黄河中上游拟硬刺高原鳅年龄鉴定与生长模型筛选

doi:10.12190/j.issn.2096-1197.2023.04.13

北方农业学报 ›› 2023, Vol. 51 ›› Issue (4): 105-111.doi: 10.12190/j.issn.2096-1197.2023.04.13

• 水产 · 农业信息技术 • 上一篇下一篇

黄河中上游拟硬刺高原鳅年龄鉴定与生长模型筛选

张书玉¹^,²^,³^,⁴, 王继隆¹^,²^,³, 李培伦¹^,²^,³, 刘嘉成¹^,²^,³, 刘彦斌⁵, 王太⁶, 刘凯⁵, 赵鹏¹^,²^,³^,⁴, 张健¹^,²^,³^,⁴

1.中国水产科学研究院黑龙江水产研究所，黑龙江哈尔滨 150070
2.农业农村部黑龙江流域渔业资源环境科学观测实验站，黑龙江哈尔滨 150070
3.国家农业科学渔业资源环境抚远观测试验站，黑龙江抚远 156500
4.东北农业大学，黑龙江哈尔滨 150030
5.宁夏回族自治区水产研究所，宁夏银川 750001
6.甘肃省水产研究所，甘肃兰州 730030

收稿日期:2023-06-28 出版日期:2023-08-20 发布日期:2023-11-07
通讯作者: 王继隆（1984—），男，副研究员，硕士，主要从事渔业资源与生态学的研究工作。
作者简介:张书玉（2002—），女，本科生，专业为水产养殖学。
基金资助:
农业农村部财政专项(2130135)

Age identification and growth model selection of Triplophysa pseudoscleroptera in the middle and upper reaches of the Yellow River

ZHANG Shuyu¹^,²^,³^,⁴, WANG Jilong¹^,²^,³, LI Peilun¹^,²^,³, LIU Jiacheng¹^,²^,³, LIU Yanbin⁵, WANG Tai⁶, LIU Kai⁵, ZHAO Peng¹^,²^,³^,⁴, ZHANG Jian¹^,²^,³^,⁴

1. Heilongjiang River Fisheries Research Institute，Chinese Academy of Fishery Sciences，Harbin 150070，China
2. Scientific Observing and Experimental Station of Fishery Resources and Environment in Heilongjiang River Basin，Ministry of Agriculture and Rural Affairs，Harbin 150070，China
3. National Agricultural Experimental Station for Fishery Resources and Environment ，Fuyuan 156500，China
4. Northeast Agricultural University，Harbin 150030，China
5. Ningxia Fisheries Research Institute，Yinchuan 750001，China
6. Gansu Fisheries Research Institute，Lanzhou 730030，China

Received:2023-06-28 Online:2023-08-20 Published:2023-11-07

摘要/Abstract

摘要：

【目的】鉴定拟硬刺高原鳅年龄，探究其生长变化，为高原鳅属鱼类积累基础生物学资料，并为黄河中上游渔业资源保护提供参考。【方法】拟硬刺高原鳅样本采自黄河中上游青海省和甘肃省不同渔业站点，选用耳石材料鉴定其年龄，并分别采用Von Bertalanffy 生长方程（VBGF）、逻辑斯谛生长方程（Logistic GF）、Gompertz 生长方程（Gompertz GF）和幂指数生长方程（Power exponential GF）4个模型模拟拟硬刺高原鳅的全长生长，采用极大似然法估算模型参数，通过计算并对比各模型的AIC值评估模型的拟合效果，确定适合拟硬刺高原鳅的生长模型。【结果】拟硬刺高原鳅的样本共分为4个年龄组，即2~5龄，其中3龄组数量最多，占54.88%；全长为6.19~13.76 cm；体重为1.58~19.12 g。4个拟硬刺高原鳅生长模型拟合结果表明，Logistic GF生长模型的AIC值最小（-86.66），拟合效果最好；其次是Gompertz GF（-86.52）和VBGF生长模型（-86.31）；幂指数生长模型的AIC值最大（-82.51），拟合效果最差。拟硬刺高原鳅生长模型的 Logistic GF 方程为$ L_{t}=\frac{14.585}{\left[1+\mathrm{e}^{0.568\left(t_{i}-1.948\right)}\right]}$。【结论】Logistic GF 生长方程为黄河中上游拟硬刺高原鳅的最适生长模型。

关键词: 拟硬刺高原鳅, 年龄, 生长, 耳石, 生长模型, 黄河中上游

Abstract:

【Objective】Identify the age of Triplophysa pseudoscleroptera and explore the growth changes to gather basic biological data for Triplophysa，and provide references for the protection of fishery resources in the middle and upper reaches of the Yellow River.【Methods】Triplophysa pseudoscleroptera samples were selected from different fishing stations in Qinghai Province and Gansu Province in the middle and upper reaches of the Yellow River. Otolith materials were used to identify the age. Von Bertalanffy GF（VBGF），Logistic GF，Gompertz GF and Power exponential GF were used to simulate the full-length growth of Triplophysa pseudoscleroptera. The maximum likelihood method was used to estimate the model parameters.The fitting effect of the models was evaluated by calculating and comparing the AIC value of each model to determine the growth model suitable for Triplophysa pseudoscleroptera.【Results】The Triplophysa pseudoscleroptera samples were separated into 4 age groups ranging from 2 to 5 years，with the 3-year group having the most amount，accounting for 54.88%. The full-length of the samples ranged from 6.19 to 13.76 cm，and the body weight ranged from 1.58 to 19.12 g. The fitting results of the four Triplophysa pseudoscleroptera growth models showed that the Logistic GF growth model had the lowest AIC value（-86.66）and best fitting effect，followed by Gompertz GF（-86.52）and VBGF（-86.31）growth model. Power exponential GF growth model had the highest AIC value（-82.51） and the worst fitting effect. The Triplophysa pseudoscleroptera growth model Logistic GF equation was $ L_{t}=\frac{14.585}{\left[1+\mathrm{e}^{0.568\left(t_{i}-1.948\right)}\right]}$.【Conclusion】Logistic GF was the most suitable growth model for Triplophysa pseudoscleroptera in the middle and upper reaches of the Yellow River.

Key words: Triplophysa pseudoscleroptera, Age, Growth, Otolith, Growth model, Middle and upper reaches of the Yellow River

中图分类号:

Q959.468

张书玉, 王继隆, 李培伦, 刘嘉成, 刘彦斌, 王太, 刘凯, 赵鹏, 张健. 黄河中上游拟硬刺高原鳅年龄鉴定与生长模型筛选[J]. 北方农业学报, 2023, 51(4): 105-111.

ZHANG Shuyu, WANG Jilong, LI Peilun, LIU Jiacheng, LIU Yanbin, WANG Tai, LIU Kai, ZHAO Peng, ZHANG Jian. Age identification and growth model selection of Triplophysa pseudoscleroptera in the middle and upper reaches of the Yellow River[J]. Journal of Northern Agriculture, 2023, 51(4): 105-111.

图/表 8

图1

表1

图2

表2

表3

表4

表5

图3

参考文献 19

[1]	杨成, 申志新, 王国杰, 等. 基于Cytb基因序列的拟硬刺高原鳅遗传多样性研究[J]. 安徽农业科学, 2011, 39(25):15395-15396.
[2]	熊珂悦. 斯氏高原鳅与粗唇高原鳅,拟硬刺高原鳅、麻尔柯河高原鳅与贝氏高原鳅的分类厘定及四川省高原鳅属鱼类一新种的描述[D]. 南充: 西华师范大学, 2017.
[3]	李亮涛, 杨学芬, 杨瑞斌, 等. 雅鲁藏布江中游东方高原鳅的年龄与生长特性[J]. 华中农业大学学报, 2016, 35(6):117-123.
[4]	田娜娜, 杨瑞斌, 谭博真, 等. 西藏哲古措异尾高原鳅年龄、生长及繁殖特性[J]. 中国水产科学, 2022, 29(7):1013-1021.
[5]	胡睿, 王剑伟, 谭德清, 等. 金沙江上游软刺裸裂尻鱼年龄和生长的研究[J]. 四川动物, 2012, 31(5):708-712.
[6]	王继隆, 李雷, 龚君华, 等. 全唇裂腹鱼生长模型的筛选[J]. 水产学杂志, 2016, 29(6):10-13.
[7]	王继隆, 唐富江, 刘伟. 大麻哈鱼的年龄与生长[J]. 水生生物学报, 2012, 36(6):1149-1155.
[8]	CHEN Y, JACKSON D A, HARVEY H H. A comparison of von bertalanffy and polynomial functions in modelling fish growth data[J]. Canadian Journal of Fisheries and Aquatic Sciences, 1992, 49(6):1228-1235. doi: 10.1139/f92-138
[9]	谢玺, 鲍枳月, 王庆志. 鱼类年龄硬组织鉴定方法研究应用进展[J]. 大连海洋大学学报, 2021, 36(6):1071-1080.
[10]	曾霖, 唐文乔. 两种无鳞高原鳅年龄鉴定方法探讨[J]. 动物学杂志, 2010, 45(1):94-103.
[11]	BEAMISH R J, MCFARLANE G A. The forgotten requirement for age validation in fisheries biology[J]. Transactions of the American Fisheries Society, 1983, 112(6):735-743. doi: 10.1577/1548-8659(1983)112<735:TFRFAV>2.0.CO;2
[12]	殷名称. 鱼类生态学[M]. 北京: 中国农业出版社, 1995.
[13]	陈毅峰, 何德奎, 曹文宣, 等. 色林错裸鲤的生长[J]. 动物学报, 2002, 48(5):667-676.
[14]	王继隆, 李培伦, 唐富江, 等. 松花江干流鲢生长模型筛选[J]. 水产学杂志, 2021, 34(1):35-39.
[15]	颜云榕, 侯刚, 卢伙胜, 等. 北部湾斑鳍白姑鱼的年龄与生长[J]. 中国水产科学, 2011, 18(1):145-155.
[16]	BURNHAM K P, ANDERSON D R. Model Selection and Multimodel Inference:A Practical Information-theoretic Approach[M]. New York: Springer, 2002.
[17]	陆小萏, 陆文杰, 郑光明, 等. 鱼类生长的幂指数生长方程[J]. 水产学报, 2002, 26(3):281-284.
[18]	张雪飞, 何春林, 宋昭彬. 大渡河上游麻尔柯河高原鳅的年龄与生长[J]. 动物学杂志, 2010, 45(4):11-20.
[19]	王美荣, 杨少荣, 刘飞, 等. 长江上游圆筒吻鮈年龄与生长的研究[J]. 水生生物学报, 2012, 36(2):262-269.

黄河中上游拟硬刺高原鳅年龄鉴定与生长模型筛选

Age identification and growth model selection of Triplophysa pseudoscleroptera in the middle and upper reaches of the Yellow River

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 19

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	鲍红春, 吴小燕, 李小雷, 于传宗, 庞杰, 李文彪, 王静, 季祥, 郭芳颖, 孔令江. 不同香菇菌株生长特性及优良菌株筛选[J]. 北方农业学报, 2023, 51(6): 59-69.
[2]	王继隆, 王鑫月, 李培伦, 刘嘉成, 刘彦斌, 王太, 刘凯. 黄河中上游黄河鮈的年龄鉴定与生长模型筛选[J]. 北方农业学报, 2023, 51(6): 129-134.
[3]	李保成, 康文钦, 任永峰, 张德健, 李娟, 张向前, 赵志媛, 韩云飞, 张乐, 伞薪潼. 干旱对不同马铃薯品种生长和产量的影响[J]. 北方农业学报, 2023, 51(5): 40-50.
[4]	魏佩瑶, 冯小军, 谢飞舟, 陈志杰, 王天舒, 赵世磊, 洪波. 不同寄主对草地贪夜蛾生长发育和繁殖的影响[J]. 北方农业学报, 2023, 51(4): 72-79.
[5]	孟佳丽, 沈虹, 吴绍军, 杨年福, 余翔, 张黎杰. 化肥减施对设施西瓜生长及果实品质的影响[J]. 北方农业学报, 2023, 51(3): 84-90.
[6]	李培伦, 刘嘉成, 鲁万桥, 王继隆. 盐度对养殖大麻哈鱼生长性能、鳃三磷酸腺苷酶和肝脏抗氧化功能的影响[J]. 北方农业学报, 2023, 51(2): 108-115.
[7]	张皓, 高聚林, 于晓芳, 马达灵, 胡树平. 秸秆深翻还田对盐碱化土壤玉米根系形态特征及产量的影响[J]. 北方农业学报, 2023, 51(1): 1-15.
[8]	谢洁微, 李雪玲, 施庆珊, 吴俊松, 朱剑锋, 李锐明, 胡文锋. 饲喂葛叶对豆天蛾幼虫生长性能及肠道菌群多样性的影响[J]. 北方农业学报, 2023, 51(1): 107-117.
[9]	郑美, 且天真, 路战远, 那顺勿日图, 李娟, 张向前, 程玉臣, 张德健. 耕作方式和灌水量对小麦生长发育及产量的影响[J]. 北方农业学报, 2022, 50(6): 1-9.
[10]	彭伯阳, 白瑞琴, 吕艳芳, 范旭东, 胡月军, 吕美叶. 两种食用百合离体快繁体系的建立[J]. 北方农业学报, 2022, 50(6): 88-97.
[11]	缪平, 李发康, 崔国栋, 王桢予. 微生物菌肥和鸡粪混施对苹果幼苗生长的影响及盐碱化土壤改良效果[J]. 北方农业学报, 2022, 50(5): 41-47.
[12]	邬雪瑞, 李军, 武悦, 王刚, 陈阳, 杜超, 任志远, 张俊峰. 盐胁迫对不同盐敏感性向日葵幼苗生长和生理特性的影响[J]. 北方农业学报, 2022, 50(4): 18-25.
[13]	戎美仁, 胡树平, 高聚林, 王富贵, 于晓芳, 孙继颖, 青格尔, 屈佳伟, 马达灵, 梁红伟, 王志刚. 播种期对粒收春玉米生长发育与阶段热量资源匹配的影响[J]. 北方农业学报, 2022, 50(3): 32-43.
[14]	宋立民, 刘肖莲, 贾磊, 蔡超, 姚学良, 薄其康, 郝俊, 丁子元. 牙鲆“鲆优2号”试养效果评估[J]. 北方农业学报, 2022, 50(3): 104-110.
[15]	王贤, 崔世茂, 宋阳, 潘璐, 郭怀怀. 不同营养液浓度对蒙古黄芪幼苗生长及其药用成分的影响[J]. 北方农业学报, 2022, 50(1): 44-51.