A morphological study on ten parrotfish species from Xisha Islands, China
-
摘要:
为探究鹦嘴鱼鱼体形态的主要种间差异及其在物种鉴别中的重要作用，于2019—2022年在西沙群岛海域采集到10种鹦嘴鱼，选取24个形态学性状对其进行测量，采用多元分析方法对鹦嘴鱼物种进行形态差异判别分析。单因素方差分析结果表明，鹦嘴鱼种间所有形态学指标均存在显著性差异 (P<0.05)；主成分分析提取了7个特征值大于1的形态学指标，累积方差贡献率为66.86%，各物种间的形态差异主要表现在反映食性和游泳能力的特征上；采用判别分析方法对所有鹦嘴鱼样本进行判别，综合判别率为81.1%；10种鹦嘴鱼的形态学聚类结果与鱼类分类结果一致，与已有研究的进化树结果差异显著，说明鹦嘴鱼的表型特征除了受遗传因素控制外，也会受环境因素影响。
Abstract:In order to investigate the main differences in the fish body morphology of parrotfish among their species and their important role in species identification, we had collected ten parrotfish species in the Xisha Islands waters from 2019—2022, and selected 24 morphological traits for measurements. Then we used multivariate analyses to discriminate the morphological differences among those species. One-way ANOVA results show significant differences among parrotfish species for all morphological indicators (P<0.05). Seven morphological indicators with eigenvalues greater than 1 had been extracted. The cumulative variance contribution was 66.86%, and the morphological differences among species mainly lay in the characteristics reflecting feeding and swimming abilities. Discriminant analysis was used to discriminate those samples, and the combined discrimination rate was 81.1%. The morphological clustering results of the ten parrotfish species were consistent with those of fish classification but differred significantly from those of evolutionary tree in previous study, which indicates that the phenotypic characteristics of parrotfish can be influenced by environmental factors in addition to genetic control.
-
Keywords:
- Parrotfish /
- Coral reef fish /
- Fish morphology /
- Xisha Islands
-
深水金线鱼 (Nemipterus bathybius) 属鲈形目、金线鱼科、金线鱼属，为暖水性底层经济鱼类，在我国主要分布于南海北部和台湾周边海域，是底拖网渔业的主要渔获物之一[1-2]。体型较大的深水金线鱼个体通常以甲壳类动物、小型鱼类和头足类为食，较小的个体以桡足类、介形虫和片脚类为食。深水金线鱼生长速度快且性成熟较早，具有分批产卵、生命周期短等生物学特征，可以承受一定的捕捞压力[3]。随着南海北部近海渔业资源捕捞压力的持续上升，深水金线鱼资源状况也开始呈现过度开发现象，近年来其渔获物多为幼鱼，种群结构以低龄化个体为主[4-6]。南海幅员辽阔，但我国在南海大部分的捕捞活动和产量都集中在北部陆架区。北部陆架区是重要的经济鱼类产卵场，也是重要的渔场[7]。改革开放以来，随着沿海地区经济的快速发展，人民群众对海产品的需求量持续上升，海洋渔船数量和捕捞努力量不断增加[8]，导致了南海北部近海渔业资源的衰退，特别是典型的半封闭海湾[9-10]。Zhang等[11]对北部湾9种主要经济鱼类进行资源评估，结果表明9种鱼类在不同时期均遭受了过度捕捞。《中国渔业统计年鉴》的全国海洋捕捞鱼类产量数据显示，2018—2022年南海金线鱼类产量平均为31.4万t，约占南海海洋鱼类总捕捞产量的16.2%，该类群经济价值高，其中深水金线鱼是主要的优势种类之一。以往对南海北部深水金线鱼种群的资源评估多针对生长、死亡和性成熟等生物学特征，且评估数据多为2010年以前的。对北部湾深水金线鱼种群参数的评估研究[4,11]表明，其生物学参数年际变化明显，种群个体虽生长速度有所增加，但小型化现象突出，捕捞个体多为幼鱼。
渔业资源评估是制定合理管理策略的基础，科学有效的评估结果有助于实现渔业资源的可持续开发。模型是进行渔业资源评估的重要工具，数据缺乏条件下的资源评估模型主要分为单鱼种评估方法、多鱼种评估方法和生态系统模型，目前国际上常用的是单鱼种的数据缺乏方法[12]。相对于其他渔业资源数据，长度数据的收集操作简便、结果读取直接、采集成本低，因此基于长度数据的渔业资源评估方法近些年发展较为迅速。本研究根据2014—2019年南海北部底拖网调查的渔业生物学资料，使用基于长度的贝叶斯生物量评估 (Length-based Bayesian biomass estimation method, LBB) 和基于长度的繁殖潜力比 (Length-based spawning potential ratio, LBSPR) 2种模型，对南海北部深水金线鱼种群资源现状进行评估，以期为该种群的科学管理和可持续利用提供技术支撑。
1. 材料与方法
1.1 实验材料
本研究所用样品数据均来自2014—2019年中国水产科学研究院南海水产研究所在南海北部海域底拖网调查资料，调查站点根据渔业资源按水深分布[13]的特点设计(图1)。所有航次的调查采样与生物学测定均按照GB/T 12763.3—2007《海洋调查规范》进行。采集的深水金线鱼样本冷冻保存，带回实验室进行生物学测量和鉴定，包括体长、体质量、性成熟度、胃饱满度等。每个站位深水金线鱼样本多于50尾时随机选取50尾进行测定，样本不足50尾时则全部测定，体长和体质量的测定分别精确到1 mm和1 g。12个航次共测定深水金线鱼3 059尾，样品信息见表1。
![]()
图 1 南海北部近海研究区域及站点分布Figure 1. Study area and station distribution in offshore northern South China Sea表 1 南海北部深水金线鱼的样品信息Table 1. Sample information of N. bathybius in northern South China Sea年份
Year月份
Month样本数
Sampling
number体长 Body length/mm 范围
Range均值±标准差
Mean±Standard
deviation2014 7 293 93~193 121.2±16.3 10 225 77~184 119.9±21.6 2015 1 120 73~172 121.8±18.7 4 330 75~189 111.4±19.2 2016 7 304 84~200 121.8±19.4 10 78 74~178 122.1±23.8 2017 1 71 72~176 109.3±18.7 4 197 72~158 115.0±15.3 2018 3 220 75~176 113.8±19.0 8 87 78~182 126.0±24.2 2019 3 524 73~176 106.6±16.8 9 610 65~192 117.3±19.0 1.2 方法
1.2.1 体长-体质量关系
采用幂指数拟合深水金线鱼体长与体质量关系，计算公式为：
$$ W {\mathrm{=}}a{L}^{b} $$ (1) 式中：W为体质量 (g)；L为体长 (mm)；a为生长的肥满度指数；b为幂指数。
1.2.2 生长、死亡参数估计
深水金线鱼的生长关系可通过von Bertalanffy生长方程[4]进行拟合：
$$L_{{t}}{\rm{=}}L_{\rm {inf }}\left\{1{\text{−}}{\mathrm{exp}} \left[{\text{−}}K\left(t{\text{−}}t_0\right)\right]\right\} $$ (2) 式中：Lt为t龄的体长；Linf为渐近体长；K为生长系数；t0为体长为0时的理论年龄。本研究使用R软件包TropFishR[14]中的ELEFAN (Electronic length frequency analysis) 技术估算深水金线鱼的渐近体长 (Linf) 和生长系数 (K)。参数t0采用以下Pauly经验方程[15]进行计算：
$$ \lg\left({\text{−}}t_0\right){\mathrm{=}}{\text{−}}0.392\,2{\text{−}}0.275 \lg L_{\rm {inf }}{\text{−}}1.038 \lg K $$ (3) 根据以下经验公式[16]计算生长性能指数 (Φ)：
$$ \Phi{\mathrm{=}}\lg K{\mathrm{+}}2 \lg L_{\rm {inf }} $$ (4) $$ M_1{\mathrm{=}}\mathrm{e}^{{\text{−}}0.015\,2{\mathrm{+}}0.654\,3 \times \ln ({K}){\text{−}}0.279 \times \ln \left(L_{\text {inf }}\right){\mathrm{+}}0.463\,4 \times \ln (T)}$$ (5) $$M_2{\mathrm{=}}4.118 \times K^{0.73} \times L_{\text {{\mathrm{inf}} }}^{{\text{−}}0.33} $$ (6) 式中：T为环境平均温度，本研究采用27 ℃[19]；取M1、M2的平均值，以获得南海北部深水金线鱼自然死亡率(M)相对准确的值。
1.2.3 50%性成熟体长
统计深水金线鱼繁殖期雌性个体的性腺发育状况，按照I—VI期标准进行划分，性腺发育达到IV期或以上，则认为该个体为性成熟个体[4]。50%性成熟体长(L50)采用最小二乘法 (Least square method, LSM)拟合以下逻辑斯蒂模型得到[20]：
$$ P_i{\mathrm{=}}\frac{1}{1{\mathrm{+}}{\mathrm{exp}} \left[{\text{−}}r\left(L_i{\text{−}}L_{50}\right)\right]} $$ (7) 式中：Pi为体长组Li对应的成熟个体比例；r为模型参数。95%性成熟体长(L95)由1.1×L50估算[21]。
1.3 基于长度数据的评估模型
1.3.1 基于长度的贝叶斯生物量模型
LBB是近年来新开发的一种根据长度-频率数据来评估鱼类种群开发状况的方法，该方法使用贝叶斯蒙特卡罗马尔科夫链 (MCMC)来计算死亡率参数和相对种群数量，适用于可以终生持续生长的物种[22]，该方法可以估算目标物种的渐近体长 (Linf)、50%个体可被渔具捕获的体长值 (Lc)、最适开捕体长 (Lc_opt)、相对自然死亡率 (M/K)、捕捞死亡率相对于自然死亡率 (F/M)、已经开发的生物量相对于未开发的生物量 (B/B0) 和相对种群大小 (B/BMSY，其中MSY为最大可持续产量)。LBB方法只需要长度-频率数据便可进行计算，但也可以通过设置M/K、Linf、L50等先验参数，以获得更准确的结果[23] (表2)。
表 2 LBB和LBSPR方法所需数据目录Table 2. Data for LBB and LBSPR methods参数
Parameter估算值
Estimated value基于长度的繁殖潜力比模型
Length-based spawning potential ratio
(LBSPR) assessment model基于长度的贝叶斯估计模型
Length-based Bayesian biomass
(LBB) assessment model长度-频率数据
Length–frequency data/ √ √ 渐近体长 (Linf)
Asymptotic length/cm23.7 cm √ 〇 生长系数 (K)
Growth coefficient0.326 〇 自然死亡率 (M)
Natural mortality0.762 〇 相对自然死亡率M/K 2.33 √ 〇 50%性成熟体长 (L50)
Body length at 50% sexual maturity/cm11.76 √ 〇 95%性成熟体长 (L95)
Body length at 95% sexual maturity/cm12.94 √ 渐近体长的变异系数
Coefficient of variation of Linf0.1 √ 长度-体质量关系参数 (a)
Length-body mass relationship parameter6.854 0×10−5 〇 长度-体质量关系参数 (b)
Length-body mass relationship parameter2.797 4 〇 注：“√” 代表必需数据；“〇”代表可选数据。 Note: "√" represents required data; "〇" represents optional data. 根据B/BMSY和Lc/Lc_opt的评估结果，确定深水金线鱼的种群开发现状。如果一个种群的B/BMSY 1，可认为该种群处于健康状态；当0.8 ≤ B/BMSY < 1时，认为该种群处于轻度过度开发状态；当0.5 B/BMSY < 0.8时，认为该种群正处于过度捕捞状态；当0.2≤B/BMSY < 0.5时，认为该种群处于严重过度捕捞状态；当B/BMSY < 0.2时，认为该种群资源已经崩溃[24]。如果估计的Lc/Lc_opt< 1，认为种群遭受了“生长过度捕捞”(当鱼的平均捕捞尺寸小于每次捕捞可产生最大产量的尺寸时)，其中Lc_opt为最适开捕长度，表示可保持种群处于健康状态且捕捞量接近MSY的体长值。LBB方法在2018年由Forese等[25]提出，本研究使用的模型R语言代码(LBB-33a)来自基尔亥姆霍兹海洋研究中心 (http://oceanrep.geomar.de/44832/)。
1.3.2 基于长度的繁殖潜力比模型
在基于长度-频率的数据缺乏分析法中，繁殖潜力比 (Spawning potential ratio, SPR) 是最常用的参考点之一，可以为数据缺乏的渔业管理提供具有决策性的建议[26]，SPR定义为在一定捕捞压力下(F>0)，当前种群与未被捕捞种群的繁殖潜力比值[27]。繁殖潜力指在不考虑密度制约的情况下，补充量群体的潜在产卵量。LBSPR是基于SPR这一生物学参考点建立的，广泛应用于数据缺乏种群的资源评估[21,28-29]。LBSPR假设被捕捞鱼类种群的SPR是相对捕捞死亡率 (F/M) 和2个生活史比率 (M/K、L50/Linf) 的函数，与LBB不同的是，LBSPR的运行除长度-频率外还需要其他参数 (即M/K、Linf、L50、L95，如表2所示)，这些参数的估计可通过R软件包TropFishR、M的经验公式和逻辑斯蒂模型计算获得。
在LBSPR模型的运行过程中，使用最大似然估计法来估算50%和95%选择性下的平均体长($S_{L_{50}} $和$S_{L_{95}} $)和相对捕捞死亡率(F/M)，若SPR≤0.2，说明该种群繁殖潜力比过低，种群资源濒临崩溃；当0.2<SPR≤0.35时，说明种群处于充分开发状态；当0.35<SPR<0.4时，则说明种群处于MSY水平[21,26,29]。LBSPR方法在2015年由Hordyk等[30]提出，本研究使用R语言LBSPR软件包完成(https://mirrors.pku.edu.cn/CRAN/web/packages/LBSPR/index.html)。
1.3.3 模型不确定性分析
本文对2个评估模型的Linf、M/K、L50 3种参数进行不确定性分析，以判断不同先验参数在不同区间的敏感性。Linf、M/K和L50根据LBB对3种参数所估算的95%置信区间的数值进行上下浮动，来保证先验信息相对准确，其中Linf分为6组 (数值如表3中第2—第7组所示)，体长数值间隔为2 mm；L50分为6组 (数值如表3中第8—第13组所示)，体长数值间隔为2 mm；M/K分为6组 (数值如表3中第14—第19组所示)，数值间隔为0.02。
表 3 LBB和LBSPR在不同先验参数下的评估结果Table 3. Estimated results of LBB and LBSPR parameters with different priors组号
Group No.先验参数
Prior parameterLBSPR结果
Results of LBSPRLBB结果
Results of LBBLinf/mm L50/mm M/K F/M SPR B/BMSY F/M Lc/Lc_opt 1 237 117.6 2.33 1.71 0.19 0.89 1.00 0.85 2 232 1.73 0.20 0.99 0.90 0.87 3 234 1.76 0.20 0.94 0.97 0.86 4 236 1.71 0.19 0.90 1.00 0.85 5 238 1.84 0.18 0.87 1.10 0.84 6 240 1.73 0.19 0.84 1.10 0.83 7 242 1.94 0.17 0.81 1.10 0.82 8 237 112.6 2.33 1.71 0.21 0.89 1.00 0.85 9 114.6 1.71 0.21 0.89 1.00 0.85 10 116.6 1.71 0.20 0.89 1.00 0.85 11 118.6 1.71 0.19 0.89 1.00 0.85 12 120.6 1.71 0.18 0.89 1.00 0.85 13 122.6 1.71 0.17 0.89 1.00 0.85 14 237 117.6 2.28 1.77 0.19 0.84 1.10 0.83 15 2.30 1.75 0.19 0.87 1.00 0.84 16 2.32 1.73 0.19 0.87 1.00 0.84 17 2.34 1.70 0.20 0.89 1.00 0.84 18 2.36 1.68 0.20 0.92 1.00 0.86 19 2.38 1.66 0.20 0.92 0.99 0.86 2. 结果
2.1 参数估计
2014—2019年采集的深水金线鱼样品体长范围为6.5~20.0 cm，体质量范围为9.3~202.0 g。雄性、雌性和整体的体长-体质量关系 (图2) 分别为：
![]()
图 2 南海北部雄性、雌性、整体深水金线鱼体长-体质量关系Figure 2. Length-body mass relationship among male, female and all N. bathybius in northern South China Sea$$ \text { 雄性}： W{\rm{=}}6.911\,8 \times 10^{{\text{−}}5} L^{2.794\,8}\left(r^2{\rm{=}}0.920\,1\right) $$ (8) $$ \text { 雌性 } ：W{\mathrm{=}}8.211\,0 \times 10^{{\text{−}}5} L^{2.761\,0}\left(r^2{\mathrm{=}}0.911\,5\right) $$ (9) $$ \text { 整体}： W{\mathrm{=}}6.854\,0 \times 10^{{\text{−}}5} L^{2.797\,4}\left(r^2{\mathrm{=}}0.920\,3\right) $$ (10) 在R软件包TropFishR中使用ELEFAN方法提供的von Bertalanffy生长参数估计，评估的Linf为23.7 cm，K为0.326，t0为 −0.54，估算的生长性能指数(Φ)为2.26。von Bertalanffy生长函数为：
$$ L_t{\mathrm{=}}23.7 \times\{{\text{−}}{\mathrm{exp}} [{\text{−}}0.33 \times(t{\mathrm{+}}0.54)]\} $$ (11) 使用2种经验公式估算的深水金线鱼自然死亡率M分别为0.908和0.616，本研究使用2个结果的平均值0.762。因此，LBB和LBSPR的先验信息参数M/K为2.33 (表2)。
根据非线性回归拟合的LSM 逻辑斯蒂曲线 (图3)，估算的深水金线鱼50%性成熟体长(L50)为11.76 cm，95%性成熟体长(L95)为1.1×L50=12.94 cm。
![]()
图 3 南海北部深水金线鱼性成熟比例与体长拟合的逻辑斯蒂曲线Figure 3. Logistic model fitted for relationship between body length and percentage of mature N. bathybius in northern South China Sea2.2 LBB模型评估结果
根据LBB评估结果(图4)显示，南海北部深水金线鱼的渐近体长Linf估算值为23.8 cm (95%置信区间为23.4~24.2 cm)，相对自然死亡率M/K为2.35 (95%置信区间为2.22~2.49)，相对生物量B/B0为0.31 (95%置信区间为0.23~0.38)，种群资源量水平B/BMSY为0.89 (95%置信区间为0.66~1.10)，Lc/Lc_opt为0.85，表明深水金线鱼处于轻度过度开发状态和生长性过度捕捞状态，估算的相对捕捞死亡率F/M为1.00 (95%置信区间为0.81~1.20)，表明捕捞死亡率和自然死亡率基本一致，开发率 (E) 可由F/(F+M)计算，结果为0.5，Lc_opt为11.1 cm，捕获的约60%的深水金线鱼个体超过了这一长度。
![]()
图 4 南海北部深水金线鱼基于LBB方法的分析结果注：左图为模型对体长数据的拟合曲线，右图为LBB方法的预测；Lc是50%个体被渔具捕获的体长；Lopt为未开发种群获得最大生物量的捕捞体长。Figure 4. Estimated values for N. bathybius in northern South China Sea by length-based Bayesian biomass assessment modelNote: The left figure shows the fits of the model to length data, and the right figure shows the predictions of the LBB analysis; Lc. Length of 50% of the individuals captured by the gear; Lopt. Fishing body length for obtaining maximum biomass in undeveloped populations.2.3 LBSPR模型评估结果
根据LBSPR的输出结果 (图5)，南海北部深水金线鱼的相对死亡率F/M为1.71，开发率E为0.63，高于LBB计算出的开发率，SPR值为0.19，表明深水金线鱼处于过度捕捞状态。选择性和成熟度曲线显示性成熟时的长度低于首次捕获时的长度 (图5-b)。在50%和95%选择性 ($S_{L_{50}} $和$S_{L_{95}} $)下，预估的体长分别为9.9 和11.9 cm (图5-c)。假设本次的长度-频率数据处于稳定状态[26]，目前南海深水金线鱼的SPR值为0.19 (图5-c)，与其阈值水平相比 (SPR=0.4)，该种群目前所捕获样品比预期的个体小，尤其是大体长个体数量明显低于预期 (图5-d)。
![]()
图 5 南海北部深水金线鱼基于LBSPR方法的分析结果注：a. 长度-频率分布(柱状图)，预测的种群大小组成(折线图)；b. LBSPR模型拟合的性成熟和选择性曲线，其中L50=11.76 cm和L95=12.94 cm时；c. 选择性参数($S_{L_{50}}$和 $S_{L_{95}} $)、捕捞死亡率与自然死亡率的比值(F/M)和繁殖潜力比的估计值；d. 在目标SPR=0.4时，观测到的长度-频率数据与预期的大小组成。Figure 5. Length-based spawning potential ratio for N. bathybius in northern South China SeaNote: a. Length-frequency distribution (Pillars), and predicted fished size composition (Line chart); b. Maturity and selectivity curves from the fitted LBSPR model when L50 was 11.76 cm and L95 was 12.94 cm; c. Distribution of mean selectivity parameters ($S_{L_{50}} $ and $S_{L_{95}} $), fishing mortality to natural mortality (F/M), and spawning potential ratio; d. Observed length-frequency data against an expected size composition at a target SPR of 0.4.2.4 模型不确定性分析
LBSPR和LBB 模型的估算结果对参数Linf的设置极为敏感，对参数M/K的设置较为敏感，对参数L50的设置不敏感 (表3)。从第2—第6组Linf的数值变化2 mm，即可引起2种方法估算所得的各个结果的明显变化，第1、第4、第5组参数Linf的数值相差1 mm，各个估算结果同样变化明显，可判断LBSPR和LBB模型的估算结果对参数Linf的设置极为敏感。根据第8—第13组计算结果、第8组和第13组参数L50差值为10 mm，LBB的估算结果并无明显变化，表明LBB对参数L50的设置不敏感；LBSPR的结果则出现了2种情况，根据第8—第13组计算结果，F/M的估算结果未随参数L50的变化发生明显改变，SPR的值在参数L50变化为2 mm条件下变化较小，根据第1、第9、第12组参数L50变化为3 mm条件下的结果对照来看，SPR计算结果变化较为明显，SPR对参数L50设置较为敏感，2种模型的另外4个估算结果无明显变化，LBSPR和LBB 模型的估算结果对参数L50的设置不敏感。根据第14—第19组参数M/K的数值相差0.02的设定，结果表明，2种模型的估算结果变化较为明显，根据第1、第16、第17组，参数M/K变化为0.01的情况下，LBSPR模型估算的F/M结果和LBB模型估算的B/BMSY结果变化明显，另外3个值的估算结果变化小；根据第1、第14、第19组，参数M/K的变化为0.05的情况下，LBSPR和LBB模型的估算结果产生了明显变化，这2种模型的估算结果对参数M/K设置的变化比较敏感。通过对先验参数的不确定性分析，发现LBB和LBSPR模型对参数Linf设置的变化极为敏感，对参数M/K设置的变化比较敏感，对参数L50设置的值不敏感，故在使用这2种基于长度的数据缺乏模型时对参数Linf和M/K应谨慎设置。
3. 讨论
3.1 资源状况
本研究使用LBB和LBSPR 2种基于体长的数据缺乏评估方法，对2014—2019年南海北部深水金线鱼进行评估，LBB模型评估结果显示种群资源量水平(B/BMSY)、Lc/Lc_opt和E分别为0.89、0.85和0.5，LBSPR模型评估结果显示繁殖潜力比 (SPR)为0.19，E为0.63。一般认为SPR=0.4是比较合理的目标参考点，种群在此水平下可长期维持可持续发展，而SPR=0.2常被设定为最低限制参考点，低于此值则表明种群遭受过度捕捞，种群补充量不足，难以维持种群稳定，必须采取严格的管理措施来恢复种群资源量[26,31-32]，LBB模型估算结果表明深水金线鱼正处于过度捕捞状态。Gulland[33]提出鱼类的最适开发率E为0.5，大于0.5为过度开发，2种方法的评估结果略显差异。同一种群，使用不同的数据缺乏评估方法可能产生不同的结果。例如，Xu等[34]使用LBB和LBSPR 2种基于体长的数据缺乏评估方法，对2012—2014年、2019—2021年南海细鳞圆鲹 (Decapterus macarellus) 2个种群进行资源评估，2种方法的结果均表明2019—2021年该种群已经被过度捕捞，而这2种方法在对2012—2014年南海细鳞圆鲹种群状况评估中出现了分歧：LBB模型评估结果显示为健康状态，而LBSPR模型评估结果显示为过度捕捞状态。Liao等[35]结合基于产量 (Monte Carlo Catch Maximum Sustainable Yield Model, CMSY)、长度 (LBB)和丰度指数 (Abundance-based method, AMSY) 3种数据缺乏评估方法对2005年南大西洋长鳍金枪鱼（Thunnus alalunga）进行资源评估，基于产量(CMSY)和基于长度(LBB) 的模型估算结果表明在2005年南大西洋长鳍金枪鱼种群处于健康(从过度捕捞状态中恢复健康)状态，而基于丰度指数 (AMSY) 的模型估算结果表明该种群处于过度捕捞状态。本研究中，LBB模型计算结果表明南海北部深水金线鱼处于轻度过度开发状态和生长性过度捕捞状态，而LBSPR模型计算结果表明其正处于过度捕捞状态。通过结合不同模型，能更完整地展现出种群的实际情况，为渔业管理提供更准确的科学依据。
3.2 南海北部深水金线鱼种群参数的年际变化
大多数鱼类的表型特征在经过较强的捕捞压力胁迫后会产生适应性响应，其中个体规格的变化较为明显[36]。根据陈作志等[4]对北部湾深水金线鱼种群参数的研究 (表4，本研究的种群参数在表4中记为2017年)，在持续多年的捕捞胁迫下，深水金线鱼的群体结构发生了较为明显的变化，渐近体长(Linf)和50%性成熟体长(L50)在减小后均有所回升，拐点分别为1997年和2009年，Linf从1992年242 mm减小至1997年220 mm后，1997—2009年增长到235 mm，2009—2017年略有增长，为237 mm；L50在1992—2009年呈减小趋势，从128.6 mm减小至110.5 mm，2009—2017年增长到117.6 mm。生长系数(K)在1992—2009年呈增大趋势，2009—2017年K减小至0.326，生长加快的现象有所缓解，这一变化趋势与北部湾蓝圆鲹 (D. maruadsi)[37]和南海北部带鱼(Trichiurus japonicus)[38]类似，这也与陈作志等[4]提到的环境胁迫理论相同，即过大的捕捞强度使得资源群体的密度稀疏，剩余群体的饵料丰度和易得性大幅增加，从而改善其生长环境，使得生长加快，这种变化在停止捕捞或捕捞强度下降时会出现逆转。
表 4 不同时期深水金线鱼种群参数Table 4. Population parameters of N. bathybius in different periods参数
Parameter年份 Year 1992 1997 2009 2017 渐近体长 Asymptotic length (Linf)/mm 242 220 235 237 生长系数Growth coefficient (K) 0.39 0.45 0.48 0.326 50%性成熟体长Body length at 50% sexual maturity (L50)/mm 128.6 116.5 110.5 117.6 3.3 模型参数及模型不确定性分析
Liao等[35]研究表明，在使用数据缺乏的方法时，应注意模型参数先验的设置和不同类型数据中隐含的不同趋势。对于LBSPR模型，Linf估计的不确定性反映在估计的F/M和SPR上，其中Linf输入越高，F/M越高，SPR越低，反之亦然(表3)[39]。
LBSPR模型结果的准确性依赖于以下主要假设能否满足[26]：1) 渔具选择性曲线符合逻辑斯蒂型选择性曲线；2) 鱼类在整个生命周期中体型持续增加；3) 体长频率数据具有良好的代表性，能代表所在海区内种群的体长结构特征。
LBB 是一种简单快速的估算鱼类相对种群参数的方法，与其他独立的渔业资源评估方法相比，它不需要年龄、性成熟度、补充量、生长和死亡参数、捕捞努力量等信息，只需要能代表评估对象整个世代的长度频率数据。长度频率数据是渔业生物学测定中最易获取和测量误差最小的数据，不受野外船只晃动和内脏有无的影响[40]。在长度-频率能代表资源各开发阶段的长度组成时，LBB 估算的结果能较好地反映其真实情况[41]。Zhang等[11,42]研究表明LBB模型估计参数(Linf、Lc/Lc_opt、Z/K、B/B0和B/BMSY)对样本量不敏感，电子体长频率分析 (ELEFAN) 方法的先验信息对LBB法有效。与ELEFAN相比，LBB可以估计更多的相关结果 (如B/BMSY和Lc/Lc_opt)。因此，建议使用ELEFAN和LBB方法来拟合数据贫乏的鱼类种群的长频数据，因为它们在估计管理参考点方面是互补的[11]。根据表3，通过对先验参数的不确定性分析，发现LBB和LBSPR模型对参数Linf设置的变化极为敏感，对参数M/K设置的变化较为敏感，对参数L50设置的值不敏感，故在使用这2种基于长度的数据缺乏模型时对Linf和M/K 2种参数应谨慎设置。本研究只针对M/K、L50和Linf 3个参数对LBB和LBSPR的结果影响进行分析，而渔业数据的变化多种多样，在数据采集时，并非只有一种先验参数会发生变化，在以后的研究中将进一步探讨不同误差的情况，为数据有限条件下的渔业资源评估方法优化提供依据。
-
![]()
图 2 10种鹦嘴鱼形态学指标的主成分分析图
Figure 2. Principal component dispersion map of morphological indicators of 10 parrotfish species
![]()
图 3 鹦嘴鱼10个物种的形态学判别结果散点图
Figure 3. Scatterplot of morphological discrimination results of 10 parrotfish species
![]()
图 4 基于形态学的鹦嘴鱼物种聚类分析图
Figure 4. Cluster analysis of four genera of parrotfish based on morphology
表 1 鹦嘴鱼样本的基本信息
Table 1 Basic information of parrotfish used in this study
属
Genus物种
Species体长范围
Body length range/mm样本量
Number of samples/尾绚鹦嘴鱼属 Calotomus 星眼绚鹦嘴鱼 C. carolinus 152.29~240.65 43 绿鹦嘴鱼属 Chlorurus 灰鹦嘴鱼 C. sordidus 133.96~252.08 217 马鹦嘴鱼属 Hipposcarus 长头马鹦嘴鱼 H. longiceps 163.23~408.98 163 鹦嘴鱼属 Scarus 黑斑鹦嘴鱼 S. globiceps 118.15~203.55 129 黑鹦嘴鱼 S. niger 168.00~265.00 16 黄鞍鹦嘴鱼 S. oviceps 127.21~285.52 191 截尾鹦嘴鱼 S. rivulatus 145.04~250.00 34 绿唇鹦嘴鱼 S. forsteni 160.00~273.75 118 许氏鹦嘴鱼 S. schlegeli 157.00~270.55 68 棕吻鹦嘴鱼 S. psittacus 121.47~257.26 92 
下载: 导出CSV
表 2 鹦嘴鱼的24个形态学性状
Table 2 24 morphological traits of parrotfish
测量性状
Measured trait英文缩写
Abbreviation测量标准
Measurement standard全长 Total length TL 吻前端至尾鳍末端水平直线长度 体长 Body length BL 吻前端至尾鳍基部的水平直线长度 体高 Body height BH 鱼体最高处的垂直直线长度 体宽 Body width BW 鱼体身体最宽距离 尾柄长 Caudal peduncle length CPL 臀鳍基部末端到尾鳍基部的水平直线长度 尾柄高 Caudal peduncle height CPH 尾柄最低处的垂直直线长度 尾鳍长 Length of caudal fin CFL 尾鳍基部到尾鳍末端的水平直线长度 尾鳍高 Height of caudal fin CFH 尾鳍上下缘间最大直线距离 胸鳍长 Length of pectoral fin PFL 胸鳍前缘的长度 胸鳍基长 Length of pectoral fin base PFBL 胸鳍起点至胸鳍基部末端的距离 过胸鳍体高 Body height over pectoral fin PFBH 胸鳍起点至垂直上方背部的距离 腹鳍长 Length of pelvic fin PEFL 腹鳍前缘的长度 臀鳍长 Length of anal fin AFL 臀鳍前缘的长度 背鳍长 Length of dorsal fin DFL 背鳍前缘的长度 头长 Head length HL 吻前端至鳃盖骨后缘的水平直线长度 头高 Head height HH 头的最高点至头的腹面的垂直高度 头宽 Head width HW 头部左右两侧最大距离 吻长 Snout length SL 吻端至眼眶前缘的水平直线距离 眼径 Eye diameter ED 眼眶前缘至眼眶后缘的水平直线距离 眼高 Eye height EH 眼眶上缘至眼眶下缘的垂直直线距离 过眼头高 Head height over eye EHH 眼眶上缘至垂直上方背部的直线长度 口高 Mouth height MH 口张开至最大时的两吻端之间的距离 口宽 Mouth width MW 两侧口角之间的距离 口深 Mouth depth MD 吻端至口角的长度
下载: 导出CSV
表 3 10种鹦嘴鱼的形态学指标
Table 3 Morphological indicators of 10 parrotfish species
指标
Indicator星眼绚鹦嘴鱼
C. carolinus灰鹦嘴鱼
C. sordidus长头马鹦嘴鱼
H. longiceps黑斑鹦嘴鱼
S. globiceps黑鹦嘴鱼
S. niger黄鞍鹦嘴鱼
S. oviceps截尾鹦嘴鱼
S. rivulatus绿唇鹦嘴鱼
S. forsteni许氏鹦嘴鱼
S. schlegeli棕吻鹦嘴鱼
S. psittacusTL/BL 1.236±0.028bc 1.198±0.020e 1.216±0.017d 1.234±0.027c 1.218±0.048d 1.243±0.036b 1.228±0.020c 1.256±0.036a 1.198±0.029e 1.259±0.029a BH/BL 0.381±0.022a 0.350±0.027cd 0.352±0.024cd 0.358±0.026bc 0.364±0.024b 0.350±0.023cd 0.363±0.029b 0.347±0.025d 0.348±0.023cd 0.355±0.026bcd BW/BL 0.179±0.024bc 0.181±0.020bc 0.172±0.020d 0.176±0.025bcd 0.171±0.023d 0.174±0.018cd 0.190±0.018a 0.184±0.021ab 0.163±0.022e 0.176±0.028cd CPL/BL 0.165±0.025a 0.142±0.023e 0.155±0.021bcd 0.148±0.025de 0.141±0.016e 0.161±0.021abc 0.142±0.028e 0.161±0.017ab 0.153±0.027cd 0.156±0.025bcd CPH/BL 0.131±0.009d 0.136±0.008bc 0.108±0.008e 0.143±0.009a 0.145±0.008a 0.143±0.008a 0.138±0.007b 0.132±0.008d 0.138±0.009b 0.135±0.009c CFL/BL 0.236±0.028bc 0.198±0.020e 0.216±0.017d 0.234±0.027c 0.218±0.048d 0.243±0.036b 0.228±0.020c 0.256±0.036a 0.198±0.029e 0.259±0.029a CFH/BL 0.155±0.019cd 0.155±0.024cd 0.135±0.013e 0.161±0.017bc 0.169±0.016ab 0.178±0.049a 0.155±0.013cd 0.150±0.020d 0.160±0.021c 0.156±0.016cd PFL/BL 0.232±0.022d 0.254±0.018a 0.237±0.020cd 0.256±0.026a 0.233±0.039d 0.243±0.020bc 0.255±0.023a 0.234±0.016d 0.245±0.023b 0.255±0.021a PFBL/BL 0.068±0.007c 0.072±0.010a 0.062±0.008d 0.070±0.009ab 0.069±0.007c 0.068±0.010c 0.071±0.011ab 0.061±0.009d 0.063±0.009d 0.070±0.012ab PFBH/BL 0.216±0.020a 0.201±0.017c 0.188±0.017e 0.209±0.018b 0.208±0.015b 0.195±0.014d 0.202±0.017c 0.182±0.019f 0.190±0.018de 0.193±0.020de PEFL/BL 0.188±0.015c 0.190±0.016c 0.217±0.017a 0.182±0.017d 0.200±0.021b 0.171±0.022e 0.191±0.022c 0.201±0.016b 0.206±0.022b 0.222±0.020a AFL/BL 0.104±0.012cde 0.106±0.012c 0.087±0.009g 0.113±0.018b 0.131±0.021a 0.104±0.017cd 0.102±0.016cdef 0.099±0.013ef 0.101±0.016def 0.098±0.013f DFL/BL 0.122±0.016a 0.112±0.016b 0.105±0.012cd 0.106±0.019cd 0.121±0.024a 0.102±0.018de 0.106±0.015cd 0.098±0.014e 0.108±0.018bc 0.105±0.015cd HL/BL 0.306±0.020ef 0.359±0.023a 0.315±0.015cd 0.315±0.031cd 0.303±0.042f 0.313±0.028cde 0.317±0.023cd 0.319±0.019c 0.310±0.020def 0.330±0.022b HH/HL 1.121±0.104a 0.853±0.079e 0.975±0.062c 0.966±0.115cd 0.977±0.153c 0.943±0.102d 1.016±0.105b 0.952±0.082cd 0.979±0.096c 0.952±0.081cd HW/HL 0.572±0.098a 0.477±0.054e 0.502±0.055cd 0.522±0.067bc 0.501±0.081d 0.503±0.064cd 0.535±0.054b 0.542±0.058b 0.511±0.073cd 0.492±0.060de SL/HL 0.342±0.038f 0.436±0.041b 0.449±0.030a 0.393±0.039d 0.443±0.049ab 0.440±0.062ab 0.399±0.042cd 0.411±0.030c 0.397±0.035d 0.386±0.032d ED/HL 0.189±0.025a 0.155±0.025e 0.169±0.022d 0.186±0.027ab 0.186±0.042ab 0.174±0.027cd 0.179±0.023bc 0.170±0.022d 0.182±0.024ab 0.174±0.025cd EH/HL 0.178±0.024a 0.143±0.024e 0.156±0.021d 0.171±0.027ab 0.174±0.035a 0.162±0.028cd 0.163±0.023bcd 0.159±0.020cd 0.166±0.019bc 0.161±0.024cd EHH/HL 0.085±0.022f 0.118±0.032e 0.067±0.021g 0.190±0.036a 0.168±0.031b 0.150±0.043c 0.153±0.025c 0.133±0.032d 0.127±0.033de 0.128±0.026d MH/HL 0.220±0.054def 0.309±0.052a 0.197±0.040g 0.243±0.043bc 0.247±0.044b 0.255±0.045b 0.226±0.029de 0.233±0.027cd 0.207±0.043fg 0.218±0.037ef MW/HL 0.270±0.031a 0.253±0.035b 0.226±0.027c 0.246±0.043b 0.226±0.038c 0.223±0.040c 0.225±0.030c 0.222±0.034c 0.225±0.048c 0.220±0.036c MD/HL 0.219±0.049b 0.236±0.039a 0.199±0.031de 0.197±0.037de 0.202±0.036cd 0.211±0.033bc 0.190±0.038de 0.188±0.027ef 0.177±0.035f 0.178±0.034f 注：同行的不同字母表示物种间差异显著(P<0.05)，相同字母表示物种间差异不显著 (P>0.05)。 Note: Different letters within the same line represent significant differences among species (P<0.05), and the same letters represent insignificant differences among species (P>0.05).
下载: 导出CSV
表 4 鹦嘴鱼物种间形态学指标差异显著个数及所占比例
Table 4 Number and proportion of morphological indicators with significant differences among parrotfish species
星眼绚
鹦嘴鱼
C. carolinus灰鹦
嘴鱼
C. sordidus长头马
鹦嘴鱼
H. longiceps黑斑
鹦嘴鱼
S. globiceps黑鹦
嘴鱼
S. niger黄鞍
鹦嘴鱼
S. oviceps截尾
鹦嘴鱼
S. rivulatus绿唇
鹦嘴鱼
S. forsteni许氏
鹦嘴鱼
S. schlegeli棕吻
鹦嘴鱼
S. psittacus星眼绚鹦嘴鱼
C. carolinus87.0 95.7 73.9 73.9 65.2 78.3 69.6 78.3 87.0 灰鹦嘴鱼
C. sordidus20 95.7 69.6 91.3 82.6 69.6 87.0 69.6 69.6 长头马鹦嘴鱼
H. longiceps22 22 65.2 60.9 52.2 78.3 56.5 56.5 52.2 黑斑鹦嘴鱼
S. globiceps17 16 15 52.2 65.2 39.1 73.9 56.5 60.9 黑鹦嘴鱼
S. niger17 21 14 12 60.9 78.3 82.6 73.9 78.3 黄鞍鹦嘴鱼
S. oviceps15 19 12 15 14 69.6 65.2 60.9 56.5 截尾鹦嘴鱼
S. rivulatus18 16 18 9 18 16 69.6 60.9 52.2 绿唇鹦嘴鱼
S. forsteni16 20 13 17 19 15 16 60.9 47.8 许氏鹦嘴鱼
S. schlegeli18 16 13 13 17 14 14 14 39.1 棕吻鹦嘴鱼
S. psittacus20 16 12 14 18 13 12 11 9 注：右上三角内区域表示形态学指标差异显著的个数所占比例 (%)，左下三角区域表示形态学指标差异显著的个数。 Note: The area within the upper triangle represents the proportion of individuals with significant differences in morphological indicators, and the area within the lower triangle represents the number of individuals with significant differences in morphological indicators.
下载: 导出CSV
表 5 鹦嘴鱼23种形态学指标对7个主成分的因子负荷与贡献率
Table 5 Load value and contribution rate of 23 morphological indicators for parrotfish species to seven principal components
指标
Indicator主成分 Principal component PC1 PC2 PC3 PC4 PC5 PC6 PC7 TL/BL 0.065 0.161 0.082 −0.133 0.925* 0.052 −0.023 BH/BL −0.053 0.413 0.497 −0.258 0.096 −0.035 0.243 BW/BL 0.019 0.412 0.427 0.200 0.098 −0.220 0.013 CPL/BL −0.127 −0.032 −0.021 −0.358 0.172 0.120 0.098 CPH/BL 0.775* −0.034 0.366 −0.046 0.126 0.031 0.139 CFL/BL 0.065 0.161 0.082 −0.133 0.925* 0.052 −0.023 CFH/BL 0.538 −0.069 −0.110 −0.113 0.138 −0.217 0.485 PFL/BL −0.015 −0.061 0.696* 0.055 0.284 0.006 −0.162 PFBL/BL 0.262 0.066 0.419 0.167 0.038 −0.026 0.214 PFBH/BL 0.188 0.164 0.545 0.071 −0.204 0.206 0.283 PEFL/BL −0.690* 0.078 0.220 −0.206 0.301 −0.003 0.040 AFL/BL 0.456 −0.069 0.163 0.055 0.013 0.113 0.592 DFL/BL −0.105 −0.054 0.076 0.119 −0.084 0.123 0.849* HL/BL −0.113 −0.458 0.663* 0.014 −0.107 −0.425 0.040 HH/HL −0.069 0.834* −0.041 −0.053 0.150 0.223 −0.090 HW/HL 0.079 0.847* 0.008 0.101 0.153 0.093 −0.086 SL/HL −0.145 0.038 −0.322 0.667* 0.170 −0.042 0.031 ED/HL 0.063 0.125 −0.071 0.033 0.043 0.901* 0.075 EH/HL 0.018 0.110 0.008 −0.013 0.053 0.920* 0.068 EHH/HL 0.753* 0.215 0.081 0.186 0.178 0.160 −0.084 MH/HL 0.261 −0.113 0.238 0.734* −0.084 −0.002 0.009 MW/HL 0.065 0.473 0.202 0.519 −0.212 0.107 0.178 MD/HL 0.016 0.085 0.126 0.760* −0.165 0.166 0.192 贡献率
Contribution rate/%16.00 13.67 11.25 8.69 7.22 5.26 4.77 注：数据标 * 表示负荷值大于0.600 0。 Note: Data with * represent that the load is greater than 0.600 0.
下载: 导出CSV
表 6 10种鹦嘴鱼Fisher线性判别式的函数系数
Table 6 Fisher linear discrimination function coefficients of 10 parrotfish species
系数
Coefficient星眼绚鹦嘴鱼
C. carolinus灰鹦嘴鱼
C. sordidus长头马鹦嘴鱼
H. longiceps黑斑鹦嘴鱼
S. globiceps黑鹦嘴鱼
S. nigera1 1 686.05 1 599.69 1 626.99 1 660.80 1 626.93 a2 −45.68 −78.73 −51.16 −80.01 −63.02 a3 −330.31 −369.56 −319.67 −325.58 −321.71 a4 397.07 316.47 356.96 348.02 313.93 a5 552.59 710.98 283.65 819.13 868.26 a6 320.08 306.33 324.22 311.03 309.60 a7 −623.98 −550.67 −623.63 −522.64 −605.48 a8 −353.25 −327.64 −343.41 −402.16 −430.63 a9 272.45 176.39 214.77 207.63 192.34 a10 −626.94 −558.65 −451.03 −626.31 −528.38 a11 252.18 278.12 199.22 290.59 388.24 a12 −27.29 −103.26 −83.31 −110.88 −99.04 a13 1159.07 1338.33 1228.35 1185.30 1195.05 a14 137.26 89.74 112.31 105.34 115.23 a15 117.42 126.24 111.57 97.69 91.73 a16 270.97 375.00 372.71 309.22 351.77 a17 496.57 456.46 478.64 522.86 522.45 a18 −191.65 −142.51 −186.67 −46.85 −86.08 a19 149.85 204.60 133.63 154.86 156.27 a20 −19.85 −8.38 −8.98 −21.68 −45.86 a21 48.46 65.04 51.94 17.05 22.04 b −1 386.00 −1 352.32 −1 318.81 −1 369.45 −1 359.09 系数
Coefficient黄鞍鹦嘴鱼
S. oviceps截尾鹦嘴鱼
S. rivulatus绿唇鹦嘴鱼
S. forsteni许氏鹦嘴鱼
S. schlegeli棕吻鹦嘴鱼
S. psittacusa1 1 696.38 1 643.21 1 701.70 1 592.18 1 681.07 a2 −84.07 −74.27 −78.22 −94.83 −92.49 a3 −320.97 −283.66 −314.63 −347.89 −321.49 a4 383.28 330.61 369.73 328.69 344.47 a5 828.27 747.50 672.60 805.77 681.88 a6 339.95 310.26 317.67 318.62 323.30 a7 −571.20 −541.46 −644.41 −564.90 −590.15 a8 −392.11 −372.44 −449.59 −433.82 −333.88 a9 192.49 197.06 149.91 171.53 182.98 a10 −671.30 −596.33 −547.88 −495.04 −477.12 a11 268.03 254.83 262.77 247.27 220.92 a12 −138.84 −84.71 −131.23 −78.64 −101.87 a13 1209.66 1184.36 1239.79 1204.29 1208.56 a14 107.03 117.76 104.62 116.78 108.60 a15 104.31 97.95 123.70 105.78 95.60 a16 350.82 319.45 335.62 330.02 320.57 a17 507.52 510.26 512.31 516.91 513.13 a18 −104.98 −92.45 −109.48 −104.87 −100.11 a19 167.42 146.77 161.49 134.87 149.05 a20 −51.56 −43.13 −36.09 −17.59 −16.04 a21 48.25 25.28 36.20 18.70 26.13 b −1 416.82 −1 345.39 −1 404.10 −1 293.83 −1 385.18
下载: 导出CSV
表 7 10种鹦嘴鱼的交叉检验结果
Table 7 Cross-validation results of 10 parrotfish species
种类
Specie判别后的种类 Discriminated species/% 综合判别率
Comprehen-
sive
discrimi-
nant
rate/%星眼绚
鹦嘴鱼
C. carolinus灰鹦
嘴鱼
C. sordidus长头马
鹦嘴鱼
H. longiceps黑斑
鹦嘴鱼
S. globiceps黑鹦
嘴鱼
S. niger黄鞍
鹦嘴鱼
S. oviceps截尾
鹦嘴鱼
S. rivulatus绿唇
鹦嘴鱼
S. forsteni许氏
鹦嘴鱼
S. schlegeli棕吻
鹦嘴鱼
S. psittacus星眼绚鹦嘴鱼
C. carolinus97.7 0 2.3 0 0 0 0 0 0 0 81.1 灰鹦嘴鱼
C. sordidus0 97.2 0 0.9 0.5 0 0.9 0 0 0.5 长头马鹦嘴鱼
H. longiceps0.6 0 98.2 0 0 0 0 0.6 0 0.6 黑斑鹦嘴鱼
S. globiceps0 0 0 67.4 12.4 3.9 12.4 1.6 0 2.3 黑鹦嘴鱼
S. niger0 6.3 0 6.3 50.0 0 12.5 0 6.3 18.8 黄鞍鹦嘴鱼
S. oviceps0.5 0.5 0 11.5 2.6 74.9 2.1 5.8 1.0 1.0 截尾鹦嘴鱼
S. rivulatus0 0 0 20.6 0 11.8 47.1 0 5.9 14.7 绿唇鹦嘴鱼
S. forsteni0.8 0.8 0 3.4 0.8 3.4 0.8 80.5 5.1 4.2 许氏鹦嘴鱼
S. schlegeli2.9 1.5 0 2.9 5.9 0 7.4 1.5 69.1 8.8 棕吻鹦嘴鱼
S. psittacus0 2.2 0 1.1 1.1 1.1 7.6 14.1 7.6 65.2 注：对角线的粗体值表示正确分类的百分比。 Note: The diagonal values in bold represent the percentages of correct classifications.
下载: 导出CSV
-
[1] 夏铭. 遗传多样性研究进展[J]. 生态学杂志, 1999, 18(3): 60-66, 82. [2] 罗鸣钟, 关瑞章, 李忠琴, 等. 菲律宾花鳗鲡种类鉴别与形态差异分析[J]. 水产科学, 2012, 31(6): 333-338. doi: 10.3969/j.issn.1003-1111.2012.06.005 [3] 陈鸿禄, 易少奎, 李军涛, 等. 我国七大流域大鳞副泥鳅形态学比较分析[J]. 华中农业大学学报, 2021, 40(3): 230-237. [4] 马冬梅, 黄樟翰, 朱华平, 等. 广东粤北地区禾花鱼的形态特征及遗传学分析[J]. 渔业科学进展, 2019, 40(2): 33-42. [5] 李宇, 冯广朋, 张涛, 等. 6个不同水域刀鲚的形态特征与聚类分析[J]. 水生态学杂志, 2022, 43(6): 116-123. [6] 宋文. 鳊鲂属鱼类形态学与遗传结构研究[D]. 武汉: 华中农业大学, 2016: 6, 47-48. [7] LIN Y S, TZENG C S, HWANG J K. Reassessment of morphological characteristics in freshwater eels (genus Anguilla, Anguillidae) shows congruence with molecular phylogeny estimates[J]. Zool Scr, 2005, 34(3): 225-234. doi: 10.1111/j.1463-6409.2005.00192.x
[8] 侯吉伦, 赵雅贤, 任建功, 等. 中国沿海6个花鲈群体的形态差异分析[J]. 海洋渔业, 2016, 38(5): 459-467. [9] TUDELA S. Morphological variability in a Mediterranean, genetically homogeneous population of the European anchovy, Engraulis encrasicolus[J]. Fish Res, 1999, 42(3): 229-243. doi: 10.1016/S0165-7836(99)00052-1
[10] 曾聪, 阎里清, 高泽霞, 等. 梁子湖、鄱阳湖和淤泥湖团头鲂的形态学比较[J]. 华中农业大学学报, 2012, 31(1): 88-94. [11] 梁宏伟, 曹力欢, 李翔, 等. 三个不同品系中华鳖形态差异分析[J]. 淡水渔业, 2017, 47(4): 91-96. [12] BLAIR W K, van der VOORT S, EDDS D R. Morphological characterization of Badis species (Teleostei: Badidae) from Nepal[J]. Zootaxa, 2018, 4524(1): 97-111.
[13] 王腾, 刘云腾, 刘永, 等. 永乐环礁和美济礁灰鹦嘴鱼繁殖生物学特征[J]. 中国水产科学, 2022, 29(9): 1366-1374. [14] MANNING J C, MCCOY S J. Territoriality drives patterns of fixed space use in Caribbean parrotfishes[J]. Ecol Evol, 2023, 13(2): e9833. doi: 10.1002/ece3.9833
[15] LIU B, YAN Y L, ZHANG N, et al. DNA barcoding is a useful tool for the identification of the family Scaridae in Hainan[J]. J Mar Sci Eng, 2022, 10(12): 1915. doi: 10.3390/jmse10121915
[16] 马宝珊, 魏开金, 赵天一, 等. 裂腹鱼类系统进化及高原适应性研究进展[J]. 湖泊科学, 2023, 35(3): 808-824. doi: 10.18307/2023.0304 [17] JAWAD L A, HOEDEMAKERS K, IBÁÑEZ A L, et al. Morphology study of the otoliths of the parrotfish, Chlorurus sordidus (Forsskl, 1775) and Hipposcarus harid (Forsskl, 1775) from the Red Sea coast of Egypt (Family: Scaridae)[J]. J Mar Biol Assoc UK, 2017, 98(4): 819-828.
[18] GAO J X, LI C H, YU D, et al. Comparative mitogenome analyses uncover mitogenome features and phylogenetic implications of the parrotfishes (Perciformes: Scaridae)[J]. Biology, 2023, 12(3): 410. doi: 10.3390/biology12030410
[19] 谢从新. 鱼类学[M]. 北京: 中国农业出版社, 2009: 175-179. [20] HUBBS C L, LAGLER K F. Fishes of the Great Lakes region[M]. Ann Arbor: University of Michigan Press, 1964: 213.
[21] MAMURIS Z, APOSTOLIDIS P, PANAGIOTAKI P, et al. Morphological variation between red mullet populations in Greece[J]. J Fish Biol, 1998, 52(1): 101-117.
[22] 杜睿. 基于形态学和微卫星标记的鲂属鱼类种间及子代的鉴定[D]. 武汉: 华中农业大学, 2014: 3. [23] 谢鹏. 中国鱥属鱼类形态学比较和温度适应的研究[D]. 武汉: 华中农业大学, 2019: 25, 28. [24] 张馨月. 西南大西洋部分经济鱼种形态学与遗传学初步研究[D]. 青岛: 中国海洋大学, 2014: 34. [25] 陈杰, 李福贵, 黄创新, 等. 不同鳊鲂属鱼类群体的形态差异分析[J]. 上海海洋大学学报, 2014, 23(3): 388-394. [26] 李思发, 周碧云, 倪重匡, 等. 长江、珠江、黑龙江鲢、鳙和草鱼原种种群形态差异[J]. 动物学报, 1989(4): 390-398. [27] 李雅娟, 张明昭, 于卓, 等. 黑龙江泥鳅、北方泥鳅和泥鳅的形态差异分析[J]. 大连海洋大学学报, 2010, 25(5): 397-401. doi: 10.3969/j.issn.1000-9957.2010.05.004 [28] 张小谷. 鄱阳湖四种鲌形态与生长的比较研究[D]. 武汉: 华中农业大学, 2008: 18. [29] 霍堂斌, 袁美云, 马波, 等. 白斑狗鱼与黑斑狗鱼的形态差异与判别分析[J]. 大连海洋大学学报, 2011, 26(3): 253-259. doi: 10.3969/j.issn.1000-9957.2011.03.012 [30] SALINI J P, MILTON D A, RAHMAN M J, et al. Allozyme and morphological variation throughout the geographic range of the tropical shad, hilsa Tenualosa ilisha[J]. Fish Res, 2004, 66(1): 53-69. doi: 10.1016/S0165-7836(03)00124-3
[31] XIAO Y Y, LI C H, WANG T, et al. DNA barcoding revealing the parrotfish (Perciformes: Scaridae) diversity of the coral reef ecosystem of the South China Sea[J]. Sustainability, 2022, 14(22): 15386. doi: 10.3390/su142215386
[32] 刘楚珠, 严利平, 李建生, 等. 基于框架法的东黄海日本鲭产卵群体形态差异分析[J]. 中国水产科学, 2011, 18(4): 908-917. [33] WINBERGER P H. Plasticity of fish body shape. The effects of diet, development, family and age in two species of Geophagus (Pisces: Cichlidae)[J]. Biol J Linn Soc, 1992, 45(3): 197-218. doi: 10.1111/j.1095-8312.1992.tb00640.x
[34] 王新月. 叶尔羌高原鳅年龄、生长、繁殖和种群判别的研究[D]. 阿拉尔: 塔里木大学, 2022: 59-60. [35] 梁日深, 杨杰銮, 谢瑞琳, 等. 巨石斑鱼与斜带石斑鱼线粒体基因组测序及物种有效性分析[J]. 中国海洋大学学报(自然科学版), 2022, 52(6): 50-61. doi: 10.16441/j.cnki.hdxb.20210204 -
期刊类型引用(2)
1. 于鹏，张成硕，成钰，李波，马晶晶，管晓陈，王凯. 环境因子对红螯螯虾影响的研究进展. 水产科技情报. 2024(02): 125-132 . 
百度学术
2. 梁晶，於锋，刘子岭，臧战，VASQUEZ Hebert Ely，唐贤明，邢诒炫，郑兴，顾志峰. 不同底质环境对方斑东风螺稚螺生长、壳色及抗氧化性能的影响. 南方水产科学. 2023(05): 66-74 . 本站查看
其他类型引用(2)
计量
- 文章访问数: 312
- HTML全文浏览量: 109
- PDF下载量: 66
- 被引次数: 4
粤公网安备 44010502001741号
