Fish size spectrum characteristics in offshore waters of southern Zhejiang Province
-
摘要: 为了解浙江南部近海鱼类群落粒径结构的时空特征、季节变动及其影响因素,基于2019年4个季节的渔业资源调查数据,利用粒径谱、多维尺度排序等方法,研究了鱼类粒径谱特征及其时空变动。结果表明,全年Sheldon鱼类粒径谱形状大体为单峰型,鱼类粒级介于−2~11,最高值出现在6~7粒级,以小型鱼类为主。四季Sheldon鱼类粒径谱基本呈单峰型,各季节峰值和最高生物量对应粒级区间、鱼种组成存在差异,其标准化鱼类粒径谱拟合曲线均呈“穹顶”型,曲率介于−0.18~−0.09,以冬季最大 (−0.09),春季最小 (−0.18),表明春季鱼类生物量受外界干扰程度最大,冬季相对稳定。多维尺度排序结果表明,冬、春季鱼类群落可分为4组,夏、秋季可分为3组。分组粒径谱分析结果表明,近岸鱼类群落比远岸鱼类群落受到更大的外界干扰。总体上,浙江南部近海鱼类群落处于干扰状态,这可能与环境因素、洄游性与定栖性鱼类的季节变化等有关,也存在禁渔期及人类捕捞活动的影响。Abstract: In order to improve the understanding of the spatio-temporal characteristics, seasonal variation and influencing factors of size structure of offshore fish communities in southern Zhejiang Province, we studied the characteristics of fish particle size spectrum and its spatiotemporal variation by means of particle size spectrum and multi-dimensional scale sorting based on the seasonal fishery survey data in 2019. The results show that the shape of annual Sheldon fish size spectrum was generally unimodal, and the size class ranged from −2 to 11, with the highest biomass occurring in the size classes of 6−7, mainly small fishes. The Sheldon fish size spectrum was basically unimodal in four seasons, and there were seasonal differences in the peak and maximum biomass corresponding to the size range and species composition. The fitted curves for the normalized fish size spectrum were all dome-shaped, and the curvature ranged from −0.18 to −0.09, with the maximum in winter (−0.09) and the minimum in spring (−0.18), indicating that the fish biomass was most vulnerable to external disturbance in spring but relatively stable in winter. The results of multidimensional scaling demonstrate that the fish community in this study can be classified into four subgroups in winter and spring, and three subgroups in summer and autumn. The analysis of size spectra by subgroups shows that the nearshore fish community is much affected by external disturbances than the far-shore fish community. In general, the fish community off southern Zhejiang Province is in a disturbed state, which may be related to environmental factors, seasonal migra-tory and sedentary fishes, as well as the closed fishing periods and fishing activities.
-
鱼类皮肤暴露于水环境中,其表面形成的黏膜层对宿主具有重要的物理、化学和生物屏障作用[1]。当鱼体处于健康状态时,皮肤黏膜层微生物与宿主互利共生,维持相对稳定的动态平衡状态[2]。环境胁迫、病原入侵等均会破坏鱼体皮肤黏膜层的微生物稳态,影响宿主健康[3-4]。研究发现,感染了传染性造血器官坏死病毒 (Infectious hematopoietic necrosis virus, IHNV) 的虹鳟 (Oncorhynchus mykiss) 皮肤微生物中变形菌门丰度显著下降,而放线菌门的丰度显著升高[5]。与健康大鲵 (Andrias davidianus) 相比,患溃疡病大鲵皮肤中的金黄杆菌属(Chryseobacterium)、伯克氏菌属 (Burkholderia) 和韩国丛毛单胞菌 (Comamonas koreensis) 的丰度显著升高[6]。
中华鲟 (Acipenser sinensis) 是我国一级重点保护水生动物,被认为是长江水生动物保护的旗舰物种[7]。近年来,中华鲟物种保护研究工作不断取得新突破,人工迁地保护规模日益扩大。然而,随着集约化养殖程度不断加深,中华鲟的病害问题也日趋增多。迄今为止,常见的细菌性病害包括细菌性烂鳃病、细菌性败血症、肠炎病、肿嘴病、腹水病、分枝杆菌病等[8-10]。传统的细菌分离培养方法是目前中华鲟病害研究的主要手段[11-12]。
花斑病是近年来中华鲟养殖过程中出现的一种新型疾病,该病以体表部分背骨板及周围皮肤褪色形成花斑为主要临床症状。中华鲟体表皮肤裸露,与水环境密切接触,寄生着复杂多样的微生物菌群。细菌培养法在处理皮肤等复杂样本时,大部分微生物难以进行分离纯化培养,具有一定的局限性。近十年来,高通量测序技术快速发展,能够全面解析微生物群落结构的种类和丰度,具有高效、全面、准确等特点,已逐渐应用于揭示人类疾病与微生物的互作关系[13-14]。本研究以健康和患花斑病中华鲟幼鱼为研究对象,利用高通量测序技术比较分析了二者皮肤黏膜层的微生物菌群结构特征,探索用于监测中华鲟健康状况的菌群标志物,以期为中华鲟的健康养殖和疾病防控提供参考依据。
1. 材料与方法
1.1 样品采集
实验样品为中华鲟研究所2023年繁殖的子二代中华鲟,全长 (10.02±0.65) cm,体质量 (3.62±0.32) g。如图1所示,健康中华鲟体色均匀,体表皮肤光滑;患花斑病中华鲟部分背骨板及周围皮肤褪色形成花斑。在无菌条件下,对6尾健康和6尾自然患病的中华鲟皮肤进行取样,分别为健康中华鲟皮肤黏液组 (HM组) 和患病中华鲟皮肤黏液组 (DM组)。具体方法如下:用无菌水冲洗鱼体3遍,用无菌镊刮取背骨板及周围皮肤黏液0.5 g,分装置2 mL离心管中,液氮速冻后置于 –80 ℃冰箱保存备测。
1.2 DNA提取、PCR扩增和高通量测序
采用Fast DNA®Spin Kit for Soil (MP Biomedicals,美国) 试剂盒提取皮肤总DNA。提取到的DNA经1% (w)琼脂糖凝胶电泳检测其合格性。使用338F (5'-ACTCCTACGGGAGGCAGCAG-3') 和806R (5'-GGACTACHVGGGTWTCTAAT-3') 通用引物对16S rRNA基因的V3—V4变异区进行PCR扩增。PCR反应程序为:95 ℃ 3 min;95 ℃ 30 s;53 ℃ 30 s,72 ℃ 45 s,29个循环;72 ℃ 10 min。PCR产物经回收、纯化等处理后,通过上海美吉生物医药科技有限公司Illumina Miseq PE300平台进行高通量测序。
1.3 数据处理和生物信息学分析
在美吉生物云平台完成数据处理及生物信息学分析工作。测序获得的原始数据使用fastp (Version 0.19.6) 和Fasth (Version 1.2.11) 进行质控和拼接,再采用Uparse (Version 11) 软件进行处理,根据97%的相似度对序列进行OTU聚类。采用PDR Classifier (Version 2.13) 软件对每条序列进行物种注释分类,基于Silva (Version 138) 数据库进行比对注释。按照最小样本序列数对数据抽平处理后,利用R语言 (Version 3.3.1) 工具制作韦恩图、群落柱形图和PCoA图;采用Mothur (Version 1.30.2) 软件计算α多样性;通过Wilcoxon秩和检验开展健康和患病中华鲟皮肤黏膜层优势菌属的差异分析。
2. 结果
2.1 物种组成分析
12个中华鲟皮肤样品经高通量测序和序列优化后,共获得675 884条高质量序列,序列的平均长度为424 bp。所有样品的覆盖率均超过99.5%,表明其测序深度能够全面反映出各样品的细菌菌群结构。韦恩图 (图2) 显示,健康和患病中华鲟皮肤黏膜层共有OTUs数量为453个,健康中华鲟皮肤黏膜层特有OTUs数量为1 823个,患病中华鲟皮肤黏膜层特有OTUs数量为126个。二者间的OTUs数量相差较大,健康中华鲟皮肤黏膜层总OTUs数量为2 276个,患病中华鲟皮肤黏膜层总OTUs数量为579个,相比健康中华鲟减少了1 697个(74.56%)。
在门水平上 (图3-a),健康中华鲟皮肤黏膜层的优势菌门为厚壁菌门 (45.26%)、变形菌门 (31.65%)和拟杆菌门 (15.02%)。患病中华鲟皮肤黏膜层的优势菌门转变为拟杆菌门和变形菌门,尤其是拟杆菌门的丰度由15.02%升至78.83%,成为第一优势菌门。
在属水平上 (图3-b),健康中华鲟皮肤黏膜层优势菌属为乳杆菌属 (Lactobacillus, 26.73%)、不动杆菌属 (Acinetobacter, 19.64%)、norank_f_Muribaculaceae (6.23%)、明串珠菌属 (Leuconostoc, 5.92%) 和假单胞菌属 (Pseudomonas, 2.84%),其他各菌属不足2%。患病中华鲟皮肤黏膜层优势菌属为黄杆菌属 (Flavobacterium, 78.38%) 和不动杆菌属 (17.62%),其他菌属不足2%。不动杆菌属是健康和患病中华鲟皮肤中的共同优势菌属。除不动杆菌属外,二者间的其他优势菌属均不同,患病中华鲟皮肤黏膜层的优势菌属种类明显少于健康中华鲟,且黄杆菌属高度富集,相对丰度由0.99%升至78.38%。
2.2 多样性分析
选取α多样性指数比较健康和患病中华鲟皮肤微生物的物种丰富度和多样性。Chao指数和Ace指数均显示,患病中华鲟皮肤黏膜层微生物物种丰富度显著低于健康中华鲟 (p<0.001,图4-a—4-b)。Shannon指数和Simpson指数均显示,患病中华鲟皮肤黏膜层微生物物种多样性均显著低于健康中华鲟 (p<0.001,图4-c—4-d)。由PCoA图 (图5) 可见,健康中华鲟皮肤中的全部样品落在第二和第四象限并形成一个组群,而患病中华鲟皮肤中的全部样品均落在第一和第三象限并形成另外一个组群,表明两者间的菌群结构具有明显差异。
2.3 差异性分析
为进一步解析健康和患病中华鲟皮肤在属水平微生物群落结构上的差异性,对2组样品采用Wilcoxon秩和检验进行优势菌属的显著性差异分析。结果显示,与健康中华鲟皮肤相比,患病中华鲟皮肤黄杆菌属显著升高 (图6-a,p<0.01),不动杆菌属无显著性差异 (图6-b,p>0.05),乳杆菌属 (图6-c)、norank_f_Muribaculaceae(图6-d)、明串珠菌属 (图6-e)、假单胞菌属 (图6-f)、戴尔福特菌属(Delftia,图6-g)、Lachnospiraceae_NK4A136_group (图6-h)、普雷沃氏菌属 (Prevotella,图6-i) 显著下降 (p<0.01)。黄杆菌属在患病中华鲟皮肤中丰度较高,乳杆菌属、norank_f_Muribaculaceae、明串珠菌属、假单胞菌属在健康组丰度较高,以上5种菌属可能是反映中华鲟健康状态的敏感菌群。
3. 讨论
3.1 花斑病对中华鲟皮肤黏膜层微生物菌群物种组成及丰度的影响
已有研究发现健康状态可以影响鱼类皮肤黏膜层微生物菌群结构的变化[15]。许峻旗等[6]发现大鲵在感染溃疡病后,拟杆菌门和变形菌门显著升高 (p<0.05),而厚壁菌门和放线菌门显著降低 (p<0.05)。张雪萍等[16]采用高通量测序技术对患烂皮病棘胸蛙 (Quasipaa spinosa) 的健康和溃烂皮肤样本进行比较研究,结果显示其健康皮肤的优势菌门为蓝细菌门/叶绿体、变形菌门、厚壁菌门、拟杆菌门和放线菌门,而溃烂皮肤的优势菌门为变形菌门。本研究结果与上述研究相似,健康中华鲟皮肤黏膜层优势菌门以厚壁菌门 (45.26%)、变形菌门 (31.65%) 和拟杆菌门 (15.02%) 为主,而患病中华鲟皮肤黏膜层优势菌门则以拟杆菌门 (78.83%) 和变形菌门 (20.28%) 为主,厚壁菌门退出优势菌门,相对丰度不足1%。厚壁菌门可以促进皮肤发酵产生活性物质,同时还可以维持皮肤表面酸性环境,帮助宿主抑制病原体的入侵[17-18]。拟杆菌门包括拟杆菌纲、黄杆菌纲和鞘脂杆菌纲等,其中黄杆菌纲中含有多种条件致病菌。因此,推测患病中华鲟皮肤黏膜层厚壁菌门的大幅减少和拟杆菌门的高度富集与中华鲟的感染发病密切相关。
进一步细化至属水平,对健康和患病中华鲟皮肤黏膜层微生物菌群组成进行对比分析,发现花斑病导致中华鲟皮肤黏膜层优势菌属减少,优势菌属由5种降至2种。在患病中华鲟皮肤中,相对丰度最高的是黄杆菌属,占比超78%。黄杆菌属隶属于拟杆菌门、黄杆菌纲、黄杆菌目、黄杆菌科,地理分布广泛,为条件致病菌,宿主种类繁多,可感染虹鳟[19]、大西洋鲑 (Salmo salar)[20]、西伯利亚鲟 (A. baerii)[21]、罗非鱼[22]等多种水生动物。有研究发现,黄杆菌属感染后的主要临床症状表现为鳃丝腐烂、体表溃疡、皮肤褪色[23-24],这与本研究中的患病中华鲟临床症状具有相似之处。综上,拟杆菌门中的黄杆菌属高度富集表明中华鲟皮肤黏膜层的微生物稳态被破坏,黄杆菌属可能是花斑病引起中华鲟皮肤黏膜层菌群改变的特征菌属。
3.2 花斑病对中华鲟皮肤黏膜层微生物菌群多样性的影响
微生物多样性在维持宿主生态功能和健康状态方面具有重要作用,多样性高意味着宿主具有更强的抗性,多样性下降可直接增加宿主患病的风险[25-26]。张雪晨[27]比较分析了健康和感染虾肝肠孢虫 (Enterocytozoon hepatopenaei) 凡纳滨对虾 (Litopenaeus vannamei) 肠道微生物群落的变化,结果显示患病对虾肠道微生物多样性显著低于健康对虾。Wang等[28]利用高通量测序方法研究了健康和患病大西洋鲑肠道菌群的结构特征,发现健康鱼肠道细菌多样性明显高于患病鱼。本研究也得到了相似结果,与健康中华鲟相比,患病中华鲟皮肤黏膜层微生物多样性和丰富度均显著下降 (p<0.001)。此外,本研究还发现在多样性和丰富度显著降低的同时,微生物群落结构呈简单化;健康中华鲟皮肤黏膜层总OTUs数量和特有OTUs数量分别为2 276和1 823个,而患病中华鲟则分别减少至579和126个;这提示微生物多样性和群落结构可间接反映鱼体的健康状态。
3.3 中华鲟健康状态菌群标志物的筛选
通过对健康和患病中华鲟皮肤黏膜层微生物菌群优势菌属进行差异性显著分析,获得5种反映中华鲟健康状态的敏感菌属。其中黄杆菌属在患病中华鲟皮肤中高度富集,而乳杆菌属、norank_f_Muribaculaceae、明串珠菌属、假单胞菌属等4种菌属在健康中华鲟皮肤中具有较高的丰度。黄杆菌属在自然界中广泛存在,是细菌性冷水病[29]、柱形病[30]等疾病的主要致病菌。根据黄杆菌属的富集状态,结合其临床意义;本研究筛选出黄杆菌属作为监测中华鲟花斑病病原的菌群标志物,其相对丰度升高提示鱼体患花斑病风险增加。在实际养殖过程中,可以通过定期检测体表皮肤菌群标志物的丰度来评估中华鲟的健康状态。随着中华鲟集约化养殖程度的不断提高,疾病问题也日趋增多。在面对新型疾病,特别是在病原体难培养或不可培养的情况下,采用高通量测序技术能有效发现病原体线索,有助于深入开展系统性研究。
4. 结论
本研究基于高通量测序技术对健康和患花斑病中华鲟皮肤黏膜层微生物菌群进行比较分析。结果表明,与健康中华鲟相比,花斑病破坏了中华鲟皮肤黏膜层正常的微生态稳态结构,优势菌群由乳杆菌属、不动杆菌属等转变为黄杆菌属,因此黄杆菌属可以作为监测中华鲟花斑病病原的菌群标志物,其相对丰度的高低可用以评估中华鲟的患病风险。
-
图 8 标准化粒径谱曲率与环境因子的相关性分析
*. P<0.05,显著相关;**. P<0.01,极显著相关;***. P<0.001,非常显著相关。
Figure 8. Correlation analysis between curvature of normalized size spectra and environmental indicators
*. P<0.05, significant correlation; **. P<0.01, extremely significant correlation; ***. P<0.001, very significant correlation.
表 1 浙江南部近海环境指标统计值
Table 1 Statistical values of environmental indicators in offshore waters of southern Zhejiang Province
季节
Season环境因子
Environmental factor最小值
Minimum value最大值
Maximum value平均值±标准差
$\overline { X}\pm { \rm {SD}} $春季 Spring 水深 Water depth/m 20.00 66.50 47.66±14.32 水温 Temperature/℃ 21.20 24.50 22.46±0.79 盐度 Salinity 26.30 33.10 28.77±1.74 pH 8.23 8.71 8.44±0.14 夏季 Summer 水深 Water depth/m 19.90 65.20 48.50±14.18 水温 Temperature/℃ 28.00 30.20 28.94±0.45 盐度 Salinity 31.70 34.00 33.36±0.71 pH 8.09 8.32 8.17±0.06 秋季 Autumn 水深 Water depth/m 16.70 63.70 51.21±12.25 水温 Temperature/℃ 21.60 23.90 22.96±0.58 盐度 Salinity 28.40 33.20 31.64±1.40 pH 8.15 8.27 8.22±0.04 冬季 Winter 水深 Water depth/m 21.50 66.00 48.26±13.63 水温 Temperature/℃ 10.40 15.80 13.21±1.80 盐度 Salinity 28.80 34.30 32.24±1.60 pH 8.18 8.34 8.26±0.04 表 2 浙江南部近海鱼类群落组成及营养级状况
Table 2 Composition of fish community and trophic level in offshore waters of southern Zhejiang Province
粒径
Size range粒径级上限值
Upper limit of
size class/g总生物量
Total biomass/
(g·km−2)主要鱼类物种
Main fish species营养级
Trophic level
$\overline X \pm {\rm{SD}}$−3~−2 −2 1 麦氏犀鳕 Bregmaceros mcclellandi 3.30±0.42* −2~−1 −1 2 麦氏犀鳕 B. mcclellandi 3.30±0.42* 粗吻海龙 Trachyrhamphus serratus — −1~0 0 9 麦氏犀鳕 B. mcclellandi 3.30±0.42* 六丝钝尾虾虎鱼 Amblychaeturichthys hexanema 3.65±0.05[25] 舒氏冠海龙 Corythoichthys schultzi 3.80±0.50* 0~1 1 40 麦氏犀鳕 B. mcclellandi 3.30±0.42* 六丝钝尾虾虎鱼 A. hexanema 3.65±0.05[25] 细条天竺鲷 Jaydia lineata 3.70±0.50* 赤鼻棱鳀 Thryssa kammalensis 3.91±0.31[25] 鳄齿鱼 Champsodon capensis 4.20±0.73* 1~2 2 163 六丝钝尾虾虎鱼 A. hexanema 3.65±0.05[25] 细条天竺鲷 J. lineata 3.70±0.50* 麦氏犀鳕 B. mcclellandi 3.30±0.42* 拉氏狼牙虾虎鱼 Odontamblyopus lacepedii — 2~3 3 613 拉氏狼牙虾虎鱼 O. lacepedii — 龙头鱼 Harpadon nehereus 3.62±0.20[25] 发光鲷 Acropoma japonicum − 细条天竺鲷 J. lineata 3.70±0.50* 大头白姑鱼 Pennahia macrocephalus 4.10 ±0.64* 蓝圆鲹 Decapterus maruadsi 3.63±0.06[25] 带鱼 T. lepturus 3.76±0.13[25] 赤鼻棱鳀 Thryssa kammalensis 3.91±0.31[25] 3~4 4 2 778 赤鼻棱鳀 T. kammalensis 3.91±0.31[25] 大头白姑鱼 P. macrocephalus 4.10 ±0.64* 白姑鱼 Pennahia argentata 4.10 ±0.70* 发光鲷 A. japonicum — 龙头鱼 H. nehereus 3.62±0.20[25] 4~5 5 8 507 黄鲫 Setipinna tenuifilis 3.74±0.15[25] 黑姑鱼 Atrobucca nibe 4.00±0.69* 大头白姑鱼 P. macrocephalus 4.10 ±0.64* 龙头鱼 H. nehereus 3.62±0.20[25] 5~6 6 17 971 小黄鱼 Larimichthys polyactis 3.70±0.40* 龙头鱼 H. nehereus 3.62±0.20[25] 带鱼 T. lepturus 3.76±0.13[25] 刺鲳 P. anomala 4.00±0.28* 6~7 7 19 326 带鱼 T. lepturus 3.76±0.13[25] 刺鲳 P. anomala 4.00±0.28* 镰鲳 P. echinogaster 3.50±0.20* 7~8 8 10 651 带鱼 T. lepturus 3.76±0.13[25] 镰鲳 P. echinogaster 3.50±0.20* 刺鲳 P. anomala 4.00±0.28* 8~9 9 4 018 镰鲳 P. echinogaster 3.50±0.20* 蓝圆鲹 D. maruadsi 3.63±0.06[25] 绿鳍鱼 Chelidonichthys kumu 3.70±0.57* 黄鳍东方鲀 Takifugu xanthopterus — 9~10 10 5 234 黄鮟 Lophius litulon 4.17±0.09[25] 中国花鲈 Lateolabrax maculatus — 10~11 11 5 867 黄鮟 L. litulon 4.17±0.09[25] 注:*. 数据来源于FishBase (www.fishbase.org);—. 无数据。
Note: *. Data from FishBase (www.fishbase.org); —. No data.表 3 标准化鱼类粒径谱各季拟合曲线的参数
Table 3 Parameters of seasonal fitted curve of normalized fish size spectra
季节
Season拟合方程
Fitted
equation曲率
Curvature回归系数R2
Regression
coefficient冬季 Winter y=−0.09x2+0.83x+4.54 −0.09 0.90 春季 Spring y=−0.18x2+1.70x+2.63 −0.18 0.87 夏季 Summer y=−0.13x2+1.07x+5.08 −0.13 0.75 秋季 Autumn y=−0.16x2+1.51x+3.59 −0.16 0.88 表 4 各季节分组标准化鱼类粒径谱拟合曲线参数
Table 4 Parameters of seasonal fitted curve of normalized fish size spectra in different groups
季节
Season分组
Group拟合方程
Fitted equation曲率
Curvature回归系数R2
Regression coefficient生物量
Biomass/(g·km−2)冬季 Winter 组Ⅰ y=−0.01x2+0.64x+0.92 −0.01 0.89 8 004 组Ⅱ y=−0.17x2+1.33x+3.44 −0.17 0.68 4 291 组Ⅲ y=−0.10x2+0.93x+4.27 −0.10 0.85 17 109 组Ⅳ y=−0.08x2+0.70x+4.99 −0.08 0.75 28 858 春季 Spring 组Ⅰ y=−0.28x2+3.83x−8.03 −0.28 0.31 5 232 组Ⅱ y=−0.19x2+1.80x+3.10 −0.19 0.74 24 650 组Ⅲ y=−0.28x2+2.78x+0.19 −0.28 0.80 19 059 组Ⅳ y=−0.29x2+2.89x−0.57 −0.29 0.78 9 667 夏季 Summer 组Ⅰ y=−0.38x2+3.21x+0.49 −0.38 0.82 8 076 组Ⅱ y=−0.13x2+1.12x+4.72 −0.13 0.65 29 358 组Ⅲ y=−0.10x2+0.92x+5.27 −0.10 0.57 34 790 秋季 Autumn 组Ⅰ y=−0.15x2+1.60x+1.05 −0.15 0.26 4 069 组Ⅱ y=−0.24x2+2.32x+1.78 −0.24 0.88 16 406 组Ⅲ y=−0.16x2+1.31x+4.03 −0.16 0.59 20 425 -
[1] 沈国英, 黄凌风, 郭丰, 等. 海洋生态学[M]. 3版. 北京: 科学出版社, 2010: 159-161. [2] ANDERSEN K. Size spectrum theory[M]. New Jersey: Princeton University Press, 2019: 15-37.
[3] JENNINGS S, BLANCHARD J L. Fish abundance with no fishing: predictions based on macroecological theory[J]. J Anim Ecol, 2004, 73(4): 632-642. doi: 10.1111/j.0021-8790.2004.00839.x
[4] ZHANG C L, CHEN Y, XU B D, et al. Evaluating fishing effects on the stability of fish communities using a size-spectrum model[J]. Fish Res, 2018, 197: 123-130. doi: 10.1016/j.fishres.2017.09.004
[5] HENEGHAN R F, HATTON I A, GALBRAITH E D. Climate change impacts on marine ecosystems through the lens of the size spectrum[J]. Emerg Top Life Sci, 2019, 3(2): 233-243.
[6] GUIET J, POGGIALE J C, MAURY O. Modelling the community size-spectrum: recent developments and new directions[J]. Ecol Model, 2016, 337: 4-14. doi: 10.1016/j.ecolmodel.2016.05.015
[7] 王荣, 林雅蓉, 刘孝贤. 太平洋表层水某些生物海洋学要素和颗粒谱的分布规律研究[J]. 海洋与湖沼, 1988, 19(6): 505-517. [8] 宋伦, 宋广军, 王年斌. 辽东湾浮游生物粒径结构稳定性分析[J]. 中国环境科学, 2015, 35(10): 3117-3126. doi: 10.3969/j.issn.1000-6923.2015.10.032 [9] 饶义勇, 蔡立哲, 黄聪丽, 等. 湛江高桥红树林湿地底栖动物粒径谱[J]. 生态学报, 2015, 35(21): 7182-7189. [10] 李自尚. 春季黄河口及其邻近水域浮游动物群落特征与粒径谱的初步研究[D]. 青岛: 中国海洋大学, 2012: 45-55. [11] 徐姗楠, 郭建忠, 陈作志, 等. 胶州湾鱼类生物量粒径谱特征[J]. 水产学报, 2020, 44(4): 596-605. [12] 柳晓雪, 高春霞, 田思泉, 等. 基于栖息地适宜指数的浙江南部近海黄鲫最适栖息地分布[J]. 中国水产科学, 2020, 27(12): 1485-1495. [13] 中华人民共和国生态环境部. 2018年中国海洋生态环境状况公报[EB/OL]. (2019-05-29)[2020-8-22]. https://hbdc.mee.gov.cn/hjyw/201905/t20190529_704849.shtml. [14] 杜晓雪, 田思泉, 王家启, 等. 浙江南部近海鱼类群落结构的时空特征[J]. 大连海洋大学学报, 2018, 33(4): 522-531. [15] 戴小杰, 杨志金, 田思泉, 等. 浙江南部近海鱼类分类多样性研究[J]. 海洋学报, 2019, 41(8): 43-51. [16] 韩晓凤, 王咏雪, 求锦津, 等. 台州南部近岸海域春秋季主要鱼类生态位及其种间联结性[J]. 水产学报, 2020, 44(4): 621-631. [17] SHELDON R W, PRAKASH A, SUTCLIFFE W H. The size distribution of particles in the ocean[J]. Limnol Oceanogr, 1972, 17(3): 327-340. doi: 10.4319/lo.1972.17.3.0327
[18] 郭建忠, 陈作志, 徐姗楠. 鱼类粒径谱研究进展[J]. 海洋渔业, 2017, 39(5): 582-591. doi: 10.3969/j.issn.1004-2490.2017.05.012 [19] JUNG S, HOUDE E D. Fish biomass size spectra in Chesapeake Bay[J]. Estuar Coast, 2005, 28(2): 226-240. doi: 10.1007/BF02732857
[20] SPRULES W G, MUNAWAR M. Plankton size spectra in relation to ecosystem productivity, size, and perturbation[J]. Can J Fish Aquat Sci, 1986, 43(9): 1789-1794. doi: 10.1139/f86-222
[21] DUPLISEA D E, KERR S R. Application of a biomass size spectrum model to demersal fish data from the Scotian Shelf[J]. J Theor Biol, 1995, 177(3): 263-269. doi: 10.1006/jtbi.1995.0243
[22] TREBILCO R, BAUM J K, SALOMON A K, et al. Ecosystem ecology: size-based constraints on the pyramids of life[J]. Trends Ecol Evol, 2013, 28(7): 423-431. doi: 10.1016/j.tree.2013.03.008
[23] 于海成. 长江口及邻近海域鱼类群落结构分析[D]. 青岛: 中国科学院大学 (中国科学院海洋研究所), 2008: 16-18. [24] 严润玄, 冯明, 王晓波, 等. 浙江北部海域大型底栖动物优势种的时空分布[J]. 海洋与湖沼, 2020, 51(5): 1162-1174. doi: 10.11693/hyhz20191200253 [25] 高春霞, 戴小杰, 田思泉, 等. 基于稳定同位素技术的浙江南部近海主要渔业生物营养级[J]. 中国水产科学, 2020, 27(4): 438-453. [26] 徐姗楠, 郭建忠, 陈作志, 等. 大亚湾鱼类生物量粒径谱特征[J]. 中国水产科学, 2019, 26(1): 34-43. [27] WARWICK R M. Species size distributions in marine benthic communities[J]. Oecologia, 1984, 61(1): 32-41. doi: 10.1007/BF00379085
[28] DOS SANTOS R M, HILBERS J P, HENDRIKS A J. Evaluation of models capacity to predict size spectra parameters in ecosystems under stress[J]. Ecol Indic, 2017, 79: 114-121. doi: 10.1016/j.ecolind.2017.04.017
[29] BORGMANN U. Particle-size-conversion efficiency and total animal production in pelagic ecosystems[J]. Can J Fish Aquat Sci, 1982, 39(5): 668-674. doi: 10.1139/f82-096
[30] MARQUET P A, QUINONES R A, ABADES S, et al. Scaling and power-laws in ecological systems[J]. J Exp Biol, 2005, 208(9): 1749-1769. doi: 10.1242/jeb.01588
[31] KERR S R, DICKIE L M. The biomass spectrum: a predator-prey theory of aquatic production[M]. New York: Columbia University Press, 2001: 16-18.
[32] 周林滨, 谭烨辉, 黄良民, 等. 水生生物粒径谱/生物量谱研究进展[J]. 生态学报, 2010, 30(12): 3319-3333. [33] 韩晓凤. 温台渔场产卵场保护区及附近海域游泳动物群落结构及多样性研究[D]. 舟山: 浙江海洋大学, 2020: 16-26. [34] 梁海. 洞头外侧海域鱼类群落结构及物种多样性研究[D]. 舟山: 浙江海洋大学, 2019: 25-36. [35] 孙鹏. 玉环东部及附近海域游泳动物群落特征及多样性研究[D]. 舟山: 浙江海洋大学, 2018: 27-41. [36] FENBERG P B, ROY K. Ecological and evolutionary consequences of size-selective harvesting: how much do we know?[J]. Mol Ecol, 2008, 17(1): 209-220. doi: 10.1111/j.1365-294X.2007.03522.x
[37] SHIN Y J, ROCHET M J, JENNINGS S, et al. Using size-based indicators to evaluate the ecosystem effects of fishing[J]. ICES J Mar Sci, 2005, 62(3): 384-396. doi: 10.1016/j.icesjms.2005.01.004
[38] 张琳琳. 浙江南部近岸海域春秋季鱼卵、仔稚鱼群落结构及与环境因子的关系[D]. 舟山: 浙江海洋大学, 2020: 46-52. [39] 宋伦, 王年斌, 杨国军, 等. 鸭绿江口及邻近海域生物群落的胁迫响应[J]. 生态学报, 2013, 33(9): 2790-2802. -
期刊类型引用(7)
1. 杨艳,蓝一,刘佳敏,王茜. 渔业生物环境DNA宏条形码数据库研究进展. 湖北农业科学. 2025(01): 174-180 . 百度学术
2. 周严,童璐,胡文静,李志力,郝雷,刘其根,胡忠军. 淡水鱼类环境DNA宏条形码引物的筛选及其在千岛湖的应用. 湖泊科学. 2024(01): 187-199 . 百度学术
3. 徐颖琪,梁绪虹,陈新军,宋成辉,彭祖焜,王丛丛. 基于COⅠ基因构建西北太平洋常见鱼类DNA条形码参考数据库. 上海海洋大学学报. 2024(04): 823-835 . 百度学术
4. 张浩博,王晓艳,陈治,钟兰萍,高天翔. 基于环境DNA metabarcoding的舟山及其邻近海域鱼类空间分布格局的初步研究. 水产学报. 2024(08): 125-138 . 百度学术
5. 陈治,高天翔. 线粒体12S与COI条形码对海洋鱼类的鉴定差异. 海南热带海洋学院学报. 2023(02): 10-16 . 百度学术
6. 李晨虹,凌岚馨,谭娟,林晓龙,王辉,孙冰皎,李曌. 环境DNA技术在水生生物监测中的挑战、突破和发展前景. 上海海洋大学学报. 2023(03): 564-574 . 百度学术
7. 陈治,蔡杏伟,申志新,张清凤,李芳远,谷圆,李高俊,赵光军,王镇江. 海南岛淡水鱼类eDNA宏条形码COⅠ通用引物的筛选. 渔业科学进展. 2023(06): 40-57 . 百度学术
其他类型引用(1)