南沙南部陆架海域渔业资源声学评估

张俊, 陈国宝, 陈作志, 于杰, 范江涛, 邱永松

张俊, 陈国宝, 陈作志, 于杰, 范江涛, 邱永松. 南沙南部陆架海域渔业资源声学评估[J]. 南方水产科学, 2015, 11(5): 1-10. DOI: 10.3969/j.issn.2095-0780.2015.05.001
引用本文: 张俊, 陈国宝, 陈作志, 于杰, 范江涛, 邱永松. 南沙南部陆架海域渔业资源声学评估[J]. 南方水产科学, 2015, 11(5): 1-10. DOI: 10.3969/j.issn.2095-0780.2015.05.001
ZHANG Jun, CHEN Guobao, CHEN Zuozhi, YU Jie, FAN Jiangtao, QIU Yongsong. Acoustic estimation of fishery resources in southern continental shelf of Nansha area[J]. South China Fisheries Science, 2015, 11(5): 1-10. DOI: 10.3969/j.issn.2095-0780.2015.05.001
Citation: ZHANG Jun, CHEN Guobao, CHEN Zuozhi, YU Jie, FAN Jiangtao, QIU Yongsong. Acoustic estimation of fishery resources in southern continental shelf of Nansha area[J]. South China Fisheries Science, 2015, 11(5): 1-10. DOI: 10.3969/j.issn.2095-0780.2015.05.001

南沙南部陆架海域渔业资源声学评估

基金项目: 

农业部财政重大专项 NFZX2013

国家科技支撑计划项目 2013BAD13B06

农业部财政专项“南海海洋捕捞信息动态采集网络(2009-2015)” 

中央级公益性科研院所基本科研业务费专项资金(中国水产科学研究院南海水产研究所)资助项目 2014TS18

中央级公益性科研院所基本科研业务费专项资金(中国水产科学研究院南海水产研究所)资助项目 2013ZD03

详细信息
    作者简介:

    张俊(1984-),男,硕士,助理研究员,从事海洋渔业声学与渔业资源研究。E-mail:zhangjun@scsfri.ac.cn

    通讯作者:

    陈作志(1978-),男,博士,副研究员,从事渔业资源和海洋生态研究。E-mail:zzchen2000@163.com

  • 中图分类号: S932.4

Acoustic estimation of fishery resources in southern continental shelf of Nansha area

  • 摘要:

    基于2013年南沙海域渔业资源声学和底拖网调查资料,评估了南沙南部陆架区(4°N~6°N)春(3月~4月)、夏(6月~7月)、秋(9月~10月)、冬(11月~12月)4个季节主要渔获物的种类组成和资源量。结果表明,2013年春、夏、秋、冬季声学资源评估种类分别为146、121、77、60种,所有评估种类资源量密度(均值±标准差)和资源量分别为(11.10±14.43)t · nmile-2和3.64×105 t、(19.60±21.46)t · nmile-2和4.83×105 t、(8.70±3.87)t · nmile-2和2.23×105 t、(11.91±11.44)t · nmile-2和2.13×105 t。短尾大眼鲷(Priacanthus macracanthus)为各季节最重要的经济种类,其渔获量占总渔获量的比例均超过30%。分析了鱼类资源量的空间分布和季节变化以及积分值随水深的变动趋势。

    Abstract:

    According to the acoustic survey and bottom trawl of fishery resources in Nansha area (4°N~6°N) in 2013, we estimated the stocks and species composition of fishery resources in spring (March to April), summer (June to July), autumn (September to Ocotober) and winter (November to December) in southern continental shelf of Nansha area. The results show that the estimated biomass density (X ±SD) and stocks of 146 species in spring were (11.10±14.43) t · nmile-2 and 3.64×105 t, respectively. The estimated biomass density and stocks of 121 species in summer were (19.60±21.46) t · nmile-2 and 4.85×105 t, respectively. The estimated biomass density and stocks of 77 species in autumn were (8.70±3.87) t · nmile-2 and 2.23×105 t, respectively. The estimated biomass density and stocks of 60 species in winter were (11.91±11.44) t · nmile-2 and 2.13×105 t, respectively. Priacanthus macracanthus was the most abundant commercial fish in weight and its percentage to total catch was more than 30% in four seasons. Additionally, we analyzed the spatial distribution and seasonal variation of stocks of the species.

  • 鱼类是淡水生态系统的重要组成部分。目前,有超过10 000种鱼类生活在淡水中,大约占鱼类总数的40%和脊椎动物的1/4[1]。然而,由于气候变化、人类活动、生物入侵等原因,全球淡水鱼类正以前所未有的速度消失。淡水鱼类保护成为当前生物多样性保护刻不容缓的事宜[1]。全面准确的多样性调查是开展各项淡水鱼类保护的基础。传统的淡水鱼类调查一般基于网具捕获 (如网捕、笼捕等),这对调查对象及其所在生境具有一定破坏性。随着分子生物学技术的发展,一种对调查对象无损伤、对环境友好的物种多样性调查方法——环境DNA (Environmental DNA, eDNA) 宏条形码 (Metabarcoding) 技术应运而生[2]。该技术是指对从环境样品 (如底泥、水、粪便等) 中分离的总DNA进行目的片段的PCR扩增和高通量测序,通过与已有DNA数据库进行比对与注释,从而实现多物种 (或更高级分类单元) 的鉴定[3]。近年来,环境DNA宏条形码技术引起了渔业生态学家的广泛关注,并逐渐应用于淡水鱼类多样性调查、珍稀濒危物种和外来入侵种检测等领域[4-6]

    然而,作为一种新兴的水生生物多样性调查方法,环境DNA宏条形码技术目前仍存在很多问题——不仅取样策略、实验环境对研究结果具有较大影响[2,7],而且物种判别方案对定性、定量的准确性也有不可忽视的影响[2-3,7]。目前,物种判别方面比较突出的问题是:1) 参考数据库的构建。既可以选择NCBI、BOLD、MitoFish、FISH-BOL等公共数据库,也可以实际采集样品自建数据库,或者二者相结合[7]。主流的观点认为自建数据库优于公共数据库[8-9],但目前大部分鱼类环境DNA宏条形码研究主要还是采用公共数据库[10-11],且其中一些研究表明基于公共数据库进行物种注释效果也比较理想[12-14]。因此数据库的优劣可能跟研究区域、物种类群等因素密切相关。2) 最优目标基因的选择。目前已经有不少针对鱼类设计的环境DNA宏条形码通用引物[7,15-16],其目标基因各不相同,对鱼类的鉴定能力也存在差异。究竟哪种目标基因更适合特定的研究区域,需要根据具体调查类群进行筛选[7,15-16]。3) 种间差异阈值的确定。标准的动物DNA条形码主要为线粒体细胞色素c氧化酶亚基I (Cytochrome c oxidase subunit I, COI) 基因;但鱼类环境DNA 宏条形码主要选用线粒体12S核糖体 (12s ribosomal RNA, 12S) 或16S核糖体 (16s ribosomal RNA, 16S) 基因[16]。不仅变异速度更不稳定[17],且扩增片段多小于200 bp[15-16]。物种系统发育分析过程的种间差异阈值应为多少目前也尚无定论[18]

    海南省是中国唯一的热带岛屿省份,气候条件优越,是中国生物多样性的天然宝库和资源基地,有着重要的保护价值[19]。2016—2018年,海南省海洋与渔业科学院对本省淡水鱼类进行了比较全面的调查[20],至少采集到淡水鱼类124种 (不包括2种洄游的鳗鲡)——仅“两江一河” (南渡江、昌化江、万泉河) 初步确认的淡水土著鱼类就达93种[21],其中海南岛特有鱼类19种[21]。考虑到传统调查方法具有费时费力、破坏性大及靶生物捕获率低的缺点,可能还有更多的土著种及特有种等待发掘。有必要在后续调查研究中引入环境DNA宏条形码技术,从而更好地了解海南岛土著鱼类多样性。而参考数据库的准确构建和条形码基因的合理选择,则是后续使用该技术的基础和前提。针对海南岛淡水鱼类多样性调查的实际需求及环境DNA宏条形码技术存在的问题,本研究的目的如下:1) 初步构建海南岛淡水鱼类环境DNA宏条形码参考数据库,比较自建数据库与公共数据库在物种注释上的差异;2) 以自建数据库为本底资料,考察不同鱼类的种间差异,探究不同目标基因的物种判别能力及种间差异阈值。本研究将为后期基于环境DNA宏条形码技术的海南岛淡水鱼类多样性调查和其他类似研究提供基础和参考。

    样品采集及鉴定由海南省海洋与渔业科学院完成。采集时间始于2016年,采集地点为海南岛各淡水水系。形态鉴定主要参照《海南岛淡水及河口鱼类志》[22]《广东淡水鱼类志》[23]等资料。对于形态鉴定无误的物种,剪取偶鳍鳍条或背部组织肌肉,于无水乙醇中−20 ℃保存。

    DNA提取采用标准的苯酚-氯仿-异戊醇法。使用目前应用广泛的鱼类环境DNA宏条形码通用引物MiFish-U[17] (针对线粒体12S,扩增子约170 bp)、Vert-16S[24] (针对线粒体16S,扩增子约 256 bp) 及本研究基于148种鱼类的COI序列专门针对海南岛淡水鱼类设计的COI短片段引物 (F: AAYCAYAAAGACATYGGYACCCT,R: GGYATTACTATAAAGAARATYAT,扩增子139 bp) 进行PCR扩增。PCR产物及后续处理参照吴娜[25]、梁日深等[26]:反应体系总体积为50 μL,其中包括PCR Mix反应混合液 (天根生化科技有限公司) 25 μL、灭菌蒸馏水21 μL、上下游引物 (10 μmol·L−1) 各1 μL、DNA样品2 μL。PCR反应条件为94 ℃预变性5 min;94 ℃变性30 s,55 ℃退火30 s,72 ℃延伸40 s,35个循环;最后72 ℃再延伸5 min。PCR产物用1%琼脂糖凝胶电泳检测,纯化回收后送广州艾基生物技术有限公司进行双向测序。此外,对于部分有历史分布记录但实际暂未采集到相关样品的鱼类,或者由于样品个体很小、状态保存差而测序失败的疑似种,本研究一律按该物种在海南有分布处理。从NCBI公共数据库 (以下简称公共数据库) 下载这些物种的线粒体序列,截齐后暂时作为海南岛淡水鱼类环境DNA宏条形码参考序列 (具体名单及GenBank序列号见附录A,详见http://dx.doi.org/10.12131/20210339 的资源附件)。

    基于序列相似度,模拟条形码序列注释过程,统计测序所得序列在公共数据库和自建数据库的物种注释情况。待注释序列在参考数据库中比对到的高相似度物种有且仅有其自身1种时,则表示该序列被准确注释。基于公共数据库的序列注释操作如下:打开NCBI序列比对窗口 (https://blast.ncbi.nlm.nih.gov/Blast.cgi),选择“Nucleotide Blast”,将人工校对切齐处理后的序列输入“Enter accession number (s), gi (s), or FASTA sequence (s)”对话框,点击“Blast”选项统计不同相似度下的物种比对名录;基于自建数据库的注释过程则参见郜星晨和姜伟[27]:安装BLAST-2.4软件工具并配置系统工作环境,将COI、12S、16S序列整合为3个不同的FASTA格式文件 (COI-barcode.fa、12S-barcode.fa和16S-barcode.fa),Makeblastdb命令格式化和索引化上述数据 (参数:-in COI-barcode.fa -dbtype nucl -parse_seqids -out fish、-in 12S-barcode.fa -dbtype nucl -parse_seqids -out fish、-in 16S-barcode.fa -dbtype nucl -parse_seqids -out fish),初步形成可供BLAST检索的本地数据库。取待检测物种的序列,保存为test.fa文件。Blastn命令执行待检序列数据库检索 (参数:-query test.fa -db fish -evalue 1e-5-outfmt 2),自动输出检索结果test.txt。

    邻接系统发育 (Neighbor-joining, NJ) 分析、种间差异阈值的调整及确定参考Milan等[18]。具体操作如下:测定的序列通过DNAStar软件包中的Seqman程序进行人工校对切齐。打开MEGA 6.0软件,基于Kimura 双参数模型 (Kimura-2-parameter, K2P) 采用邻接法构建系统发育树。系统分支支持率经1 000次重复抽样检测;统计序列间的遗传距离,在0~0.02范围内以0.000 5为阈值间隔设置不同的种间差异阈值,物种错误鉴定比例最小的阈值则为种间差异最佳阈值。

    截至2021年5月1日,本研究实地采集鱼类72种 (共85尾,其中12种鱼类样品量为2~3尾,其余种类样品量仅1尾) ,从公共数据库下载67种 (附录A)。两数据库物种共计139种,隶属于8目25科95属 (附录A)。其中鲤形目、鲈形目和鲇形目物种数较多,分别为73、37和18种;鱂形目、脂鲤目、颌针鱼目、合鳃鱼目和鳗鲡目数量较少,种类仅2~3种。

    虽然本次建库实地采集的鱼类种数还较少,但其中却包含南渡江吻虾虎鱼(Rhinogobius nandujiangensis)、海南原缨口鳅 (Vanmanenia hainanensis) 等海南岛淡水土著鱼类特有种11种 (具体名单见附录A)。72种鱼中,有16 (COI)、20 (12S) 和22 (16S) 种鱼类在公共数据库内无参考序列,为本研究首次提供 [海南异鱲 (Parazacco fasciatus)、海南华鳊 (Sinibrama melrosei) 等,主要为海南岛淡水土著鱼类特有种或少见种 (附录A)]。

    自建数据库有日本鳗鲡 (Anguilla japonica)、中华沙塘鳢 (Odontobutis sinensis) 等67种鱼类暂未采到样品,物种覆盖度为51.80% (72/139);公共数据库有16 (COI)、22 (12S) 、24 (16S) 种鱼类在其学名下无对应序列,物种覆盖度分别为88.49% (COI: 123/139)、84.17% (12S: 117/139) 和82.73% (16S: 115/139) (图1、附录A)。自建数据库的物种覆盖度低于公共数据库。

    图  1  本研究中自建数据库及公共数据库的鱼类种数
    Fig. 1  Number of fish species in self-built database and public database in this study

    公共数据库内的参考序列总数远高于自建数据库的序列总数,但前者明确标注采样地点的序列总数较少,占比分别为6.69% (COI)、11.57% (12S) 和8.02% (16S) (表1)。特别是样品采集于海南岛的序列总数和鱼类种数严重不足,占标注采样地点的鱼类种数和序列总数的0~4.42%。而自建数据库72种鱼类皆有详细的采样地点信息和对应的实物样品。此外,公共数据库内不同条形码参考序列数量差别明显。线粒体12S、16S 条形码的序列总数明显低于COI,分别只有后者的23.96%和27.22%。表明公共数据库不同条形码数据库的完善程度也存在较大差异。

    表  1  公共数据库和自建数据库参考序列简介
    Table  1  Summary of metabarcoding reference sequence in public database and self-built database
    数据来源
    Data source
    目标基因
    Target gene
    鱼类总数Total number
    of fish
    序列总数
    Total number of sequences
    标注采样地点的序列总数Total number of sequences with sampling location information标注样品采集于海南的序列总数*
    Total number of sequences collected from Hainan
    标注样品采集于海南的鱼类种数*
    Total number of fish collected from Hainan
    公共数据库
    Public database
    COI 123 2 704 181 8 3
    12S 117 648 75 2 1
    16S 115 736 59 0 0
    自建数据库
    Self-built database
    COI 72 85 85 85 72
    12S 72 85 85 85 72
    16S 72 85 85 85 72
    注:凡是没有明确标注采样地点的序列 (包括海南特有种) 一律不纳入*统计范围。Note: The sequences without sampling location information (including endemic species in Hainan) will not be included in the statistical scope of *.
    下载: 导出CSV 
    | 显示表格

    自建数据库的物种注释结果显示:72种鱼中,有23 (COI)、24 (12S) 、22 (16S) 种鱼类在公共数据库内比对不到高相似度序列 (序列相似度<98%),属于不可注释到种的序列,只能大致推测其隶属的科或属。只有68.06% (COI: 49/72)、66.67% (12S: 48/72) 和69.44% (16S: 50/72) 的鱼类顺利比对到高相似度序列 (序列相似度≥98%),属于可注释到种的序列。然而,与可注释到种的序列高度相似的物种较多,即使将序列比对阈值提高到≥99%,平均每种序列仍有2.47 (COI)、1.53 (12S) 、1.85 (16S) 种候选物种 (图2表2)。候选物种数大于1表明数据库内存在不同鱼类的参考序列高度相似或完全相同现象。而上述可注释到种的序列基于自建数据库都能比对到100%相似度的鱼类,且每种序列的候选物种数明显更少,分别只有1.14 (COI)、1.10 (12S) 、1.09 (16S) 种 (取序列相似度≥99%) (图2表2)。基于两个数据库的候选物种数存在显著或极显著差别 (COI: F=18.93, P<0.000 1; 12S: F=4.80, P=0.029; 16S: F=12.87, P=0.000 4) (取序列相似度≥99%)。

    图  2  可注释到种的鱼类的候选物种数 (序列相似度≥99%)
    Fig. 2  Number of candidate species of fish that can be annotated at species level (with≥99% sequence similarity)
    表  2  可注释到种的序列在不同阈值范围内的候选物种数 ($\overline {\boldsymbol X}{\bf {\pm} } {\bf{SD}} $)
    Table  2  Number of candidate species of sequence that can be annotated at species level within different threshold values
    序列相似度
    Sequence similarity
    候选物种数 Number of candidate species
    基于公共数据库 Based on public database基于自建数据库 Based on self-built database
    COI12S16SCOI12S16S
    100% 0~9 (1.43±1.64) 0~9 (1.01±1.51) 0~9 (1.00±1.46) 1~2 (1.03±0.18) 1~2 (1.08±.028) 1~2 (1.07±.025)
    100%>X≥99% 0~15 (1.04±1.88) 0~7 (0.53±0.98) 0~7 (0.85±1.22) 0~1 (0.13±0.34) 0~1 (0.03±0.18) 0~1 (0.03±0.18)
    99%>X≥98% 0~10 (1.07±1.74) 0~11 (0.85±1.42) 0~11 (1.03±1.67) 0~3 (0.19±0.63) 0~3 (0.13±0.37) 0~2 (0.10±0.29)
    100%≥X≥99% 0~21 (2.47±3.06) 0~16 (1.53±2.06) 0~15 (1.85±2.27) 1~3 (1.14±0.47) 1~2 (1.10±0.30) 1~2 (1.09±0.28)
    100%≥X≥98% 0~31 (3.53±4.31) 0~27 (2.38±2.99) 0~23 (2.88±3.24) 1~4 (1.31±0.98) 1~4 (1.20±0.65) 1~3 (1.16±0.45)
    下载: 导出CSV 
    | 显示表格

    不同条形码基因在公共数据库内注释到的候选物种数也存在差别 (表2) ,COI基因高于12S、16S。特别是100%≥X≥99% 范围内三者存在显著差别 (F=4.14, P=0.017) ,表明基于COI基因的物种注释需要排除更多的物种。

    以序列相似度为主要参考依据,结合FishBase、台湾鱼类资料库地理分布记录及《海南岛淡水及河口鱼类志》《广东淡水鱼类志》等,以公共数据库和自建数据库的共有鱼类的测序所得序列为待注释对象,使用两种数据库进行序列注释:基于自建数据库的注释准确率为100% (COI)、96.15% (12S) 和96% (16S);基于公共数据库的物种注释准确率为69.64% (COI)、67.30% (12S) 和70% (16S) (表3、附录A)。50~56种共有物种中有11~14种鱼类在公共数据库种比对不到高相似度序列 (表3) ,这直接导致了基于公共数据库的物种注释准确率偏低。

    表  3  两种数据库共有物种的注释结果
    Table  3  Annotation results of common fish species in two databases
    参考数据库
    Reference database
    目标基因
    Target gene
    共有物种数
    Number of shared species
    低相似度物种数
    Number of species with low sequence similarity
    不确定物种数或错误注释物种数Number of uncertain species or incorrectly annotated species正确注释物种数
    Number of correctly annotated species
    注释准确率
    Annotation accuracy/%
    公共数据库
    Public database
    COI 56 14 3 39 69.64
    12S 52 12 5 35 67.30
    16S 50 11 4 35 70
    自建数据库
    Self-built database
    COI 56 0 0 56 100
    12S 52 0 2 50 96.15
    16S 50 0 2 48 96
    注:不确定物种是注释到的多个候选物种序列完全相同 (序列相似度=100%),且皆有历史分布记录,难以排除错误物种;低相似度物种指序列相似度<98%。Note: Uncertain species refer to multiple candidate species whose sequences are identical (sequence similarity=100%) and all of them have historical distribution records in Hainan, so it is difficult to exclude the wrong species. Low similarity species refer to the species whose sequence similarity<98%.
    下载: 导出CSV 
    | 显示表格

    基于全部物种的150~152条序列构建的系统进化树见图3图5。全部序列的总平均遗传距离 (Overall mean distance) 分别为0.206 4 (COI)、0.273 8 (12S) 和0.295 0 (16S)。3种宏条形码均存在对部分鱼类区分度不够的现象,分别有4 (COI)、12 (12S) 、8 (16S) 种鱼类出现种间遗传距离为0的情况;而南方马口鱼 (Opsariichthys bidens) 等物种却又出现了种内不同个体遗传差异较大的现象 (表4图3图5)。参考Milan等[18]的研究,基于K2P遗传距离确定的种间差异最佳阈值分别为0.006 9 (COI)、0.005 6 (12S) 和0.007 5 (16S) ,其物种判别准确率分别为94.96% (COI: 132/139)、89.05% (12S: 122/137)和92.70% (12S: 127/137)。

    图  3  基于152条线粒体COI序列构建的NJ系统发育树
    Fig. 3  NJ phylogenetic tree constructed based on 152 mitochondrial COI sequences
    图  5  基于150条线粒体16S序列构建的NJ系统发育树
    Fig. 5  NJ phylogenetic tree constructed based on 150 mitochondrial 16S sequences
    表  4  两两序列的遗传距离 (K2P)
    Table  4  Pairwise distance of genetic divergences (K2P) within various sequences
    物种 Species遗传距离 Pairwise distance
    COI12S16S
    南方波鱼 Rasbora steineri (A, B) 0 0 0.007 66
    海南马口鱼 Opsariichthys hainanensis、南方马口鱼 O. bidens (A) 0.008 43
    蒙古鲌 Culter mongolicus mongolicus、鳊 Parabramis pekinensis 0.006 94
    海南鲌 C. recurviceps (A, B) 0 0 0
    海南鲌 C. recurviceps (A, B)、红鳍鲌 Chanodichthys erythropterus 0.006 95 0.005 64
    红鳍鲌 C. erythropterus、海南似鱎 Toxabramis houdemeri 0.009 44
    海南拟䱗 Pseudohemiculter hainanensis、䱗 Hemiculter leucisculus 0.006 94 0.007 54
    Parabramis pekinensis、三角鲂 Megalobrama terminalis 0.008 87
    P. pekinensis、斯氏鲂 (疑似) M. skolkovii (Suspected) 0.008 87
    三角鲂 M. terminalis、斯氏鲂 (疑似) M. skolkovii (Suspected) 0
    黄尾鲴 Xenocypris davidi、银鲴 X. macrolepis 0 0
    疏斑小鲃 Puntius paucimaculatus、条纹小鲃 P. semifasciolatus 0.006 95 0
    细尾白甲鱼 Onychostoma lepturum (A, B) 0 0 0
    厚唇光唇鱼 Acrossocheilus paradoxus (A, B) 0 0 0
    间䱻 Hemibarbus medius (A, B) 0 0 0
    尖鳍鲤 Cyprinus acutidorsalis、鲤 C. carpio 0 0 0.007 54
    Hypophthalmichthys nobilis、鲢 H. molitrix 0.006 94
    美丽小条鳅 Micronemacheilus pulcher、齐氏小条鳅 M. zispi 0.006 94 0.005 74
    泥鳅 Misgurnus anguillicaudatus、大鳞副泥鳅 Paramisgurnus dabryanus 0.008 03 0 0
    越南隐鳍鲇 Pterocryptis cochinchinensis (A, B) 0.006 94 0
    中间黄颡鱼 Pelteobagrus intermedius (A, B) 0 0 0.004 46
    黑首阿胡虾虎鱼 Awaous melanocephalus (A, B) 0 0.008 04 0
    黑首阿胡虾虎鱼 A. melanocephalus (A, C) 0 0.001 01 0
    黑首阿胡虾虎鱼 A. melanocephalus (B, C) 0 0.009 05 0
    子陵吻虾虎鱼 Rhinogobius giurinus、吻虾虎鱼sp. 3 Rhinogobius sp. 3 0 0
    陵水吻虾虎鱼 R. linshuiensis (A, B) 0 0 0
    陵水吻虾虎鱼 R. linshuiensis、吻虾虎鱼sp. 2 Rhinogobius sp. 2 0.006 94 0 0
    攀鲈 Anabas testudineus (A, B) 0.006 94 0 0
    黑体塘鳢 Eleotris melanosoma (A, B) 0 0 0
    南方马口鱼 O. bidens (A, B) 0.006 94 0.006 28
    注:遗传距离在0.01以上的物种均能正确鉴定,故本表只展示遗传距离在0.01以下的物种。—. 遗传距离≥0.01;A、B、C. 种内不同个体。Note: All species with a genetic distance above 0.01 can be correctly identified, so only the results with a genetic distance below 0.01 are shown. —. Genetic distance ≥0.01; A, B, C. Intraspecific samples.
    下载: 导出CSV 
    | 显示表格
    图  4  基于150条线粒体12S序列构建的NJ系统发育树
    Fig. 4  NJ phylogenetic tree constructed based on 150 mitochondrial 12S sequences

    本研究的结果表明,数据库的构建应遵循“自建为主、公共为辅,两者结合”的原则。海南岛地理位置相对孤立,生物种类及特有类群均比较丰富[19]。虽然自建数据库在物种覆盖度上低于公共数据库,但综合附录A及申志新等[20]和李高俊等[21]的研究可以发现:公共数据库缺失的物种主要是海南岛当下确有分布的土著特有种、少见种和地理亚种[21],而自建数据库对这部分鱼类却有较好的收集——72种鱼类中,土著特有种就多达11种。公共数据库内现存土著特有种参考序列的缺失 (如海南异鱲、海南华鳊等) ,对当前海南岛淡水鱼类多样性的调查极为不利。在本研究中,基于公共数据库有30.56%~33.33%的物种比对不到高相似度序列,这直接导致基于公共数据库的物种注释准确率明显偏低。Jerde等[28]和Lim等[29]的研究也表明,NCBI数据库对地方特有种的条形码收集十分不健全,难以满足土著淡水鱼类多样性的调查需求。Gillet等[30]从少见种鉴定角度出发,也认为只有先自建参考数据才能开展后续多样性调查。对于常见种,虽然公共数据库已收录了较多参考序列 (表1),但其中明确标注采样地点的序列总数较少,这降低了条形码序列的参考价值。并且,由于参考序列存在定种错误 (如同物异名) 等原因,导致基于公共数据库比对到的候选物种数量更多[28,31] (比如本研究中的COI基因)。候选物种越多,则序列注释受到错误信息的干扰程度越大[28]。特别是当物种存在同域分布记录时,难以判定序列所代表的真实物种[16,28]。基于公共数据库的注释准确率明显低于自建数据库 (表3)。从上述角度考虑,实地采集样品自建数据库几乎是鱼类环境DNA宏条形码研究中不可替代的步骤。

    然而,自建数据库的缺点也十分明显——建库过程费时费力。本研究72种鱼类的获取耗时约3年;而从公共数据获取数据耗时却不超过24 h。即使如此长期采样,本研究中的自建数据库仍仅覆盖了研究水域约一半的鱼类。Miya等[32]提及了2012—2020年20多篇基于环境DNA宏条形码技术的鱼类多样性研究,也未见有高通量测序OTUs能被自建数据库完全覆盖和/或注释的报道。由此可见全面、准确的参考数据库构建难度之大。从物种覆盖度角度考虑,公共数据库无疑是自建数据库的有效补充。

    自建国以来,海南岛仅进行了2次全面系统的淡水鱼类多样性调查,记录的鱼类种数分别为106和124种[20]。本研究实地采集样品72种,公共数据库补充67种。这139种鱼类最大限度覆盖了海南岛的已知淡水鱼类种数。然而,仍有部分鱼类难以获得其条形码参考序列,如原田鳑鲏 (Rhodeus haradai)、大鳞鲢 (Hypophthalmichthys harmandi)、戴氏虾虎鱼 (Rhinogobius davidi) 等 (附录A)。这部分鱼类,仅有历史记录,实际已多年未采集到样品[20-21] ,也未在公共数据库见到任何参考序列,很可能成为海南岛淡水鱼类环境DNA宏条形码的永久缺憾。

    本研究表明对海南岛淡水鱼类判别能力最高的目标基因为COI,其次为16S和12S。特别是以共有物种为注释对象、以自建数据库为本底资料时,COI基因注释准确率高达100%。以公共数据库为参考时,虽然COI序列比对过程中的候选物种最多 (图2),需要查阅更多的参考文献才能精准排除错误的候选物种,但该基因在公共数据库中物种覆盖度最高,参考序列最为丰富,实际注释准确率也仅次于16S (表3)。这一结果与标准的脊椎动物DNA条形码普遍采用COI基因的现实相符合[33]

    然而,鱼类环境DNA宏条形码研究却很少以COI为目标基因[16]。其中最大问题是COI基因很难设计出短片段通用性引物[17]。Balasingham等[5]专门针对欧洲鱼类设计了COI通用引物——PS1,该引物对北京水体的鱼类检出数为MiFish-U的82.26% (51/62)。序列比对结果表明,PS1正、反向引物分别与海南岛淡水鱼类序列存在3~4和4~6个错配碱基 (结果未展示)。本研究使用的COI条形码短片段引物,是基于148种鱼类的COI全序列,在改进PS1、Uni-Minibar和标准的COI条形码通用引物基础上专门针对海南岛淡水鱼类设计的。分子实验过程中,全部鱼类的PCR产物条带清晰、明亮;而PS1引物则有26种鱼类不适用 (结果未展示)。本研究的建库案例表明在不过分要求通用性的研究中,以COI作为目标基因可以设计出环境DNA宏条形码通用引物。

    Zhang等[16]全面比较了23对鱼类环境DNA宏条形码通用引物,发现从引物目标基因来看,12S优于16S。本研究得出的结果也与上述主流观点不同。这是因为以往的引物比较研究,评价指标主要为环境DNA宏条形码技术的鱼类检出数[16,34-35]。而本研究则侧重基于本底资料比较物种序列注释的准确性。MiFish-U为Miya等[17]基于880种海洋鱼类线粒体全序列筛选出的环境DNA宏条形码引物 ,其通用性自然高于COI 和Vert-16S引物[32] (注:MiFish的通用性可能过高,实际应用过程中极易产生微生物、鸟类、哺乳类的非特异扩增)。但MiFish-U的扩增子片段长度约170 bp,低于Vert-16S 片段的256 bp。Balasingham等[5]、Gantner等[36]的研究表明,12S和16S扩增子片段越长,物种鉴定的准确性越高。本研究结果 (表3) 与上述结论相符合,16S对海南岛淡水鱼类的判别能力高于12S。

    然而,Vert-16S引物也有一些通用性问题需要解决。在Zhang等[16]的研究中,Vert-16S 的鱼类检出数与PS1相同。本研究通过比较发现,Vert-16S引物主要针对非鱼类脊椎动物[24]。对于鱼类类群而言,其正向引物 (总长24 bp) 序列的15~17 bp处存在3个完全错配的碱基。引物近3'端存在错配碱基会严重影响扩增效果[37]。因此后续也需要对Vert-16S的正向引物进行改进,以提高Vert-16S的鱼类检出数。基于PS1和Vert-16S引物均未完全匹配海南岛淡水鱼类序列的事实,本研究认为COI和16S可以作为某个特定区域鱼类环境DNA宏条形码研究的目标基因,但需要对通用引物进行优化改进。

    标准的鱼类COI条形码长度约650 bp[25-26,38],种间差异阈值为0.02 (2%)[33]。本研究所确定的COI基因种间差异阈值却仅为0.006 9。这是因为COI基因不同区域的变异速率也并不相同。目前基于COI基因设计的鱼类环境DNA宏条形码通用引物很少,且无一例外均位于标准的鱼类COI条形码近5'端前350 bp范围内[7,15-16]。Collins等[39]、Menning等[40]、Jennings等[41]、Sultana等[42]的序列比对结果均表明,COI基因只有在这一区域序列较为保守,适合设计短片段引物,其余区域变异速率过快。本研究所用的短片段引物同样位于这一区域,因此其种间差异较小,阈值远小于0.02。

    COI基因采用0.006 9种间差异阈值能够对本底资料库中94.96% (132种/139种) 的鱼类进行准确判定。对比其他环境DNA宏条形码研究,这一数值已经非常高。本研究中所用的COI短片段引物扩增子长度为139 bp,仅能够容许种内不同个体间出现1 bp的碱基变异;而12S和16S的扩增子长度和总平均遗传距离均明显高于COI,理论上可容许种内个体存在1.5~2 bp的碱基变异[43]。然而,12S和16S的物种判别准确性却未高于COI。以139种鱼类为本底资料,12S基因的种间差异阈值为0.005 6,在3种目标基因中阈值最小,种内个体判定的容错率也最低 (表4)。造成这种现象的主要原因是12S、16S序列种间遗传距离为0的物种数是COI的2~3倍。Miya等[17]和Bylemans等[44]的研究表明:MiFish-U引物扩增子位于茎环结构 (Stem-loop structure) 的高变环区,变异速率却又因种而异。陈治[45]研究发现:MiFish-U扩增子片段呈现高度保守与高度变异并存的特点,约有1/3浙江近海鱼类 (46种/147种)的变异速率高于COI,甚至接近控制区 (D-loop)。Milan等[18]比较MiFish-U及自行设计的NeoFish_3引物对67种淡水热带鱼类的判别能力,认为MiFish-U扩增子变异不稳定,甚至直接未对MiFish-U提出种间差异阈值。当研究区域和类群不同时,12S种间差异阈值可能会有所变动。这种种间差异阈值的不稳定性,可能是影响MiFish-U引物广泛应用的一个重要负面因素。

    Milan等[18]基于NJ系统发育树确定的NeoFish_3最佳种间差异阈值为0.55%,物种判定准确率为91.04% (61种/67种)。本研究3种条形码阈值及判别准确率与之接近。这表明受扩增子长度的限制,环境DNA宏条形码的种间差异阈值可能都比较小,在1%以下;同时受制于鱼类自身的遗传特性,该技术从源头上就难以对鱼类进行100%区分[14,17,43]。不应过分夸大种间差异阈值及环境DNA宏条形码技术的物种判别能力。

    本研究结论如下:1) 自建数据库在序列注释准确性上显著高于公共数据库,但仍需要以公共数据库为补充;2) COI、16S的物种判别能力高于12S;3) 建议使用0.006 9 (COI) 、0.007 5 (16S) 和0.005 6 (12S) 作为海南岛淡水鱼类环境DNA宏条形码研究的种间差异阈值。

    致谢: 对“南锋”号调查船全体船员给予的支持,谨致谢忱!
  • 图  1   研究区域

    Figure  1.   Research area

    图  2   2013年各季节所有鱼类资源量密度(t · nmile-2)分布

    Figure  2.   Distribution of biomass density of total estimated fish in winter of 2013

    图  3   2013年各季节积分值和体积反向散射强度随水深变化情况

    a. 春季;b. 夏季;c. 秋季;d. 冬季

    Figure  3.   Variation of NASC and Sv versus depth for different seasons in 2013

    a. sping; b. summer; c. autumn; d. winter

    表  1   Simrad EK 60探鱼仪主要技术参数设置

    Table  1   Main technical parameters of Simrad EK 60 echosounder

    技术参数
    technical parameter
    38 kHz 换能器参数 38 kHz transducer
    春季 spring 夏季 summer 秋季 autumn 冬季 winter
    发射功率/W transmitting power 2 000 2 000 2 000 2 000
    脉冲宽度/ms pulse duration 1 1 1 1
    换能器增益/dB transducer gain 24.19 24.23 24.23 24.12
    纵向波束宽度deg alongship 3 dB beam width 6.97 7.08 7.08 7.04
    横向波束宽度deg athwardship 3 dB beam width 7.04 7.03 7.03 7.02
    声速/m·s-1 sound speed 1 538 1 535 1 535 1 544
    海水声波吸收系数/dB·m-1 absorption coefficient 0.006 6 0.006 6 0.006 6 0.005 7
    波束等效立体角 steradians equivalent beam angle -20.60 -20.60 -20.60 -20.60
    下载: 导出CSV

    表  2   主要声学评估种类及b20

    Table  2   Main species for acoustic estimation and their b20 values

    种类 species b20/dB 种类 species b20/dB 种类 species b20/dB 种类 species b20/dB
    大眼鲷类 Priacanthidae -68.0 笛鲷类 Emmelichthyidae -68.0 狗母鱼科 Synodontidae -72.5 金线鱼科 Nemipteridae -68.0
    枪乌贼类 Loliginidae -78.0 裸颊鲷科 Scavengers -68.0 天竺鲷科 Apogonidae -68.0 石斑鱼类 Epinephelus -72.5
    鲾类 Leiognathidae -72.5 发光鲷类 Acropomatidae -68.0 带鱼科 Trichiuridae -68.3 刺鲀类 Diodontidae -76.0
    鲭科 Scombrida -76.0 蓝子鱼类 Siganidae -68.0 马面鲀类 Cantherines -76.0 鲀科 Tetraodontidae -76.0
    鯻科 Theraponidae -72.5 鲷科 Sparidae -68.0 石首鱼科 Sciaenidae -68.0 小公鱼类 Stolephorus -72.5
    鲹科 Carangidae -72.5 鲉科 Scorpaenidae -72.5 棱鳀类 Anchovy -72.5 沙丁鱼类 Sardinella -72.5
    石鲈科 Pomadasyidae 68.0 鱼衔类 Callioymidae -72.5 鳗类 Anguillidae -76.0 鳂科 Holocentridae -68.0
    鲻科 Mugilidae -72.5 鲈类 Percidae -72.5 眼镜鱼科 Menidae -76.0 方头鱼科 Branchiostegidae -68.0
    鱚科 Sillaginidae -72.5 绯鲤类 Percoidea -72.5 鲳类 Pomfret -80.0 马鲅科 Polynemidae -80.0
    蛇鲭科 Gempylidae -68.0
    下载: 导出CSV

    表  3   2013年各季节渔获物种类组成和渔获量

    Table  3   Species composition and catches for each season in 2013

    季节
    season
    种类组成 species composition 渔获量/g
    catch
    鱼类
    fish
    头足类
    Cephalopoda
    虾类
    Decapod
    蟹类
    Decapod
    海马
    hippocampi
    鲨鱼shark
    春季 spring 147 13 14 9 1 2 2 637 500
    夏季 summer 120 13 6 6 - 3 1 263 808
    秋季 autumn 76 8 7 4 - 7 978 289
    冬季 winter 60 4 8 5 - 2 1 727 421
    下载: 导出CSV

    表  4   2013年各季节渔获量前10位鱼类生物学信息

    Table  4   Biological composition of most abundant 10 species for each season in 2013

    季节
    season
    种类
    species
    数量/尾
    number
    渔获量占比/%
    percentage
    体长/mm body length 体质量/g body weight
    范围 range 均值 mean 范围 range 均值 mean
    春季 spring 短尾大眼鲷 Priacanthus macracanthus 7 366 33.7 85~416 189 10~510 121
    多齿蛇鲻 Saurida tumbil 1 567 5.7 102~438 206 13~950 97
    红笛鲷 Lutjanus sanguineus 47 4.9 385~540 469 1 620~4 010 2 723
    颌圆鲹 Decapterus lajang 1 440 4.5 190~200 196 100~200 83
    剑尖枪乌贼 Loligo edulis 1 648 4.3 20~473* 146* 8~600 69
    黄条 Seriola aureovittata 12 4.2 720~940 845 3 540~13 560 9 333
    星斑裸颊鲷 Lethrinus nebulosus 25 4.1 390~550 476 1 065~7 020 4 280
    深水金线鱼 Nemipterus bathybius 755 2.7 49~392 130 12~330 94
    大头狗母鱼 Trachinocephalus myops 643 2.5 115~330 226 7~500 102
    紫红笛鲷 Lutjanus argentimaculatus 17 2.0 412~660 528 1 700~5 150 3 129
    夏季 summer 短尾大眼鲷 P.macracanthus 3 744 33.8 70~200 168 11~320 114
    红鳍圆鲹 Decapterus russelli 971 10.0 145~258 164 66~216 130
    印度无齿鲳 Ariomma indica 2 237 6.4 88~186 104 22~145 36
    剑尖枪乌贼 L.edulis 1 379 5.6 35~232* 86* 4~300 42
    深水金线鱼 N.bathybius 742 4.9 75~224 165 14~230 83
    眼镜鱼 Mene maculata 172 3.48 204~233 208 260~320 256
    花斑蛇鲻 Saurida undosquamis 280 2.1 75~333 236 5~370 95
    多齿蛇鲻 S.tumbil 257 1.9 90~430 192 7~1 000 94
    杜氏枪乌贼 Loligo duvaucelii 610 1.9 32~103* 93* 2.5~60 39
    长体圆鲹 Decapterus macrosoma 147 1.8 97~210 192 13~204 157
    秋季 autumn 短尾大眼鲷 P.macracanthus 4 631 34.0 83~207 165 10~330 72
    大头狗母鱼 T.myops 1 388 9.0 110~330 197 14~500 63
    长体圆鲹 D.macrosoma 1 449 6.2 136~164 151 40~76 42
    鳞首方头鲳 Cubiceps squamiceps 683 5.8 130~160 149 50~105 83
    大海鲢 Megalops cyprinoides 87 4.9 154~326 287 75~1075 552
    剑尖枪乌贼 L.edulis 328 3.0 77~275* 129* 33~400 89
    深水金线鱼 N.bathybius 254 2.2 107~190 143 39~165 84
    宽带石斑鱼 Epinephelus latifasciatus 8 1.6 449~451 450 2 000~2 002 2 000
    花斑蛇鲻 S.undosquamis 48 1.5 195~360 300 82~410 313
    黑斑叉鼻鲀 Arothron nigropunctatus 235 1.5 59~114 91 13~140 61
    冬季 winter 短尾大眼鲷 P.macracanthus 7 906 36.2 58~232 166 15~332 79
    多齿蛇鲻 S.tumbil 1 252 6.7 103~305 207 14~290 92
    黑鳍蛇鲭 Thyrsitoides marleyi 2 013 6.5 157~213 169 32~96 56
    日本骨鰃 Ostichthys japonicus 164 5.7 115~302 214 66~1 250 603
    印度无齿鲳 A.indica 972 5.1 123~179 142 63~165 90
    海鳗 Muraenesox cinereus 128 3.1 2 15~350 292 230~600 420
    霜点石斑鱼 Epinephelus rhyncholepis 192 2.9 170~249 211 138~360 245
    黑斑叉鼻鲀 A.nigropunctatus 656 2.3 53~270 68 11~780 66
    剑尖枪乌贼 L.edulis 359 2.2 58~132* 142* 6.5~220 104
    单棘躄鱼 Chaunax fimbriatus 605 1.8 63~135 103 5~200 51
    注:*. 胴长;
    Note:*. donates mantle length
    下载: 导出CSV

    表  5   各季节所有声学评估鱼类结果

    Table  5   Acoustic estimation of total species for each season

    季节
    season
    平均数量密度/
    个·nmile-2 mean ρa
    平均资源量密度/
    t·nmile-2mean ρb
    资源丰度/个
    abundance
    资源量/t
    biomass
    覆盖面积/nmile2
    survey area
    变异系数
    CV
    春季 spring 179 806±123 229 11. 10±14.43 3.60×109 3.64×105 36 000 0.392
    夏季 summer 316 663±323 847 19.60±21.46 1.22×1010 4.83×105 37 800 0.381
    秋季 autumn 93 217±45 355 8.70±3.87 2.44×109 2.23×105 25 200 0.411
    冬季 winter 105 756±36 389 11.91±11.41 2.72×109 2.13×105 27 000 0.425
    注:ρaρb分别表示数量密度和资源量密度, 下表同此
    Note:ρa and ρb donates abundance density and biomass density.The same case in the following table.
    下载: 导出CSV

    表  6   2013年各季节渔获量前10位鱼类的资源丰度和资源量

    Table  6   Abundance and biomass of most abundant 10 species for each season in 2013

    季节
    season
    种类
    species
    平均数量密度/个·nmile-2
    mean ρa
    平均资源量密度/t·nmile-2
    mean ρb
    丰度/个
    abundance
    资源量/
    tbiomass
    春季 spring 短尾大眼鲷 48 186±33 024 3.74±4.86 8.39×108 9.20×104
    多齿蛇鲻 10 251±7 025 0.36±0.82 2.06×108 2.11×104
    红笛鲷 307±211 0.54±0.71 1.77×107 4.81×104
    颌圆鲹 9 420±6 456 0.50±0.65 2.68×108 2.23×104
    剑尖枪乌贼 10 781±7 389 0.48±0.62 3.44×108 2.12×104
    黄条 79±54 0.47±0.61 4.51×106 4.21×104
    星斑裸颊鲷 164±112 0.46±0.59 4.40×106 4.02×104
    深水金线鱼 5 345±3 663 0.30±0.39 1.04×108 8.35×103
    大头狗母鱼 4 206±2 883 0.28±0.36 1.63×108 1.66×104
    紫红笛鲷 111±76 0.22±0.29 3.30×106 1.02×104
    夏季 summer 短尾大眼鲷 55 984±57 254 6.62±7.31 1.45×109 1.63×105
    红鳍圆鲹 14 519±14 849 1.96±2.09 2.13×108 1.38×104
    印度无齿鲳 11 155±11 408 1.25±1.42 2.90×108 1.03×104
    剑尖枪乌贼 21 861±22 357 1.10±1.23 1.15×109 4.16×104
    深水金线鱼 11 095±11 347 0.96±1.13 2.54×108 1.58×104
    眼镜鱼 2 632±2 691 0.68±0.71 1.32×107 3.38×103
    花斑蛇鲻 4 187±4 282 0.41±0.47 1.43×108 5.06×103
    多齿蛇鲻 3 843±3 930 0.37±0.39 1.25×108 9.92×103
    杜氏枪乌贼 9 211±9 420 0.37±0.41 4.70×108 1.38×104
    长体圆鲹 2 198±2 248 0.35±0.39 3.73×107 3.52×103
    秋季 autumn 短尾大眼鲷 36 377±17 692 2.96±1.32 1.42×109 9.44×104
    大头狗母鱼 10 903±5 303 0.78±0.35 2.80×108 1.53×104
    长体圆鲹 11 382±5 536 0.54±0.24 5.14×108 2.14×104
    鳞首方头鲳 5 365±2 609 0.50±0.22 1.13×108 1.07×104
    大海鲢 683±322 0.43±0.19 1.16×107 6.25×103
    剑尖枪乌贼 2 576±1 253 0.26±0.12 6.99×107 7.95×103
    深水金线鱼 1 995±970 0.19±0.09 5.22×107 5.02×103
    宽带石斑鱼 63±31 0.14±0.06 1.43×106 2.86×103
    花斑蛇鲻 377±183 0.13±0.06 1.70×107 5.31×104
    黑斑叉鼻鲀 1 846±898 0.13±0.06 4.85×107 2.93×103
    冬季 winter 短尾大眼鲷 44 910±15 453 4.31±4.13 9.80×108 7.22×104
    多齿蛇鲻 3 912±1 346 0.80±0.76 1.15×108 1.43×104
    蛇鲭 6 140±2 113 0.77±0.74 1.72×108 9.76×103
    日本骨鰃 490±169 0.68±0.65 1.27×107 9.22×103
    印度无齿鲳 3 663±1 260 0.61±0.58 1.62×108 1.12×104
    海鳗 383±132 0.37±0.35 8.03×106 3.86×103
    霜点石斑鱼 570±196 0.35±0.33 1.89×107 3.99×103
    黑斑叉鼻鲀 1 970±678 0.27±0.26 6.71×107 5.01×103
    剑尖枪乌贼 1 239±426 0.26±0.25 8.68×107 5.39×103
    单棘躄鱼 1 845±635 0.21±0.21 5.32×107 2.49×103
    下载: 导出CSV
  • [1] 国家水产总局南海水产研究所. 西、中沙、南海北部海域大洋性鱼类资源调查报告[R]. 广州: 国家水产总局南海水产研究所, 1978: 18-47. https://xueshu.baidu.com/usercenter/paper/show?paperid=4f2b8760f67882d84ace027f0f4e35d4
    [2] 陈铮, 李辉权. 南沙群岛西南部陆架区底拖网渔获主要经济鱼类的数量分布特征及主要渔场[J]. 海洋水产研究, 1994, 15(2): 141-151. https://qikan.cqvip.com/Qikan/Article/Detail?id=1604481
    [3] 贾晓平, 李永振, 李纯厚, 等. 南海专属经济区和大陆架渔业生态环境与渔业资源[M]. 北京: 科学出版社, 2004: 329-391. https://www.las.ac.cn/front/book/detail?id=42fe2fc1c537854dac87610b13d7d5a0
    [4]

    SIMRAD. Simrad ER60 Scientific echo sounder software reference manual[Z]. Norway: Simrad Maritime AS Kongsberg, 2008: 19-31.

    [5] 赵宪勇, 陈毓桢, 李显森, 等. 多种类海洋渔业资源声学评估技术与方法[C]//我国专属经济区和大陆架勘测研究论文集. 北京: 海洋出版社, 2002: 341-353. https://xueshu.baidu.com/usercenter/paper/show?paperid=35d24446d0fdf93d341c458df75ede46&site=xueshu_se&hitarticle=1
    [6]

    HIGGINBOTTOM I, WOON S, SCHNEIDER P. Hydroacoustic data processing for standard stock assessment using Echoview: technical manual[M]. Australia: Myriax Software Pty Ltd Publication, 2008: 1-108. https://xueshu.baidu.com/usercenter/paper/show?paperid=de1e914dda04ae6f1893e825286f1f7e&site=xueshu_se&hitarticle=1

    [7] 张俊. 基于声学数据后处理系统的黄海鳀鱼资源声学评估[D]. 上海: 上海海洋大学, 2011. https://apps.wanfangdata.com.cn/thesis/article:Y1946880
    [8]

    ZHANG J, CHEN G B, CHEN P M, et al. Impact of subtracting Time Varied Gain Background Noise (TVGBN) on estimates of fisheries resources derived from post-processing acoustic data[J]. J Appl Ichthyol, 2013, 29(6): 1468-1472. doi: 10.1111/jai.12364

    [9]

    SIMMONDS J, MACLENNAN D N. Fisheries acoustics: theory and practice[M]. New York: Wiley, 2005: 1-379. https://xueshu.baidu.com/usercenter/paper/show?paperid=1v3e0ma01j2104n0d1230ja0f4718733&site=xueshu_se

    [10] 陈国宝, 李永振, 赵宪勇, 等. 南海北部海域重要经济鱼类资源声学评估[J]. 中国水产科学, 2005, 12(4): 445-51. doi: 10.3321/j.issn:1005-8737.2005.04.013
    [11] 张俊, 陈作志, 陈国宝, 等. 南海鸢乌贼水声学测量和评估相关技术研究[J]. 南方水产科学, 2014, 10(6): 1-11. doi: 10.3969/j.issn.2095-0780.2014.06.001
    [12]

    CHEN G B, LI Y Z, CHEN P M, et al. Measurement of single-fish target strength in the South China Sea[J]. Chin J Oceanol Limnol, 2012, 30(4): 554-562. doi: 10.1007/s00343-012-1218-4

    [13]

    ZHANG J, CHEN P M, CHEN G B, et al. Acoustic target strength measurement of banded grouper[Epinephelus awoara (Temming & Schlegel, 1842)] and threadsial filefish[Stephanolepis cirrhifer (Temming & Schlegel, 1850)] in the South China Sea[J]. J Appl Ichthyol, 2013, 29(6): 1453-1455. doi: 10.1111/jai.12361

    [14]

    ZHAO X Y. In situ target-strength measurement of young hairtail (Trichiurus haumela) in the Yellow Sea[J]. ICES J Mar Sci, 2006, 63(1): 46-51. doi: 10.1016/j.icesjms.2005.07.010

    [15]

    AGLEN A. Random errors of acoustic fish abundance estimates in relation to the survey grid density applied[J]. FAO Fish Rep, 1983(300): 293-297. https://xueshu.baidu.com/usercenter/paper/show?paperid=00f973d591e819257ff00b069413504f&site=xueshu_se&hitarticle=1

    [16] 陈文河, 刘学东, 卢伙胜. 南沙群岛海域鱼类群落结构的季节性变化研究[J]. 热带海洋学报, 2010, 29(4): 118-124. doi: 10.11978/j.issn.1009-5470.2010.04.118
    [17] 陈真然. 南沙群岛邻近海域渔业资源研究综述[J]. 南海研究与开发, 1991(2): 23-33. https://xueshu.baidu.com/usercenter/paper/show?paperid=7a1331b8a218331e8d9a0d945604bf34&site=xueshu_se&hitarticle=1
    [18] 张月平, 章淑珍. 南沙群岛西南陆架海域主要底层经济鱼类的食性[J]. 中国水产科学, 1999, 6(2): 57-60. doi: 10.3321/j.issn:1005-8737.1999.02.014
    [19] 陈丕茂. 南沙群岛西南部陆架17种鱼类最佳开捕规格和多鱼种拖网最佳网目尺寸[J]. 中国水产科学, 2003, 10(1): 41-45. http://www.fishscichina.com/zgsckx/article/abstract/4369?st=search
    [20] 黄梓荣, 陈作志. 南沙群岛西南陆架区印度无齿鲳资源现状[J]. 上海水产大学学报, 2005, 14(4): 472-476. doi: 10.3969/j.issn.1004-7271.2005.04.023
    [21] 黄梓荣, 陈作志. 南沙群岛西南陆架区深水金线鱼的资源现状[J]. 湛江海洋大学学报, 2005, 25(1): 35-38. doi: 10.3969/j.issn.1673-9159.2005.01.009
    [22] 钟智辉, 陈作志, 刘桂茂. 南沙群岛西南陆架区底拖网主要经济渔获种类组成和数量变动[J]. 中国水产科学, 2005, 12(6): 796-800. http://www.fishscichina.com/zgsckx/article/abstract/3683?st=search
    [23] 李辉权. 南沙群岛西南部陆架海区主要经济鱼类渔业生物学的初步研究[J]. 中国水产科学, 1996, 3(1): 27-31. http://www.fishscichina.com/zgsckx/article/abstract/3285?st=search
    [24]

    MACLENNAN D N, SIMMONDS E J. Fisheries acoustics[M]. London: Chapman and Hall, 1992: 1-325.

    [25]

    SCALABRIN C, MARFIA C, BOUCHER J. How much fish is hidden in the surface and bottom acoustic blind zones?[J]. ICES J Mar Sci, 2009, 66(6): 1355-1363. doi: 10.1093/icesjms/fsp136

    [26]

    MELLO L G S, ROSE G A. The acoustic dead zone: theoretical vs. empirical estimates, and its effect on density measurements of semi-demersal fish[J]. ICES J Mar Sci, 2009, 66(6): 1364-1369. doi: 10.1093/icesjms/fsp099

    [27]

    O'DRISCOLL R L, GAUTHIER S, DEVINE J A. Acoustic estimates of mesopelagic fish: as clear as day and night?[J]. ICES J Mar Sci, 2009, 66(6): 1310-1317. doi: 10.1093/icesjms/fsp015

    [28]

    KOTWICKI S, DE ROBERTIS A, IANELLI J N, et al. Combining bottom trawl and acoustic data to model acoustic dead zone correction and bottom trawl efficiency parameters for semipelagic species[J]. Can J Fish Aquat Sci, 2012, 70(2): 208-219. doi: 10.3724/SP.J.1231.2012.27592

    [29]

    TUŠER M, PRCHALOV M, MRKVI KA T, et al. A simple method to correct the results of acoustic surveys for fish hidden in the dead zone[J]. J Appl Ichthyol, 2013, 29(2): 358-363. doi: 10.1111/jai.12091

    [30]

    PETITGAS P, MASSÉ J, BEILLOIS P, et al. Sampling variance of species identification in fisheries acoustic surveys based on automated procedures associating acoustic images and trawl hauls[J]. ICES J Mar Sci, 2003, 60(3): 437-445. doi: 10.1016/S1054-3139(03)00026-2

    [31]

    O'DRISCOLL R L. Determining species composition in mixed-species marks: an example from the New Zealand hoki (Macruronus novaezelandiae) fishery[J]. ICES J Mar Sci, 2003, 60(3): 609-616. doi: 10.1016/S1054-3139(03)00034-1

    [32]

    J ZA T, RAKOWITZ G, DRAŠTÍK V, et al. Avoidance reactions of fish in the trawl mouth opening in a shallow and turbid lake at night[J]. Fish Res, 2013, 147(5): 154-160. doi: 10.1016/j.fishres.2013.05.008

    [33]

    De ROBERTIS A, HANDEGARD N O. Fish avoidance of research vessels and the efficacy of noise-reduced vessels: a review[J]. ICES J Mar Sci, 2013, 70(1): 34-45. doi: 10.1093/icesjms/fss155

  • 期刊类型引用(5)

    1. 王晓东,吕莉欣,赵恒权,钟俊生. 黄鳍金枪鱼仔鱼脊柱及附肢骨骼的发育. 上海海洋大学学报. 2025(02): 333-340 . 百度学术
    2. 宋一帆,张胜茂,张衡,唐峰华,张寒野,石永闯,崔雪森. X-ray在鱼体组织及微量元素检测中的应用. 应用光学. 2024(01): 166-176 . 百度学术
    3. 宋利明,李金霖,张敏. 基于CT扫描数据的黄鳍金枪鱼鱼体三维重构. 水产学报. 2024(03): 128-134 . 百度学术
    4. 王程欣,胡令辉,杨莉婷,林旭元,胡伯林,袁智长,宋勇,陈生熬. 塔里木河水系2种裂腹鱼类形态特征和骨骼形态的差异比较. 新疆农业科学. 2024(10): 2566-2575 . 百度学术
    5. 周胜杰,杨蕊,于刚,戴世明,马振华. 波纹唇鱼骨骼系统特征的研究. 海洋科学. 2022(08): 130-136 . 百度学术

    其他类型引用(3)

推荐阅读
Research on fish diversity in xijiang rare fish provincial nature reserve based on environmental dna technology
ZHONG Zhanyou et al., SOUTH CHINA FISHERIES SCIENCE, 2025
Comparison of fish species detection effect of three sets of commonly used edna metabarcoding primers on sanya water samples
GUO Yaojie et al., SOUTH CHINA FISHERIES SCIENCE, 2025
Study on diurnal and nocturnal variation of fish resources in marine ranching by fixed-point monitoring based on acoustic technology
CHENG Gao et al., SOUTH CHINA FISHERIES SCIENCE, 2024
Food habits study ofmystus guttatusjuvenile based on water body analysis and dna macro barcode technology for stomach contents
MENG Qingmi et al., SOUTH CHINA FISHERIES SCIENCE, 2024
Construction of dna barcode reference database of common fish in northwest pacific ocean based oncoⅰ gene
XU Yingqi et al., JOURNAL OF SHANGHAI OCEAN UNIVERSITY, 2024
Diversity of fish species in xixuan island coastal waters based on environmental dna metabarcoding
ZHANG Haobo et al., PROGRESS IN FISHERY SCIENCES, 2024
A new fractal-fractional hybrid model for studying climate change on coastal ecosystems from the mathematical point of view
Khan, Hasib et al., FRACTALS-COMPLEX GEOMETRY PATTERNS AND SCALING IN NATURE AND SOCIETY, 2024
Domain adaptation for underwater image enhancement
Wang, Zhengyong et al., IEEE TRANSACTIONS ON IMAGE PROCESSING, 2023
Research on the identification and classification of marine debris based on improved yolov8
JOURNAL OF MARINE SCIENCE AND ENGINEERING, 2024
Globally deformable information selection transformer for underwater image enhancement
IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY
Powered by
图(3)  /  表(6)
计量
  • 文章访问数:  3302
  • HTML全文浏览量:  206
  • PDF下载量:  833
  • 被引次数: 8
出版历程
  • 收稿日期:  2015-02-15
  • 修回日期:  2015-06-04
  • 刊出日期:  2015-10-04

目录

/

返回文章
返回