA) 和二十碳五烯酸 (EPA) 属于n-3长链高不饱和脂肪酸，是鱼类肌肉营养和鱼油价值评价的重要指标[24]。已有研究报道“跑道”模式养成的青鱼 (Mylopharyngodon piceus) 肌肉中DHA和EPA均显著高于传统池塘养成的试验鱼[8]，推测循环流水槽养殖有助于青鱼的育肥，并具有促进鱼肉中DHA和EPA富集的可能性。本试验观察到2种模式养成的梭鱼的EPA和DHA含量虽存在显著差异 (P<0.05)，但两者的总量并无统计学差异 (P>0.05)。
2.4 质构指标
全质构分析已被广泛应用于水产品的肉质评价，通过质构仪模拟食物咀嚼过程，把质地感官知觉与力学性能、几何特性相结合，以系统指标的数据来揭示人牙齿在咀嚼过程中时间和力的变化规律，从而客观评价鱼肉的品质特性[25]。本试验观察到“跑道”养殖模式中梭鱼的肌肉质构指标产生了明显变化，“跑道”模式组鱼肉的硬度、胶黏性、咀嚼性等指标均显著提高 (P<0.05)，凝聚力、黏附性和回复性等指标也显著高于土池养殖组 (P<0.05, 表5)。其中硬度和咀嚼性与蛋白质含量呈显著正相关，与水分、脂肪呈负相关，影响鱼肉的机械强度。已有研究表明鱼类运动量的增加使得肌肉细胞间的结合力增强，肌纤维直径变得小而紧密，肌纤维密度增加，肌原纤维蛋白含量更高[26]；流水环境下，高密度养殖梭鱼在“跑道”内泳动量大幅增加，推测是“跑道”组梭鱼肌肉硬度和胶黏性显著提升的原因之一。对“跑道”养成的大口黑鲈质构分析也发现相似的结果[27]。咀嚼性反映的是鱼肉从可咀嚼状态到可吞咽状态所需的能量，本试验观察到“跑道”梭鱼的该指标提升522%，是增幅最大的质构参数；咀嚼性数值越高，则口感上对应的“咬劲”越好，热处理后不易变烂，口感更好，更受消费者欢迎[27-28]。
表 5 2种模式养成的梭鱼肌肉质构参数对比Table 5. Muscle texture parameters of L. haematocheila muscle between usual-pond system and in-pond raceway aquaculture systems质构指标
Texture parameter土池养殖组
Usual-pond system“跑道”养殖组
In-pond raceway system硬度 Hardness 742.53±82.25b 1 508.14±100.89a 弹性 Springiness 0.31±0.05b 1.71±0.37a 凝聚力 Cohesiveness 0.29±0.07b 0.34±0.04a 胶黏性 Gumminess 213.26±55.26b 657.32±89.25a 咀嚼性 Chewiness 68.04±25.60b 355.81±80.93a 黏附性 Adhesiveness 1.47±0.05a 0.49±0.06b 回复性 Resilience 0.11±0.02b 0.29±0.10a 2.5 土腥味物质
有研究指出，养殖水产动物出现的土腥味物质并不是其自身产生的，而是因富营养化水体中的蓝藻和放线菌等微生物通过分解有机质，释放出大量的次生代谢产物 (主要为2-甲基异茨醇和土臭素)，这些异味化合物被鱼体鳃、皮肤吸收，或随着摄食藻类进入鱼体内蓄积而成[29]；养殖池塘的底质也会影响养殖水产品的土腥味蓄积[30]。有研究认为2-甲基异茨醇和土臭素在鱼肉中的嗅觉阈值分别为0.6和0.9 μg·kg−1[31]。本试验在土池养殖组的梭鱼肌肉中检测出了土臭素 (0.22 μg·kg−1)，2-甲基异茨醇则未检出；而“跑道”养殖组的鱼肉中这2种物质均未检出。研究发现土塘养殖的罗非鱼 (Oreochromis mossambicus) 鱼肉中土臭素的含量最高，铺设地膜的养殖塘里的鱼肉中次之，在咸淡水鱼虾混养的水泥池塘中的鱼肉土腥味最低[12]。而对团头鲂 (Megalobrama amblycephala) 和鲫 (Carassius auratus) 的试验表明，通过调控水质和水流速度等方式，可以有效去除鱼肉土腥味[32]。本试验的“跑道”为混凝土砖结构，流水槽底部铺设了瓷砖，推测底质和水流速的差异是造成土池养殖梭鱼具有轻微土腥味的原因。
3. 结论
综上所述，与传统土池养殖模式相比，通过池塘循环水“跑道”模式养成的梭鱼具有鱼肉脂肪较低、氨基酸组成更均衡、不饱和脂肪酸总量较高等特点，并且鱼肉口感更加紧实、有弹性且无土腥味，整体上提升了梭鱼的营养品质，更符合市场和消费者对优质水产品的需求。本研究为通过改变养殖模式实现梭鱼养殖业优品优价发展提供了理论依据，也为“跑道”养殖模式的可持续健康发展提供了参考。
-
![]()
图 1 中西太平洋鲣2009—2019年单位捕捞努力量渔获量和产量
Figure 1. CPUE and catch of skipjack tuna in Western and Central Pacific Ocean from 2009 to 2019
![]()
图 2 10月厄尔尼诺事件中关键环境因子的响应曲线
Figure 2. Response curves of key environmental factors in El Niño events in October
![]()
图 3 中西太平洋中等中部型厄尔尼诺事件鲣分布
Figure 3. Distribution of skipjack tuna during moderate Central Pacific El Niño events in Western and Central Pacific Ocean
![]()
图 4 中西太平洋东部型超强厄尔尼诺事件鲣分布
Figure 4. Distribution of skipjack tuna during super Eastern Pacific El Niño events in Western and Central Pacific Ocean
![]()
图 5 中西太平洋弱中部型厄尔尼诺事件鲣分布
Figure 5. Distribution of skipjack tuna during weak Central Pacific El Niño events in Western and Central Pacific Ocean
![]()
图 6 不同类型厄尔尼诺事件中西太平洋鲣渔场重心变化轨迹
Figure 6. Variation of gravity center of skipjack tuna in Western and Central Pacific Ocean in different types of El Niño events
表 1 解释变量间方差膨胀因子
Table 1 Variance inflation factor among explanatory variables
解释变量
Explanatory variable方差膨胀因子
VIF海表面温度 SST 1.929 50 m水深温度 T50 3.189 海表面盐度 SSS 4.100 混合层深度 MLD 3.140 海平面异常 SLA 4.761 净初级生产力 NPP 2.634 东西向的海表流速 UCC 1.579 南北向的海表流速 VCC 2.328 
下载: 导出CSV
表 2 最大熵模型的曲线下的面积值
Table 2 AUC value of Maximum Entropy Model under curve
厄尔尼诺事件
El Niño event时间 (年-月)
Time
(Year-Month)训练数据
Training
data测试数据
Test
data中等中部型厄尔尼诺
Moderate Central Pacific El Niño2009-10 0.977 0.979 2009-11 0.978 0.980 2009-12 0.956 0.960 2010-01 0.956 0.963 2010-02 0.965 0.964 2010-03 0.974 0.978 超强东部型厄尔尼诺
Super Eastern Pacific El Niño2015-10 0.948 0.954 2015-11 0.940 0.955 2015-12 0.928 0.939 2016-01 0.954 0.969 2016-02 0.914 0.916 2016-03 0.965 0.969 弱中部型厄尔尼诺
Weak Central Pacific El Niño2018-10 0.937 0.949 2018-11 0.941 0.944 2018-12 0.944 0.946 2019-01 0.983 0.987 2019-02 0.951 0.953 2019-03 0.960 0.969
下载: 导出CSV
表 3 最大熵模型中各环境因子的贡献率
Table 3 Contribution rate of environmental factors of Maximum Entropy Model
厄尔尼诺事件类型
Types of El Niño event环境因子
Environmental
factor均值
Average/%中等中部型厄尔尼诺
Moderate Central Pacific El NiñoSSS 19.72 T50 19.24 SLA 12.56 SST 12.07 NPP 10.97 VCC 9.99 UCC 8.22 MLD 7.23 超强东部型厄尔尼诺
Super Eastern Pacific El NiñoT50 25.49 SST 22.03 SLA 19.85 SSS 16.01 VCC 6.53 MLD 4.49 NPP 3.92 UCC 1.69 弱中部型厄尔尼诺
Weak Central Pacific El NiñoT50 52.86 SST 11.97 SSS 9.86 MLD 8.47 UCC 6.33 VCC 5.67 NPP 4.84 注：环境因子解释见表1 Note: The explanation of the environmental factos are shown in Table 1.
下载: 导出CSV
表 4 不同类型厄尔尼诺事件鲣适宜栖息地面积比例
Table 4 Suitable habitat acreage percentage of skipjack tuna in different types of El Niño events
% 厄尔尼诺事件
El Niño event平均值
Average最大值
Maximum最小值
Minimum中位数
Median中等中部型厄尔尼诺 Moderate Central Pacific El Niño 24 31 18 23 超强东部型厄尔尼诺 Super Eastern Pacific El Niño 28 34 21 27 弱中部型厄尔尼诺 Weak Central Pacific El Niño 29 33 20 31
下载: 导出CSV
-
[1] WILLIAMS P, THOMAS R, SPC (Secretariat of the Pacific Community). Overview of tuna fisheries in the Western and Central Pacific Ocean, including economic conditions 2019[R]. Pohnpei State: WCPFC-SC16, 2020.
[2] LEHODEY P, BERTIGNAC M, HAMPTON J. El Niño Southern Oscillation and tuna in the western Pacific[J]. Nature, 1997, 389(6652): 715-718. doi: 10.1038/39575
[3] WANG J T, CHEN X J, STAPLES K W, et al. The skipjack tuna fishery in the west-central Pacific Ocean: applying neural networks to detect habitat preferences[J]. Fish Sci, 2018, 84(2): 309-321. doi: 10.1007/s12562-017-1161-6
[4] MCPHADEN M J, PICAUT J. El Niño-Southern Oscillation displacements of the western equatorial Pacific warm pool[J]. Science, 1990, 250(4986): 1385-1388. doi: 10.1126/science.250.4986.1385
[5] HAMPTON J. Estimates of tag-reporting and tag-shedding rates in a large-scale tuna tagging experiment in the western tropical Pacific Ocean[J]. Fish Byte, 1997, 95(1): 68-79.
[6] LIMA M, NAYA D E. Large-scale climatic variability affects the dynamics of tropical skipjack tuna in the Western Pacific Ocean[J]. Ecography, 2011, 34(4): 597-605. doi: 10.1111/j.1600-0587.2010.06422.x
[7] YEH S W, KUG J S, DEWITTE B, et al. Erratum: El Niño in a changing climate[J]. Nature, 2009, 462(7273): 674-674.
[8] YU J Y, KAO H Y. Decadal changes of ENSO persistence barrier in SST and ocean heat content indices: 1958–2001[J]. J Geophys Res-Atmos, 2007, 112(D13): 106.
[9] LEE T, MCPHADEN M J. Increasing intensity of El Niño in the central-equatorial Pacific[J]. Geophys Res Lett, 2010, 37(14): 603.
[10] 李政纬. ENSO现象对中西太平洋鲣鲔围网渔况之影响[D]. 基隆: 台湾海洋大学, 2005: 20-28. [11] 周甦芳, 沈建华, 樊伟. ENSO现象对中西太平洋鲣鱼围网渔场的影响分析[J]. 海洋渔业, 2004, 26(3): 167-172. doi: 10.3969/j.issn.1004-2490.2004.03.002 [12] YEN K W, LU H J. Spatial-temporal variations in primary productivity and population dynamics of skipjack tuna Katsuwonus pelamis in the western and central Pacific Ocean[J]. Fish Sci, 2016, 82(4): 563-571. doi: 10.1007/s12562-016-0992-x
[13] 唐浩, 许柳雄, 陈新军, 等. 基于GAM模型研究时空及环境因子对中西太平洋鲣鱼渔场的影响[J]. 海洋环境科学, 2013, 32(4): 518-522. [14] ZHANG J, ZHANG Y, LIU L, et al. Predicting potential distribution of Tibetan spruce (Picea smithiana) in Qomolangma (Mount Everest) National Nature Preserve using Maximum Entropy Niche-based model[J]. Chin Geogr Sci, 2011, 21(4): 417-426. doi: 10.1007/s11769-011-0483-z
[15] ELITH J, PHILLIPS S J, HASTIE T, et al. A statistical explanation of MaxEnt for ecologists[J]. Divers Distrib, 2011, 17(1): 43-57. doi: 10.1111/j.1472-4642.2010.00725.x
[16] DUQUE-LAZO J, van GILS H, GROEN T A, et al. Transfer ability of species distribution models: the case of Phytophthora cinnamomi in Southwest Spain and Southwest Australia[J]. Ecol Model, 2016, 320: 62-70. doi: 10.1016/j.ecolmodel.2015.09.019
[17] 张嘉容, 杨晓明, 田思泉. 基于最大熵模型的南太平洋长鳍金枪鱼栖息地预测[J]. 中国水产科学, 2020, 27(10): 1222-1233. [18] 陈芃, 陈新军. 基于最大熵模型分析西南大西洋阿根廷滑柔鱼栖息地分布[J]. 水产学报, 2016, 40(6): 893-902. [19] 薛嘉伦, 樊伟, 唐峰华, 等. 基于最大熵模型预测西北太平洋公海鲐潜在栖息地分布[J]. 南方水产科学, 2018, 14(1): 92-98. doi: 10.3969/j.issn.20950780.2018.01.012 [20] BUI D T, LOFMAN O, REVHAUG I, et al. Landslide susceptibility analysis in the Hoa Binh province of Vietnam using statistical index and logistic regression[J]. Nat Hazards, 2011, 59(3): 1413-1444. doi: 10.1007/s11069-011-9844-2
[21] 何珊, 王学昉, 戴黎斌, 等. 人工集鱼装置禁渔期措施对中国大陆金枪鱼围网船队捕捞努力量特征的影响[J]. 大连海洋大学学报, 2018, 33(1): 102-107. [22] 温健, 贡静雯, 李婷, 等. 异常气候条件下秘鲁外海茎柔鱼栖息地的时空变动[J]. 海洋学报, 2020, 42(10): 92-99. [23] RODHOUSE P G. Managing and forecasting squid fisheries in variable environments[J]. Fish Res, 2001, 54(1): 3-8. doi: 10.1016/S0165-7836(01)00370-8
[24] XIE R H, HUANG F, REN H L. Subtropical air-sea interaction and development of central Pacific El Niño[J]. J Ocean Univ, 2013, 12(2): 260-271. doi: 10.1007/s11802-013-2143-7
[25] 夏飞, 黎鑫, 杨明浩, 等. 两类开始型厄尔尼诺事件与次表层海温异常的联系[J]. 厦门大学学报(自然科学版), 2020, 59(3): 381-393. [26] KAO H Y, YU J Y. Contrasting Eastern-Pacific and Central-Pacific types of ENSO[J]. J Clim, 2 009, 22(3): 615-632.
[27] 李崇银. 关于ENSO本质的进一步研究[J]. 气候与环境研究, 2002, 7(2): 160-174. doi: 10.3878/j.issn.1006-9585.2002.02.04 [28] 叶泰豪, 冯波, 颜云榕, 等. 中西太平洋鲣渔场与温盐垂直结构关系的研究[J]. 海洋湖沼通报, 2012(1): 49-55. doi: 10.3969/j.issn.1003-6482.2012.01.007 [29] 杨胜龙, 周甦芳, 周为峰, 等. 基于Argo数据的中西太平洋鲣渔获量与水温、表层盐度关系的初步研究[J]. 大连水产学院学院, 2010, 25(1): 34-40. [30] PICAUT J, IOUALALEN M, MENKES C, et al. Mechanism of the zonal displacements of the Pacific warm pool: implications for ENSO[J]. Science, 1996, 274(5292): 1486-1489. doi: 10.1126/science.274.5292.1486
[31] ZHENG F, ZHANG R H. Interannually varying salinity effects on ENSO in the tropical Pacific: a diagnostic analysis from Argo[J]. Ocean Dyn, 2015, 65(5): 691-705. doi: 10.1007/s10236-015-0829-7
[32] 范秀梅, 杨胜龙, 张胜茂, 等. 基于栖息地指数的阿拉伯海鲐鱼渔情预报模型构建[J]. 南方水产科学, 2020, 16(4): 8-17. doi: 10.12131/20190255 [33] 杨晓明, 王学昉, 田思泉, 等. 赤道太平洋中部围网自由群的空间点模式的影响因子[J]. 水产学报, 2018, 42(8): 1220-1228. [34] 郭爱, 陈新军, 范江涛. 中西太平洋鲣鱼时空分布及其与ENSO关系探讨[J]. 水产科学, 2010, 29(10): 591-596. doi: 10.3969/j.issn.1003-1111.2010.10.006 [35] SATIBI M, OSAWA T, ARTHANA I W. Evaluation of tuna fishing ground in southern coast of Java-Sumbawa Sea using satellite observer data[J]. J Environ Sci, 2012, 4(1): 25-30.
[36] MUGO R, SAITOH S I, NIHIRA A, et al. Habitat characteristics of skipjack tuna (Katsuwonus pelamis) in the western North Pacific: a remote sensing perspective[J]. Fish Oceanogr, 2010, 19(5): 382-396. doi: 10.1111/j.1365-2419.2010.00552.x
[37] 王凡, 刘传玉, 胡石建, 等. 太平洋暖池冷舌交汇区盐度变异机制及气候效应研究[J]. 地球科学进展, 2018, 33(8): 775-782. doi: 10.11867/j.issn.1001-8166.2018.08.0775 [38] LEHODEY P, SENINA I, CALMETTES B, et al. Modelling the impact of climate change on Pacific skipjack tuna population and fisheries[J]. Clim Change, 2013, 119(1): 95-109. doi: 10.1007/s10584-012-0595-1
[39] 陈洋洋, 陈新军, 郭立新, 等. 基于不同气候条件的中西太平洋鲣鱼渔场预报[J]. 上海海洋大学学报, 2019, 28(1): 145-153. -
期刊类型引用(6)
1. 李敏，胡高宇，滕爽爽，黄晓林，张翔，肖国强. 养殖与野生■营养成分和挥发性物质比较. 水产科学. 2024(01): 51-60 . 
百度学术
2. 谢宇翔，郁二蒙，江林源，梁军能，黎一键，文露婷，李攀，敖秋桅. 陆基圆池模式下脆肉罗非鱼和普通罗非鱼生长性能、生理生化指标和肌肉质构比较分析. 饲料研究. 2024(23): 68-72 . 百度学术
3. 泮淼军，王明阳，王龙斌，王润泽，张海恩，李卫东，董双林，田相利. 海水池塘跑道养殖系统中鱼类肠道及养殖环境的细菌群落研究. 中国海洋大学学报(自然科学版). 2023(05): 47-60 . 百度学术
4. 刘雨婷，黄世玉，李榴佳，赵天章，李慧英，苏子峰，龙晓文. 池塘与稻田养殖鲤鱼生物学指数和肌肉营养价值的比较. 中国农学通报. 2022(04): 159-164 . 百度学术
5. 李敏，蔡景波，张翔，黄晓林，肖国强，滕爽爽. 2种养殖模式梭鱼肌肉营养组成及挥发性风味成分比较. 浙江海洋大学学报(自然科学版). 2022(02): 119-126+148 . 百度学术
6. 蒋起宏，陈刘浦，胡金春，叶霆，线婷，朱士臣，相兴伟，马文君，周凡. 传统池塘和“跑道”养殖黄金鲫的营养组成分析与评价. 水产科技情报. 2021(06): 327-334 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 736
- HTML全文浏览量: 241
- PDF下载量: 48
- 被引次数: 9
粤公网安备 44010502001741号
