安邦河湿地夏季浮游植物集群划分

覃雪波, 黄璞袆, 刘曼红, 马成学, 于洪贤

覃雪波, 黄璞袆, 刘曼红, 马成学, 于洪贤. 安邦河湿地夏季浮游植物集群划分[J]. 南方水产科学, 2007, 3(6): 1-7.
引用本文: 覃雪波, 黄璞袆, 刘曼红, 马成学, 于洪贤. 安邦河湿地夏季浮游植物集群划分[J]. 南方水产科学, 2007, 3(6): 1-7.
QIN Xuebo, HUANG Puyi, LIU Manhong, MA Chengxue, YU Hongxian. Phytoplankton assemblage classification in Anbang River wetland in summer[J]. South China Fisheries Science, 2007, 3(6): 1-7.
Citation: QIN Xuebo, HUANG Puyi, LIU Manhong, MA Chengxue, YU Hongxian. Phytoplankton assemblage classification in Anbang River wetland in summer[J]. South China Fisheries Science, 2007, 3(6): 1-7.

安邦河湿地夏季浮游植物集群划分

基金项目: 

科技部农业科技成果转化基金项目 04EFN 217100394

黑龙江省科技攻关项目 GC04B520

详细信息
    作者简介:

    覃雪波(1977-),男,硕士,南开大学在读博士, 助理馆员,从事水生生物学研究。E-mail: qinxuebo@126.com

  • 中图分类号: Q178

Phytoplankton assemblage classification in Anbang River wetland in summer

  • 摘要:

    2005年夏季对安邦河湿地进行浮游植物调查,运用多元分析方法对其组成、分布、群落进行了研究。共采到浮游植物7门82种,其中绿藻44种,蓝藻19种,硅藻12种,其它7种;浮游植物数量为268.45×104 ind·L-1,优势种共6种,其中蓝藻3种,硅藻2种,绿藻1种。多元分析表明,夏季安邦河湿地浮游植物可划分为3个集群:核心区的四角盘星藻Pediastrungolaum tetras集群(PPP)、沿岸的鱼腥藻Anabaena sp.-铜绿微囊藻Microcystis aeruginosa-梅尼小环藻Cyclotella meneghiniana集群(AMC)和莲花池的银灰平裂藻Merismopedia glauca集群(MMM)。各集群的指示种反映了各集群营养水平的差异,与各站位的地理位置相关。

    Abstract:

    An investigation on the phytoplankton was carried out in Anbang River wetland from ten localities in summer 2005. Phytoplankton species composition and assemblage classifications were analyzed by multivariate analyses, including cluster analysis and metric multidimensional scaling analysis (MDS).A total of 82 species were found, belonging to Chlorophyta (44), Cyanophyta (19), Bacillariophyta (12), Xanthophyta (2), Chrysophyta (2), Cryphophyta (2), and Euglenophyta (1).The average abundance was 268.45×104 ind·L-1, and the predominant phytoplankton species were Anabaena sp., Merismopedia glauca, Microcystis aeruginosa, Cyclotella meneghiniana, Fragilaria capucina and Pediastrum tetras. Based on the Bray-Cartis similarity matrix calculated according to species abundance of each locality, hierarchical cluster and MDS analysis showed that three assemblages can be distinguished and named by representative and dominant species: (i) Anabaena sp.-M.aeruginosa-C.meneghiniana assemblage (AMC), with representative species of Anabaena sp., Aphanizomenon flos-aquae, M.aeruginosa, C.meneghiniana, Synedra acus, Chlamydomonas olifanii, Scenedesmus arcuatus, S.bijuga, and Cryptomonas marssonii, located in coast, (ii) Pediastrum tetras assemblage (PPP) in the center of wetland with representative species of P.boryanum, P.tetras, Staurastrum crenulatum, and Xanthidium sp., and (iii) M.glauca assemblage (MMM), with representative species of M.glauca, Chromulina pascheri, Closterium gracile, Cosmarium sp., Hyalotheca dissiliens, and P.biradiatum in the lotus flower pond. The representative species of phytoplankton demonstrated the differentiation of nutrition in sampling localities, thus associating with the geographical locations.

  • 近年来,在南太平洋海域进行商业捕捞作业的船队主要为中国大陆和中国台湾船队[1]。有研究表明环境变化对于长鳍金枪鱼 (Thunnus alalunga) 的分布和洄游有显著影响[2-3],由于长鳍金枪鱼的高度洄游性使商业捕捞作业船队对其渔场的寻找成为一项高成本生产活动。因此,了解长鳍金枪鱼的资源分布与环境因子的关系对提高该渔业的生产效率具有重要意义。南太平洋长鳍金枪鱼作为延绳钓渔船的主要捕捞对象,一般栖息在200~300 m水层[4]。而目前国内外学者多选择表层环境因子作为研究对象[5-7],较少采用不同水层的环境数据。广义可加模型 (Generalized additive model, GAM) 作为定量分析渔获率与环境要素之间关系的方法,目前已得到广泛应用。而这些研究在变量选择中多加入了时空因子[8-10],忽略了时空因子与环境因子之间和不同环境因子之间的多重共线性[11]。此外,由于缺少该鱼种完整的渔捞日志数据,研究多采用5°方格数据[7,10],但这种较低空间分辨率的环境数据往往会弱化数值分析的效果。

    本文根据中国大陆地区所有渔船2015—2017年在南太平洋的渔捞日志,整理出了空间分辨率为1°×1°的月渔获数据,用GAM模型逐步回归分析各环境因子与长鳍金枪鱼资源的关系,以探讨环境因子的变化对长鳍金枪鱼资源分布的影响,以期为南太平洋长鳍金枪鱼的合理开发利用和资源养护管理提供参考。

    来自中国大陆地区2015—2017年所有渔船渔捞日志,选取在南太平洋海域 (140°E—130°W,0°N—50°S,图1) 且捕捞对象为长鳍金枪鱼的渔捞日志数据 (具体数据总量见表1),包括日期、作业位置、投钩数、各鱼种渔获量尾数和千克数等。

    图  1  2015—2017年南太平洋长鳍金枪鱼单位捕捞努力渔获量的平均分布
    Fig. 1  Average distribution of CPUE of T. alalunga in South Pacific during 2015–2017
    表  1  南太平洋长鳍金枪鱼延绳钓渔业作业天数情况
    Table  1  Fishing days of longline fishery of T. alalunga in South Pacific
    年份
    Year
    总渔船数
    Total vessels
    累计作业天数
    Total fishing days
    2015 107 18 070
    2016 115 20 591
    2017 136 26 291
    下载: 导出CSV 
    | 显示表格

    包括海表温度 (Sea surface temperature,SST) 及不同深度水温、海表盐度 (Sea surface salinity,SSS) 及不同水层盐度、叶绿素a浓度 (Chlorophyll a concentration,Chla)、海表风场 (Sea surface wind,SSW)、海表面高度 (Sea surface height,SSH)、混合层深度 (Mixed layer depth,MLD) 的月数据。其中海表温度及不同水深温度、海表盐度及不同水层盐度、混合层深度来自中国Argo实时资料中心提供的《全球海洋Argo网格数据集 (BOA_Argo) 》,空间分辨率为1°。叶绿素a浓度来自美国国家海洋和大气管理局 (National Oceanic and Atmospheric Administration, NOAA) 的Ocean Watch网站,空间分辨率为0.05°。海表风场来自美国宇航局物理海洋学数据分发存档中心 (PO.DAAC) 提供的CCMP风速,空间分辨率为0.25°,海表面高度来自德国汉堡大学的综合气候数据中心提供的ORA-S4资料,空间分辨率为1°。

    1) 单位捕捞努力量渔获量 (Catch per unit effort,CPUE) 可以作为代表长鳍金枪鱼渔业资源状态的指标。其计算公式为:

    $$ {\rm{CPUE}} = \dfrac{{{U_{{\rm{catch}}}}}}{{{f_{{\rm{hooks}}}}}} $$ (1)

    式中Ucatch表示1°×1°单位渔区内的累计渔获量 (kg),fhooks是1°×1°单位渔区内的累计投钩数 (千钩),时间尺度为月。

    2) 用Matlab读取海表温度、叶绿素a浓度、海表风场数据,并与单位渔区进行数据匹配。受云层遮挡等因素影响,环境数据尤其是叶绿素a浓度数据存在缺失情况。本文采用计算周围变量均值的方法对缺失数据进行处理。

    利用Pearson相关系数计算环境因子之间的相关系数[12],其公式为:

    $$ r = \frac{{\displaystyle\sum\nolimits_{i = 1}^n {\left( {{x_i} - \bar x} \right)\left( {{y_i} - \bar y} \right)} }}{{\sqrt {\displaystyle\sum\nolimits_{i = 1}^n {{{\left( {{x_i} - \bar x} \right)}^2}{{\displaystyle\sum\nolimits_{i = 1}^n {\left( {{y_i} - \bar y} \right)} }^2}} } }} $$ (2)

    式中r表示相关系数,xi表示环境因子x的第i个观测值,$\bar x $表示环境因子的均值,yi表示环境因子y的第i个观测值,${\bar y}_i $表示环境因子y的均值。

    GAM模型能够较好地处理响应变量和一组解释变量之间高度非线性和非单调关系的能力,被广泛用于渔获率与环境关系研究[13-14]。其一般表达式为:

    $$ g\left( {\rm{\mu}} \right) = {\beta _0} + \sum\nolimits_{i = 1}^k {{f_i}} \left( {{x_i}} \right) + \varepsilon \left[ {{\rm{\mu}} = E\left( {Y/X} \right)} \right] $$ (3)

    式中g(μ) 表示联系函数,β0表示常数截距项,fi(xi) 表示用来描述g(μ) 与第i个解释变量关系的平滑函数。

    GAM模型和逐步回归计算在R-3.5.0中实现。

    本研究在不同水深环境数据中选择了60、120、180、240、300 m深度水温和盐度与其他表层环境因子进行了相关性分析。计算表明各层之间温度和盐度相关性较大 (由于篇幅所限,结果未列出),最后选取了相关性较小的三层 (表层、120 m300 m) 参与最后的要素分组中。通常认为如果相关系数大于0.75为强相关[15],介于0.5~0.75为中等程度相关,小于0.5为弱相关。SST和t120t300s300,SST与SSH,t120与SSH为高度相关因子;SST与s120,SST与MLD,SST与Uwndt120s120t120Uwnd均中度相关;SSS、Chla、Vwnd与其他环境因子之间的相关性均较小 (表2)。

    表  2  各环境变量相关系数矩阵
    Table  2  Correlation coefficients matrix of environmental factors
    变量
    Variable
    t120t300SSSs120s300MLDUwndVwndChlaSSH
    SST 0.916 0.005 −0.359 0.545 −0.091 −0.560 −0.541 −0.146 −0.316 0.753
    t120 −0.002 −0.239 0.582 −0.098 −0.307 −0.542 −0.137 −0.221 0.757
    t300 0.176 0.165 0.925 −0.152 −0.277 0.428 −0.068 0.440
    SSS 0.408 0.097 0.396 −0.056 −0.175 0.128 −0.432
    s120 −0.008 −0.124 −0.504 −0.242 −0.150 0.258
    s300 −0.117 −0.127 0.451 0.114 0.407
    MLD 0.255 0.004 0.326 −0.451
    Uwnd −0.308 0.178 −0.493
    Vwnd 0.137 0.212
    Chla −0.238
    注:SST. 海表温度;t120. 120 m水深温度;t300. 300 m水深温度;SSS. 海表盐度;s120.120 m水深盐度;s300. 300 m水深盐度;MLD. 混合层深度;Chla. 海表面叶绿素a浓度;Uwnd. 海表风场东西分量,即纬向风,以东为正;Vwnd. 海表风场南北分量,即经向风,以北为正;SSH. 海表面高度;下同 Note: SST. Sea surface temperature; t120. Sea temperature at depth of 120 m; t300. Sea temperature at depth of 300 m; SSS. Sea surface salinity; s120. Sea salinity at depth of 120 m; s300. Sea salinity at depth of 300 m; MLD. Mixed layer depth; Chla. Sea surface chlorophyll a concentration; Uwnd. Eastward Sea surface wind; Vwnd. Northward Sea surface wind; SSH. Sea surface height. The same case in the following table
    下载: 导出CSV 
    | 显示表格

    本研究使用GAM模型分析长鳍金枪鱼CPUE与各环境因子之间的关系,其中CPUE作为响应变量,SST、t120t300、SSS、s120s300、Chla、UwndVwnd、SSH、MLD作为解释变量,根据相关性分析结果,将环境因子分为4组分别建立GAM模型,表达式为:

    $$ \begin{array}{c} {\rm{log}}\left( {{\rm{CPUE}} + 1} \right)\sim s\left( {{\rm{SST}}} \right) + s\left( {{t_{300}}} \right) + s({\rm{SSS}}) + {\rm{ }}s\left( {{V_{{\rm{wnd}}}}} \right) + \\s\left( {{\rm{Chla}}} \right) + \varepsilon \\ {\rm{log}}\left( {{\rm{CPUE}} + 1} \right)\sim s({t_{120}}) + s\left( {{\rm{SSS}}} \right) + s\left( {{s_{300}}} \right) + s\left( {{\rm{MLD}}} \right) + \\s\left( {{V_{{\rm{wnd}}}}} \right) + s\left( {{\rm{Chla}}} \right) + \varepsilon \\ {\rm{log}}\left( {{\rm{CPUE}} + 1} \right)\sim s({t_{300}}) + s\left( {{\rm{SSS}}} \right) + s\left( {{s_{120}}} \right) + s({\rm{MLD}}) +\\ s\left( {{V_{{\rm{wnd}}}}} \right) + s\left( {{\rm{SSH}}} \right) + s\left( {{\rm{Chla}}} \right) + \varepsilon \\ {\rm{log}}\left( {{\rm{CPUE}} + 1} \right)\sim s\left( {{t_{300}}} \right) + s\left( {{\rm{SSS}}} \right) + s\left( {{\rm{MLD}}} \right) + s\left( {{U_{{\rm{wnd}}}}} \right) + \\s\left( {{V_{{\rm{wnd}}}}} \right) + s\left( {{\rm{SSH}}} \right) + s\left( {{\rm{Chla}}} \right) + \varepsilon \end{array} $$

    式中为了防止零值出现,采用CPUE加上1再进行对数化处理,s为自然立方样条平滑 (Natural cube spline smoother),ε为误差项。

    结果显示,各模型的总偏差解释率介于30%~40% (表3)。各环境因子的平均可解释偏差大小依次为t120 (19.7%)、SST (18.5%)、t300 (12.5%)、t120 (12.3%)、SSH (7.0%)、s300 (4.9%)、SSS (3.3%)、MLD (2.4%)、Vwnd (2.4%)、Uwnd (1.8%)、Chla (0.8%)。

    表  3  GAM模型拟合结果的偏差分析
    Table  3  Analysis of deviance for generalized additive models (GAM)
    分组
    Group
    累加影响因子
    Cumulative of influencing factors
    P决定系数
    R2
    累计解释偏差
    Cumulative of deviance explained
    可解释偏差
    Deviance explained
    AIC值
    AIC value
    第一组 Group 1 +SST <2×10−16*** 0.185 18.5% 18.5% 24 376.49
    +t300 <2×10−16*** 0.297 29.9% 11.4% 23 222.20
    +SSS <2×10−16*** 0.306 30.8% 0.9% 23 136.20
    +Vwnd <2×10−16*** 0.326 32.9% 2.1% 22 908.96
    +Chla <2×10−16*** 0.341 34.3% 1.4% 22 746.25
    第二组 Group 2 +t120 <2×10−16*** 0.196 19.7% 19.7% 24 265.62
    +SSS <2×10−16*** 0.215 21.6% 1.9% 24 087.74
    +s300 <2×10−16*** 0.263 26.5% 4.9% 23 599.79
    +MLD <2×10−16*** 0.282 28.5% 2.0% 23 410.19
    +Vwnd <2×10−16*** 0.295 29.8% 1.3% 23 276.47
    +Chla <2×10−16*** 0.307 31% 1.2% 23 147.81
    第三组 Group 3 +t300 <2×10−16*** 0.13 13.1% 13.1% 24 881.85
    +SSS <2×10−16*** 0.18 18.2% 5.1% 24 428.97
    +s120 <2×10−16*** 0.303 30.5% 12.3% 23 165.18
    +MLD <2×10−16*** 0.319 32.1% 1.6% 23 000.88
    +Vwnd <2×10−16*** 0.337 34% 1.9% 22 795.21
    +SSH <2×10−16*** 0.393 39.6% 5.6% 22 110.88
    +Chla 0.002 75** 0.394 39.8% 0.2% 22 100.98
    第四组 Group 4 +t300 <2×10−16*** 0.13 13.1% 13.1% 24 881.85
    +SSS 4.89×10-8*** 0.18 18.2% 5.1% 24 428.97
    +MLD <2×10−16*** 0.214 21.7% 3.5% 24 105.96
    +Uwnd 0.030 1* 0.231 23.4% 1.7% 23 942.02
    +Vwnd <2×10−16*** 0.267 27.1% 3.7% 23 574.18
    +SSH <2×10−16*** 0.352 35.5% 8.4% 22 626.40
    +Chla 2.51×10−15*** 0.356 36% 0.5% 22 571.78
    下载: 导出CSV 
    | 显示表格

    GAM模型分析发现,SST、t120t300s120是对CPUE影响较大的环境变量 (表3)。SST与CPUE介于15~30 ℃整体呈现负相关,其中介于25~28 ℃显示正相关 (图2-a)。t120与SST的趋势一致,呈负效应关系,其中介于18~23 ℃保持平稳状态 (图2-b)。t300在10 ℃之前置信区间较大且数据量较小故不予讨论,在10 ℃之后呈现出明显的正相关 (图2-c)。s120与CPUE以35.5为中心总体呈开口向上的抛物线,在36.4之后呈负相关 (图2-e)。

    图  2  不同环境因子对南太平洋延绳钓渔业长鳍金枪鱼单位捕捞努力渔获量的影响
    Fig. 2  Effects of different environmental factors on CPUE of longline fishery of T. alalunga in South Pacific

    对CPUE影响比较小的几个环境因子分别为SSS、s300、MLD、UwndVwnd、SSH、Chla。各模型得出的SSS对CPUE的影响略有差异,总体与CPUE保持平稳状态 (图2-d)。s300与CPUE以34.8为中心呈开口向上的抛物线 (图2-f),在35.0之后基本保持平稳。MLD与CPUE总体保持稳定 (图2-g),呈现轻微的正效应关系。Uwnd与CPUE基本保持平稳 (图2-h)。Vwnd与CPUE总体上呈现正效应关系 (图2-i),其中在−1~3 m·s−1保持平稳。Chla与CPUE整体上呈现轻微的负相关 (图2-j)。SSH与CPUE总体上呈负效应关系 (图2-k),在0.5 m之后这种负效应明显放缓。

    在参与2个及以上模型的环境因子中,MLD、Vwnd、Chla在较小的置信区间内总体趋势相似,与CPUE基本保持平稳状态,t300、SSH对CPUE的影响较大,但依然表现出了较高的拟合度。SSS在对CPUE的影响略有差异,介于35.2~35.0拟合较好。

    目前通过GAM模型分析环境因子与渔场的关系时通常会加入时空因子。然而时空因子的加入可能会影响环境因子与渔场关系的判断,如海表温度分布与纬度存在相关性,海表温度从低纬度向高纬度递减,纬度因素的加入会影响海表温度与渔场真实关系的推断。因此时空因子的加入对渔场与环境因子的关系分析可能会造成误判。

    除了时空因子与环境因子的相互影响外,环境因子之间也存在不可避免的自相关和多重共线性问题[16]。长鳍金枪鱼的渔场分布与各环境因子显著相关,是各个环境因子综合作用的结果,而环境因子间的高度相关性又会掩盖单个环境因子与渔场分布的真实关系。本研究发现,海表温度除了与混合层深度、海表风场、海表面高度等海表面环境因素有较大的相关性外,与各水层的温度、盐度也具有较大的相关性,因此在构建模型探讨海表温度与长鳍金枪鱼渔场的关系前,需要进行环境因子的相关性分析,通过排除相关系数较大的环境因子,降低这种多重共线性的负面影响[17]

    在建模过程中为避免同一模型内环境因子之间的多重共线性,同时又要确保放入尽量多的环境因子,本研究将环境因子分为4组分别建立GAM模型。由于每组模型选择的环境因子不同,得出的总解释偏差也有所差异。而在参与多个模型的环境因子中,t300、MLD、Vwnd、Chla、SSH的总体趋势相似 (图2),验证了这种分组建模方式分析环境因子与渔场分布具有较高的可信度。海表面的盐度略有差异,可能是由于其与120 m水深盐度、混合层深度、海表面高度均呈中等程度相关,不同的环境因子的选择影响了海表盐度与CPUE的关系。

    作为影响海洋鱼类活动最重要的环境因子之一,温度的变化对鱼类的分布、洄游和集群等会造成直接或者间接的影响[18],在进行长鳍金枪鱼时空分布与主要环境因子的关系研究时,一般都会选用SST作为环境因子[19-20]。海表温度对南太平洋长鳍金枪鱼的分布有显著影响,由GAM模型结果可以发现,长鳍金枪鱼的主要作业渔区出现在SST介于20~30 ℃的海域 (图2-a),这与樊伟等[21]的南太平洋长鳍金枪鱼产量高密度区呈双峰型,出现在20 ℃和29 ℃海域的研究结果一致。同时发现,SST与CPUE总体上呈现负相关,在25 ℃之前随温度的升高CPUE逐渐降低,在25 ℃之后略有回升。说明相对低温海域的作业频率较低但CPUE较高,可以探寻相对低温海域的长鳍金枪鱼渔区并进行开发。

    延绳钓渔船通常以长鳍金枪鱼成鱼为目标鱼种,主要在0~400 m深度设钩。水温垂直结构在长鳍金枪鱼渔场的形成过程中有直接影响[22]。研究结果显示,120~300 m水层,温度显著影响长鳍金枪鱼的产量,这可能是因为该水层是水温急剧下降的温跃层,温度和密度变化大,溶解氧含量高,饵料资源丰富。Hoyle等[23]发现,东南太平洋长鳍金枪鱼主要栖息于170~220 m水层,中西太平洋为150~300 m,与本文研究结果相似。Williams等[24]在汤加附近海域发现,长鳍金枪鱼高渔获率水深一般为200~300 m,与本文研究结果有一定差异,这可能是缘于研究海域不同。

    海表面盐度对于长鳍金枪鱼渔获量的影响较小,这与范永超等[25]、蒋汉凌[26]的研究结果一致。本研究还发现,s120对长鳍金枪鱼渔获量有显著影响。这说明海表面盐度影响较小可能是因为其主要通过影响溶解气体、海流等其他海表面环境因素从而对长鳍金枪鱼CPUE间接造成影响,而各水深盐度是影响长鳍金枪鱼CPUE的一个重要因素,在以后的研究中不可忽略。120~300 m温度和盐度显著影响长鳍金枪鱼CPUE的分布,这也验证了本研究长鳍金枪鱼主要栖息于120~300 m水层的结果。

    海面高度主要与水团、水系、海流、潮汐、中尺度涡等海洋动力信息有关。随着海面高度的增加,表层水团进行辐散或汇合[27],底层水上升进行补充,海水底层营养盐上升对表层营养盐进行补充,使海水表层初级生产力增加,浮游生物密度增加,长鳍金枪鱼资源量增加。本研究中,SSH与长鳍金枪鱼CPUE呈现负效应,可能是由于处于上升流的中心区域,营养盐浓度高,初级生产力高,浮游生物密度高,导致水体中氧气的大量消耗。

    混合层深度会对栖息于混合层的长鳍金枪鱼造成垂直分布的限制[28]。本研究中混合层深度与CPUE呈现出轻微的正效应。以往的研究中,可能由于存在与混合层深度有较大相关性的环境因素,导致混合层深度与CPUE的关系并不明显,这与本文结果略有不同,未来可作进一步探究。

    从食物链的角度看,叶绿素a浓度通常表征以浮游植物为食的浮游动物量,间接影响渔场分布[29]。以往的研究中,叶绿素a浓度通常是影响南太平洋长鳍金枪鱼CPUE的重要原因,而本研究中仅呈现出轻微的负相关,这可能是由于在叶绿素a浓度升高、浮游植物生物量增大、长鳍金枪鱼聚集增加的过程中存在时间延迟现象[30]

    国内外学者在长鳍金枪鱼CPUE与环境因子关系的研究中多使用海表面温度、海表面高度、叶绿素a浓度等,除此之外,海面风场也是影响鱼类活动的一个重要因子。

    本研究表明,Uwnd与CPUE总体保持稳定,Vwnd与CPUE呈现正效应,其中在−2~4 m·s−1保持平稳状态。海面风场对长鳍金枪鱼CPUE的影响显著,总体呈正相关关系,可能是由于较大的风速导致海水的湍流混合加大、水柱混合加深以及海水浑浊度增加[31-32],使海域营养盐增加、生产力提高,因此形成了良好的渔场,也有可能是这种混合造成海域适宜的水温对长鳍金枪鱼资源有促进作用。

    由于本文仅有3年 (2015—2017年)的渔捞日志数据,对环境关系的研究存在一些制约,未来将选择更长时间尺度的渔业数据并结合溶解气体、水系和海流、潮汐和潮流、气象因素等其他影响鱼类行为的环境因子作进一步研究。

    致谢: 在野外工作期间得到安邦河湿地自然保护区管理局的大力协助,谨此致谢!
  • 图  1   安邦河湿地浮游植物采样站位图

    Figure  1.   A map of sampling spots of phytoplankton in Anbang River wetland

    图  2   安邦河湿地夏季浮游植物集群聚类图

    Figure  2.   The hierarchical cluster dendrogram of phytoplankton assemblage in Anbang River wetland in summer

    图  3   夏季10个站位浮游植物集群二维定标排序图

    Figure  3.   The 2-dimentional MDS ordinal configuration of phytoplankton assemblage at ten sampling localities in summer

    图  4   浮游植物数量与营养盐含量回归分析

    Figure  4.   Regressive analysis between phytoplankton quantities and nutrient contents

    表  1   安邦河湿地夏季浮游植物组成

    Table  1   Phytoplankton composition in Anbang River wetland in summer

    种类
    species
    出现次数
    occurrence
    优势种优势度
    dominance of predominant species
    指示集群
    indicator group
    种类
    species
    出现次数
    occurrence
    优势种优势度
    dominance of predominant species
    指示集群
    indicator group
    蓝藻门 Cyanophyta 月牙新月藻 Closterium cynthia 5 n
    鱼腥藻 Anabaena sp. 16 0.102 AMC 纤细新月藻 C.gracile 12 n MMM
    水华束丝藻 Aphanizomenon flos-aquae 14 n AMC 项节月藻 C.nematodes 4 n
    小型色球藻 Chroococcus minor 11 n 膨胀新月藻 C.tumidum 7 n
    腔球藻 Coelosphaerium sp. 8 n 新月藻 C.subscoticum 5 n
    池生胶球藻 Gloeocapsa limnetica 9 n 小新月藻 C.venus 14 n
    胶球藻 Gloeocapsa sp. 10 n 鼓藻 Cosmarium sp. 12 n MMM
    粘杆藻 Gloeothece sp. 9 n 四角十字藻 Crucigenia quadrata 14 n
    湖生束球藻 Gomphosphaeria lacustris 11 n 角丝鼓藻 Desmidium sp. 14 n
    湖生鞘丝藻 Lyngbya limnetica 13 n 空球藻 Endorina elegans 13 n
    优美平裂藻 Merismopedia elegans 16 n 基纳棒形鼓藻 Gonatozygon kinahani 12 n
    银灰平裂藻 M.glauca 13 0.069 MMM 棒形鼓藻 G.monotaenium 16 n
    粉末微囊藻 Microcystis incerta 6 n 裂开圆丝鼓藻 Hyalotheca dissiliens 14 n MMM
    铜绿微囊藻 M.aeruginosa 12 0.091 AMC 棘接鼓藻 Onychonema sp. 5 n
    浮游念球藻 Nostoc planctonicum 4 n 湖生卵囊藻 Oocystis lacustris 7 n
    巨颤藻 Oscillatoria princes 14 n 四集藻 Palmella sp. 2 n
    美丽颤藻 O.formosa 12 n 集球藻 Palmellococcus sp. 14 n
    弱细颤藻 O.tenuis 6 n 双射盘星藻 Pediastrum biradiatum 6 n MMM
    窝形席藻 Phormidium foveolarum 12 n 短棘盘星藻 P.boryanum 7 n PPP
    弯曲尖头藻 Raphidiopsis curvata 4 n 整齐盘星藻 P.integrum 9 n
    金藻门 Chrysophyta 四角盘星藻 P.tetras 20 0.095 PPP
    单鞭金藻 Chromulina pascheri 6 n MMM 浮游藻 Planktosphaeria gelatinosa 12 n
    分歧锥囊藻 Dinobryon divergens 12 n 宽带鼓藻 Pleurotaenium sp. 13 n
    黄藻门 Xanthophyta 弯曲栅藻 Scenedesmus arcuatus 5 n AMC
    小刺角绿藻 Goniochloris brevispinosa 14 n 双列栅藻 S.bijuga 3 n AMC
    黄丝藻 Tribonema sp. 6 n 龙骨栅藻 S.carinatus 4 n
    硅藻门 Bacillariophyta 斜生栅列藻 S.obliquus 6 n
    美丽星杆藻 Asterionella formosa 12 n 扁平栅藻 S.platydiscus 8 n
    细星杆藻 A.gracillima 7 n 四尾栅藻 S.quadricauda 4 n
    梅尼小环藻 Cyclotella meneghiniana 14 0.074 AMC 被甲栅藻 S.armatus 3 n
    钝脆杆藻 Fragilaria capucina 16 0.063 纤细月牙藻 Selenastrum gracile 4 n
    中间异极藻 Gomphonema intricatum 12 n 瘤接鼓藻 Sphaerozosma sp. 9 n
    颗粒直链藻 Melosira granulata 5 n 钝齿角星鼓藻 Staurastrum crenulatum 15 n PPP
    放射舟形藻 Navicula radiosa 8 n 项圈顶接鼓藻 Spondylosium moniliforme 7 n
    大羽纹藻 Pinnularia major 10 n 规则四角藻 Tetraёdron regulare 9 n
    头状针杆藻 Synedra acus 20 n AMC 四球藻 Tetrachlorella alternans 3 n
    近缘针杆藻 S.affinis 19 n 四月藻 Tetrallantos lagerkeimii 5 n
    尺骨针杆藻 S.ulna 3 n 韦斯藻 Westella botryoides 14 n
    绒毛平板藻 Tabellaria flocculosa 6 n 多棘鼓藻 Xanthidium sp. 15 n PPP
    绿藻门 Chlorophyta 裸藻门 Euglenophyta
    集星藻 Actinastrum hantzschii 5 n 绿色裸藻 Euglena viridis 5 n
    空星藻 Ceolastrum sphaericum 7 n 隐藻门 Cryphophyta
    艾氏衣藻 Chlamydomonas olifanii 6 n AMC 马氏隐藻 Cryptomonas marssonii 3 n AMC
    小球藻 Chlorella vulgaris 12 n 卵形隐藻 C.ovata 5 n
    柯氏藻 Chodatella chodati 4 n
    注:n表示非优势种
    Note:n Represents the non-dominant species.
    下载: 导出CSV

    表  2   安邦河湿地夏季浮游植物数量与营养盐含量

    Table  2   Phytoplankton quantities and nutrient contents in Anbang River wetland in summer

    站位
    sampling stations
    1# 2# 3# 4# 5# 6# 7# 8# 9# 10#
    数量/×104 ind·L-1
    quantity
    375.68 378.46 250.48 239.37 388.45 207.02 186.96 163.43 396.57 98.04
    无机氮/mg·L-1
    DIN
    0.78 0.85 0.80 1.09 0.66 1.08 0.87 1.11 0.84 1.23
    总磷/mg·L-1
    TP
    0.072 0.059 0.057 0.052 0.084 0.055 0.05 0.052 0.085 0.056
    下载: 导出CSV
  • [1]

    CARDINALE B J, PALMER M A, COLLINS S L. Species diversity enhances ecosystem functioning through interspecific facilitation[J]. Nature, 2002, 415(6 870): 426-429. https://www.nature.com/articles/415426a

    [2]

    FRONEMAN P W. Food web dynamics in a temperate temporarily open/closed estuary (South Africa)[J]. Est Coast Shelf Sci, 2004, 59(1): 87-95. doi: 10.1016/j.ecss.2003.08.003

    [3]

    REY P A, TAYLOR J C, LAAS A, et al. Determining the possible application value of diatoms as indicators of general water quality: a comparison with SASS 5[J]. Water SA, 2004, 30(3): 325-332. https://www.ajol.info/index.php/wsa/article/view/5080

    [4]

    FERREIRA J G, WOLFF W J, SIMAS T C, et al. Does biodiversity of estuaine phytoplankton depend on hydrology?[J]. Ecol Model, 2005, 187(4): 513-523. doi: 10.1016/j.ecolmodel.2005.03.013

    [5]

    PEDRO C, EMILIO M, VALESCA P, et al. Phytoplankton size structure and primary production in a highly dynamic coast ecosystem (Ria de Vigl, NW-Spain): seasonal and short-time scale variability[J]. Est Coast Shelf Sci, 2006, 67(1/2): 251-266. https://www.sciencedirect.com/science/article/pii/S0272771405003951

    [6] 胡鸿均, 李尧英, 魏印心, 等. 中国淡水藻类[M]. 上海: 上海科学技术出版社, 1980. https://www.zhangqiaokeyan.com/book-cn/081504004974.html
    [7]

    SOFIA L, ALICE N, JOHN I. Boundary conditions for the European water framework directive in the Ria Formosa lagoon, Portugal (physico-chemical and phytoplankton quality elements)[J]. Est Coast Shelf Sci, 2006, 67(3): 382-398. doi: 10.1016/j.ecss.2005.11.029

    [8]

    KHALAF M A, KOCHZIUS M. Changes on tropic community structure of shore fishes at an industrial site in the Gulf of Aqaba, Red Sea[J]. Mar Ecol Prog Ser, 2002, 239(1): 287-299. doi: 10.3354/meps239287

    [9] 左涛, 王荣, 陈来瞿, 等. 春季和秋季东、黄海陆架区大型网采浮游动物群落划分[J]. 生态学报, 2005, 25(7): 1 531-1 540. https://d.wanfangdata.com.cn/periodical/ChpNaW5lclBlcmlvZGljYWxDSEkyMDIzMDMyMRINc3R4YjIwMDUwNzAwMRoIbnUxZ2R1NGs%3D
    [10]

    ASKNES D L, WASSMAN P. Modeling the significance of zooplankton grazing for export production[J]. Limnol Oceanogr, 1993, 38(5): 978-985. doi: 10.4319/lo.1993.38.5.0978

    [11]

    DE′ATH G. Multivariate regression trees: a new technique for modeling species environment relationships[J]. Ecol, 2002, 83(4): 1 105-1 117. https://www.jstor.org/stable/3071917

    [12]

    THOMAS R, CHRISTIAN W, GERHARD J H. Relationship between bacterioplankton richness, respiration, and production in the Southern North Sea[J]. Appl Environ Microbiol, 2005, 71(5): 2 260-2 266. doi: 10.1128/AEM.71.5.2260-2266.2005

    [13]

    ZUSCHIN M, HARZHAUSER M, SAUERMOSER K. Patchiness of local species richness and its implication for large-scale diversity patterns: an example from the middle Miocene of the Paratethys[J]. Lethala, 2006, 39(1): 65-80. doi: 10.1080/00241160600578687

    [14]

    EOIN L B, TODD Z D, JORDAN P M, et al. Urban aerosols harbor diverse and dynamic bacterial populations[J]. Proc Natl Acad Sci United States of America, 2007, 104(1): 299-304. doi: 10.1073/pnas.0608255104

    [15]

    LOPES C B, LILLEB A I, DIAS J M, et al. Nutrient dynamics and seasonal succession of phytoplankton assemblages in a southern European estuary: Ria de Aveiro, Portugal[J]. Est Coast Shelf Sci, 2007, 71(3/4): 480-490. https://www.sciencedirect.com/science/article/pii/S0272771406004021

    [16]

    KATHERINE R M, ROCHELLE G L, MIKE C, et al. Phosphorus availability, phytoplankton community dynamics, and taxon-specific phosphorus status in the Gulf of Aqaba, Red Sea[J]. Limnol Oceanogr, 2007, 52(2): 873-885. doi: 10.4319/lo.2007.52.2.0873

    [17]

    SAADI N E, BAH A. An individual-based model for studying the aggregation behavior in phytoplankton[J]. Ecol Model, 2007, 204(1/2): 193-212. https://www.sciencedirect.com/science/article/pii/S0304380007000099

    [18]

    REDFIELD A C. The biological control of chemical factors in the environment [J]. Am Sci, 1958, 46(3): 205-222. https://pubmed.ncbi.nlm.nih.gov/24545739/

    [19]

    B福迪. 藻类学[M]. 上海: 上海科学技术出版社, 1980: 18-429.

    [20]

    KATHARINE P, ANDREW P R, PETER I M, et al. The influence of water body characteristics on phytoplankton diversity and production in the Celtic Sea[J]. Cont Shelf Res, 2004, 24(17): 2 011-2 028. https://www.sciencedirect.com/science/article/pii/S0278434304001608

    [21]

    RUBAO J, CHANGSHENG C, PETER J S. Spring phytoplankton bloom and associated lower trophic level food web dynamics on Georges Bank: 1-D and 2-D model studies[J]. Deep-Sea Res Ⅱ, 2006, 53(23/24): 2 656-2 683. https://www.sciencedirect.com/science/article/pii/S0967064506002396

  • 期刊类型引用(5)

    1. 廖韬梁,王芷禧,栗志民. 北部湾沿海不同地理群体施氏獭蛤形态差异分析. 安徽农业科学. 2025(01): 107-112 . 百度学术
    2. 吴韬,潘英,刘一鸣,连昌朋,徐炳杰,王超奇,杨凌. 广西北部湾海域施氏獭蛤精巢发育、精子发生及超微结构观察. 热带海洋学报. 2024(02): 69-80 . 百度学术
    3. 刘一鸣,徐炳杰,王超奇,杨凌,裴琨,韦朝民,曾尚伟,潘英. 广西北部湾织锦巴非蛤中培和养成期生长特性的比较. 南方农业学报. 2024(06): 1828-1842 . 百度学术
    4. 吴韬,潘英,连昌朋,刘一鸣,徐炳杰,王超奇,杨凌. 广西北部湾施氏獭蛤卵巢发育、卵子和卵黄发生的研究. 热带海洋学报. 2023(06): 137-149 . 百度学术
    5. 杨凌,刘一鸣,徐炳杰,王超奇,吴韬,邢清淦,裴琨,韦朝民,曾尚伟,潘英. 钝缀锦蛤在北海、防城港、钦州海区的中培与养成实验. 南方水产科学. 2023(06): 38-50 . 本站查看

    其他类型引用(3)

图(4)  /  表(2)
计量
  • 文章访问数:  6305
  • HTML全文浏览量:  141
  • PDF下载量:  3636
  • 被引次数: 8
出版历程
  • 收稿日期:  2007-08-29
  • 修回日期:  2007-09-28
  • 刊出日期:  2007-12-04

目录

/

返回文章
返回