日本飞鱿(Todarodes pacificus)体型的长期变化:季节性、空间分布及温度因素的影响

《Marine Pollution Bulletin》:Long-term variation in body size of the Japanese flying squid ( Todarodes pacificus): Seasonal, spatial, and thermal relationships

【字体: 大 中 小 】 时间:2026年10月23日 来源:Marine Pollution Bulletin 4.9

编辑推荐:

  长期调查显示鱿鱼体型的季节性和十年间的变化显著。最近的调查显示在体长分布中出现了更多的小型个体。海表温度(SST)与体型之间的关联在不同十年间有所变化,表明存在时间上的非平稳性。体长和单位体长的重量显示出与SST不同的关联。空间结构在层次效应之外增加了适度的预测能力。 1. 引

  长期调查显示鱿鱼体型的季节性和十年间的变化显著。最近的调查显示在体长分布中出现了更多的小型个体。海表温度(SST)与体型之间的关联在不同十年间有所变化,表明存在时间上的非平稳性。体长和单位体长的重量显示出与SST不同的关联。空间结构在层次效应之外增加了适度的预测能力。

1. 引言
体型是海洋生物最基本的生物特征之一,因为它影响个体的生理和表现、种群动态以及生态系统功能(Ahti等人,2020年)。体型影响代谢率、能量获取、生长、繁殖和死亡率,因此是海洋科学生态理论和实证研究的基石(Ahti等人,2020年;Brown等人,2004年;Petchey和Belgrano,2010年;Vasseur等人,2025年)。由于体型的生理限制,它通常被用作评估环境变化下种群和群落状况的有效生态指标(Audzijonyte等人,2025年;?stman等人,2023年;Petchey和Belgrano,2010年)。重要的是,无论是在独立于渔业的调查还是在依赖渔业的调查中,体型都相对容易可靠地测量,这使得它被广泛用于长期的生态监测和跨大空间和时间的回顾性分析(Alonso-Fernandez等人,2021年)。如平均长度和长度-频率分布这样的体型指标已被广泛用于长期生态研究中,以评估海洋种群的生产力和恢复力,反映在多种压力因素下的种群结构和生态系统过程的变化(Shin等人,2005年)。最近对全球海洋动物体型数据的汇编证明了体型数据在理解生态系统对气候和人为压力因素响应方面的实际效用(McClain等人,2025年)。

在这些环境压力因素中,温度和纬度对海洋生物尤为重要,因为它们决定了影响代谢、生长和迁徙时间的物理环境。温度是温血动物体型最强的驱动因素之一,理论和实证研究表明,温度升高可以通过影响代谢需求和能量分配导致体型减小,这种模式在越来越多的海洋物种中得到记录(Baudron等人,2014年;Cheung等人,2013年;Coghlan等人,2024年;Daufresne等人,2009年;Deutsch等人,2022年;Forster等人,2012年)。然而,温度与体型之间的关系并不总是负相关的,一些研究记录了在较温暖条件下体型增大或体型优势发生的改变(Audzijonyte等人,2020年;Solokas等人,2023年)。此外,纬度整合了多种环境梯度,包括温度、季节性、光周期和溶解氧,所有这些都可以在广泛的空间尺度上影响体型模式。对海洋鱼类和无脊椎动物的研究表明,平均体型和营养级倾向在较温暖、较低纬度的地区减小,尽管这取决于物种的生活史和局部环境条件(Hernández-P等人,2023年;Lin和Costello,2023年)。因此,同时考虑温度和纬度为解释变化中的体型和分布模式提供了一个强大的生态框架。

然而,大多数关于环境对体型影响的研究集中在水生脊椎动物(如鱼类)上,还有一些研究使用模型和大规模数据集来研究体型变化及其生态后果(Ahti等人,2020年;Audzijonyte等人,2020年;Cheung等人,2013年)。相比之下,对于许多海洋无脊椎动物,包括生命周期短且环境驱动的招募不稳定的头足类动物,证据仍然不足(Rodhouse等人,2014年)。因此,日本飞鱿鱼(Todarodes pacificus)是一个理想的物种,用于研究海洋无脊椎动物的环境-体型关系。Todarodes pacificus是一种寿命约为一年的短命物种,具有明显的季节性繁殖和迁徙行为。已经描述了几种季节性繁殖群体,包括冬季、秋季和夏季繁殖群体,尽管在黄海中冬季繁殖群体通常被认为是主导的。这些个体在晚春和初夏从东海向北迁徙觅食,然后在秋季和冬季向南迁徙到繁殖地(Fang和Chen,2018年;Jin等人,2020年,Jin等人,2026年;Qiu等人,1995年;Song等人,1999年)。T. pacificus的短寿命和快速生长的特性导致在生物和物理条件变化下生物量和种群结构具有强烈的年际变化(Liu等人,2024年)。此外,T. pacificus明显的季节性栖息地变化和迁徙使该物种成为评估体型模式如何随季节和十年变化而变化的有用例子。尽管对其种群动态和生活史进行了大量研究,但在理解体型分布和长度-重量关系如何随环境梯度变化方面仍存在重要空白。

在本研究中,使用了2000年至2025年间收集的长期独立于渔业的调查数据来描述T. pacificus的体型在季节性、年际、十年和空间上的变化。具体来说,我们的目标是(1)描述体长分布的时间和空间变化,(2)检查长度-重量关系和单位体重的长期变化,(3)评估大范围的海表温度条件和地理位置与两个互补的响应属性之间的关系:代表样本种群体型结构的平均体长,以及代表单位体重的基于体长的重量。海表温度被解释为一个大范围的环境指标,而不是个体鱿鱼实际经历的栖息地温度。分别使用线性模型和贝叶斯层次模型来评估这两个响应属性,同时考虑相关的 时间和空间变化。

2. 材料与方法
2.1. 数据来源
2.1.1. 鱿鱼体型数据
T. pacificus的体型数据来自中国渔业科学院黄海渔业研究所(YSFRI)进行的长期科学拖网调查。调查在2000年至2025年的18个非连续年份进行(2007年、2009年、2012-2015年、2020年和2022年未包括在内)。所有调查都遵循标准化的底拖网协议以保持时间可比性。年度间的季节覆盖不均,春季、夏季和秋季的调查频率不同,冬季采样仅在2021年进行。表S1提供了按季节划分的采样信息摘要,包括采样个体数量和站点数量。使用的底拖网设备网目大小为2.4厘米,头部高度为6.1-8.3米,翼展为25米。拖网速度保持在3节。由于调查数据中没有包含个体年龄、孵化日期和成熟阶段的信息,因此使用体长分布来描述种群规模结构,而不是识别特定的群体或繁殖群体。
2.1.2. 海表温度数据
选择海表温度(SST)是因为它是唯一一个覆盖2000年至2025年所有调查年的空间和时间一致的热数据集。现场垂直或底部温度观测并不一致。因此,SST被视为一个大范围的环境指标,而不是个体鱿鱼实际经历的栖息地温度。匹配的SST代表了采样地点和月份的 conditions,并不代表个体鱿鱼累积经历的热历史。每月的SST数据来自Copernicus海洋环境监测服务(CMEMS,https://marine.copernicus.eu/),覆盖了鱿鱼采样期间(2000-2025年)。使用R包stars导入NetCDF格式的月度SST数据,并使用dplyr和lubridate进行加工。对于每条鱿鱼记录,提取年份和月份,并使用dplyr::filter选择相应的年份和月份的SST数据。然后使用FNN::get.knnx根据经度和纬度确定最接近采样位置的SST网格单元,并将该校网格单元的SST值分配给鱿鱼记录。
2.2. 体型数据处理
在统计分析之前,对鱿鱼体型数据(体长和体重数据)进行了筛选和标准化。移除了所有具有不合理体长或体重值(≤0)的记录,或者体长、体重或空间坐标缺失的记录。为了评估十年尺度上的体型时间变化,将调查数据分为三个基于十年的时期,分别称为1995年代、2005年代和2015年代。这些组定义为1995-2004年、2005-2014年和2015年之后。由于当前数据集从2000年开始,1995年代的观测 ch?在2000-2004年期间有数据,而2015年代的观测包括到2025年的数据。保留这些标签是为了表示以1995年、2005年和2015年为基准的三个连续的基于十年的时期,同时反映可用调查数据的实际时间覆盖范围。长度-重量关系使用传统的异速生长函数(方程(1)进行建模,经过对数转换后变为线性(方程(2))。在统计分析之前,根据一般的数据探索原则对数据进行了极端值筛选(Zuur等人,2010年)。作为质量控制步骤,对对数转换后的长度-重量关系拟合了一个线性模型,并将超出模型derive的99%预测区间的观测值识别为极端长度-重量异常值。由于体重预计会随着体长的系统性变化,因此这种关系的极端偏离可能表明测量或数据输入异常。选择99%预测区间作为保守阈值,以最小化生物上合理的变异的排除,并将排除限制在最极端的观测值上。根据此标准识别的记录占数据集的2.05%,并从后续分析中排除。共有3310条鱿鱼个体用于进一步分析。图1显示了各年份和季节的样本量分布。计算了每个季节×十年×站点的平均体长,以便进行后续的空间分析。

虽然汇总的季节性和十年分析有效地总结了整体的体型对比和长期变化,但它们没有捕捉到各个年份间季节性长度分布的变化。为了解决这一限制,进一步在具有春季-夏季-秋季覆盖的个别年份内检查了季节性长度分布(图S1)。
(1)??=???????
(2)log???=log???+???log???
其中??是体重,??是体长,??是生长条件因子,??是异速生长系数。

2.3. 统计分析
2.3.1. 长度-重量关系
作为探索性分析,分段回归用于检查对数转换后的长度-重量关系的斜率是否在观察到的体长范围内发生变化。将体重在对数尺度上建模为对数体长的函数,并将对数(L)的估计断点转换回体长(毫米)。此分析仅用于描述长度-重量缩放的规模依赖性变化,不用于在后续的时间或贝叶斯分析中定义分析组。因此,估计的断点被视为描述性的变化,而不是生物学上定义的阈值。后续的时间比较基于汇总的数据集,以保持年代间的一致性。
2.3.2. 线性模型
将个别鱿鱼记录按调查年份、季节和采样站点汇总。在每个年份×季节×站点的组合中,计算所有可用个体记录的平均体长和平均SST。如2.1.2节所述,SST之前已根据采样月份和位置与每个个体记录匹配。因此,每个汇总的观测代表了给定年份和季节内采样的特定站点,而十年是根据调查年份分配的。线性模型用于检查平均体长作为样本种群体型结构的描述符,其中包括SST、纬度和十年作为预测变量(方程(3))。包括十年和SST或纬度之间的交互作用,以测试这些关系是否在不同年代间有所不同,季节没有作为额外的预测变量包括在这个模型中,因为这里的目的是描述观察到的SST-体型和纬度-体型关联的时间变化,而不是划分季节效应。使用顺序I型方差分析(F检验)评估模型项的显著性。来自模型系数的十年特定海表温度(SST)和纬度斜率;对于每个非参考十年(以1995年代为参考水平),通过将相应的交互作用系数加到主效应系数上来计算斜率(Montgomery等人,2021年)。?????????=??0+??1?????+??2?????????+??3?????+??4?(????×????)+(3)??5?(????????×????)+????,其中?????????是观测??的平均mantle长度,每个观测代表一个独特的年份×季节×采样站组合;????是该观测的平均SST,根据采样月份和位置从先前与单个乌贼记录匹配的SST值计算得出;????????是采样站的纬度;????是根据调查年份分配的十年;??0是截距;??1和??2是参考十年(1995年代)的SST和纬度效应;??4和??5分别代表SST和纬度效应的十年特定修改;????是残差误差。

2.3.3 贝叶斯层次模型
与平均mantle长度的线性模型不同,贝叶斯层次模型使用个体体重作为响应变量,同时考虑了mantle长度,从而描述了体重与长度的关系变化,而不是种群大小结构。该模型用于评估长度-体重关系(方程(4)的时间、环境和空间变化(Bürkner,2017年)。对数转换后的mantle长度、SST、年份、经度和纬度随后被标准化为z分数(均值=0,标准差=1)。模型包括标准化对数mantle长度与十年之间的交互作用,以允许不同十年之间的长度-体重斜率有所不同;年份的平滑效应代表非线性的年际变化;SST作为种群级别的预测因子;季节和采样站的随机截距;以及基于经度和纬度的高斯过程(GP)项,以解释残余的空间结构。GP项在各个十年之间共享;没有包括特定十年的空间交互作用。因此,十年间的空间预测反映了共同的估计残余空间结构以及其他模型组成部分的十年特定差异,而不是每个时期的独立估计空间表面。

(4)log?????=??0+??1?log?????,??+?????????+???????(log?????,??×????)+???(????,??)+?????????,??+?????(??)+?????(??)+?????(????????,??,????????,??)+????,其中??是个体乌贼;log?????是对数转换后的体重;log?????,??是标准化对数转换后的mantle长度;????是十年,1995年代被视为参考期;??0是参考期的对数长度斜率;????是十年特定的截距差异;??????是对数长度斜率的十年特定差异。???(????,??)是用于捕捉非线性年际变化的标准化调查年份的平滑函数;????,??是标准化的海表温度,????是其回归系数;?????(??)和?????(??)分别是季节和采样站的随机截距;?????(????????,??,????????,??)是基于标准化经度和纬度的高斯过程空间项;????是残差误差。十年和年份的平滑效应被包括在内,以描述不同尺度上的时间变化。十年代表了三个定义十年之间长度-体重关系的广泛差异,而年份的平滑项捕捉了长期时间序列内的非线性年际变化,这不能通过更广泛的时期类别来总结。它们被解释为广泛尺度和年际时间变化的互补描述符。

对于种群级别系数、截距、组级别标准差和残差变化,指定了弱信息性的先验。模型使用cmdstanr在brms中拟合,每条马尔可夫链蒙特卡洛链进行3000次迭代,包括1500次热身迭代。模型收敛性和抽样性能使用R-hat统计量、批量和尾部有效样本大小(ESS)、迹图、发散转移诊断和最大树深度诊断进行评估。另外还进行了后验预测检验,以评估观测数据与后验预测数据之间的一致性。完整的先验规格、抽样设置、诊断结果和brms模型规格在表S2中提供,后验预测检验在图S2.2中呈现。

2.3.4 体型和异速参数的长期变化
为了评估不同季节和十年之间mantle长度分布的差异,进行了成对两样本Kolmogorov–Smirnov(KS)检验。P值使用Holm方法分别对季节和十年比较进行了多重比较调整。Holm调整后的p值<0.05被认为是统计显著的。

十年特定的异速指数??是从标准化对数mantle长度斜率的后验分布中得出的。对于参考十年(1995年代),后验斜率是从标准化对数mantle长度的系数中获得的,而2005年代和2015年代的斜率则是通过加上相应的对数mantle长度×十年交互作用系数得到的。因为在模型拟合之前对数转换后的mantle长度已经标准化,这些后验斜率被转换回原始的对数长度刻度以恢复传统的异速指数??(方程(5))。然后计算每个十年的后验中位数和95%可信区间。

(5)????=????+????×??,???????(log???),其中????是十年??的异速指数,????是参考十年标准化对数mantle长度的后验系数,????×??是相应的十年特定交互作用系数(对于参考十年定义为0),?????(log???)是用于标准化的对数转换后mantle长度的标准差。

使用年度分位数(Q10、Q50和Q90)来描述体重的长期变化。年度中位数体重(Q50)的时间趋势使用Mann–Kendall检验进行评估,这是一种用于检测单调趋势的非参数检验。Kendall的tau(τ)用于指示趋势的方向和强度,负值表示下降趋势,正值表示上升趋势。趋势幅度使用Sen的斜率估计,并附带95%置信区间。统计显著性在α=0.05的水平上进行评估(Sen,1968年)。

每个季节和汇总数据的平均mantle长度空间分布被绘制出来,以描述体型空间模式,并进行线性模型分析,以测试不同十年之间mantle长度和SST(或纬度)之间的关系。

2.3.5 模型比较
使用Pareto平滑的重要性采样留一法交叉验证(PSIS-LOO)比较了三个嵌套的贝叶斯层次模型。完整模型包括SST和空间高斯过程(GP)组件。无GP模型排除了GP组件但保留了SST,而无GP+无SST模型排除了GP组件和SST,同时保留了其余的时间和层次项。预测性能使用预期对数预测密度(ELPD)、相对于完整模型的ELPD差异(ΔELPD)及其标准误差、留一信息量准则(LOOIC,方程(6)和有效参数数量(p_loo)(Vehtari等人,2017年)进行评估。此外还检查了Pareto-k诊断,以评估PSIS-LOO近似的可靠性。

所有统计分析和可视化都是在R 4.5.1(R Core Team,2025年)中进行的。数据处理依赖于tidyverse包(Wickham等人,2019年)。贝叶斯层次模型使用cmdstanr实现,作为采样后端(Bürkner,2018年,Bürkner,2021年;Gabry等人,2024年)。模型比较使用基于留一法交叉验证的loo包进行(Vehtari等人,2017年)。

3. 结果
3.1 mantle长度的长期和季节变化
T. pacificus的mantle长度在季节、年份和十年之间都有变化(图2)。1995年代和2005年代,季节平均mantle长度通常从春季增加到秋季,最大值出现在夏季或秋季(图2A)。相比之下,2015年代的模式发生了变化,平均mantle长度在秋季达到最低,随后在冬季的值相对较小,这与早期的季节轨迹明显不同。1995年代到2005年代,春季的平均mantle长度减小,然后在2015年代增加。夏季和秋季的平均mantle长度显示出强烈的年际波动,而春季的变化相对较小(图2B)。冬季的观测数据仅在2021年有,其特点是体型相对较小,因此这些观测不应被视为长期冬季体型结构的代表。

下载:下载高分辨率图像(583KB)
下载:下载全尺寸图像
图2. T. pacificus的年度(年际、季节、十年)mantle长度模式。(A) 三个十年期间的季节平均mantle长度,点表示季节平均值,误差条显示自举法得出的95%置信区间,数字表示样本大小。(B) 按季节分组的一年平均mantle长度,点表示样本大小,突出显示每个季节内的年际变化。(C/D) 跨季节汇总的十年mantle长度分布/跨年份汇总的季节mantle长度分布,以密度曲线表示,并在面板中注明样本大小。

长度频率分布为体型结构的显著季节和十年差异提供了额外证据(图2C,D)。mantle长度分布在季节之间有显著差异,所有成对比较在Holm校正后仍然显著(调整后的p≤0.000272)。同样,十年之间的所有成对比较在Holm校正后也显著(调整后的p≤0.00108)。在2015年代,观察到的mantle长度分布向较小的个体偏移,较小体型类别的比例增加,与早期时期相比,较大个体的贡献减少(图2C)。2002年,春季和夏季的mantle长度分布呈现单峰模式,而秋季和冬季的分布呈现双峰模式(图2D)。2002年,mantle长度从春季到夏季然后到秋季一致增加,而在2018–2019年期间观察到了相反的模式。2017年,三个季节的mantle长度分布都呈现双峰模式;然而,每个季节的样本量相对较小,限制了季节比较的稳健性。

3.2 mantle长度的空间和温度模式
在调查区域内,T. pacificus的平均mantle长度的空间分布(图3)和mantle长度频率(图S3)的季节差异都很明显。春季,乌贼主要分布在调查区域的南部,体型通常较小。夏季,分布向北移动,个体平均体型显著增大。在北纬36°之后,mantle长度向更高的纬度增加,与春季相比,分布转向更大的体型。秋季,种群向南部移动,较大的个体主要分布在南部地区,而较小的个体主要分布在较高纬度。值得注意的是,北纬34°以北的一些长度频率呈现双峰模式。冬季样本在空间上有限,主要由小型个体组成;然而,由于冬季采样仅在2021年有,这种模式应解释为2021年冬季观测的描述,而不是长期的冬季分布模式。

下载:下载高分辨率图像(480KB)
下载:下载全尺寸图像
图3. 不同季节和汇总数据的T. pacificus平均mantle长度的空间分布。使用0.5°×0.5°网格单元绘制平均mantle长度。平均mantle长度与SST显示出整体正相关。线性模型识别出SST的显著效应(p<0.001)和SST×十年的显著交互作用(p=0.024)对平均mantle长度的影响(表1)。从线性模型估计的系数表明,1995年代SST对平均mantle长度有显著的正效应(表2和图4)。十年之间的纬度关系不一致(图4的下方面板)。虽然参考纬度斜率(1995年代)显著为正(p=0.017),但2005年代的纬度斜率显著降低(p=0.035),表明2005年代的平均mantle长度-纬度关系较弱(表2和图4)。

表1. 平均mantle长度线性模型的方差分析。
空白单元 dfSSQF值 p值
平均SST 134,207 19.79 <0.001
十年 282,87 323.97 <0.001
纬度 135 122.03 0.156
平均SST×十年 213,19 23.82 0.024
十年×纬度 289 162.58 0.080
残差 134 231,635 – –

表2. 平均mantle长度的线性模型系数。
空白单元 估计值 标准误差 p值
截距 -28 1.67 140.31 -2.01 0.047
平均SST 4.06 1.38 2.93 0.004
纬度 2005年代 56 1.68 35 0.76 1.60 0.112
2015年代 22 8.11 15 4.48 1.48 0.142
2005年代平均SPT 6.52 3.41 1.91 0.058
2015年代平均SPT -0.84 1.89 -0.45 0.657
2005年代纬度 -20.44 9.61 -2.13 0.035
2015年代纬度 -7.60 4.78 -1.59 0.114
注意:1995年代代表参考十年。

下载:下载高分辨率图像(408KB)
下载:下载全尺寸图像
图4. 1995年代、2005年代和2015年代T. pacificus的平均mantle长度与平均海表温度(SST)(上方面板)和纬度(下面板)之间的关系。

3.3 长度-重量关系和体重与长度的关系变化
探索性分段回归在大约120毫米的mantle长度处识别出一个分界点,表明长度-重量关系的斜率发生了变化(图5)。在估计的分界点以下,体重随mantle长度的增加相对温和,而在分界点以上则观察到更陡峭的增加。边际分布进一步表明,在观察样本中大型和重型的个体较少。该分界点仅用于描述目的,并未纳入后续的时间或贝叶斯分析中。

下载:下载高分辨率图像(449KB)
下载:下载全尺寸图像
图5. T. pacificus的长度-重量关系及边际分布。虚线表示大约120毫米mantle长度的估计分界点。绿色和橙色线条分别表示在估计的分界点以下和以上的拟合关系,而蓝色线条表示使用所有个体(不进行分段)的拟合关系。分界点的使用仅为了说明体型依赖性的变化,并未被纳入后续的时间或贝叶斯分析中。边际分布显示了鱼鳃盖长度和体重的整体频率分布。(关于图中颜色参考的解释,请参阅本文的网页版本。)MCMC诊断显示模型参数的R-hat值均≤1.01,最小的批量样本量和尾部有效样本量分别为459和641。然而,在预热后检测到767次分歧转换和1371次达到最大树深的转换,表明采样器并未完全探索后验分布的某些方面。因此,对贝叶斯后验估计应谨慎解读。

层级贝叶斯模型显示的十年对比表明,合并的对数转换后的长度-体重关系(图6A–B)。反转换后的异速生长指数b的后验分布在不同的十年间存在差异(图6B)。估计的b在1990年代最高,在2000年代和2010年代较低,表明长度-体重缩放存在时间变化。百分位数趋势显示体重具有强烈的年际变异性(图6C),Q10–Q90区间较宽,中位数(Q50)有明显波动,包括2010年左右的低点以及之后的部分恢复;年度中位数对数转换后的体重呈现下降趋势,尽管在统计学上不显著(Kendall's τ = ?0.333,p = 0.058;Sen's slope = ?0.067 yr?1,95%置信区间:?0.146至0.009)。

下载:下载高分辨率图像(364KB)
下载:下载全尺寸图像

图6. T. pacificus的十年长度-体重关系和体重变化。(A) 从层级贝叶斯模型估计的后验对数转换后的长度-体重关系。实线表示后验中位数,阴影区域表示95%可信区间。(B) 不同十年的异速生长指数b的后验分布。这些值是从标准化对数鱼鳃盖长度尺度上的后验斜率转换回原始的对数长度尺度的。点和区间表示后验中位数和95%可信区间。(C) 年度对数转换后体重的趋势。阴影的灰色带代表第10和第90百分位数,实线表示中位数。

3.4. 从层级模型推断出的热效应和空间效应
PSIS-LOO显示,尽管考虑了模型间差异的不确定性,但完整的层级模型具有最高的样本外预测性能(表3)。去除空间高斯过程(GP)组分同时保留海洋表面温度(SST)仅使预测性能略有下降(ΔELPD = ?4.07 ± 3.19)。相比之下,排除GP组分和SST的模型预测性能显著降低(ΔELPD = ?19.38 ± 7.43)。这些结果表明,残余的空间GP组分仅对预测性能有适度的提升,而额外排除SST则导致预测信息的大量损失。Pareto-k诊断表明PSIS-LOO性能总体上是稳定的,尽管识别出少数具有影响力的观测值。完整模型中有1个观测值的k > 0.7,无GP模型中有2个,无GP+无SST模型中有1个(表S3)。

表3. 层级模型的留一交叉验证模型比较
Model ELPD_LOO, mean ± SE ΔELPD, mean ± SE LOOIC ± SE
p_loo
Full 2009.68 ± 59.29 0.00 ± 0.00 ?4
19.35 ± 118.57 93.02
No-GP 2005.60 ± 59.23 ?4.07 ± 3.19 ?4
11.20 ± 118.45 97.88
No-GP + no-SST 1990.30 ± 57.64 ?19.38 ± 7.43 ?3
80.59 ± 115.28 93.56

注:ELPD_LOO是通过留一交叉验证估计的预期对数预测密度;ΔELPD是指相对于完整模型的ELPD差异,负值表示预测性能较低;LOOIC是留一信息准则;p_loo是参数的有效数量。完整模型包括SST和空间高斯过程(GP)组分。无GP模型排除了GP组分同时保留SST,而无GP+无SST模型排除了GP和SST。

预测的对数转换后的体重在不同十年间与SST呈一致的负相关(图7A),随海表温度升高体重下降(标准化SST效应为?0.08)。在标准化对数鱼鳃盖长度下,按十年划分的边缘化SST-体重预测大致平行,2000年代的预测体重低于其他两个时期,而1990年代和2010年代的预测体重范围相似(图7A)。模型暗示的空间预测显示研究区域东南部的预测对数转换后体重较高,而中部地区的预测体重较低。虽然十年间的空间模式相似,但这些相似性不应被视为时间持续性的独立证据,因为模型在所有十年中使用了相同的高斯过程(GP)空间项。2000年代的预测体重水平普遍低于其他时期。

下载:下载高分辨率图像(553KB)
下载:下载全尺寸图像

图7. T. pacificus的SST和空间与体重关系。(A) 每十年的海表温度(SST)与对数转换后体重之间的关系(后验中位数及95%可信区间)。(B) 每十年研究区域内预测对数转换后体重的空间分布。

4. 讨论
4.1. 头足类动物的体型作为生态指标
本研究显示,从长期、独立于渔业的调查中获得的体型指标(鱼鳃盖长度和体重)可以识别T. pacificus在季节、年份和十年间的生物学变化。由于T. pacificus的寿命较短且受环境影响较大的招募变化,平均鱼鳃盖长度、体型-频率结构和长度-体重关系的变化可能迅速反映生长条件、种群规模结构和迁移时间的变化。T. pacificus的短寿命使其体型成为海洋条件变化的潜在有用指标,本研究还表明,体型响应并不受先前研究中所示的单一、单调且有争议的“温度-体型规则”的影响(Audzijonyte等,2020;Baudron等,2014;Cheung等,2013;Coghlan等,2024;Forster等,2012)。在本研究中,体型模式似乎受多种因素影响,如季节性迁移和栖息地选择、特定十年的海洋环境以及体重与长度的变化。

4.2. 季节性和纬度方向的体型变化及其含义
鱼鳃盖长度分布的显著季节性差异表明,种群规模结构在不同季节间有显著变化,这可能反映了个体生长和季节性迁移的综合效应(经Holm调整的成对KS检验;图2D)。在黄海,T. pacificus主要被认为是由冬季产卵群体主导的,这些群体在春季和初夏从东海向北迁移觅食,随后在秋季和冬季向南迁移(Jin等,2020;Qiu等,1995)。值得注意的是,同一季节内的鱼鳃盖长度分布在不同十年间有明显差异。这些差异可能反映了年龄或招募组成、生长、迁移时间和位置的变化,以及采样月份和站点覆盖范围的差异,因此不应直接解释为季节性迁移模式的时间变化证据。某些季节观察到的双峰分布与异质体型结构一致,但无法区分这些不同机制(Kidokoro等,2010)。双峰鱼鳃盖长度分布不应被解释为多个群体或产卵群体的直接证据。对于像T. pacificus这样的短寿命物种,观察到的体型分布也可能反映了产卵时间、个体生长以及年度内的迁移时间和位置的变化。尽管先前的研究描述了T. pacificus的多个季节性产卵群体(Fang和Chen,2018;Qiu等,1995;Song等,1999),但目前的数据无法直接识别这些群体。要解决观察到的体型模式背后的机制,需要关于年龄、成熟度、产卵时间、耳石微观结构和种群结构的额外信息。

除了这些季节性模式外,最近的一个时期的特点是观察到的鱼鳃盖长度分布中较小个体的比例增加。这种模式可能反映了样本的季节性和空间组成变化,以及招募、生长或成熟等生物过程的变化,但这些无法通过现有数据区分。因此,观察到的模式应解释为样本种群规模结构的变化,而不是个体生长或体型长期减少的直接证据。

4.3. 体型-环境关系的时间变化
在本研究中,十年间平均鱼鳃盖长度与SST之间的正相关关系表明,在较温暖的表面条件下观察到较大的个体。然而,鱼鳃盖长度在不同季节间也有很大变化,而SST则遵循明显的季节性周期。线性模型旨在检验观察到的SST-体型和纬度-体型关系是否在不同十年间有所不同。由于该模型没有明确包括季节因素,部分SST-体型关联可能仍然反映了季节性生长、迁移时间和相关的空间变化,而不仅仅是独立的温度效应。因此,应将SST解释为广泛的环境相关因素,而不是个体生长的直接温度效应。先前的研究表明,冬季产卵群体通常主导黄海中的T. pacificus(Fang和Chen,2018;Qiu等,1995;Song等,1999)。这些个体在晚春或初夏迁移到黄海北部,在那里遇到温暖的温度和丰富的食物,从而快速生长并达到最大体型(Fang和Chen,2018;Qiu等,1995)。不同时期鱼鳃盖长度与纬度之间不一致的关系进一步表明,地理梯度并不代表单一的环境机制。纬度综合了温度、生产力、光照周期和迁移模式的变化,因此观察到的关系可能反映了不同体型类别的空间分布变化,而不是直接的纬度效应。涉及2000年代的比较应谨慎解释,因为这个时期的个体数量远少于其他两个时期。较小的样本量加上不均匀的时间和空间采样覆盖可能导致特定时期的估计精度降低,并增加了SST-体型和纬度-体型关系的明显变异性。因此,2000年代观察到的模式应视为不如其他时期确定的。对这些模式的任何生物学解释都是暂定的,因为迁移时间、空间分布、猎物可用性和海洋条件的变化都可能有所贡献,但目前的数据无法区分这些因素。

图4所示的平均鱼鳃盖长度与SST的关系表明,1990年代的回归斜率比2015年代略低,这可能反映了SST和体重之间的时间变化。这可能反映了生态因素(如迁移模式和食物可用性)的影响(Cheung等,2009;Pinsky等,2013)。未来的研究应探讨温度和迁移时间如何相互作用以影响体型和分布,更高分辨率的猎物可用性和海洋条件数据将有助于我们更好地理解这一现象。重要的是,平均鱼鳃盖长度与SST之间的正相关以及标准化鱼鳃盖长度下SST与预测体重的负相关描述了不同的生物学特性,因此并不矛盾。平均鱼鳃盖长度反映了样本种群内的种群规模结构,并可能随季节性生长、迁移和体型类别的空间分布而变化。相比之下,标准化鱼鳃盖长度下的预测体重代表了考虑了体长后的体重变化。因此,较温暖的条件可能与较大个体的出现有关,而在给定鱼鳃盖长度下,个体预测的体重较低。这种对比进一步表明,SST应被视为广泛的环境相关因素,而不是个体生长的直接决定因素。

4.4. 十年间的异速生长和体重与长度的关系
大约120毫米的探索性分界点说明了体型依赖性的异速生长变化(图5),但不应被解释为生物学定义的阈值,因为其生物学基础无法从现有数据中确定。体重与长度的时间变化可能反映了能量获取和分配、猎物可用性、代谢成本、迁移或繁殖状态的差异(Brown等,2004;Deutsch等,2022;Froese,2006)。由于无法获得成熟度和器官特定重量的数据,这些机制无法直接区分。中间时期的相对较小样本量也可能导致了该时期观察到的较大不确定性。模型比较表明,SST在时间性和层级组分之外保留了有用的预测信息,而残余空间结构的额外贡献相对较小。空间预测也应谨慎解释。东南地区相对较高的预测值来源于拟合的高斯过程(GP)表面模型,这些值在附近有观测数据的地方得到了最直接的支持;而在采样稀疏的区域,预测结果更多地依赖于基于模型的空间外推,因此不确定性相应较大。此外,由于单个GP空间项在几十年间是共享的,不同时间段显示出的相似空间模式在一定程度上反映了模型结构。为了直接评估空间结构的时间变化,需要特定于时期的空间模型或明确的十年与空间交互作用。

4.5 对太平洋鱿鱼(T. pacificus)长期监测的启示
当前的结果支持使用体型指标进行太平洋鱿鱼长期监测的意义。通过独立的渔业调查可以一致地获得体长分布和单位体长的重量数据,这些数据可以提供关于季节、年份和地区之间种群规模结构变化的补充信息。然而,如果没有关于年龄、成熟度、迁徙和环境历史的额外信息,这些指标不应被解读为气候影响的直接指标。因此,它们的最大价值可能在于能够检测出需要进一步通过更全面的生物学和环境观测来研究的变化。

应考虑几个限制因素。季节性采样不均衡,尤其是在冬季。由于将多年来的体长分布数据合并在一起时,不同季节的采样覆盖率不同,这可能影响了合并后分布的形状,而不仅仅是降低了特定时期估计的精度。此外,还缺乏关于年龄、孵化日期和成熟度阶段的数据。另外,由于太平洋鱿鱼具有高度移动性并且表现出昼夜垂直迁移的行为,底拖网调查只能够捕捉到在采样时间和深度下可被渔具捕获的部分种群。因此,观察到的季节性和空间体型模式可能部分反映了该种群对调查渔具的可捕获性变化。海表温度(SST)在整个长期调查期间作为一个一致的大尺度热指标,但并未完全反映鱿鱼所经历的垂直热环境。未来如果将体型观测数据与年龄和成熟度信息、垂直温度剖面、生产力、猎物可用性、洋流、锋面指数以及互补的采样方法相结合,将有助于评估观察到的模式背后的机制。尽管R-hat和有效样本量诊断指标表明所报告参数在链间混合良好,但贝叶斯模型却产生了不同的转换结果和最大树深度警告。因此,应谨慎解释分层模型的后验估计结果,特别是对于更复杂的空间组成部分。

5. 结论
本研究基于2000年至2025年间进行的独立渔业调查,揭示了太平洋鱿鱼在季节、年际、十年和空间方面的显著体型变化。体长分布显示出明显的季节性差异,最近时期的观测分布更倾向于反映较小个体的比例增加,而长度-重量关系和单位体长重量也随时间发生了变化。SST与平均体长和单位体长重量的不同关联表明,这些指标捕捉到了体型变化的不同方面。这些结果展示了体型指标在检测这种短寿命头足类动物种群规模结构长期变化方面的价值。然而,由于缺乏年龄、成熟度、垂直栖息地条件和个人环境历史的数据,观察到的关系不应被直接解释为温度驱动个体生长的证据。将这些生物学和环境观测结果整合到未来的长期调查中,对于识别体型变化背后的机制非常重要。

**作者贡献声明:**
金月:撰写——初稿、可视化、软件、方法论、概念化。
吴强:撰写——审稿与编辑、验证。
金显世:撰写——审稿与编辑、验证。
单秀娟:撰写——审稿与编辑、监督、概念化。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号