Research on aquaculture area distribution of tuna in South China Sea
-
摘要:
南海是金枪鱼类的重要分布区，开展南海金枪鱼类养殖潜在适宜区选划研究具有重要意义。南海金枪鱼类的主要种类为黄鳍金枪鱼 (Thunnus albacares) 和鲣 (Katsuwonus pelamis)，根据其物种出现点以及7种南海环境数据，采用最大熵 (Maximum Entropy, MaxEnt) 模型定量评估了南海黄鳍金枪鱼和鲣的潜在养殖适宜性指数。结果表明：1) 模型受试者工作特征曲线的下面值均大于0.848，表明模型准确度良好，可用于模拟金枪鱼类养殖潜在适宜区的分布；2) 表层溶解氧、表层水温、底层水温、底层盐度是影响南海黄鳍金枪鱼和鲣养殖适宜栖息地分布的重要环境因子。其中，黄鳍金枪鱼的最适宜范围为：表层溶解氧浓度201.52~242.68 mol·m−3、底层水温1.96~32.61 ℃、底层盐度34.37‰~35.26‰；鲣的最适宜范围为：表层溶解氧浓度200.83~208.35 mol·m−3、表层水温19.71~28.96 ℃、底层盐度34.30‰~35.26‰；3) 黄鳍金枪鱼和鲣的养殖潜在高适宜分布区域较为集中，黄鳍金枪鱼主要集中在东沙渔场、南沙中部渔场以及南沙中西部渔场的东北部，鲣主要集中在台湾南部渔场的中西部以及东沙渔场。
Abstract:The South China Sea is an important distribution area of tuna, so it is important to carry out researches on potentially suitable areas for tuna aquaculture in that area. The main tuna species in the South China Sea are yellowfin tuna (Thunnus albacares) and skipjack tuna (Katsuwonus pelamis), according to whose locations of occurrence and seven kinds of environmental data in that area, we used the Maximum Entropy (MaxEnt) Model to quantitatively evaluate the potential suitability indexes for their aquaculture. The results show that: 1) The face value of receiver operating characteristic curve of the model was greater than 0.84, indicating that the model is accurate and can be used to simulate the distribution of potentially suitable habitats for tuna. 2) Sea surface dissolved oxygen, sea surface temperature and sea benthic salinity were important environmental factors which affected the distribution of suitable habitats for yellowfin tuna and skipjack tuna in the South China Sea. The optimal sea surface dissolved oxygen, sea surface temperature and sea benthic salinity of yellowfin tuna were 201.52–242.68 mol·m−3, 1.96–32.61 ℃, 34.37‰–35.26‰, respectively, and those of skipjack tuna were 200.83–208.35 mol·m−3, 19.71–28.96 ℃, 34.30‰–35.26‰, respectively. 3) The distribution areas of yellowfin tuna were mainly concentrated in the Dongsha fishing ground, the middle Nansha fishing ground, and the northeast of the western and central Nansha fishing ground, while those of skipjack tuna were mainly concentrated in the western and central of the south Taiwan fishing ground and the Dongsha fishing ground.
-
Keywords:
- Tunas /
- Potential suitable areas for aquaculture /
- MaxEnt model /
- South China Sea
-
我国盐碱水面积大，广泛分布于东北、西北、华北等内陆地区，水质类型多样，以碳酸盐型居多[1]。过高的碳酸盐碱度对鱼类有强烈的毒害作用，如环境中氢氧根离子 (OH−)、碳酸氢根离子 (HCO3−)、碳酸根离子 (CO3 2−) 等直接作用于鱼类的鳃上皮细胞，造成器质性损伤[2]；鱼类鳃内二氧化碳分压 (pCO2) 随碳酸盐碱度的升高维持在较低水平，导致低碳酸血症和呼吸性碱中毒[3-4]；鱼体内的氨气 (NH3) 不能与氢离子 (H+) 结合排出体外，发生氨中毒等[5]。鱼类可以通过改变鳃组织的形态、调整含氮产物的代谢和排泄等方式适应高碱度环境[6-8]，基因的差异表达也是鱼类应答碱胁迫的途径之一[9-11]。不同鱼类对碳酸盐碱度的耐受性不同，目前国内外已有对包括青海湖裸鲤 (Gymnocypris przewalskii) 在内的20多种鱼类碱耐受性的报道[7-8,12-23]，但多数是在极端高碱环境下经过进化具有生存优势的鱼类，如马加迪湖罗非鱼[7](Oreochromis alcalicus grahami)、金字塔湖克拉克大麻哈鱼[8] (Oncorhynchus clarki henshawi)、凡湖塔氏卡拉白鱼[12] (Chalcalburnus tarichi) 等，且研究过程中往往胁迫方式比较单一、统计处理也比较简单。
尼罗罗非鱼 (O. niloticus) 生长速度快，是世界上最广泛养殖的鱼类之一，2019年我国养殖产量为1.64×104 t[24]。尼罗罗非鱼也是一种广盐性鱼类，具有在盐碱水域中养殖推广的潜力。有关尼罗罗非鱼对氯化钠 (NaCl) 盐度耐受性的研究较多[25-28]，但对碳酸盐碱度耐受性的报道较少。雷衍之等[29]发现当水体总碱度为48.2 me·L−1时，相较于鲢 (Hypophthalmichthys molitrix)、鳙 (H. nobilis)、草鱼 (Ctenopharyngodon idella) 等淡水鱼，尼罗罗非鱼存活时间更长，但该碱度计量单位目前使用较少；赵岩等[30]发现，尼罗罗非鱼在4和6 g·L−1的碳酸盐碱水体中胁迫48 h无死亡个体，10 g·L−1碱环境下的开始死亡时间明显早于8 g·L−1，但并未计算准确的半致死浓度 (LC50)。此外，在对尼罗罗非鱼进行耐盐碱新品种的选育过程中，为了优化选育和驯化方案，也需要对其盐碱耐受性进行全面深入的评估。
本研究以体质量差异3倍以上的大、小2种规格的尼罗罗非鱼幼鱼为对象，用碳酸氢钠 (NaHCO3) 配置不同浓度的碱性水体，通过高浓度碱胁迫致死、急性碱胁迫和慢性碱驯化3种不同的胁迫方法，系统研究了尼罗罗非鱼对碳酸盐碱度的耐受性能，为其盐碱选育和盐碱水养殖提供参考资料。
1. 材料与方法
1.1 实验材料
实验自2020年10月1日起于上海海洋大学罗非鱼种质资源试验站进行。实验用鱼为新吉富罗非鱼品系后代。挑选同年繁殖且大、小2种规格 [ 大：(21.56±0.27) g，小：(5.92±0.03) g] 的鱼进行实验。正式实验前暂养24 h，暂养期间不投喂，选取体质健康、活力较强、大小均匀的个体。实验用水提前配置，根据水族箱 (46 cm×38 cm×31.5 cm) 体积计算所需NaHCO3 (分析纯) 的质量，将相应NaHCO3加至完全曝气的自来水中，均匀搅拌，连续充氧，待其稳定后使用。
1.2 实验设计
1.2.1 高浓度碱胁迫致死实验
将大、小规格实验鱼由淡水分别直接移入碳酸盐碱度为30和22 g·L−1水体中。发现死鱼立即捞出，记录每尾鱼的死亡时间。每组每种鱼设3个重复，每个重复30尾。
1.2.2 急性碱胁迫实验
根据预实验，大规格实验组设置8、9、10 g·L−1 3个碱度梯度，小规格实验组设置6、7、8 g·L−1 3个碱度梯度。将暂养后的实验鱼直接放入不同碱度组的水箱内，每组40尾，设3个平行，充分曝气的自来水组为对照，进行96 h急性碱胁迫实验。实验开始后，每4 h观察记录死亡情况。
1.2.3 慢性碱驯化实验
水体起始碱度为0 g·L−1，分别以+2、+4、+6 g·(L·d)−1的速度增加碳酸盐碱浓度来进行实验。每组40尾鱼，3个重复。实验开始后，每12 h观察记录死亡情况。实验期间用气泵不间断充氧，水温19~24 ℃，不喂食不换水，用虹吸管吸出粪便以保持水体清洁。以实验鱼静卧水箱底部、呼吸停止、用玻璃棒触碰无反应为死亡标准。
1.3 数据分析
利用MATLAB 8.4、Systat Sigma Plot 10.0和DPS软件对所得实验数据进行统计分析。
1.3.1 高浓度碱胁迫致死实验
计算平均存活时间 (Mean surviving time, MST, min)，以“平均值±标准差 (
$ \overline { X}\pm { \rm {SD}} $ )”表示。1.3.2 急性碱胁迫实验
绘制随时间-碱度变化的累计死亡率观察值图；将累计死亡率转换成概率单位后，用线性回归模型拟合碱度与累计死亡率的回归方程，求出96 h LC50；用互补重对数模型 (Complementary log-log model, CLL) 拟合不同碱度处理下大、小规格鱼各时间区间的累计死亡率曲面，模型拟合在DPS数据处理系统下进行[31]。
其中实验鱼在时间tj (j=12, 24,···, J) 被作用因子 (NaHCO3) 的剂量di (i=6, 7,···, I) 致死的概率可表达为：
$$ {p_{ij}} = 1 - {\rm{exp }}\{ - {\rm{exp }}[{\tau _j} + \beta {\rm{lg}}\left( {{d_i}} \right)]\} $$ (1) 式中：β为描述剂量效应的待估参数；τj为至时间tj的时间效应参数；pij为剂量di在0到j个时间单位内产生的累计死亡概率 (Cumulative mortality)；剂量di使受试个体在时间区间 [tj−1,tj] 内可能遭受的死亡率称为条件死亡概率 (Conditional mortality)，可表示为：
$$ {q_{ij}} = 1 - {\rm{exp }}\{ - {\rm{exp }}[{\gamma _j} + \beta {\rm{lg}}\left( {{d_i}} \right)]\} $$ (2) 式 (2) 中β的含义与式 (1) 相同。γj为描述时间区间 [tj−1, tj] 内时间效应的待估参数，与τj在时间上的含义有所区别。γj和β通过二项分布最大似然函数逼近获得。对模型的拟合值与实测值之间的差异，分别采用Pearson卡方检验及Hosmer-Lemoshow统计量来检验模型的拟合度高低。
1.3.3 慢性碱驯化实验
绘制随时间-碱度变化的累计死亡率观察值图；用Logistic模型拟合累计死亡率和胁迫时间的关系曲线，分别求出致死碱度范围和LC50。
2. 结果
2.1 高浓度碱胁迫致死实验
将实验鱼分别移入碳酸盐碱水体中，3 h内均全部死亡，但大规格鱼在高胁迫浓度下，MST为 (136.92±3.72) min，仍长于小规格鱼 [(114.08±4.36) min]。
2.2 急性碱胁迫实验
实验期间，对照组呼吸与游动保持正常，水质较清澈，全程未出现死亡个体，而碱胁迫组实验鱼陆续死亡。大规格鱼在碳酸盐碱度为8 g·L−1时，无强烈应激表现，前24 h未出现死亡，随时间延长累计死亡率上升较平缓，96 h内不足20%；碳酸盐碱度为9 g·L−1时，前72 h累计死亡率为22.5%，72 h后迅速上升，胁迫96 h达到52.5%；碳酸盐碱度为10 g·L−1时，第12小时即出现死亡，前60 h累计死亡率小幅增长，60~72 h骤增，72 h死亡数达一半以上，96 h后仅剩少量存活 (图1-a)；小规格鱼在碳酸盐碱度6 g·L−1时，胁迫48 h未出现死亡，96 h累计死亡率不足50%；碳酸盐碱度为7 g·L−1时，前24 h累计死亡率为0，24~72 h呈匀速变化 (6%, 14%, 22%, 30%)，72 h后迅速增至64%；碳酸盐碱度为8 g·L−1时，胁迫前期即开始死亡，出现急游冲撞、窜出水面、眼睛突出、眼白出血、呼吸运动加快等现象，胁迫60 h死亡已超半数，96 h后累计死亡率超过85% (图1-b)，且死亡个体大多具有眼部凸起发黑、身体僵硬、腹腔积水等特征；同时水质浑浊较快，含有大量泡沫。
![]()
图 1 尼罗罗非鱼随时间-碱度变化的累计死亡率观察值Figure 1. Observed value of cumulative mortality of Nile tilapia with time-alkalinity change基于线性回归模型拟合碱度与累计死亡率的回归方程，大、小规格急性胁迫96 h的LC50分别为8.95和6.25 g·L−1 (表1)。
表 1 基于线性回归模型尼罗罗非鱼累计死亡率的相关性分析Table 1. Correlation analysis of cumulative mortality of Nile tilapia by linear regression model组别
Group胁迫时间
Stress time/h回归方程
Regression equation相关系数
Correlation coefficientP 半致死浓度
LC50/(g·L−1)大规格鱼 Large size fish 96 y=0.329x−2.445 0.999 0.016 8.95 小规格鱼 Small size fish 96 y=0.200x−0.750 0.998 0.028 6.25 进行各碱度各时间段累计死亡率的CLL模型拟合 (图2)。在实验设置的时间与碱度范围内，模拟的死亡概率是一个曲面，曲面的高度和变化均与观察值曲面相近。CLL模型下，大、小规格实验鱼急性胁迫96 h的LC50分别为9.01和6.35 g·L−1 (表2)。条件死亡率效应参数 (γ) 和累计死亡率效应参数 (τ) 估计值均随胁迫时间的延长而增大；模型经Pearson卡方检验及Hosmer & Lemeshow统计量检验均显著相关；模型系数β、γj经t检验相关极显著 (P<0.01，表2)。
![]()
图 2 互补重对数模型拟合尼罗罗非鱼随时间-碱度变化的累计死亡率Figure 2. Cumulative mortality of Nile tilapia estimated by CLL model with time-alkalinity change表 2 尼罗罗非鱼互补重对数模型的参数估计及其显著性检验Table 2. Estimated and tested parameters of complementary log-log model of Nile tilapia组别
Group半致死浓度
LC50/(g·L−1)条件死亡率模型
Conditional mortality model累计死亡率模型
Cumulative mortality model参数
Parameter系数
Coefficient标准误
Standard errort 检验
t testP 参数
Parameter系数
Coefficient大规格鱼 Large size fish 9.01 β 21.401 1 0.150 7 142.015 9 0.000 1 β 21.401 1 γ48 −23.677 6 1.892 5 12.511 3 0.000 1 τ48 −22.710 7 γ96 −21.714 4 3.050 7 7.117 8 0.000 1 τ96 −20.800 2 Pearson卡方检验值 Pearson's chi square test 11.529 08<χ2 0.05=25.00，df=15，P=0.775 71>0.05
Hosmer & Lemeshow 拟合度卡方统计量 Hosmer & Lemeshow statistic value 4.900 0<χ2 0.05=15.51，df=8，P=0.768 21>0.05小规格鱼 Small size fish 6.35 β 11.405 9 2.138 8 5.332 8 0.000 1 β 11.405 9 γ48 −12.630 2 1.894 3 6.667 5 0.000 1 τ48 −11.353 7 γ96 −10.923 7 1.814 3 6.021 0 0.000 1 τ96 −9.524 9 Pearson卡方检验值 Pearson's chi square test 23.255 01<χ2 0.05= 25.00，df=15，P=0.107 09>0.05
Hosmer & Lemeshow 拟合度卡方统计量 Statistic value 13.002 9<χ2 0.05= 15.51，df=8，P=0.111 75>0.05注：P>0.05表示模型拟合效果好。 Note: P>0.05 indicates that the model shows the best performance. 2.3 慢性碱驯化实验
大规格鱼在3种碱变化速度下，累计死亡率波峰不显著 (图3-a)；小规格鱼在3种碱变化速度下，其累计死亡率出现3个明显的峰值，按时间先后分别为+6、+4和+2 g·(L·d)−1组 (图3-b)。实验中以2 g·(L·d)−1的幅度增加碱度，大、小规格实验鱼胁迫96 h均未出现死亡，碳酸盐碱度达12 g·L−1时累计死亡率均为100%；+4 g·(L·d)−1组在碱度达12 g·L−1时，大规格鱼累计死亡半数以上，小规格鱼全部死亡；+6 g·(L·d)−1组在碱度达12 g·L−1时，大规格鱼累计死亡24%，小规格鱼累计死亡率从0升至100%。
![]()
图 3 尼罗罗非鱼慢性碱驯化下的累计死亡率观察值Figure 3. Observed value of cumulative mortality of Nile tilapia with gradual alkalinity利用Logistic模型将尼罗罗非鱼的累计死亡率和胁迫时间按照不同碳酸盐碱度变化速度进行统计拟合 (图4)，得出慢性碱驯化过程中实验鱼的致死碱度范围及半致死碱度 (表3)。
![]()
图 4 Logistic模型拟合慢性碱驯化下尼罗罗非鱼的累计死亡率Figure 4. Cumulative mortality of Nile tilapia estimated by Logistic model with gradual alkalinity表 3 慢性碱驯化下尼罗罗非鱼累计死亡率相关分析Table 3. Correlation Analysis of cumulative mortality of Nile tilapia with gradual alkalinity组别
Group碱度变化速度
Rate of alkaline
change/[g·(L·d)−1]成活时间
Survival time/h死亡碱度下限
Lower limit of
dead alkalinity/(g·L−1)生存碱度上限
Upper limit of
survival alkalinity/(g·L−1)半致死浓度
LC50/(g·L−1)相关系数
Correlation
coefficient大规格鱼 Large size fish +2 144 8.20 12.00 10.55 0.999 +4 92 7.21 15.92 11.59 0.997 +6 68 6.64 17.07 13.03 0.997 小规格鱼 Small size fish +2 140 8.01 11.50 9.91 0.999 +4 68 6.91 11.98 8.87 0.997 +6 52 5.90 15.23 8.54 0.999 3. 讨论
LC50是衡量盐碱水体对鱼毒害影响的指标[9]。常见鱼类的96 h LC50 [13-21]见表4。本实验急性碱胁迫96 h大规格尼罗罗非鱼的LC50为106.55×10−3 mol·L−1，小规格的为74.40×10−3 mol·L−1 (不同文献中碱度单位有差异，此处统一按1 g·L−1=84×10−6 mol·L−1计算)。可见尼罗罗非鱼的耐碱能力虽弱于青海湖裸鲤、卡拉白鱼等耐高碱鱼类，但仍强于大多淡水养殖鱼类。另外，当慢性驯化实验中碱度为12 g·L−1时，+2 g·(L·d)−1组累计死亡率均达100%；+4 g·(L·d)−1组大规格鱼累计死亡半数以上，小规格鱼全部死亡；+6 g·(L·d)−1组小规格鱼累计死亡率从0升至100%。推测碳酸盐碱度12 g·L−1可能是尼罗罗非鱼碱耐受能力的拐点。
表 4 常见鱼类急性胁迫96 h的半致死浓度Table 4. 96 h LC50 values of alkalinity of common fish species种类
Species规格
Size半致死浓度
LC50/(mol·L−1)文献
Reference青海湖裸鲤 Gymnocypris przewalskii (12.52±0.32) g 150.18×10−3 [13] 达里湖高原鳅 Triplophysa dalaica (8.72±1.20) g 120.0×10−3 [13] 威海卡拉白鱼 Chalcalburnus chalcoides aralensis 2.60~4.62 g 112.23×10−3 [14] 大鳞副泥鳅 Paramisgurnus dabryanus (47.32±0.88) g 88.83×10−3 [13] 黄鳝 Monopterus albus (11.82±1.51) g 75.94×10−3 [15] 黑龙江泥鳅 Misgurnus mohoity (Dybowski) (16.3±0.53) g 72.62×10−3 [13] 异育银鲫 Carassiusauratus gibelio (28.20±3.91) g 70.368×10−3 [16] 达里湖鲫 Carassius auratus Linnacus (4.16±0.47) cm 63.42×10−3 [17] 彭泽鲫 Carassius auratus var. pengzesis 3.26~3.68 g 59.87×10−3 [18] 花鲈 Lateolabrax maculatus (3.19±0.21) cm 46.18×10−3 [19] 叶尔羌高原鳅 Triplophysa yarkandensis 4.64~11.39 g 35.143×10−3 [20] 欧鲇 Silurus glurnis Linnaeus (0.32±0.11)~(0.73±0.12) g 5.099×10−3 [21] 大规格鱼的高浓度致死MST、急性碱胁迫96 h LC50 [(136.92±3.72) min, 8.95 g·L−1] 均高于小规格 [(114.08±4.36) min, 6.25 g·L−1]；慢性碱驯化下，大规格鱼LC50均高于10 g·L−1，小规格鱼的低于10 g·L−1；大规格的生存碱度上限比小规格高1~4 g·L−1，死亡碱度下限与小规格差异不显著。上述结果说明体质量会影响鱼类对环境的耐受性。在幼鱼阶段，体质量增加3倍以上的罗非鱼对碳酸盐碱胁迫的耐受性显著增强。值得注意的是，慢性碱驯化实验中大规格鱼LC50随碱变化速度的增大而上升，小规格鱼则随碱变化速度的增大而下降，究其原因有2个：1) 慢性碱驯化实验中，小规格鱼累计死亡率出现3个明显的峰值，而大规格鱼死亡变化平缓，在碳酸盐碱度达12 g·L−1时，小规格鱼较大规格死亡情况更集中；2) 实际操作中碱度以脉冲式增加，碱度的拟合值较实测值准确度可能较低，拟合曲线并未穿过全部数据点。
本研究在慢性碱驯化实验中发现，同规格鱼在不同碱变化速度下的存活时间不同。+2 g·(L·d)−1组实验鱼的存活时间较长 (大：144 h，小：140 h)，+6 g·(L·d)−1组实验鱼较短 (大：68 h，小：52 h)。+4 g·(L·d)−1组实验鱼存活时间 (大：92 h，小：68 h) 和+6 g·(L·d)−1组差异不显著。尽管在较高的碱变化速度下，生存碱度上限、死亡碱度下限发生变化，但实际该数值变化并不会提高耐受性。因此认为在碱驯化过程中，碱度日增加2 g·L−1对尼罗罗非鱼的存活更加友好，养殖中可通过2 g·(L·d)−1的碱增加使其耐受更高浓度的碳酸盐碱水体。另外，可以推测碱度日增加1 g·L−1时罗非鱼存活时间更长，但驯化时间和成本也会相应增加。
碱度对鱼类的毒性具有剂量效应和时间效应[17]。CLL模型最先应用在不同昆虫的化学及生物杀虫剂毒力测定的数据分析上，优点在于可以揭示时间与剂量间的互作效应，使实验数据更充分更完整[31]。本研究引入CLL模型用于急性碱胁迫下尼罗罗非鱼的“时间-碱度-死亡率”分析。结果发现，和线性回归相比，CLL模型可直接反映不同时间区间的死亡变化情况，拟合程度更高，且胁迫过程中的时间效应在数值上表现为逐渐增强 (大：−23.677 6<−21.714 4，−22.710 7<−20.800 2；小：−12.630 2<−10.923 7，−11.353 7<−9.524 9)，不仅解释了胁迫后期实验鱼死亡数量骤增现象，同时也说明在有效的胁迫时间、碱度范围内，CLL模型适于此类数据的分析。但对于慢性碱驯化而言，时间因子和碱度因子并非2个独立变量，存在线性关系，两者共同作用导致累计死亡率的特定变化，不满足CLL模型基于双独立变量的要求。此外，笔者也试图利用双变量Logistic模型[32]解释慢性碱驯化下碱度、时间对尼罗罗非鱼的致死影响，但由于双变量Logistic模型多应用于温度等连续变化的作用因子，实验点较多，和本实验浓度变化明显不同，因此并不适合。
1 农业部南海区渔政局, 广东省地图出版社. 南海渔场作业图集 (内部发行)[M]. 广州: 广东省地图出版社, 1994. -
![]()
图 2 Jackknife 检验不包含某个环境因子 (a) 或仅包含某个环境因子 (b) 的得分
Figure 2. Score of Jackknife test without a certain environmental factor (a) or with only one environmental factor (b)
![]()
图 4 重要环境因子对金枪鱼适生性指数的响应曲线
Figure 4. Response curve of important environmental factors to suitable index of tuna
表 1 模型检验结果
Table 1 Model test results
种类
Species训练数据 (AUC 值)
Training data (AUC value)测试数据 (AUC 值)
Test data (AUC value)AUC 值标准差
Standard deviation of AUC value黄鳍金枪鱼 T. albacares 0.872 3 0.848 1 0.022 4 鲣 K. pelamis 0.880 3 0.872 1 0.028 8 
下载: 导出CSV
-
[1] KAPETSKY J M, AGUILAR-MANJARREZ J, JENNESS J. A global assessment of offshore mariculture potential from a spatial perspective[J]. FAO Fish Aqua Tech Pap, 2013(549): I.
[2] TROELL M, HALLING C, NEORI A, et al. Integrated mariculture: asking the right questions[J]. Aquaculture, 2003, 226(1/2/3/4): 69-90.
[3] 傅远佳, 严晓, 张芳, 等. 习近平同志关于向海经济的重要论述与实践研究[J]. 北部湾大学学报, 2022, 37(5): 76-83. [4] 周猛, 李东萍. 远洋的馈赠: 金枪鱼[J]. 中国水产, 2022(12): 104-106. doi: 10.3969/j.issn.1002-6681.2022.12.zhongguosc202212041 [5] 张成林, 刘晃, 徐皓, 等. 日本金枪鱼养殖产业现状及对中国的启示[J]. 渔业现代化, 2021, 48(5): 10-17. doi: 10.3969/j.issn.1007-9580.2021.05.002 [6] NATH S S, BOLTE J P, ROSS L G, et al. Applications of geographical information systems (GIS) for spatial decision support in aquaculture[J]. Aquac Eng, 2000, 23(1/2/3): 233-278.
[7] OYINLOLA M A, REYGONDEAU G, WABNITZ C C C, et al. Global estimation of areas with suitable environmental conditions for mariculture species[J]. PLoS One, 2018, 13(1): e0191086. doi: 10.1371/journal.pone.0191086
[8] RADIARTA I N, SAITOH S I, MIYAZONO A. GIS-based multi-criteria evaluation models for identifying suitable sites for Japanese scallop (Mizuhopecten yessoensis) aquaculture in Funka Bay, southwestern Hokkaido, Japan[J]. Aquaculture, 2008, 284(1/2/3/4): 127-135.
[9] GUISAN A, ZIMMERMANN N E. Predictive habitat distribution models in ecology[J]. Ecol Model, 2000, 135(2): 147-186.
[10] GENTRY R R, FROEHLICH H E, GRIMM D, et al. Mapping the global potential for marine aquaculture[J]. Nat Ecol Evol, 2017, 1(9): 1317-1324. doi: 10.1038/s41559-017-0257-9
[11] FROEHLICH H E, GENTRY R R, HALPEM B S. Global change in marine aquaculture production potential under climate change[J]. Nat Ecol Evol, 2018, 2(11): 1745-1750. doi: 10.1038/s41559-018-0669-1
[12] 赵欣. 南海渔业资源开发利用的时空特征及其治理[J]. 世界地理研究, 2022, 31(4): 762-772. doi: 10.3969/j.issn.1004-9479.2022.04.20222006 [13] 张鹏, 杨吝, 张旭丰, 等. 南海金枪鱼和鸢乌贼资源开发现状及前景[J]. 南方水产, 2010, 6(1): 68-74. [14] PICHENS B A, CARROL R, SCHIRRIPA M J, et al. A systematic review of spatial habitat associations and modeling of marine fish distribution: a guide to predictors, methods, and knowledge gaps[J]. PLoS One, 2021, 16(5): e0251818. doi: 10.1371/journal.pone.0251818
[15] 樊伟, 沈新强, 林明森. 大西洋大眼金枪鱼渔场、资源及环境特征的研究[J]. 海洋学报(中文版), 2003(S2): 167-176. [16] 宋利明, 陈新军, 许柳雄. 大西洋中部黄鳍金枪鱼的垂直分布与有关环境因子的关系[J]. 海洋与湖沼, 2004, 35(1): 64-68. doi: 10.3321/j.issn:0029-814X.2004.01.010 [17] WEXLER J B, MARGULIES D, SCHOLE V P. Temperature and dissolved oxygen requirements for survival of yellowfin tuna, Thunnus albacares, larvae[J]. J Exp Mar Biol Ecol, 2011, 404(1/2): 63-72.
[18] MUGO R, SAITOH S E I 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
[19] 杨胜龙, 张禹, 樊伟, 等. 热带印度洋大眼金枪鱼渔场时空分布与温跃层关系[J]. 中国水产科学, 2012, 19(4): 679-689. [20] 纪世建, 周为峰, 王鲁民, 等. 南海及临近海域黄鳍金枪鱼渔场时空分布与海表温度的关系[J]. 海洋渔业, 2016, 38(1): 9-16. doi: 10.3969/j.issn.1004-2490.2016.01.002 [21] 王少琴, 许柳雄, 朱国平, 等. 中西太平洋金枪鱼围网的黄鳍金枪鱼CPUE时空分布及其与环境因子的关系[J]. 大连海洋大学学报, 2014, 29(3): 303-308. doi: 10.3969/J.ISSN.2095-1388.2014.03.022 [22] NYAKARAHUKA L, AYEBARE S, MOSOMTAI G, et al. Ecological niche modeling for filoviruses: a risk map for Ebola and Marburg virus disease outbreaks in Uganda[J]. PLoS Curr, 2017, 9. DOI: 10.1371/currents.outbreaks.07992a87522e1f229c7cb023270a2af1.
[23] BROWN J L. SDM toolbox: a python-based GIS toolkit for landscape genetic, biogeographic and species distribution model analyses[J]. Methods Ecol Evol, 2014, 5(7): 694-700. doi: 10.1111/2041-210X.12200
[24] NAIMI B, ARAÚJO M B. SDM: a reproducible and extensible R platform for species distribution modelling[J]. Ecography, 2016, 39(4): 368-375. doi: 10.1111/ecog.01881
[25] RANDIN C F, DIRNBÖCK T, DULLINGER S, et al. Are niche-based species distribution models transferable in space?[J]. J Biogeogr, 2006, 33(10): 1689-1703. doi: 10.1111/j.1365-2699.2006.01466.x
[26] BEARD K, KIMBLE M, YUAN J, et al. A method for heterogeneous spatio-temporal data integration in support of marine aquaculture site selection[J]. J Mar Sci Eng, 2020, 8(2): 96. doi: 10.3390/jmse8020096
[27] YU S E, DONG S L, ZHANG Z X, et al. Mapping the potential for offshore aquaculture of salmonids in the Yellow Sea[J]. Mar Life Sci Technol, 2022, 4(3): 329-342. doi: 10.1007/s42995-022-00141-2
[28] WILTSHIRE K H, TANNER J E. Comparing maximum entropy modelling methods to inform aquaculture site selection for novel seaweed species[J]. Ecol Model, 2020, 429: 109071. doi: 10.1016/j.ecolmodel.2020.109071
[29] FREEMAN O E. Impact of climate change on aquaculture and fisheries in Nigeria: a review[J]. Int J Multidiscip Re Dev, 2017, 4(1): 53-59.
[30] MCKINDSEY C W, THETMEYER H, LANDR T, et al. Review of recent carrying capacity models for bivalve culture and recommendations for research and management[J]. Aquaculture, 2006, 261(2): 451-462. doi: 10.1016/j.aquaculture.2006.06.044
[31] 南海所开展“金枪鱼野捕与驯养关键技术研究与应用示范”研究通过现场测试[EB/OL]. (2022-07-28)[2023-03-03]. http://www.scsfri.ac.cn/info/1003/23380.htm. [32] BROWN A R, LILLEY M, SHUTLER J, et al. Assessing risks and mitigating impacts of harmful algal blooms on mariculture and marine fisheries[J]. Rev Aquac, 2020, 12(3): 1663-1688.
[33] KOVE W. Key factors influencing juvenile quality in mariculture: a review[J]. Isr J Aquac, 2003, 55(4): 283-297.
[34] CHANG Y, LEE M A, LEE K T, et al. Adaptation of fisheries and mariculture management to extreme oceanic environmental changes and climate variability in Taiwan[J]. Mar Policy, 2013, 38: 476-482. doi: 10.1016/j.marpol.2012.08.002
[35] NILSEN A, HAGEN Ø, JOHNSEN C A, et al. The importance of exercise: increased water velocity improves growth of Atlantic salmon in closed cages[J]. Aquaculture, 2019, 501: 537-546. doi: 10.1016/j.aquaculture.2018.09.057
[36] MATEAR R J, HIRST A C, MCNEIL B I. Changes in dissolved oxygen in the Southern Ocean with climate change[J]. Geochem Geophys Geosyst, 2000, 1(11): 2000GC000086. doi: 10.1029/2000GC000086
[37] GRIGORAKIS K, RIGOS G. Aquaculture effects on environmental and public welfare: the case of Mediterranean mariculture[J]. Chemosphere, 2011, 85(6): 899-919. doi: 10.1016/j.chemosphere.2011.07.015
[38] LI H M, LI X M, LI Q, et al. Environmental response to long-term mariculture activities in the Weihai coastal area, China[J]. Sci Total Environ, 2017, 601: 22-31.
[39] 乐家华, 鲁洁, 乐章太. 日本金枪鱼养殖产业发展及其启示[J]. 中国渔业经济, 2021, 39(5): 103-111. doi: 10.3969/j.issn.1009-590X.2021.05.012 -
期刊类型引用(6)
1. 蒋利进，衣萌萌，可小丽，曹建萌，刘志刚，王章，谭泽加，卢迈新，王淼. 碱度对尼罗罗非鱼肝脏免疫、肠道菌群结构和代谢物的影响. 淡水渔业. 2025(01): 49-59 . 
百度学术
2. 江德泓，陈思宇，徐佳慧，张海洋，汪杨怀煜，李学军，石西. 淇河鲫幼鱼对碳酸盐碱度的耐受性研究. 河南水产. 2024(04): 23-26 . 百度学术
3. 肖黄璇，刘天奇，鲁翠云，孙志鹏，那荣滨，常玉梅，郑先虎. 急性碳酸氢钠碱度胁迫对草鱼存活及相关酶活性的影响. 广东海洋大学学报. 2024(06): 1-9 . 百度学术
4. 艾克达·热合曼，李雯，黄晶，梁利群，张立民，常玉梅. NaHCO_3碱度和NaCl盐度对两种规格高体雅罗鱼幼鱼的急性毒理研究. 水产学杂志. 2023(05): 32-41 . 百度学术
5. 赵贺，赵年桦，李丽，聂竹兰，魏杰，沈建忠. 南疆地区四种土著裂腹鱼类幼鱼对氯化钠和碳酸氢钠的急性耐受能力. 淡水渔业. 2022(02): 34-41 . 百度学术
6. 逯冠政，么宗利，来琦芳，高鹏程，周凯，朱浩拥，刘一萌，孙真. 高盐碱环境下大口黑鲈幼鱼生长性能、血液生理指标与质构特征研究. 渔业科学进展. 2022(04): 1-11 . 百度学术
其他类型引用(5)
计量
- 文章访问数: 167
- HTML全文浏览量: 49
- PDF下载量: 40
- 被引次数: 11
粤公网安备 44010502001741号
