基于文獻(xiàn)計(jì)量的幾何形態(tài)測(cè)量在漁業(yè)中的應(yīng)用研究進(jìn)展

王 超，方 舟，2，3，4，5，陳新軍，2，3，4，5

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306；2.大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海201306；3.國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海201306；4.農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開(kāi)發(fā)重點(diǎn)實(shí)驗(yàn)室，上海 201306；5.農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學(xué)觀測(cè)實(shí)驗(yàn)站，上海 201306）

20世紀(jì)60年代開(kāi)始，數(shù)學(xué)定量方法開(kāi)始用于描述和分析形態(tài)變異［1］，從而產(chǎn)生了形態(tài)測(cè)量學(xué)（morphometrics）。20世紀(jì)90年代相關(guān)研究者在形態(tài)數(shù)字化和數(shù)據(jù)分析上取得重要突破，形態(tài)測(cè)量學(xué)方法得到了巨大發(fā)展，被稱為形態(tài)測(cè)量學(xué)的革命［2］，并隨之衍生出“幾何形態(tài)測(cè)量學(xué)”（geometric morphometrics，GM）。GM包括地標(biāo)點(diǎn)法（landmark）和外形輪廓法（outline method）［3］，地標(biāo)點(diǎn)法是通過(guò)對(duì)研究對(duì)象的外形輪廓進(jìn)行標(biāo)點(diǎn)來(lái)構(gòu)建其形態(tài)［2］，然后使用廣義普魯克提斯分析法（general Procrustes analysis，GPA）或廣義耐受適應(yīng)法（general resistant fit，GRF）等方法消除誤差產(chǎn)生的影響，最后對(duì)形態(tài)數(shù)據(jù)進(jìn)行多元統(tǒng)計(jì)分析來(lái)研究形態(tài)變異。外形輪廓法是對(duì)研究對(duì)象的輪廓線邊緣曲線取一定數(shù)量的點(diǎn)轉(zhuǎn)換為數(shù)學(xué)函數(shù)來(lái)分析形態(tài)變異，該方法只適用于邊緣具有同源性的研究對(duì)象，具有一定的局限性，因此地標(biāo)點(diǎn)法在形態(tài)分析中的應(yīng)用更為廣泛。GM在昆蟲(chóng)學(xué)［1］、古生物學(xué)［4］、生物醫(yī)學(xué)［5］等諸多領(lǐng)域有著較為廣泛的應(yīng)用，在漁業(yè)科學(xué)的生物形態(tài)研究中也有大量的應(yīng)用，例如種類鑒定［6］、種群劃分［7］、進(jìn)化發(fā)育［8-9］等研究。近些年GM已經(jīng)成為貝類、魚(yú)類等漁業(yè)資源物種分類和群體劃分的有效工具，在研究分析漁業(yè)科學(xué)問(wèn)題上逐漸成為熱點(diǎn)。因此，有必要對(duì)GM方法在漁業(yè)中所涉及的重要內(nèi)容進(jìn)行總結(jié)梳理。

文獻(xiàn)計(jì)量學(xué)是指用數(shù)學(xué)和統(tǒng)計(jì)學(xué)的方法，定量地分析一切知識(shí)載體的交叉科學(xué)。它是集數(shù)學(xué)、統(tǒng)計(jì)學(xué)、文獻(xiàn)學(xué)為一體，注重量化的綜合性知識(shí)體系［10］。本研究基于CiteSpace的文獻(xiàn)計(jì)量分析方法，以Web of Science數(shù)據(jù)庫(kù)中對(duì)幾何形態(tài)測(cè)量學(xué)和漁業(yè)為主題的相關(guān)文獻(xiàn)為檢索目標(biāo)，對(duì)GM在漁業(yè)研究中的應(yīng)用進(jìn)行總結(jié)分析并探索前沿研究?jī)?nèi)容，以期對(duì)GM在漁業(yè)中的應(yīng)用研究熱點(diǎn)和發(fā)展趨勢(shì)進(jìn)行梳理，并為后續(xù)相關(guān)研究工作提供基礎(chǔ)。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

本文研究的文獻(xiàn)數(shù)據(jù)來(lái)自Web of Science核心合集數(shù)據(jù)庫(kù)，檢索時(shí)間為2021年3月15日，檢索時(shí)段為1995年1月—2021年3月。檢索的主題詞為幾何形態(tài)測(cè)量學(xué)（geometric morphometrics）、漁業(yè)（fishery），以及涉及漁業(yè)資源的4大種類：魚(yú)類（fish）、頭足類（cephalopoda）、甲 殼 類（crustacean）、貝 類（shellfish）。文獻(xiàn)類型選擇article、review，語(yǔ)種選擇English，進(jìn)行目標(biāo)文獻(xiàn)檢索，檢索式為TS=（“geometric morphometric*”or“geometric morphology*”）AND TS=（“fishery*”or“fish*”or“Cephalopoda*”or“crustacean*”or“shellfish*”）。論文檢索優(yōu)先保證完整性［14-15］，通過(guò)對(duì)數(shù)據(jù)庫(kù)精煉和擴(kuò)展，最終檢索到可用文獻(xiàn)733篇，作者、標(biāo)題、摘要、關(guān)鍵字、參考文獻(xiàn)、引用量等文獻(xiàn)信息作為分析數(shù)據(jù)。

1.2 分析方法

1.2.1 描述法

文獻(xiàn)發(fā)表數(shù)量代表某個(gè)研究領(lǐng)域的研究熱度，是發(fā)展現(xiàn)狀的定量分析，通過(guò)數(shù)字直觀展現(xiàn)出該研究領(lǐng)域發(fā)展的過(guò)程和發(fā)展規(guī)模的大小，年度文獻(xiàn)量的動(dòng)態(tài)變化可以直接反映研究領(lǐng)域科學(xué)研究的量變過(guò)程［11］。本研究利用WOS（Web of Science）的內(nèi)置統(tǒng)計(jì)工具對(duì)歷年文獻(xiàn)量分布、期刊分布、高被引頻次文獻(xiàn)分布、各研究方向文獻(xiàn)發(fā)表量、國(guó)家和地區(qū)、作者、研究機(jī)構(gòu)分布進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，以此來(lái)分析幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的應(yīng)用的研究力量分布。

1.2.2 關(guān)鍵詞共現(xiàn)和聚類分析

關(guān)鍵詞是文章研究方向的核心概括，對(duì)關(guān)鍵詞分析即可得知該文章的研究主題。知識(shí)圖譜是以科學(xué)知識(shí)為研究對(duì)象，以一定的方法描述科學(xué)知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一種圖形［12］。通過(guò)共現(xiàn)分析中共詞分析的網(wǎng)絡(luò)圖譜可以揭示幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用的重要關(guān)鍵詞間的相互聯(lián)系，找出一些中心性高、出現(xiàn)頻次大的關(guān)鍵詞來(lái)探究該領(lǐng)域各主題之間的關(guān)系。由于共詞分析不作“演變”分析，因此以3年為一個(gè)時(shí)間分區(qū)，共9個(gè)時(shí)間切片；節(jié)點(diǎn)類型選擇“keyword”，選擇出現(xiàn)頻次為前50的關(guān)鍵詞進(jìn)行分析，并對(duì)每一個(gè)時(shí)間切片的關(guān)鍵詞網(wǎng)絡(luò)進(jìn)行剪枝，得出共詞分析網(wǎng)絡(luò)圖譜。

聚類分析（cluster analysis）是以不同關(guān)鍵詞同時(shí)出現(xiàn)的頻率和連接強(qiáng)度為基礎(chǔ)，通過(guò)數(shù)學(xué)方法將復(fù)雜的關(guān)鍵詞網(wǎng)狀關(guān)系簡(jiǎn)化為相對(duì)較少的類群，使類群間的相似性最小，類群內(nèi)相似性最大［13-14］。聚類詞的模塊性Q值（modularity）作為衡量聚類效果是否顯著的指標(biāo)，最佳取值范圍為0.4～0.8；聚類詞的平均輪廓值S（silhouette）作為衡量某一聚類詞同質(zhì)性的指標(biāo)，S值越高代表聚類內(nèi)部的關(guān)鍵詞越相似，一般S值在0.5以上即視為聚類合理［15］。數(shù)據(jù)分析以每年作為一個(gè)時(shí)區(qū)，733篇文獻(xiàn)中各年份出現(xiàn)頻次前50個(gè)關(guān)鍵詞對(duì)其剪枝，并對(duì)同義關(guān)鍵詞合并，清洗后的關(guān)鍵詞數(shù)據(jù)以時(shí)間軸聚類，來(lái)揭示研究主題的發(fā)展演變的時(shí)間跨度和進(jìn)程［16-17］。

1.2.3 關(guān)鍵詞突變檢測(cè)

CiteSpace軟件所使用的突變檢測(cè)的算法為Kleinberg學(xué)者的詞頻增長(zhǎng)率的突變檢測(cè)法［18］，其原理是將某一文章的被引頻次發(fā)生顯著變化（增大或減小）作為突變強(qiáng)度（burst strength）的指標(biāo)。以關(guān)鍵詞作為分析對(duì)象，計(jì)算出突變關(guān)鍵詞的起始年份和突變強(qiáng)度。該算法的優(yōu)點(diǎn)是可以找出出現(xiàn)頻率較低但變化率較高的關(guān)鍵詞，并可發(fā)現(xiàn)某一領(lǐng)域在不同時(shí)期的研究熱點(diǎn)，揭示每個(gè)階段關(guān)鍵主題的變化［19］。對(duì)清洗后的關(guān)鍵詞數(shù)據(jù)進(jìn)行突變檢測(cè)，突現(xiàn)時(shí)間的單位設(shè)置為2年，以對(duì)近20多年幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用的前沿?zé)狳c(diǎn)進(jìn)行大致推測(cè)，從側(cè)面體現(xiàn)出各個(gè)階段的發(fā)展特點(diǎn)。

上述分析內(nèi)容均基于文獻(xiàn)計(jì)量軟件CiteSpace 5.7.R1。

2 結(jié)果與分析

2.1 歷年文獻(xiàn)量分布

根據(jù)WOS核心合集數(shù)據(jù)庫(kù)的歷年文獻(xiàn)量分布可以直觀呈現(xiàn)幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的應(yīng)用研究發(fā)展規(guī)律（圖1）。1996年1月至2021年3月關(guān)于幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的應(yīng)用文獻(xiàn)總計(jì)有733篇，由于2021年僅檢索了前3個(gè)月的文獻(xiàn)數(shù)據(jù)，發(fā)文量較少（8篇），因此并未在圖1中顯示。整體上發(fā)文量呈現(xiàn)出逐年上升的趨勢(shì)，其中20世紀(jì)90年代末至21世紀(jì)初期（1996—2002）文獻(xiàn)發(fā)表數(shù)量較少，而2009、2012、2014這幾個(gè)年份出現(xiàn)了下降，其次年發(fā)表的文獻(xiàn)量則有明顯增多。2014—2016年發(fā)文量迅猛增長(zhǎng)，2016年發(fā)文量達(dá)到了歷史最高的79篇，2016年之后發(fā)文量處在交替增減期，并且維持在60～80篇，文獻(xiàn)發(fā)表數(shù)量較多。上述數(shù)據(jù)表明，20世紀(jì)90年代出現(xiàn)的幾何形態(tài)測(cè)量學(xué)在之后的20多年中逐漸被廣泛應(yīng)用。

圖1 歷年文獻(xiàn)量分布趨勢(shì)Fig.1 Trends in the distribution of literature over the years

2.2 期刊分布

通過(guò)分析發(fā)表幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的應(yīng)用文章最多的期刊，能夠了解該領(lǐng)域主流的發(fā)文核心期刊。截至2021年3月，共有173個(gè)期刊中包含幾何形態(tài)測(cè)量在漁業(yè)中應(yīng)用研究的文章。該領(lǐng)域文獻(xiàn)發(fā)表排名前10的期刊如表1，這些期刊共發(fā)表該研究領(lǐng)域文獻(xiàn)266篇，占比36.2%。發(fā)文量前10的期刊中有7種期刊近五年平均影響因子達(dá)2.0以上，其中Biological Journal of the Linnean Society是幾何形態(tài)測(cè)量學(xué)在漁業(yè)領(lǐng)域文獻(xiàn)發(fā)表量最多的期刊，目前在該領(lǐng)域有較高權(quán)威性。生物學(xué)類期刊還包括Journal of Fish Biology、Environmental Biology of Fishes、Hydrobiologia、Journal of Morphology等，此外還包括Ecology and Evolution、Evolution、BMC Evolutionary Biology、Journal of Evolutionary Biology等進(jìn)化類的期刊，這些表明幾何形態(tài)測(cè)量學(xué)在漁業(yè)應(yīng)用領(lǐng)域中生物學(xué)較多，生態(tài)學(xué)和進(jìn)化學(xué)等學(xué)科均在漁業(yè)領(lǐng)域研究中存在交叉應(yīng)用。其中，Evolution期刊影響因子最高，近5年平均影響因子為3.983。說(shuō)明在幾何形態(tài)測(cè)量學(xué)漁業(yè)應(yīng)用領(lǐng)域，該期刊論文質(zhì)量最高，最具權(quán)威性。

表1 發(fā)表幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用文章最多的期刊排名（前10名）Tab.1 Rank of journals with the most articles on the application of geometric morphometrics in fisheries（top 10）

2.3 高被引頻次文獻(xiàn)分析

被引頻次的高低直接反映了文章被引用的情況，反映論文內(nèi)容被學(xué)術(shù)圈的認(rèn)可程度，被引頻次高的文章一般質(zhì)量較優(yōu)，在相關(guān)學(xué)科領(lǐng)域的影響力較廣泛，其學(xué)術(shù)地位也較高［20］，因此被引頻次的高低大體上可以反映文章的學(xué)術(shù)水平。本研究統(tǒng)計(jì)的幾何形態(tài)測(cè)量學(xué)在漁業(yè)領(lǐng)域中被引頻次排名前10的文章中（表2），KLINGENBERG和LANGERHANS的文章占到一半，可見(jiàn)這兩位作者在基于幾何形態(tài)測(cè)量學(xué)的漁業(yè)研究領(lǐng)域占有重要的地位。這些高被引頻次文章中3篇為系統(tǒng)發(fā)育研究，即使用了形態(tài)參數(shù)與分子生物學(xué)相結(jié)合的數(shù)據(jù)構(gòu)建系統(tǒng)發(fā)育樹(shù)，避免了基于單一數(shù)據(jù)的系統(tǒng)發(fā)育樹(shù)誤差［21-23］；2篇為外界環(huán)境對(duì)形態(tài)的影響：即不同環(huán)境下體形差異［24］、捕食與被捕食驅(qū)動(dòng)的形態(tài)差異研究［25］；1篇為種群鑒別研究：CADRIN［26］對(duì)形態(tài)測(cè)量學(xué)在漁業(yè)種群形態(tài)鑒定研究的歷史及進(jìn)展進(jìn)行了概述；1篇為對(duì)于不同統(tǒng)計(jì)分析方法的比較：即PERESNETO和JACKSON［27］對(duì)普魯克提斯疊?。≒rocrustean superimposition）相對(duì)于Mantel檢驗(yàn)（Mantel test）的優(yōu)勢(shì)進(jìn)行探討；1篇為對(duì)稱結(jié)構(gòu)的形態(tài)分析，為相關(guān)研究提供了基礎(chǔ)［28］；另有2篇為進(jìn)化形態(tài)多樣性研究［29-30］。這些高被引頻次文章研究方向各不相同，對(duì)該領(lǐng)域相關(guān)研究起到了重要的支撐作用。

表2 高被引頻次文獻(xiàn)統(tǒng)計(jì)（前10名）Tab.2 Statistics of literature with high citation frequency（top 10）

2.4 國(guó)家／地區(qū)、作者、研究機(jī)構(gòu)分析

通過(guò)對(duì)幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用研究的國(guó)家／地區(qū)分布（表3）分析，全世界范圍內(nèi)許多國(guó)家／地區(qū)均對(duì)該領(lǐng)域有研究，證明了該研究領(lǐng)域影響之大。美國(guó)在該研究領(lǐng)域發(fā)文量達(dá)到了231篇為最高，占比高達(dá)31.51%，美國(guó)對(duì)于該領(lǐng)域研究遠(yuǎn)遠(yuǎn)超出其他國(guó)家，論文產(chǎn)出最高，在數(shù)量上處于絕對(duì)的優(yōu)勢(shì)；其次為加拿大和意大利，發(fā)文量均為62篇，占比為8.46%。在排名前20的國(guó)家／地區(qū)中，除中國(guó)、日本、澳大利亞之外均為歐洲、美洲國(guó)家，可見(jiàn)在該領(lǐng)域美洲和歐洲研究產(chǎn)出很高。澳大利亞、日本、中國(guó)研究相對(duì)較少，發(fā)文量分別為32、20、16篇。由表3及相關(guān)文獻(xiàn)閱讀可知，我國(guó)對(duì)于幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用的研究領(lǐng)域起步較晚，近幾年研究產(chǎn)出快速增長(zhǎng)，我國(guó)相關(guān)領(lǐng)域的研究學(xué)者對(duì)該研究?jī)?nèi)容的關(guān)注度越來(lái)越高。

表3 發(fā)表幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用文章最多的國(guó)家／地區(qū)排名（前20名）Tab.3 Countries／regions with the most published articles on the application of geometric morphometrics in fisheries（top 20）

表4總結(jié)了幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用研究的高產(chǎn)出作者，在一定程度上表明這些作者在該領(lǐng)域影響力較大，具有一定的代表性。其中意大利和美國(guó)各有2位學(xué)者，包括意大利的學(xué)者CATAUDELLA、COSTA，美 國(guó) 的 學(xué) 者LANGERHANS、TOBLER。上述作者在發(fā)文量上差距較小，這些學(xué)者均來(lái)自歐美國(guó)家，表明歐美國(guó)家在該領(lǐng)域有較多的研究。LANGERHANS為美國(guó)北卡羅來(lái)納州立大學(xué)生物科學(xué)系（Department Biology Science，North Carolina State University）教授，在該領(lǐng)域的高被引頻次前10的文章中占有3篇（表2），表明該作者在該領(lǐng)域成果質(zhì)量較高，相關(guān)文章為該領(lǐng)域的權(quán)威性文章。

表4 發(fā)表幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用文章最多的作者排名（前10名）Tab.4 Rank of authors with the most published papers on applications of geometric morphometrics in fisheries（top 10）

目前全球共有879個(gè)機(jī)構(gòu)在漁業(yè)領(lǐng)域的研究涉及到幾何形態(tài)測(cè)量學(xué)。表5總結(jié)了發(fā)文量前10名的研究機(jī)構(gòu)，發(fā)文量最多的是意大利的羅馬第二大學(xué)（University of Rome“Tor Vergata”），達(dá)到21篇；其次為西班牙高等科研理事會(huì)（Consejo Superior de Investigaciones Cientificas，CSIC）與得克薩斯農(nóng)工大學(xué)（Texas A＆M University），均達(dá)到19篇?？傮w來(lái)看，排名前10的機(jī)構(gòu)發(fā)文151篇，占文獻(xiàn)總數(shù)的20.61%，這些機(jī)構(gòu)發(fā)文量占比相差不大，表明這些機(jī)構(gòu)研究力度較均衡，其中有3個(gè)為美國(guó)機(jī)構(gòu)，發(fā)文量達(dá)45篇；2個(gè)比利時(shí)機(jī)構(gòu)，其余排名前10的機(jī)構(gòu)中均為不同國(guó)家。

表5 發(fā)表幾何形態(tài)測(cè)量學(xué)在漁業(yè)中應(yīng)用文章最多的機(jī)構(gòu)排名（前10名）Tab.5 Rank of institutions with the most published papers on applications of geometric morphometrics in fisheries（top 10）

2.5 關(guān)鍵詞網(wǎng)絡(luò)圖譜

圖3為關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)知識(shí)圖譜，節(jié)點(diǎn)的大小反映關(guān)鍵詞的出現(xiàn)頻次，節(jié)點(diǎn)和連線顏色對(duì)應(yīng)關(guān)鍵詞出現(xiàn)的年份。通過(guò)圖3可以看出，geometric morphometrics（幾何形態(tài)測(cè)量學(xué)）是最大的節(jié)點(diǎn)，與其聯(lián)系最緊密的是phenotypic plasticity（表型可塑性），而此關(guān)鍵詞對(duì)應(yīng)該領(lǐng)域研究初期（1996年—1998年），表明在研究初期就出現(xiàn)了表型可塑性相關(guān)研究，較大節(jié)點(diǎn)的關(guān)鍵詞還有body shape（體 形）、shape（形狀）、morphometrics（形態(tài)測(cè)量學(xué)）、morphology（形態(tài)學(xué)）、population（種群）、teleostei（真骨魚(yú)類）、fish（魚(yú) 類）、pattern（模 式）、evolution（進(jìn) 化）、speciation（物種形成）、adaptive radiation（適應(yīng)性輻射）、diversity（多樣性）、growth（生長(zhǎng)），這些關(guān)鍵詞出現(xiàn)頻次較大，即幾何形態(tài)測(cè)量學(xué)在漁業(yè)應(yīng)用領(lǐng)域研究較為關(guān)注的方向，并且這些關(guān)鍵詞的節(jié)點(diǎn)顏色涵蓋了該領(lǐng)域研究初期至近期，表明這些高頻關(guān)鍵詞屬于不同時(shí)期的研究熱點(diǎn)。分析發(fā)現(xiàn)，研究熱點(diǎn)涉及進(jìn)化、生態(tài)形態(tài)學(xué)等研究，即分析物種進(jìn)化、環(huán)境對(duì)生物個(gè)體形態(tài)的影響。

圖3 幾何形態(tài)測(cè)量學(xué)在漁業(yè)領(lǐng)域應(yīng)用文章的關(guān)鍵詞共現(xiàn)圖譜Fig.3 Keywords co-occurrence map on application of geometric morphometrics in fisheries

本文通過(guò)關(guān)鍵詞的聚類分析得到17個(gè)聚類詞（圖4），Q值=0.748 7，說(shuō)明聚類分區(qū)效果顯著，每個(gè)聚類詞S值都在0.780以上（表6），即這些聚類詞聚類合理，并且這些聚類詞的結(jié)束年份都比較晚（表6），其研究關(guān)注度較高。通過(guò)按時(shí)間軸的關(guān)鍵詞聚類分析（圖4，表6），大致上可以將幾何形態(tài)測(cè)量學(xué)在漁業(yè)領(lǐng)域的應(yīng)用研究分為研究初期、中期、后期3個(gè)階段。

表6 基于關(guān)鍵詞聚類圖譜的聚類詞Tab.6 Clustered words based on keyword clustering maps

圖4 幾何形態(tài)測(cè)量學(xué)在漁業(yè)領(lǐng)域應(yīng)用文章的關(guān)鍵詞聚類圖譜—按時(shí)間軸呈現(xiàn)Fig.4 Keyword clustering map on applications of geometric morphometrics in fisheries research—presented by time axis

初期（1996年—2003年），研究處于起步階段，研究主題主要是環(huán)境對(duì)生物形態(tài)的影響（表7，生態(tài)形態(tài)學(xué)：突變開(kāi)始時(shí)間，2001年）：reaction norm（反應(yīng)規(guī)范）、population differentiation（種群分化），例如不同環(huán)境下產(chǎn)生的異速生長(zhǎng)研究［31-33］。RUEHL和DEWITT［34］使用不同的食物飼養(yǎng)食蚊魚(yú)（Gambusiaaffinis）60 d，用多元回歸分析來(lái)評(píng)估不同攝食造成的形

表7 基于突變檢測(cè)的熱點(diǎn)關(guān)鍵詞Tab.7 Hot keywords based on mutation detection

態(tài)變異，也有研究評(píng)估了北極紅點(diǎn)鮭（Salvelinusleucomaenis）在不同營(yíng)養(yǎng)和攝食生態(tài)的形態(tài)差異［35］，研究均發(fā)現(xiàn)種群差異與營(yíng)養(yǎng)和攝食生態(tài)有關(guān)。COGLIATI等［36］還 以 大 鱗 大 麻 哈 魚(yú)（Oncorhynchus tshawytscha）剛剛產(chǎn)出的不同大小的卵作為研究點(diǎn)，發(fā)現(xiàn)不同大小的魚(yú)卵生長(zhǎng)發(fā)育后的成魚(yú)外部形態(tài)存在差異，一些研究表明，捕食者也導(dǎo)致了形狀和行為的表型可塑性［37］。聚類詞Dicentrarchuslabrax（挪威舌齒鱸）為舌齒鱸屬下的一種魚(yú)類，廣泛分布于大西洋東部、地中海和黑海以及歐洲的湖泊河流中，在該時(shí)期也得到大量研究，主要是個(gè)體發(fā)育、生物形態(tài)特性研究［38-39］。

中期（2004年—2013年），研究為穩(wěn)步上升階段，研究主題有誤差研究、薄板樣條分析、定量遺傳，以及一些主要研究物種。measurement error（測(cè)量誤差）：FRUCIANO［40］總結(jié)了誤差來(lái)源，分析并解決了隨機(jī)和非隨機(jī)測(cè)量誤差，最后還提供了使用真實(shí)數(shù)據(jù)集驗(yàn)證誤差消除的效果。最新研究發(fā)現(xiàn)，三維的Z軸數(shù)據(jù)在重復(fù)的獲取形態(tài)數(shù)據(jù)產(chǎn)生了較大的誤差，不利于后續(xù)分析，這主要是由于研究者地標(biāo)點(diǎn)的主觀性造成的［41］；thinplate spline（薄板樣條分析）：即利用變形網(wǎng)格對(duì)整體形態(tài)變化進(jìn)行扭曲，達(dá)到對(duì)形態(tài)差異點(diǎn)的可視化分析［42］，使用薄板樣條分析可視化形態(tài)變化在 早 期 研 究 中 研 究 較 多［43-44］；quantitative genetics（定量遺傳學(xué)）：遺傳方面，由于不同的基因造成了形態(tài)的差異，定量的分析遺傳變異［45-47］；主要研究物種：bluemouth（藍(lán)嘴），學(xué)名為黑腹無(wú)鰾鲉（Helicolenusdactylopterus），為輻鰭魚(yú)綱鲉形目鲉亞目囊頭鲉科的其中一種，主要研究了個(gè)體發(fā)育和種群鑒別［48-49］。類詞reef fishes（巖礁魚(yú)類）表明在研究中期對(duì)巖礁魚(yú)類研究也較多。

后期（2014年—2021年），研究處于爆發(fā)性增長(zhǎng)階段，出現(xiàn)的聚類關(guān)鍵詞較多。研究主題有分類、形態(tài)演化、基因漸滲現(xiàn)象等。分類：alpha taxonomy（α分類學(xué)），以CRAIG為首的研究團(tuán)隊(duì)使用裸背電鰻亞目（Gymnotiformes）內(nèi)種類的頭部形態(tài)進(jìn)行了種類劃分［50-52］。形態(tài)演化：相關(guān)的關(guān)鍵詞有morphological evolution（形態(tài)演變）、deformities（畸形）、invasive species（入侵物種），例如，GARCIA-RODRIGUEZ等利用銀鱸科（Gerreidae）魚(yú)類的體形、矢狀耳石和尾舌骨形態(tài)特征證明了該科魚(yú)類進(jìn)化支系的存在［53］，此外該類主題詞中還有基因漸滲對(duì)物種形態(tài)的影響、養(yǎng)殖種群對(duì)原始種群進(jìn)化的影響研究［54］。通過(guò)分析研究物種也證實(shí)了一些teleost fishes（真骨魚(yú)類）是該時(shí)期幾何形態(tài)測(cè)量學(xué)的主要研究對(duì)象。

3 討論

3.1 全球幾何形態(tài)測(cè)量學(xué)在漁業(yè)領(lǐng)域研究力量分布

通過(guò)分析發(fā)現(xiàn)，幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的應(yīng)用發(fā)文量呈現(xiàn)出交替增減但整體上升的趨勢(shì)（圖1），研究規(guī)模不斷增大。Biological Journal of the Linnean Society、Journal of Fish Biology等一些經(jīng)典生物學(xué)雜志對(duì)該領(lǐng)域刊文較多（表1），并且這些期刊影響因子較高，具有較高的權(quán)威性。由高被引頻次文獻(xiàn)及高產(chǎn)作者發(fā)現(xiàn)，KLINGENBERG和LANGERHANS等學(xué)者對(duì)于該領(lǐng)域研究起到了支撐作用（表2，表4），成果質(zhì)量較高，相關(guān)文章為該領(lǐng)域的權(quán)威性文章［21-30］。以美國(guó)為主的歐美國(guó)家在該領(lǐng)域有較多的研究，我國(guó)研究起步較晚（表3），由WOS檢索發(fā)現(xiàn)，近年來(lái)，我國(guó)相關(guān)領(lǐng)域研究持續(xù)增加，主要涉及種群劃分［55-57］、種類鑒定［58］、環(huán)境對(duì)形態(tài)的影響［59］等。

3.2 研究熱點(diǎn)分析

使用CiteSpace軟件對(duì)該領(lǐng)域文章的關(guān)鍵詞進(jìn)行的突變檢測(cè)（表7）及關(guān)鍵詞網(wǎng)絡(luò)圖譜（圖3，圖4）和聚類詞（表6）綜合分析發(fā)現(xiàn)，幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的應(yīng)用研究熱點(diǎn)主要集中在：1）軟件應(yīng)用；2）鑒定分類；3）發(fā)育和演化；4）生態(tài)形態(tài)學(xué)。

幾何形態(tài)測(cè)量學(xué)即將圖像數(shù)字化，再進(jìn)行統(tǒng)計(jì)分析，需要軟件的支持，因此相關(guān)學(xué)者研發(fā)了許多軟件，例如：PAST、MorphJ軟件、R語(yǔ)言程序包：geomorph、Shape、Morpho、Momocs、LaMBDA等，其中，geomorph包可以進(jìn)行圖像數(shù)字化、普氏疊加法（Procrustes superimposition）、主成分分析（principal component analysis，PCA）等統(tǒng)計(jì)分析［60-61］；MorphJ軟件［62］、PAST軟件可直接在其程序中進(jìn)行幾何形態(tài)分析一系列操作。此外，通過(guò)不斷發(fā)展，近些年軟件方面也有很大的改進(jìn)，主要是自動(dòng)化的一些技術(shù)，例如：PETRTYL等［63］使用Proma150D數(shù)字卡尺和LUCIA軟件中的圖像分析進(jìn)行測(cè)量比較，用來(lái)評(píng)估這兩種方法的準(zhǔn)確性和適用性，MURAT和AYKUT［64］使用貝葉斯個(gè)體分配結(jié)構(gòu)軟件解釋了不同棲息地物種形態(tài)的混合程度，HSIANG等［65］還研發(fā)了一個(gè)新的軟件AutoMorph，主要可以運(yùn)行在UNIX系統(tǒng)上，可以更高效地自動(dòng)對(duì)2D和3D圖像處理和形狀提取?？梢钥闯?，軟件開(kāi)發(fā)逐漸向著更加簡(jiǎn)便、快速的方向發(fā)展。

鑒定分類研究是GM在漁業(yè)中應(yīng)用的研究熱點(diǎn)，種類鑒定和種群劃分對(duì)于漁業(yè)資源管理并確定種類來(lái)源方面有著重要的作用［66］。通過(guò)對(duì)幾何形態(tài)數(shù)據(jù)進(jìn)行方差分析、典型變量分析等可以用于分析形態(tài)的差異，同時(shí)可以利用判別分析對(duì)分類的結(jié)果進(jìn)行檢驗(yàn)［44，67-69］。例如，EGE等［70］對(duì)寄居蟹（Paguridae）蟹螯進(jìn)行三維建模的形態(tài)分析，得到精確的分類結(jié)果，適用于研究寄居蟹爪形態(tài)的種間和種內(nèi)差異。AFANASYEV等［71］以魚(yú)類耳石形狀作為形態(tài)特征，通過(guò)Shape軟件的橢圓傅里葉分析法達(dá)到種類鑒定分類的目的，WOOD等［72］對(duì)不同棲息環(huán)境的象拔蚌（Panopea abrupta）的殼進(jìn)行形態(tài)學(xué)分析，發(fā)現(xiàn)在溫度較低和生產(chǎn)力較高的地方生活的種類體型較大并具有顯著的空間差異，結(jié)果可以用于區(qū)分不同海域的種群。此外，F(xiàn)ANG等［56］使用4種優(yōu)勢(shì)章魚(yú)屬（Octopus）種類攝食器官角質(zhì)顎（beak）的形態(tài)進(jìn)行種類鑒別，并加入機(jī)器學(xué)習(xí)的方法進(jìn)行分類判別，結(jié)果表明機(jī)器學(xué)習(xí)方法可以提高分類精度。還有許多種群劃分和種類鑒定［73-74］的應(yīng)用，這些鑒定研究方法是管理者用作對(duì)未識(shí)別個(gè)體進(jìn)行分類的理想工具。對(duì)于分類鑒定，GM方法能夠較好地區(qū)分出不同種類、種群，但對(duì)于形態(tài)差異不明顯的研究對(duì)象，其分類效果不佳?？偟膩?lái)說(shuō)，GM在漁業(yè)領(lǐng)域的鑒定研究已較為成熟，一些漁業(yè)資源種類的硬組織，如耳石、外殼等的形態(tài)特征在分類鑒定的研究中應(yīng)用較為廣泛，并且具體的分析步驟也在不斷地改進(jìn)。未來(lái)隨著新技術(shù)的不斷發(fā)展，GM在漁業(yè)中鑒定分類的應(yīng)用將取得更大的進(jìn)步。

發(fā)育和演化方面，與鑒定分類不同，該領(lǐng)域主要分析研究對(duì)象的形態(tài)差異，并可利用個(gè)體和系統(tǒng)發(fā)育的差異解釋研究對(duì)象的演變與進(jìn)化［21］，重建生物個(gè)體和群體的演化史。1）研究對(duì)象的身體及部位形態(tài)都可進(jìn)行個(gè)體發(fā)育分析。體形方面，KOUTTOUKI等［39］對(duì)尖吻重牙鯛（Diplodus puntazzo）幼體、變態(tài)發(fā)育時(shí)期的體形進(jìn)行分析，薄板樣條分析發(fā)現(xiàn)，個(gè)體發(fā)育主要與鰭、尾柄、鼻部等身體部位的發(fā)育相關(guān)；COLANGELO等［75］分析了重牙鯛屬（Diplodus）4個(gè)種類的形態(tài)變異模式，研究更加廣泛；SMITH等［76］利用人工模擬建造的水流裝置發(fā)現(xiàn)，種間競(jìng)爭(zhēng)可以在幾個(gè)月內(nèi)誘導(dǎo)幼年大西洋鮭（Salmosalar）的體形分化，繼而影響其游泳能力。此外，也存在局部形態(tài)的研究，CRESPI-ABRIL等［77］發(fā)現(xiàn)阿根廷滑柔魚(yú)（Illex argentinus）在個(gè)體發(fā)育過(guò)程中尾部逐漸變寬，這表明其通過(guò)發(fā)育來(lái)優(yōu)化游泳性能；蟹類形態(tài)研究還發(fā)現(xiàn)雄性的蟹螯會(huì)產(chǎn)生特殊的拱形，用來(lái)吸引異性增加個(gè)體交配的機(jī)會(huì)［78］；POWDER等［79］還發(fā)現(xiàn)慈鯛科魚(yú)類（Cichlidae）在不同發(fā)育階段的顱面形態(tài)存在巨大差異。2）系統(tǒng)發(fā)育分析用來(lái)推斷或者評(píng)估進(jìn)化關(guān)系，一般用進(jìn)化樹(shù)來(lái)描述同一譜系的進(jìn)化關(guān)系［80］。GM在漁業(yè)領(lǐng)域研究主要探索了形態(tài)參數(shù)在系統(tǒng)發(fā)育中的應(yīng)用［22］，經(jīng)歷了形態(tài)——形態(tài)與分子數(shù)據(jù)結(jié)合的方法轉(zhuǎn)變。形態(tài)數(shù)據(jù)：FRANKLIN等［81］對(duì)鰩目（Batoidea）的60個(gè)種類進(jìn)行了系統(tǒng)發(fā)育樹(shù)的構(gòu)建，表明基于形態(tài)的系統(tǒng)發(fā)育中某些部位決定其游泳方式；KARANOVIC等［82］發(fā)現(xiàn)介形類（Ostracoda）殼形狀的分類與分子系統(tǒng)發(fā)育有著相似的結(jié)果，GM方法有助于重塑古生物數(shù)據(jù)集的相關(guān)物種的演化。后續(xù)研究發(fā)現(xiàn)，基于形態(tài)數(shù)據(jù)的系統(tǒng)發(fā)育樹(shù)并不精準(zhǔn)，于是將形態(tài)與分子數(shù)據(jù)相結(jié)合，F(xiàn)EULNER等［83］結(jié)合了多種分子標(biāo)記和幾何形態(tài)計(jì)量學(xué)來(lái)修正當(dāng)前象鼻魚(yú)（Gnathonemuspetersi）的系統(tǒng)發(fā)育學(xué)，此外，還發(fā)現(xiàn)細(xì)長(zhǎng)的象鼻狀的吻部形狀是它們之間形態(tài)分化的主要原因，表明同屬不同種類可能受到了不同食物來(lái)源的驅(qū)動(dòng)；PEREZ-MIRANDA等［84］還評(píng)估了幾種線粒體和核遺傳標(biāo)記以及形態(tài)學(xué)數(shù)據(jù)的有用性。因此，作為簡(jiǎn)便而快速的GM方法在一些形態(tài)差異較明顯的物種中構(gòu)建系統(tǒng)發(fā)育樹(shù)有顯著的效果，一些差異不明顯的近緣物種分類效果不明顯，需要結(jié)合分子生物學(xué)來(lái)重構(gòu)發(fā)育樹(shù)，漁業(yè)中僅依賴基于形態(tài)發(fā)育和演化研究存在一些不足，因此基于多方法結(jié)合的發(fā)育演化研究將是未來(lái)研究的熱點(diǎn)。

生態(tài)形態(tài)學(xué)（2002年—2019年）是生物學(xué)和生態(tài)學(xué)的交叉學(xué)科研究，主要是研究環(huán)境因子（包括物理的和生物的）與形態(tài)之間關(guān)系，解釋形態(tài)與生態(tài)位之間的相互貢獻(xiàn)［85］。FRANSSEN等［86］評(píng)估了傳統(tǒng)和幾何形態(tài)測(cè)量方法表征生態(tài)相關(guān)形態(tài)變異的能力，結(jié)果表明，傳統(tǒng)和幾何形態(tài)測(cè)量方法有各自獨(dú)特的測(cè)量?jī)?yōu)勢(shì)，傳統(tǒng)的形態(tài)計(jì)量學(xué)可以考慮一些三維位置的橫向距離，幾何形態(tài)測(cè)量學(xué)側(cè)重于捕捉形狀的幾何變化。BOWER和PILLER［87］還分析了體形與營(yíng)養(yǎng)生態(tài)位的相關(guān)關(guān)系，發(fā)現(xiàn)體形與營(yíng)養(yǎng)介導(dǎo)和水流體系存在一定的關(guān)系，是確定生態(tài)位的可靠指標(biāo)。此外，SCALICI等［88］還發(fā)現(xiàn)暴露于污染水域中的地中海貽貝（Mytilusgalloprovincialis）的貝殼形狀產(chǎn)生了不對(duì)稱性，結(jié)果表明該貝類是針對(duì)海洋污染有效的預(yù)測(cè)工具。生物由于受到不同的物理環(huán)境影響，在身體的一些部位產(chǎn)生了不同表型（表型可塑性），此方面內(nèi)容在漁業(yè)領(lǐng)域中研究較多［37，88-90］。對(duì)于漁業(yè)生物個(gè)體的功能性結(jié)構(gòu)，例如魚(yú)鰭、頭足類的攝食器官角質(zhì)顎等，不同的生活環(huán)境導(dǎo)致它們?cè)谛螒B(tài)上差異的可能性更大，因此基于多環(huán)境因子探究環(huán)境對(duì)生物功能性部位形態(tài)的具體影響機(jī)制，需要在未來(lái)研究中重點(diǎn)關(guān)注。

3.3 存在問(wèn)題及展望

本文利用文獻(xiàn)計(jì)量學(xué)的方法，對(duì)幾何形態(tài)測(cè)量學(xué)在漁業(yè)中的研究熱點(diǎn)和發(fā)展歷程進(jìn)行了總結(jié)概括，由于摘要檢索不夠細(xì)致，一些具體有用的內(nèi)容必須在文章中才能查閱到，因此預(yù)測(cè)未來(lái)研究的趨勢(shì)還應(yīng)大量閱讀文獻(xiàn)獲得更多的研究信息作為補(bǔ)充。另外，在數(shù)據(jù)的完整性方面，由于僅對(duì)Web of Science中的核心合集數(shù)據(jù)庫(kù)進(jìn)行分析，因此數(shù)據(jù)可能存在一些疏漏，在未來(lái)研究中應(yīng)結(jié)合多個(gè)國(guó)家數(shù)據(jù)庫(kù)的文獻(xiàn)數(shù)據(jù)進(jìn)行分析。幾何形態(tài)測(cè)量學(xué)經(jīng)過(guò)30多年的研究正逐步走向成熟，但通過(guò)對(duì)文獻(xiàn)計(jì)量和文章內(nèi)容分析發(fā)現(xiàn)由于一些技術(shù)上的限制，該方法在研究分析中還有待完善。

1）目前在漁業(yè)中的應(yīng)用大多是二維形態(tài)的分析，即對(duì)某一物種的體形、硬組織等平面拍攝獲取形態(tài)數(shù)據(jù)，缺乏對(duì)立體參數(shù)的分析，三維的立體幾何形態(tài)數(shù)據(jù)在可視化形態(tài)差異方面更優(yōu)，但對(duì)于不同的研究目的在應(yīng)用三維數(shù)據(jù)時(shí)是否能產(chǎn)生更好的分析效果？因此需要評(píng)估二維與三維數(shù)據(jù)的優(yōu)缺點(diǎn)。隨著新技術(shù)的不斷出現(xiàn)，未來(lái)形態(tài)分析還應(yīng)朝面向立體的研究方向發(fā)展。

2）該領(lǐng)域誤差研究較少，形態(tài)分析的過(guò)程中會(huì)產(chǎn)生許多誤差，例如由于樣本保存等原因造成某些部位缺失產(chǎn)生的誤差、基于地標(biāo)點(diǎn)法分析形態(tài)時(shí)，手動(dòng)標(biāo)記地標(biāo)點(diǎn)時(shí)因標(biāo)記者主觀因素產(chǎn)生的誤差等。因此在漁業(yè)領(lǐng)域形態(tài)分析中應(yīng)充分考慮產(chǎn)生誤差的原因并盡量降低誤差。另外，誤差分析需要在未來(lái)加強(qiáng)研究，降低誤差產(chǎn)生的非原始形態(tài)變異的影響。

3）人工智能識(shí)別是當(dāng)今的發(fā)展大趨勢(shì)，打開(kāi)了生物形態(tài)識(shí)別應(yīng)用的新領(lǐng)域，即將形態(tài)數(shù)據(jù)載入建模運(yùn)算得到形態(tài)差異。在其他領(lǐng)域?qū)τ趲缀涡螒B(tài)測(cè)量學(xué)與深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等方法相結(jié)合的研究頗多，例如圖像識(shí)別可以應(yīng)用到分類鑒定中，自動(dòng)地標(biāo)點(diǎn)提取應(yīng)用到地標(biāo)點(diǎn)法中。當(dāng)前在漁業(yè)領(lǐng)域中人工智能與幾何形態(tài)測(cè)量學(xué)結(jié)合的研究還比較少，相信在未來(lái)隨著人工智能的發(fā)展，該方向?qū)⑷〉瞄L(zhǎng)足進(jìn)步。