Size selectivity of codend-mesh size in single boat bottom otter trawls for Nemipterus virgatus in South China Sea
-
摘要:
金线鱼 (Nemipterus virgatus) 是南海区拖网渔业的重要经济种类。为提高拖网对金线鱼的选择性，在南海区使用套网法对网目尺寸分别为30、35、40和45 mm的4组网囊开展了试验。使用双重拔靴法拟合网囊对金线鱼的选择性参数和选择性曲线，比较网囊间的选择性差异，并估算网囊的捕捞方式指数。结果显示，随着网目尺寸的增大，50%选择体长 (L50) 增大，选择性曲线的置信区间变窄，网囊对金线鱼幼鱼的渔获比例减小。试验网囊的L50均小于金线鱼的开捕规格 (15.0 cm)，网囊对金线鱼的抛弃率大于67%。研究表明，增大网目尺寸能够优化网囊的选择性，但选择性仍需进一步提升，才能更好地促进金线鱼拖网渔业的可持续发展。
Abstract:Threadfin bream (Nemipterus virgatus) is an important species in the trawl fishery of the South China Sea. In order to improve the size selectivity and exploitation pattern of single boat bottom otter trawls for N. virgatus, we tested four experimental codends with mesh sizes of 30, 35, 40 and 45 mm by applying the covered codend method in the South China Sea. We analyzed the catch data with double-bootstrapping technique to estimate the selectivity parameters, selectivity curves, delta selectivity curves and exploitation pattern indicators. The results demonstrate that with increasing mesh sizes in codends, 50% retention length (L50) increased, confidence intervals of the selectivity curves became sharper, and retention fraction of undersized individuals decreased. However, when considering the minimum conservation reference size of the target species (15.0 cm), the L50 values of codends tested were less than 15.0 cm, and their discarded percentages were all over 67%. Though the study shows that increasing mesh sizes will improve size selectivity, it should be further improved to achieve a sustainable trawl fishery for threadfin bream.
-
Keywords:
- Trawl /
- Codend mesh /
- Size selectivity /
- Nemipterus virgatus
-
自20世纪70年代末以来，对虾池塘养殖在世界广大沿海地区得到了迅猛发展，但对虾养殖所带来的环境问题也日趋严重，成为沿岸水域富营养化的重要污染源之一，并已引起了人们的广泛关注[1-6]。而要使对虾养殖在不产生环境公害的前提下，以最低的成本达到最大的效益，则基于生态养殖而建立的虾藻混养模式无疑是集经济、环境和社会效益于一体的最佳选择，这一模式在世界范围内得到了广泛肯定[7-10]。但虾藻混养模式效益的发挥是否充分，混养结构是否合理，经济效益和环境效益是否显著等问题都有待作深入的研究。
江蓠-对虾混养系统是一种受气候、海水化学和生物等多种因素共同影响的复杂生态系统，各因素间也存在着极其复杂的非线性关系。因此，在对整个养殖系统的生态动力学过程缺乏较全面的了解和充足的数据资料的情况下，想通过建立复杂的江蓠-对虾混养系统生态动力学模型，模拟虾藻混养与环境因子之间的关系，从而构建混养优化模型是不现实的。
人工神经网络是20世纪80年代以来获得迅速发展和被广泛应用于众多学科的非线性模拟技术，对于处理非线性系统非常有效，因此，在生态学研究中也被广泛应用[11-15]。本文根据对广东省海丰县联安镇江蓠与对虾鱼塭混养的调查资料，尝试采用神经-模糊系统(neuro-fuzzy system)作为非线性逼近工具，来模拟虾藻混养过程与其他环境因子之间的非线性关系，从而初步探讨建立基于满足一定环境条件的虾藻混养优化模型，旨在为进一步优化我国海水虾藻混养模式提供参考。
1. 材料与方法
1.1 试验设计
2003年4月~2004年9月，在广东省海丰县联安镇对虾鱼塭养殖示范区选择新塭(26.7 hm2)作为虾藻混合养殖试验塭，另选新塭和西塭之间的13.3 hm2鱼塭作为对照塭进行了2造养殖生产试验。试验塭和对照塭皆于每年的4月下旬投放体长约1cm的斑节对虾虾苗，投放密度为4.5万尾·hm-2，其中在试验塭浅滩水域底播种植江蓠约2 hm2，种植初始密度为230 g · m-2，而对照塭不种植江蓠。
对虾放养1个月后开始投喂人工配合饲料，投喂量为虾体重的3%~5%。每10 d进行1次对虾的生物学测定，每月月末对江蓠的生长密度进行1次调查，了解单位面积月增重情况，并据情况进行适当的收获。此外，与江蓠生长密度调查的同时，对鱼塭中的水环境因子也进行跟踪监测，监测项目有水温、盐度、透明度、溶解氧(DO)和可溶性无机氮(DIN)。
1.2 建模工具
神经-模糊系统是在模糊模型中用神经网络作为工具的建模方法。它集成了神经网络与模糊系统2方面的长处，即神经网络的连接式结构与学习能力和模糊逻辑系统的思维与推理能力。神经网络与模糊系统都属于无模型的预报器(model-free estimator)，即不需要数学模型来描述输入输出的非线性关系，而从数值实例中进行学习。在不确定、不精确和噪声环境中它们都有改善系统性能的能力。
本文应用Matlab 6.5软件，采用一种一阶Takagi-Sugeno模型的神经模糊系统，即基于自适应网格的模糊推理系统(adaptive-network-based fuzzy inference system，简称ANFIS)作为建模工具。
2. 神经-模糊系统模型的构建
一个典型的建模问题包括结构辩识与参数辩识2部分。模糊建模的结构辩识包括以下几个主要方面：输入变量的选择；初试结构的确定，如输入空间的划分，模糊规则与每个输入变量隶属函数个数的确定，以及模糊规则的前提与结论部分的确定等；隶属函数初试值的选择。参数辩识即在网络结构已经确定的情况下，对系统的前提与结论参数进行调节。
2.1 数据与特征量
收集2003年4月~2004年9月试验塭和对照塭2造养殖生产中所得的22组现场调查和测定数据(表 1)。选择其中15组数据作为训练数据集，用于模型的训练；其余7组数据作为测试数据集，用来测试模型的精度。
表 1 构建模型的数据集Table 1. Data for model construction
时间time鱼塭
pond温度/℃
temperature盐度
salinity透明度/m
transparencyDO
/mg·L-1对虾体长/cm
shrimp length江蓠月增长量/g·m-2
monthly increasing biomassDIN
/mg·L-1训练数据集 training data 2003-5 对照塭 26.1 19.5 0.8 6.3 4.8 0 0.310 2003-6 试验塭 28.2 18.7 0.8 6.5 8.3 180 0.322 2003-6 对照塭 28.5 18.4 0.7 6.3 7 0 0.312 2003-7 对照塭 27.5 16.8 0.8 6.2 12.6 0 0.246 2003-8 试验塭 28.3 12.4 0.8 6.7 15.4 350 0.175 2003-9 对照塭 28.8 15.2 0.7 6.3 14.4 0 0.244 2004-4 对照塭 24.7 20.9 0.7 6.5 1.7 0 0.248 2004-5 对照塭 25.9 19.1 0.7 6.6 5 0 0.264 2004-6 试验塭 27.8 18.4 0.7 6.4 8.2 540 0.101 2004-6 对照塭 28.2 18.2 0.7 6.3 7.1 0 0.259 2004-7 试验塭 27.4 15.6 0.6 6.5 14.6 570 0.103 2004-7 对照塭 27.2 15.7 0.7 6.3 12.4 0 0.269 2004-8 试验塭 28.2 11.7 0.6 6.6 15.3 570 0.086 2004-9 试验塭 29.0 15.1 0.6 6.6 16.5 600 0.099 2004-9 对照塭 28.7 14.8 0.6 6.8 14.3 0 0.267 测试数据集 checking data 2003-5 试验塭 26.5 19.2 0.7 6.4 5.2 230 0.295 2003-7 试验塭 27.6 16.5 0.8 6.2 14.2 640 0.194 2003-8 对照塭 28.6 11.7 0.8 6.1 13.2 0 0.252 2003-9 试验塭 28.9 15.4 0.8 7.1 16.3 350 0.182 2004-4 试验塭 25.3 21.2 0.8 6.6 1.7 610 0.092 2004-5 试验塭 26.1 18.5 0.7 6.2 5.2 600 0.099 2004-8 对照塭 28.5 11.9 0.8 5.8 13.3 0 0.237 以DIN表征水体富营养化的主要因子作为模型的输出变量。模型输入变量选择了水温、盐度、溶解氧(DO)、透明度(Trans)、对虾生物学参数的体长和江蓠单位面积月增长量，其中，水温和盐度表征气候特征，透明度、溶解氧、对虾体长和江蓠单位面积月生长量表征化学因子和生物因子的作用。
2.2 神经-模糊系统模型的生成
由于以DIN为输出时的输入变量有6个之多, 因此本研究采用了基于减法聚类的模糊推理系统的建模方法，即首先对输入输出数据进行减法聚类，以决定变量的隶属函数与模糊规则的个数，并用最小二乘法估计结论参数。
3. 结果与讨论
将训练数据集导入模型，按混合学习算法来调节模型的参数，为避免过度训练，采用交叉校验得到最佳训练时间步数。结果所得模型的DIN输出值与实测值有很好的吻合性，误差仅为2.6×10-6。
将测试数据集导入模型，结果模型所模拟的鱼G8965水体中DIN值与实测值也有较好的吻合性，误差为0.032。成对样本t-检验表明，模拟值与实测值没有显著差异(P>0.05，t < 2.45)，即t=0.63。图 1给出模型对DIN的7个测试数据集的模型计算值与实测值的比较，由图也可见，测试数据集中的实测值与模型计算值呈极显著的正相关关系(P < 0.01)，可见，模型对鱼G8965水体中DIN的模拟计算结果有较高的精度。
![]()
图 1 模型对应测试数据集的DIN模拟结果与实测值的比较Figure 1. Comparison of DIN from model calculated and field survey将试验塭和对照塭水体中各生物与环境因子在2造养殖生产试验中各阶段调查结果的平均值作为模型的输入，以海水DIN≤0.2 mg · L-1作为海水富营养化限制标准[16-17]，并作为模型的固定输出量，则通过模型可以模拟出在对虾不同养殖阶段，混合养殖的江蓠最低理论月生长量，结果见表 2。
表 2 模型模拟出的对虾不同养殖阶段江蓠最低理论月生长量与实际生长量的比较Table 2. Comparison of the theory lowest monthly growth rates from model simulating and field survey of sea moss during different shrimp culture periodg · m-2 月份
month对虾体长/cm
shrimp length最低理论月生长量
theoretic lowest monthly growth rate2003年实际月增长量
autual monthly growth rate in 20032004年实际增长量
autual monthly growth rate in 20044 2.0 500 - 610 5 5.2 329 230 600 6 8.3 319 190 540 7 14.4 364 640 570 8 15.4 360 350 570 9 16.4 254 350 600 根据表 2所列不同养殖阶段江蓠的最低理论月生长量，对2003和2004年相应的江蓠-对虾混养阶段江蓠的实际月生长量和水环境中DIN的变化情况进行分析，结果可看出，在2003年试验塭对虾体长小于8.3 cm的养殖阶段，江蓠月生长量均小于模型模拟出的最低理论月生长量，此时，试验塭水环境中DIN均大于设定的富营养化标准限定值0.2 mg · L-1；其他养殖阶段江蓠的实际月生长量均大于或约等于模型模拟出的最低理论月生长量，此时，试验塭中海水DIN浓度则均低于0.2 mg · L-1；此外，没有种植江蓠的对照塭中，水环境中DIN均高于0.2 mg · L-1(表 1)。这些均说明，该模型可以较好地模拟江蓠-对虾池塘混养混养系统中江蓠生长对水环境中DIN的影响，其结果与实际也较为相符，因此，对江蓠-对虾混养模式的优化能起到较好的指导意义。
-
![]()
图 4 试验网囊对金线鱼的选择性曲线
Figure 4. Selectivity curves of experimental codends for N. virgatus
![]()
图 5 试验网囊对金线鱼的选择性差异曲线
Figure 5. Delta selectivity curves of experimental codends for N. virgatus
表 1 模型拟合的AIC值
Table 1 Akaike's information criterion (AIC) values of each model
网囊
Codend模型 Model Logit Probit Gompertz Richards D30 64.81 64.75 64.84 66.38 D35 99.26 99.70 100.55 101.23 D40 117.91 117.82 117.83 119.83 D45 262.93 262.49 265.52 263.35 注：最佳模型AIC值加粗。 Note: AIC values of the optimal models are in bold. 
下载: 导出CSV
表 2 试验网囊的选择性参数及拟合度
Table 2 Selective parameters and fit statistics obtained from tested codends
网囊
Codend参数 Parameter 模型
Model50%选择体长
L50/cm选择范围
SR/cmP值
P-value残差
Deviance自由度
Degree of freedomD30 Probit 2.48 (1.00~11.47) 14.97 (1.00~20.84) 0.634 5 7.02 9 D35 Logit 9.73 (7.79~13.54) 2.87 (1.00~8.18) 0.868 3 12.39 19 D40 Probit 10.13 (1.00~16.00) 5.68 (2.04~27.44) 0.614 6 4.46 6 D45 Probit 13.20 (11.70~15.03) 2.75 (1.61~3.86) 0.995 4 6.18 18
下载: 导出CSV
表 3 试验网囊对金线鱼的捕捞方式指数
Table 3 Exploitation pattern indicators of experimental codends for N. virgatus
网囊
CodendInP−/% InP+/% Rdn/% D30 78.70
(53.10~100.00)94.56
(88.83~100.00)86.26
(77.38~90.54)D35 72.73
(18.96~87.57)99.83
(90.51~100.00)84.61
(58.82~89.02)D40 61.53
(31.29~89.03)97.99
(68.31~100.00)82.57
(74.58~89.04)D45 27.68
(7.88~50.13)98.57
(93.16~99.87)67.94
(38.70~80.43)
下载: 导出CSV
-
[1] 陈国宝, 梁沛文. 南海海洋鱼类原色图谱[M]. 北京: 科学出版社, 2016: 227. [2] 农业部渔业局. 2023中国渔业统计年鉴[M]. 北京: 中国农业出版社, 2023: 39. [3] 农业部渔业局. 2012中国渔业统计年鉴[M]. 北京: 中国农业出版社, 2012: 48. [4] 袁蔚文. 北部湾底层渔业资源的数量变动和种类更替[J]. 中国水产科学, 1995, 2(2): 57-65. [5] 王雪辉, 邱永松, 杜飞雁. 南海北部金线鱼生长、死亡和最适开捕体长研究[J]. 中国海洋大学学报, 2004, 34(2): 224-230. [6] 杨吝. 南海区海洋渔具渔法[M]. 广州: 广东科技术出版社, 2002: 85-86. [7] 杨吝, 张旭丰, 孙典荣, 等. 广东省拖网网囊调查[J]. 湛江海洋大学学报, 2001, 21(4): 22-26. [8] 张鹏, 杨吝, 张旭丰, 等. 刺网网目尺寸对南海区金线鱼选择性研究[J]. 南方水产, 2009, 1(2): 61-66. [9] 张鹏, 杨吝, 张旭丰, 等. 南海区金线鱼刺网网目选择性[J]. 中国水产科学, 2010, 17(5): 1085-1093. [10] 杨炳忠, 张鹏, 谭永光, 等. 基于SELECT模型的南海金线鱼刺网选择性研究[J]. 南方水产科学, 2016, 12(5): 8-15. [11] 杨吝, 谭永光, 张旭丰. 南海底拖网方、菱目网囊选择性研究[J]. 湛江海洋大学学报, 2002, 22(3): 19-25. [12] 中华人民共和国农业农村部. 关于实施海洋捕捞准用渔具最小网目尺寸制度的通告[EB/OL]. (2013-12-20)[2023-08-15]. http://www.moa.gov.cn/nybgb/2013/dseq/201805/t20180510_6141829.htm. [13] WILEMAN D A, FERRO R S T, FONTEYNE R, et al. Manual of methods of measuring the selectivity of towed fishing gear[R]. Copenhagen, Denmark: International Council for the Exploration of the Sea ICES Coop Res Rep, 1996(215): 1-51.
[14] FRYER R J. A model of between-haul variation in selectivity[J]. ICES J Mar Sci, 1991, 48(3): 281-290. doi: 10.1093/icesjms/48.3.281
[15] MILLAR R B. Incorporation of between-haul variation using bootstrapping and nonparametric estimation of selection curves[J]. Fish Bull, 1993, 91(3): 564-572.
[16] HERRMANN B, SISTIAGA M, NIELSEN K N, et al. Understanding the size selectivity of redfish (Sebastes spp.) in North Atlantic trawl codends[J]. J Northw Atl Fish Sci, 2012, 44: 1-13. doi: 10.2960/J.v44.m680
[17] AKAIKE H. A new look at the statistical model identification[J]. IEEE Trans Automat Contr, 1974, 19(6): 716-722. doi: 10.1109/TAC.1974.1100705
[18] EFRON B. Bootstrap methods: another look at the jackknife[J]. Ann Statisti, 1979, 7: 1-26.
[19] HERRMANN B, KRAG L A, KRAFFT B A. Size selection of Antarctic krill (Euphausia superba) in a commercial codend and trawl body[J]. Fish Res, 2018, 207: 49-54. doi: 10.1016/j.fishres.2018.05.028
[20] YANG B Z, HERRMANN B, YAN L, et al. Size selectivity and catch efficiency of diamond-mesh codends in demersal trawl fishery for conger pike (Muraenesox cinereus) of the South China Sea[J]. Ocean Coast Manage, 2021, 211: 105777. doi: 10.1016/j.ocecoaman.2021.105777
[21] 杨炳忠, 万荣. 基于双重拔靴法拟合拖网网囊选择性的不确定性[J]. 中国水产科学, 2023, 30(9): 1166-1175. [22] 陈丕茂. 南海北部主要捕捞种类最适开捕规格研究[J]. 水产学报, 2004, 28(4): 393-400. [23] YANG B Z, HERRMANN B. Simple and effective: T90 codends improve size selectivity and catch efficiency compared with diamond-mesh codends for mantis shrimp (Oratosquilla oratoria) in demersal trawl fishery of the South China Sea[J]. Front Mar Sci, 2022, 9: 939269. doi: 10.3389/fmars.2022.939269
[24] HERRMANN B, SISTIAGA M, LARSEN R, et al. Effect of three different codend designs on the size selectivity of juvenile cod in the Barents Sea shrimp trawl fishery[J]. Fish Res, 2019, 219: 1-8.
[25] YANG B Z, HERRMANN B, WAN R. Effects of codend mesh-shape and size on the size selectivity of demersal trawl targeting banded scad (Alepes djedaba) in the Beibu Gulf, South China Sea[J]. J Mar Sci Eng, 2023, 11(7): 1390. doi: 10.3390/jmse11071390
[26] GRAHAM N, KYNOCH R J, FRYER R J. Square mesh panel in demersal trawls: further data relating haddock and whiting selectivity to panel position[J]. Fish Res, 2003, 62: 361-375. doi: 10.1016/S0165-7836(02)00279-5
[27] GRAHAM N, JONES E G, REID D G. Review of technological advances for the study of fish behavior in relation to demersal fishing trawls[J]. ICES J Mar Sci, 2004, 61: 1036-1043. doi: 10.1016/j.icesjms.2004.06.006
[28] BRCIC J, HERRMANN B, SALA A. Can a square-mesh panel inserted in front of the cod end improve size and species selectivity in Mediterranean trawl fisheries?[J]. Can J Fish Aquat Sci, 2018, 75: 704-713. doi: 10.1139/cjfas-2017-0123
-
期刊类型引用(39)
1. 王恒杰，戴梦杨，王倩，熊信宇，王灿莉，袁向阳. 环境胁迫因子对鱼类健康影响的研究进展. 中国农学通报. 2025(02): 157-164 . 
百度学术
2. 孙阿君，丁炜东，曹丽萍，曹哲明，邴旭文. 氨氮胁迫对翘嘴鳜幼鱼抗氧化酶、消化酶活性及应激相关基因表达的影响. 水产科技情报. 2024(01): 44-51 . 百度学术
3. 李梦娇，王倩，张婷，任金亮，王志远，赵蔚蓝，王恒杰，王灿莉，袁向阳. 氨氮胁迫对团头鲂生长、抗氧化和免疫的影响. 水产科学. 2024(04): 640-647 . 百度学术
4. 王雪芹，杨晓玲，彭衡阳，戴景辉，阳涛. 氨氮应激对鱼类生命活动影响的研究进展. 水产养殖. 2024(08): 18-24 . 百度学术
5. 赵斌，周红学，李成林，赵洪友，胡炜，程晓艳，韩莎. 氨氮胁迫对刺参“鲁海1号”非特异性免疫的影响. 西北农林科技大学学报(自然科学版). 2022(02): 17-24 . 百度学术
6. 高金伟，吴浩，李绍明，谢敏，李文祥，宋锐. 氨氮和镉胁迫对芙蓉鲤鲫抗氧化系统和免疫机能的影响. 水生生物学报. 2022(04): 448-456 . 百度学术
7. 张晓飞，余秋然，赵宇航，石展耀，周利，李二超，谢嘉. 聚乙烯微塑料对尼罗罗非鱼(Oreochromis niloticus)生长、抗氧化、免疫和肠道微生物的影响. 生态毒理学报. 2022(06): 301-314 . 百度学术
8. 管敏，张德志，唐大明. 慢性氨氮胁迫对史氏鲟幼鱼生长及其肝脏抗氧化、免疫指标的影响. 南方水产科学. 2020(02): 36-42 . 本站查看
9. 王艳玲，赵金良，赵岩. 环境胁迫对鱼类免疫机制影响的研究进展. 河北渔业. 2020(05): 46-50+62 . 百度学术
10. 丁炜东，曹丽萍，曹哲明，邴旭文. 氨氮胁迫对翘嘴鳜幼鱼鳃、消化道酶活力的影响. 南方水产科学. 2020(03): 31-37 . 本站查看
11. 周艳波，陈丕茂，冯雪，袁华荣. 广东主要海洋经济物种增殖放流初期存活率探讨. 安徽农业科学. 2020(22): 103-106+140 . 百度学术
12. 薛凌展，吴素琼，张坤，樊海平，陈斌，田田，林旋. 氨氮对异育银鲫‘中科3号’幼鱼急性毒性及肝脏抗氧化酶系统的影响. 农学学报. 2019(03): 44-50 . 百度学术
13. 王小龙，宋青，王志勇，韩芳. 黄姑鱼锰超氧化物歧化酶基因的克隆及氨氮和亚硝态氮胁迫对其表达的影响. 水产学报. 2019(04): 820-832 . 百度学术
14. 谭春明，赵旺，于刚，吴开畅，杨蕊，温为庚，陈旭，张玥. 氨氮胁迫对方斑东风螺溶菌酶及3种常见消化酶活力的影响. 南方水产科学. 2019(03): 120-125 . 本站查看
15. 谭春明，赵旺，吴开畅，张玥，杨蕊，温为庚，陈旭，于刚. 氨氮胁迫对方斑东风螺六种免疫酶活性的影响. 海洋科学. 2019(04): 8-15 . 百度学术
16. 李杜文，华智杰，张文香，任海，张玉，靳晓敏，高桂生，李佩国. 金属蛋白酶对大菱鲆血清抗氧化酶活性及丙二醛含量的影响. 海洋科学. 2019(04): 52-60 . 百度学术
17. 涂娇，刘枝华，胡雄，邓佩仪，陈江凤，邵俭. 不同胁迫条件下6种药品对罗非鱼存活率的影响. 山地农业生物学报. 2019(05): 75-79 . 百度学术
18. 王国强，李笑天，费凡，黄滨，刘宝良. 养殖鱼类对水质胁迫的生理响应特征研究进展. 江西水产科技. 2019(04): 45-52 . 百度学术
19. 管敏，张德志，唐大明，张厚本. 慢性氨氮胁迫对子二代中华鲟生长、抗氧化及免疫指标的影响. 海洋渔业. 2019(06): 684-693 . 百度学术
20. 封琦，朱光来，王建国，齐富刚，熊良伟，王权. 氨氮对中华鳑鲏的急性毒性及2种代谢酶活性的影响. 淡水渔业. 2018(01): 91-96 . 百度学术
21. 韩春艳，郑清梅，邓茜壬. 外源核苷酸对罗非鱼生长发育及抗氧化能力的影响. 嘉应学院学报. 2018(05): 39-44 . 百度学术
22. 彭军辉，陈丽英，程长洪，冯娟，马红玲，郭志勋. 氨氮对拟穴青蟹的急性毒性及对其血清免疫相关酶活力的影响. 渔业科学进展. 2018(05): 114-121 . 百度学术
23. 王涛，刘青松，段亚飞，李华，董宏标，张家松. 低C/N驯化生物絮团的自养和异养硝化性能研究. 海洋渔业. 2018(05): 614-624 . 百度学术
24. 刘亚娟，胡静，周胜杰，彭晓瑜，马振华. 急性氨氮胁迫对尖吻鲈稚鱼消化酶及抗氧化酶活性的影响. 南方农业学报. 2018(10): 2087-2095 . 百度学术
25. 单娜，林听听，来琦芳，李功政，周凯，厉成新，仲启铖，马庆男，么宗利，刘进红. 4种环境源性胁迫对异育银鲫血浆生化指标的影响. 海洋渔业. 2017(02): 162-172 . 百度学术
26. 王贞杰，陈四清，曹栋正，卢斌，常青，刘长琳，燕敬平. 急性氨氮胁迫对圆斑星鲽(Verasper variegatus)幼鱼鳃和肝组织结构及相关酶活性的影响. 渔业科学进展. 2017(02): 59-69 . 百度学术
27. 黄忠，周传朋，林黑着，谭小红，彭景书，周文川，赵书燕，戚常乐. 饲料异亮氨酸水平对卵形鲳鲹消化酶活性和免疫指标的影响. 南方水产科学. 2017(01): 50-57 . 本站查看
28. 陈劲松，江世贵，黄建华，杨其彬，马振华，周发林. 斑节对虾天门冬氨酸转氨酶基因的克隆及氨氮胁迫条件下的表达分析. 南方水产科学. 2017(03): 73-82 . 本站查看
29. 王芸，李健，何玉英，段亚飞，张喆，李吉涛. 氨氮胁迫对中国明对虾血淋巴氨氮、尿素氮含量和抗氧化能力的影响. 中国水产科学. 2017(01): 180-189 . 百度学术
30. 陈度煌. 投喂蚕豆对罗非鱼肝脏抗氧化性能及细胞膜功能的影响. 江西农业大学学报. 2016(01): 168-173 . 百度学术
31. 胡志国，刘建勇，袁瑞鹏，张嘉晨. 凡纳滨对虾高氨氮和低溶氧抗逆性状的杂交配合力分析. 南方水产科学. 2016(01): 43-49 . 本站查看
32. 罗俊标，谢木娇，区又君，温久福，李加儿，王鹏飞. 四指马鲅头肾和脾脏组织学研究. 生物学杂志. 2016(04): 43-47 . 百度学术
33. 姚娜，陈生熬，王帅，谢从新，刘洁雅，龚珊. 盐度、碱度和体质量对叶尔羌高原鳅耗氧率和排氮率的影响. 西南农业学报. 2016(02): 462-468 . 百度学术
34. 文衍红，黄凯，唐丽宁，司徒玲，杨政民，黄杰. 罗非鱼钢丝透光薄膜越冬大棚建造及效果研究. 养殖与饲料. 2016(03): 5-11 . 百度学术
35. 董颖，王摆，崔程，李姝熳，高士博，高杉，关晓燕，姜北，周遵春. 苯系物对仿刺参肠、呼吸树谷胱甘肽过氧化物酶基因表达的影响. 水产科学. 2015(05): 311-315 . 百度学术
36. 李锋，罗伟，黄良民，林强. 线纹海马(Hippocampus erectus)不同养殖密度下水体理化因子和细菌数量的动态变化. 广东农业科学. 2015(02): 114-120 . 百度学术
37. 章琼，孙盛明，李冰，蒋高中，朱健，戈贤平. 团头鲂g型溶菌酶基因全长cDNA的克隆与表达分析. 南方水产科学. 2015(02): 41-49 . 本站查看
38. 肖炜，李大宇，徐杨，邹芝英，祝璟琳，韩珏，杨弘. 慢性氨氮胁迫对吉富罗非鱼幼鱼生长、免疫及代谢的影响. 南方水产科学. 2015(04): 81-87 . 本站查看
39. 胡静，吴开畅，叶乐，王雨. 急性盐度胁迫对克氏双锯鱼幼鱼过氧化氢酶的影响. 南方水产科学. 2015(06): 73-78 . 本站查看
其他类型引用(25)
计量
- 文章访问数: 0
- HTML全文浏览量: 0
- PDF下载量: 0
- 被引次数: 64
粤公网安备 44010502001741号
