貴州3個(gè)斑鱖野生種群形態(tài)學(xué)差異

黃 勝，潘秋芝，安 苗，余 科，李 珊，陳敦學(xué)，馬秀慧

( 1.貴州大學(xué) 動(dòng)物科學(xué)學(xué)院，貴州 貴陽 550025； 2.貴州農(nóng)業(yè)職業(yè)學(xué)院，貴州 貴陽 551400 )

形態(tài)度量分析是魚類種群生態(tài)學(xué)研究方法之一，傳統(tǒng)形態(tài)性狀測(cè)量法主要集中在魚體的頭、尾部和軸向，未能全面地利用魚體軀干部提供的有用信息[1-2]，對(duì)種間及種以上水平的鑒定有效但對(duì)種群間的鑒定往往效果較差[3]。使用多變量形態(tài)測(cè)量a指標(biāo)，利用框架結(jié)構(gòu)將魚體劃分為功能單元區(qū)來測(cè)量魚的外部形態(tài)，這樣可以更準(zhǔn)確地反映魚的形態(tài)差異[4]?；趥鹘y(tǒng)形態(tài)學(xué)和框架結(jié)構(gòu)數(shù)據(jù)的多元分析法已在卡拉白魚(Chalcalburnuschalcoides)[5]和日本鯖(Scomberjaponicus)[6]等不同魚類形態(tài)變異識(shí)別中被廣泛運(yùn)用。

1 材料與方法

1.1 試驗(yàn)材料

斑鱖樣本于2016—2018年采自沅江、柳江和烏江3水系在貴州省境內(nèi)的10個(gè)站點(diǎn)(圖1)，共計(jì)收集372尾樣本。沅江水系7個(gè)站點(diǎn)共253尾，體長6.51～ 29.51 cm，體質(zhì)量9.43～484.63 g；柳江水系2個(gè)站點(diǎn)共86尾，體長7.80～26.10 cm，體質(zhì)量9.43～370.35 g；烏江水系思南點(diǎn)33 尾，體長7.90～28.50 cm，體質(zhì)量10.98～472.63 g(表1)。

圖1 斑鱖種群的采樣點(diǎn)

表1 3個(gè)斑鱖種群基本信息

1.2 數(shù)據(jù)測(cè)量

共測(cè)量了372尾魚的17 110個(gè)數(shù)據(jù)。數(shù)據(jù)分為兩類。一類是傳統(tǒng)形態(tài)學(xué)數(shù)據(jù)包括可數(shù)性狀和可量性狀兩類[2,4,18]?？蓴?shù)性狀包括：背鰭棘、背鰭條、胸鰭、腹鰭棘、腹鰭條、臀鰭棘、臀鰭條、尾鰭、脊椎骨、幽門垂、側(cè)線鱗、第一鰓弓外鰓耙12項(xiàng)；傳統(tǒng)可量性狀測(cè)量了全長、體長、體高、體寬、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高10項(xiàng)(圖2)；可數(shù)性狀和可量性狀共22項(xiàng)。另一類為框架數(shù)據(jù)，選取11個(gè)同源坐標(biāo)點(diǎn)建立框架圖[4,17,19](圖3)測(cè)量24項(xiàng)框架參數(shù)。46項(xiàng)原始形態(tài)測(cè)量值精確至0.01 cm。

1.3 數(shù)據(jù)處理和分析

1.3.1 可量數(shù)據(jù)標(biāo)準(zhǔn)化和參數(shù)選擇

為消除魚體規(guī)格大小對(duì)試驗(yàn)結(jié)果的影響，34個(gè)傳統(tǒng)可量性狀和框架數(shù)據(jù)除以體長并采用公式標(biāo)準(zhǔn)化：

Madj=log10[(M/L)+1][20]

式中，M為原始測(cè)量數(shù)據(jù)，Madj為標(biāo)準(zhǔn)化后的數(shù)據(jù)，L為體長(cm)。

基于標(biāo)準(zhǔn)化的數(shù)據(jù)，先進(jìn)行方差齊性檢驗(yàn)，再采用單因素方差分析方法和Pearson相關(guān)性分析方法[20]，篩選種群間具有顯著差異的參數(shù)用于下一步分析。數(shù)據(jù)處理和分析采用Excel 2019和SPSS 15.0軟件完成。

圖2 斑鱖形態(tài)測(cè)量指標(biāo)

圖3 斑鱖框架結(jié)構(gòu)示意

1.3.2 差異性檢驗(yàn)

參照文獻(xiàn)[21]對(duì)亞種進(jìn)行識(shí)別和劃分規(guī)則，對(duì)3個(gè)種群12項(xiàng)比例性狀的差異系數(shù)進(jìn)行差異性分析，計(jì)算公式如下：

CD=|M1-M2|(SD1+SD2)

式中，CD表示差異性系數(shù)，M1、M2分別代表2個(gè)種群某種比例性狀的平均值，SD1和SD2為對(duì)應(yīng)的標(biāo)準(zhǔn)差。

1.3.3 可數(shù)性狀處理

將12項(xiàng)可數(shù)性狀經(jīng)單因素方差分析[22]和差異性檢驗(yàn)，數(shù)據(jù)處理和分析采用Excel 2019和SPSS 20.0軟件完成。

1.3.4 主成分分析

使用KMO和Bartlett檢驗(yàn)性狀參數(shù)是否適合因子分析[20]，通過建立相關(guān)系數(shù)矩陣，以主成分法提取公因子，選擇特征值大于1的因子為主要因子，并采用方差最大正交旋轉(zhuǎn)法對(duì)因子負(fù)荷矩陣進(jìn)行旋轉(zhuǎn)，從而獲得各主成分的特征值和貢獻(xiàn)率。基于各因子得分，繪制主成分散點(diǎn)圖[17-18,20]。

1.3.5 逐步判別函數(shù)分析

采用逐步判別法建立分類判別函數(shù)，據(jù)此對(duì)各種群進(jìn)行預(yù)測(cè)分類，建立典型判別函數(shù)得分圖，選出對(duì)判別貢獻(xiàn)較大的參數(shù)建立各種群的判別公式，計(jì)算判別準(zhǔn)確率和綜合判別率。

1.3.6 聚類分析

分別求出34項(xiàng)形態(tài)比例參數(shù)的平均校正值，然后用平均校正值進(jìn)行聚類分析，所采用聚類方法為歐氏距離的最短系統(tǒng)聚類法，繪出聚類關(guān)系圖。

2 結(jié) 果

2.1 參數(shù)選擇

33項(xiàng)標(biāo)準(zhǔn)化性狀逐步進(jìn)行齊性檢驗(yàn)(P>0.05)、單因素方差分析(P<0.05)和Pearson相關(guān)性分析，最終篩選出12項(xiàng)(體寬/體長、眼間距/體長、尾柄長/體長、2-3/體長、4-3/體長、6-8/體長、8-7/體長、8-10/體長、10-5/體長、11-9/體長、7-5/體長和5-3/體長)用于差異性分析、主成分分析、逐步判別函數(shù)。

2.2 性狀差異性分析

對(duì)3個(gè)斑鱖種群的12項(xiàng)顯著性狀參數(shù)進(jìn)行差異性分析，其結(jié)果見表2。烏江種群與沅江種群和柳江種群在尾柄長性狀上的差異系數(shù)分別為1.579、1.405，達(dá)到了亞種分類的差異；而沅江種群與柳江種群之間達(dá)不到亞種差異分類這個(gè)閥值(1.28)[21]。

2.3 可數(shù)性狀

經(jīng)單因素方差分析，3個(gè)斑鱖種群在可數(shù)性狀上，除了腹鰭棘、臀鰭棘和脊椎骨數(shù)3項(xiàng)性狀上無顯差異之外，其余9項(xiàng)可數(shù)性狀種群間存在顯著差異。在差異性系數(shù)上均小于1.28，達(dá)不到亞種差異閥值(表3)。

2.4 主成分分析

經(jīng)KMO統(tǒng)計(jì)量(KMO=0.846)和Baetlett球型檢驗(yàn)結(jié)果(P<0.01)，如果相關(guān)系數(shù)矩陣不是單位陣，適宜進(jìn)行因子分析降維。

表2 3個(gè)斑鱖種群間12項(xiàng)顯著性狀的差異系數(shù)

注：*表示差異系數(shù)大于亞種分類閾值1.28.

Note:* denotes that the difference coefficient is greater than the subspecies classification threshold of 1.28.

表3 3個(gè)斑鱖種群可數(shù)性狀

注：同行中上標(biāo)不同字母的平均值表示差異顯著(P<0.05).

Note: the means with different letters in the same line are significant difference (P<0.05).

主成分前6項(xiàng)累積貢獻(xiàn)率達(dá)72.668%，其中基礎(chǔ)特征值>1的前4項(xiàng)累積貢獻(xiàn)率為58.894%，即前4項(xiàng)包含了12個(gè)相互獨(dú)立變量58.894%的變異信息(表4)。3個(gè)斑鱖種群在主成分1中起關(guān)鍵作用的性狀是尾柄長/體長、11-9/體長、4-3/體長和10-5/體長，主要體現(xiàn)其尾柄長、尾鰭背部起點(diǎn)至尾鰭腹部起點(diǎn)、頭部末端至胸鰭和背鰭末端至臀鰭起點(diǎn)的差異(表5)；主成分2中起關(guān)鍵作用的性狀是眼間距/體長，反映了眼間距之間的大??；主成分3中起關(guān)鍵作用的性狀是體寬/體長，反映了魚體寬度間的差異。

由主成分散點(diǎn)圖(圖4)可見，沅江與柳江斑鱖種群在主成分1軸-1的右側(cè)，而烏江斑鱖種群主要分布在主成分1軸-1的左側(cè)；沅江斑鱖種群與柳江斑鱖種群部分交叉重疊，沅江和柳江種群與烏江種群基本上不重疊，可以明顯的從中分離出來。

表4 3個(gè)種群主成分分析的特征值和積累貢獻(xiàn)率(主成分1～6)

表5 12個(gè)性狀在主成分分析中的因子負(fù)荷值

注：*表示負(fù)荷值>0.600. Note:*indicates load value>0.600.

2.5 判別分析

對(duì)12項(xiàng)參數(shù)性狀，進(jìn)行逐步判別分析后，發(fā)現(xiàn)判別分析處理中綜合判別率較低。為提高綜合判別率，除了篩選出的12項(xiàng)參數(shù)性狀之外，增加了頭長/體長、體高/體長和尾柄高/體長。這3項(xiàng)性狀也剛好處于魚體的頭部、軀干部和尾部。在傳統(tǒng)的測(cè)量方法[1-2]和結(jié)合框架測(cè)量中[17]都具有一定的代表性。篩選出10項(xiàng)判別貢獻(xiàn)大的性狀(體寬體長、眼間距/體長、尾柄長/體長、尾柄高/體長、體高/體長、4-3/體長、6-8/體長、7-5/體長、8-7/體長、11-9/體長)(表6)。

采用這10項(xiàng)性狀參數(shù)的判別函數(shù)系數(shù)(表6)建立了3個(gè)地理種群的判別函數(shù)方程。

沅江種群：

y=742.615x1-290.747x2+94.787x3+521.545x4-249.267x5+119.505x6+346.960x7+572.493x8-517.198x9-129.144x10-539.736

柳江種群：

y=713.422x1-292.650x2+109.060x3+497.023x4-264.802x5+95.767x6+372.274x7+561.096x8-490.175x9-126.732x10-512.370

烏江種群：

y=819.789x1-255.325x2-30.216x3+510.9405x4-231.842x5+133.048x6+328.255x7+601.286x8-541.747x9-107.034x10-561.040

圖4 3個(gè)斑鱖種群前兩個(gè)主成分散點(diǎn)圖

表6 3個(gè)斑鱖種群的Fisher線性判別函數(shù)系數(shù)

注： Fisher 的線性判別式函數(shù). Note: Fisher′s linear discriminant function.

3個(gè)斑鱖種群判別函數(shù)系數(shù)見表6，根據(jù)建立的判別公式，可以更簡便地判斷野生斑鱖的種群歸屬。判別歸類結(jié)果見表7。由表7可知，非交互驗(yàn)證時(shí)，沅江、柳江、烏江種群分別有19尾、40尾、4尾判別錯(cuò)誤，判別準(zhǔn)確率分別為92.5%、53.5%、81.8%，綜合判別準(zhǔn)確率為82.5%。交互驗(yàn)證時(shí)，沅江、柳江、烏江交互驗(yàn)證準(zhǔn)確率分別為91.3%、52.3%、81.8%，交互判別準(zhǔn)確率為81.5%。交互驗(yàn)證結(jié)果與直接使用判別公式進(jìn)行判別的結(jié)果的判別準(zhǔn)確率接近，說明判別公式是可信的。烏江種群相對(duì)獨(dú)立，且沅江斑鱖種群與柳江斑鱖種群間形態(tài)較相似(圖5)。

表7 3個(gè)斑鱖種群的判別分析結(jié)果

2.6 聚類分析

采用歐式距離的最短系統(tǒng)聚類法。對(duì)34項(xiàng)形態(tài)比例參數(shù)的平均校正值作聚類分析，結(jié)果見圖6，3個(gè)野生斑鱖種群主要分為兩支，沅江與柳江先聚為一個(gè)支，然后再與烏江種群聚在一起。

3 討 論

3.1 多元統(tǒng)計(jì)分析在魚類研究中的應(yīng)用

具有相同形態(tài)特征的類群稱之為一個(gè)種群，魚類種群間的變異可為其種群結(jié)構(gòu)的劃分和種群鑒定提供一定基礎(chǔ)數(shù)據(jù)和理論基礎(chǔ)[19]。形狀特征和性狀差異是種群識(shí)別、分類和系統(tǒng)發(fā)育最有用的基礎(chǔ)，并在形態(tài)學(xué)研究中發(fā)揮重要作用[23]。傳統(tǒng)形態(tài)性狀測(cè)量法主要集中在魚體的頭、尾部和軸向[1-2]，未能全面地利用魚體軀干部提供的有用信息，容易忽略一些重要的指標(biāo)，難以全面反映魚體形態(tài)差異的特征。隨著對(duì)魚類外形差異研究深入，形態(tài)特征研究也不再局限于視覺觀察和宏觀描述，演變?yōu)槎嘧兞拷y(tǒng)計(jì)分析，可以更準(zhǔn)確地確定魚群的形態(tài)特征[24]。李思發(fā)等[4]對(duì)尼羅羅非魚(Oreochromisniloticus)5個(gè)品系間形態(tài)差異進(jìn)行分析表明，框架分析法和傳統(tǒng)分析法相結(jié)合能顯著提高種群的判別分析能力。主成分分析、聚類分析、判別分析、差異性系數(shù)分析相結(jié)合的多元統(tǒng)計(jì)分析對(duì)魚類差異性研究分析得到了廣泛的應(yīng)用，Mohaddasi等[18]對(duì)4個(gè)種群的卡拉白魚(Alburnuschalcoides)形態(tài)差異分析時(shí)，先對(duì)參數(shù)進(jìn)行KMO統(tǒng)計(jì)量和Baetlett球型檢驗(yàn)，再做主成分分析提高了分析問題的深度和精度[17-19,23]。本研究結(jié)果表明，傳統(tǒng)可數(shù)性狀，可量化性狀和現(xiàn)代框架性狀的結(jié)合，利用多元統(tǒng)計(jì)分析方法獲得3個(gè)斑鱖種群的形態(tài)差異，可以獲得準(zhǔn)確的結(jié)果，故多元統(tǒng)計(jì)分析在魚類外形差異和變異等評(píng)價(jià)中具有很高的價(jià)值[23]。經(jīng)方差分析，沅江、柳江和烏江3個(gè)斑鱖種群之間，背鰭棘、背鰭條、胸鰭條、腹鰭條、臀鰭條、尾鰭條、幽門垂、側(cè)線鱗和第一鰓弓外鰓耙9項(xiàng)可數(shù)性狀(P<0.01)存在顯著差異性。統(tǒng)計(jì)學(xué)中，單因素方差分析具有簡單易懂，易于理解的優(yōu)點(diǎn)，缺點(diǎn)是在劃分和識(shí)別魚類種群時(shí)，無法給出精確的判別[25]。為彌補(bǔ)方差分析中的缺陷，有學(xué)者在分析中引入主成分分析、聚類分析和逐步判別分析[4]。主成分分析可以消除無關(guān)性狀的相關(guān)影響，減少性狀選擇的工作量。

圖5 判別函數(shù)散點(diǎn)圖

圖6 3個(gè)種群聚類分析

3.2 3個(gè)斑鱖野生種群的形態(tài)鑒別

主成分分析結(jié)果顯示，沅江斑鱖種群與柳江斑鱖種群的形態(tài)較為接近，而與烏江斑鱖種群的形態(tài)差異較為明顯(圖4)。主成分1中主要反映魚體尾柄部、尾鰭背部起點(diǎn)至尾鰭腹部起點(diǎn)、頭部末端至胸鰭、背鰭末端至臀鰭起點(diǎn)差異；主成分2中反映了魚體眼間距的大??；主成分3中反映了魚體之間體寬的差異。就這3個(gè)主成分而言，頭部和尾柄以及體寬的部分性狀特征的差異，是導(dǎo)致這3個(gè)斑鱖種群差異的關(guān)鍵性因素，這與對(duì)大眼鱖(Sinipercakneri)形態(tài)差異的研究結(jié)果[17,19]一致。判別分析結(jié)果可知，3個(gè)斑鱖種群的綜合判別準(zhǔn)確率為82.5%能夠精確地判別斑鱖的類群歸屬；判別公式中貢獻(xiàn)較大的變量多分布于魚的尾柄部，3個(gè)種群的主要形態(tài)差異體現(xiàn)在尾柄部。聚類分析是通過將物理或抽象對(duì)象的集合分組，量化差異，直接反映不同種群間的親緣關(guān)系[26]，由形態(tài)學(xué)聚類分析結(jié)果可見，沅江斑鱖種群和柳江斑鱖種群先聚為一支，再與烏江斑鱖種群聚為一支；3種多元統(tǒng)計(jì)分析結(jié)果類似，卻從不同的角度反映種群之間形態(tài)差異，起到相互印證，相互補(bǔ)充的效果[4]。

魚類形態(tài)變異是其對(duì)特定棲息環(huán)境條件最直觀的適應(yīng)性變化，魚類形態(tài)特征除了受自身遺傳因子影響外，還與所處環(huán)境有關(guān)[26-28]。研究表明，導(dǎo)致魚類形態(tài)學(xué)差異的因素是多方面的。除遺傳因子外，魚類所處的外部環(huán)境所帶來的影響也不容忽視[17,19]。不同地理種群之間的形態(tài)變異通常是由于當(dāng)?shù)厣巢町愃鸬墨@得性結(jié)果。水溫、水深、水流速度、透明度、食物組成均會(huì)是導(dǎo)致魚類形態(tài)學(xué)差異的關(guān)鍵因子。早在20世紀(jì)90年代，有學(xué)者研究發(fā)現(xiàn)，地理位置較近的種群之間，遺傳相似度較高，地理隔離對(duì)物種遺傳分化和形態(tài)差異有很高的影響[19,29]。本研究中，沅江種群和柳江種群之間差異性系數(shù)值較小，差異系數(shù)值均小于1.28，可能與這2個(gè)種群所在水域地理位置較近，生境類似有關(guān)。烏江種群與沅江種群和柳江種群在尾柄長/體長上差異性系數(shù)值均大于1.28，達(dá)到亞種分化的水平。烏江種群采集于思南河段，此河段水流湍急，河谷縱深，與其他2個(gè)斑鱖種群水域地理位置相差較遠(yuǎn)，種群差異較大。且受禁漁期影響，3個(gè)種群在采樣時(shí)間不同(表1)，烏江種群采集于冬季，而沅江和柳江種群采集于夏季，不能完全覆蓋魚類形態(tài)的完整性，會(huì)存在一定的局限性[6]。在體質(zhì)量、體長上也有不同(表1)，烏江種群在體質(zhì)量和體長的均值上，均大于沅江種群和柳江種群，雖經(jīng)過標(biāo)準(zhǔn)化處理，消除了部分因素影響，但隨著魚類年齡的增長，魚體上的指標(biāo)不一定會(huì)按比例增長，所以體質(zhì)量和體長均值大，可能也是造成烏江斑鱖種群與其他2個(gè)種群差異性的原因之一[4,6]。根據(jù)Mayr等[21]提出的75%亞種識(shí)別和鑒定的標(biāo)準(zhǔn)，一個(gè)物種在不同流域分布的種群之間存在形態(tài)特征差異，即Ⅰ種群75%的個(gè)體和Ⅱ種群97%的個(gè)體能夠分開，那么這2個(gè)種群之間的形態(tài)特征差異系數(shù)值應(yīng)為1.28，則2個(gè)種群應(yīng)分屬于不同的亞種，即1.28是亞種分化的閾值。本研究中，烏江斑鱖種群與沅江斑鱖種群和柳江種群雖在尾柄長/體長性狀上差異系數(shù)值大于1.28，但在魚類分類中，僅僅以形態(tài)特征的值1.28作為亞種劃分依據(jù)，研究者須持謹(jǐn)慎態(tài)度[22]。造成種群之間形態(tài)差異的原因是多種多樣的，具體的原因還有待今后進(jìn)一步借助遺傳學(xué)[26]和分子標(biāo)記手段[9-11,30]來進(jìn)行確認(rèn)。