徐胜勇，张 辉，潘晓哲，王燕平，徐思嘉，黄子敏，高天翔

（中国海洋大学海洋生物多样性与进化研究所，山东 青岛266003）

许氏平鲉（Sebastes schlegelii Hilgendorf，1880）属鲉形目（Scorpaeniformes）、鲉科（Scorpaenidae）、平鲉属（Sebastes），俗称黑鲪、黑头等，系中国近海习见冷温性底层鱼类，分布于朝鲜东西两岸、日本北海道以南及鄂霍次克海南部水域，中国主要分布于渤海、黄海和东海近海。许氏平鲉营半定居性生活，不做长距离洄游，常栖息于近海岩礁地带及海藻丛生的海区、洞穴中［1］。

许氏平鲉是中国北方近海常见经济鱼类。由于捕捞过度和渔场环境变化，许氏平鲉资源明显衰退，其经济价值逐年提高［2］。近年来，山东省开展了许氏平鲉资源增殖放流，并已取得较好成果［3］。

耳石是内耳中碳酸钙（CaCO3）的结晶体，存在于硬骨鱼类内耳的膜迷路内。耳石有微耳石、矢耳石和星耳石之分，通常矢耳石最大［4］，在研究中应用也为最多。鱼类耳石形态是鱼类种间分类特征之一，国外学者多利用图形分析软件，将耳石形态学分析广泛应用于鱼类种内、种间的群体鉴别、比较［5－6］。国内在耳石形态方面的研究较少，郑文莲对鲹科等鱼类的耳石形态进行研究［7］，罗秉征等利用耳石形态分析以区分带鱼的不同群体［8］，叶振江等对天竺鲷属鱼类、2种鲈鱼的耳石形态进行过研究［9－10］。

文章采集了中国沿海8个许氏平鲉群体，通过对其耳石形态特征的多元统计分析，并与耳石形态傅里叶分析结果进行比较，以确定耳石形态特征在许氏平鲉群体识别上的有效性，丰富鱼类种群耳石形态学研究。

1 材料与方法

1.1 实验样品材料

图1 采样地点Fig.1 Sampling sites

许氏平鲉群体样品于2007年分别采自丹东、胶南、青岛、连云港、乳山、荣成、烟台和日照近海（见图1、表1）。对样品进行常规生物学测定后，取左右矢耳石备用。

表1 许氏平鲉采样信息Table 1 Sample information of the eight populations of Sebastes schlegelii

1.2 实验方法

1.2.1耳石测定前处理 用蒸馏水清洗左右矢耳石，将耳石置于已编号的离心管中，加蒸馏水浸泡1h后，用KQ3200型超声波清洗仪清洗30min，放入50℃烘箱中烘干至恒重。

1.2.2 耳石形态学指标的测定 对左右耳石进行独立样本t检验，结果显示许氏平鲉左右耳石差异不显著。故统一使用左耳石的测量指标进行数据分析。

许氏平鲉为体内受精、卵胎生。山东近海的许氏平鲉产卵期为4、5月份，在5月上、中旬最盛［1，11］。分别选择许氏平鲉雌雄各30尾个体左耳石，对耳石质量及原始测量指标进行独立样本t检验（见表2），结果显示许氏平鲉雌雄个体的左耳石在8个指标上均无显著差异（P＞0.1）。其耳石属曲面型耳石，故分析数据时统一采用左耳石凹面的测量指标［7］。

表2 许氏平鲉雌雄个体耳石比较Table 2 The analysis of t－test for the male and female otolith of Sebastes schlegelii

将烘干的左矢耳石用电子天平称重（精度为0.01 mg）。用连于 Nikon SMZ8000型解剖镜的 Nikon DN100数码相机按照编号顺序对其进行拍照。采用图像分析软件Image－Pro Plus 6.0分析耳石图像，得出以下8个耳石参数：耳石面积、耳石最大和最小半径、耳石长、耳石宽、耳石周长、耳石最大和最小Feret径长［12］（见表3）。利用耳石质量和8个耳石参数得到耳石的形状指标（见表3）。

表3 许氏平鲉耳石形状指标与尺寸参数Table 3 Shape indices and size parameter of otolith for Sebastes schlegelii

在形状指标中，圆度表征耳石外部轮廓的差异，环率表征耳石等面积圆间的差异程度，圆度值越大或环率值越小，表明耳石轮廓越趋近于圆；椭圆率表示外缘点到长短轴间的距离是否成比例；形态因子表示耳石轮廓的规则程度，其值越小，耳石轮廓越不规则；半径比、Feret比与幅形比刻画的是耳石间的长短轴间的差异程度；矩形趋近率描述了耳石轮廓与耳石最小外接矩形的关系；面密度描述耳石的厚薄程度，值越大，耳石越厚，在某种意义上反映耳石的三维特征［12］。以上指标均为比值，在一定程度上可以消除因摆放位置、耳石大小不同等客观因素对耳石形态分析结果产生的影响。

1.2.3 数据分析 对9个耳石形状指标分别进行单因子方差分析、判别分析、主成分分析以及傅里叶分析［6，12－16］。

（1）单因子方差分析 采用Tamhane’s T2法和LSD法进行单因子方差分析（one－way ANOVA），对8个群体进行多重比较分析各指标差异。

（2）判别分析 采用逐步判别法（Fisher’s准则），建立8个种群的线性判别函数，对各样本的归属进行判别。（3）主成分分析 计算9个耳石形状指标的特征值并从中选出特征值大于1的成分因子，作为主成分，并利用第一、第二主成分得分绘制主成分载荷图。

（4）傅里叶分析 傅里叶分析法是通过比较分析耳石轮廓曲线的数学表达式系数，对耳石外部轮廓形态进行研究。耳石的外部轮廓形态特征主要是前20个谐值描述的，取前20个谐值进行傅里叶分析［10，12］，每个谐值由4个形态变量an、bn、cn和dn表示。对20个谐值进行标准化处理后，前3个系数a1＝1，b1＝c1＝0为常数，实际用以计算的变量为77个。对77个变量进行傅里叶分析。

上述所有分析及绘图均用SPSS 15.0处理。

表4 许氏平鲉群体9个耳石形状指单因子方差分析结果Table 4 Result of one－way ANOVA for 9shape indices of otolith of Sebastes schlegelii populations（Mean±S.D.）

2 分析结果

2.1 单因子方差分析结果

表4显示8个许氏平鲉群体的9个指标的单因子方差分析结果。结果显示丹东和荣成群体与其他7个群体存在较多的显著性差异：例如丹东和胶南群体有7个指标（X2、X3、X4、X5、X6、X7、X9）存在显著差异；荣成群体和烟台群体有7个指标（X1、X4、X5、X6、X7、X8、X9）存在显著差异。同时乳山群体和胶南群体之间有9个指标的差异不显著。

2.2 判别分析结果

对8个群体的9个耳石形状指标进行逐步判别分析，得出以6个耳石形状指标（X1、X2、X3、X4、X7、X9）为自变量的判别方程：

丹东：Y丹东＝53.467X1＋19 471.52X2＋623.196X3＋4 962.223X4＋604.280X7＋101 812.9X9－14 825.1

胶南：Y胶南＝53.736X1＋19 690.26X2＋627.716X3＋4 912.891X4＋608.971X7＋101 813.5X9－15 032.1

连云港：Y连云港＝51.657X1＋19 495.05X2＋623.737X3＋4 922.389X4＋594.241X7＋106 759.1X9－14 809.8

青岛：Y青岛＝51.042X1＋19 719.84X2＋628.782X3－4 987.827X4＋603.737X7＋110 127.4X9－15 126.1

日照：Y日照＝39.818X1＋19 549.73X2＋623.918X3＋4 940.514X4＋591.372X7＋106 898.1X9－14 851.6

荣成：Y荣成＝53.383X1＋19 485.04X2＋621.626X3＋4 834.266X4＋619.480X7＋103 259.9X9－14 745.5

乳山：Y乳山＝54.398X1＋19 668.88X2＋627.513X3＋4 936.637X4＋602.588X7＋99 874.88X9－15 016.0

烟台：Y烟台＝55.316X1＋19 458.81X2＋622.271X3＋4 993.856X4＋597.480X7＋95 901.31X9－14 801.5

将各个体的耳石形状指标依次代入以上8个判别方程，每个个体得到8个函数值，最大的函数值对应的判别函数表示的群体即为该个体所属的群体。表5显示8

个群体的判别分析结果。从表5可以看出判别正确率 在48.4%～86.2%之间，综合判别正确率为64.9%。

表5 许氏平鲉群体判别分析结果Table 5 Discriminant result of Sebastes schlegelii populations

图2 基于前2个判别函数值的散点图Fig.2 Scatter plot based on the first two discriminant functions

从基于前2个判别函数值的散点图可以看出，8个许氏平鲉群体相互混合，呈随机分布状态，各群体间个体不易分开（见图2）。

2.3 主成分分析结果

结果显示存在2个形状指标的特征值大于1，将它们分别作为第一、第二主成分（见表6）。2个主成分的累积贡献率约为72%。在第一主成分中，形状指标幅形比、半径比、Feret比和椭圆率的载荷量较大，主要反映耳石的长短轴的差异程度；在第二、第三主成分中，面密度、形态因子的载荷量较大，面密度在某种程度上反映耳石形态的三维特征，形态因子反映了耳石轮廓的不规则程度［12］。从前2个主成分的散点图中可以看出8个群体的个体随机分散于4个象限中，各群体之间存在明显的交叉现象（见图3）。图2和3均显示8个许氏平鲉群体之间耳石形态指标差异不显著。

表6 许氏平鲉群体耳石形状指标主成分分析结果Table 6 Result of principal component analysis for otolith shape indices of Sebastes schlegelii populations

图3 耳石形状指标的第一、第二主成分散点图Fig.3 Scatter plot of scores based on the first two principal components for otolith shape indices of Sebastes schlegelii populations

2.4 傅里叶分析结果

对得到的77个变量进行判别分析和主成分分析，结果如下：

判别分析结果（见表7）显示判别正确率在16.0%～79.3%之间，综合判别正确率为43.8%。

基于前2个判别函数值做的散点图显示8个许氏平鲉群体的个体混合在一起，也呈随机分布状态（见图4）。

通过对77个指标进行主成分分析，结果（见表8）显示存在9个成分的特征值大于1，将他们分别作为第一到第九主成分。9个主成分的累计贡献率为89.2%。根据第一、第二主成分得分构建的散点图（见图5）显示8个群体个体杂乱无序的分布于4个象限中。

图4 基于前2个判别函数值的散点图Fig.4 Scatter plot based on the first two discriminant functions

图5 傅里叶数据的第一、第二主成分散点图Fig.5 Scatter plot of principal component analysis for Fourier's data

表8 傅里叶数据的主成分分析结果Table 8 Principal component analysis's result of Fourier's data

应用傅里叶分析判别正确率比形状指数法低21.1%，主成分分析结果显示8个许氏平鲉群体间交流频繁，散点图直观地说明8个群体间差异不显著。傅里叶分析结果也表明中国近海8个许氏平鲉群体间耳石差异不显著，这与多元统计分析方法结果相一致。

3 讨论

3.1 鱼体体长对耳石形态的影响

许多学者研究发现，鱼体大小影响耳石的形状指标。在鱼类早期发育阶段耳石的外部形态是不稳定的，同鱼体一样，耳石也需要经历形成、成长和稳定等阶段［18］。许氏平鲉耳石生长和鱼体生长之间呈线性关系［1］，目前鱼体生长率和耳石生长率的关系是国内外学者探讨的热点。耳石生长同鱼体生长一样受到各种生理因子和环境要素等内外因素的影响，二者关系较为复杂［15］。有关不同生长阶段的许氏平鲉耳石与鱼体生长的关系尚待进一步研究。

3.2 多元统计分析与傅里叶分析方法比较

对8个许氏平鲉群体的耳石形态进行单因子方差分析（见表4），结果表明，只有丹东和日照、青岛、烟台、乳山存在较大的显著差异，其他各群体间差异不明显。这可能是由于丹东位于中国与朝鲜交界海域，烟台、乳山、青岛等采样地点位于渤海南部或者黄海海域，地域上形成一定的差异；海域洋流是否造成丹东群体与其他许氏平鲉群体进行交流受限尚有待进一步研究。

对9个性状指标的逐步判别分析（见表5）显示，共有80个耳石判别分析结果错误，而且相对较分散，说明8个群体间耳石形状存在近似或相似的特征，散点图（图2）结合主成分分析结果（见图3）也说明8个群体间个体差异不明显。结合单因子方差分析的结果，可以发现在中国近海8个许氏平鲉群体之间并不存在非常显著的差异，只是丹东群体与烟台、乳山群体之间的差异要比其他两两群体之间的差异明显。判别分析综合判别正确率较低说明各群体耳石形态差异不明显。遗传学研究结果表明中国近海这8个许氏平鲉群体间遗传分化小，群体间存在广泛交流，这与文章研究结论相一致。

傅里叶形态分析法针对耳石的轮廓进行研究，消除了耳石图形的位置、大小、测量基点和旋转角度对耳石形态分析的影响，这样更好的减小分析误差［5，14－16］。该研究结果显示傅里叶分析方法与第一种分析方法结果一致，同时傅里叶分析方法的结果与第一种分析方法相比有更高的说服力（见图4、5、表7），说明傅里叶分析方法较简单耳石形态测量方法在许氏平鲉群体耳石分析中有更高的准确性。

3.3 耳石形态分析方法的探讨

耳石形态分析方法与传统鱼类群体形态学研究方法相比，具有操作可重复性，样品保存方便，受外界环境影响小等优点［6，18］，在种内、种间鉴别方面具有明显优势，日益受到学者的重视。

利用耳石形态进行种内、种间鉴别主要有5种研究方法，即可量性状比较法、文字描述法、地标法、形状指标法和傅里叶分析比较法［15］，上述方法各有优缺点。近年来，傅里叶分析方法与形状指标法结合使用，增加了准确性。例如Burke等结合傅里叶分析法（Fourier’s analysis）和形状指标法（shape indices）对大西洋鲱进行群体鉴别，正确率高达95%［19］；王英俊等运用傅里叶分析法和形状指标法对细条天竺鲷和黑鳃天竺鲷进行种间鉴别，正确率分别为82%和88%［20］。

本文在分析变量中引入耳石质量信息，一定程度上增加了耳石的三维特征对耳石形态的描述，同时将普通耳石形状指标分析方法与傅里叶分析方法相比较，结果显示傅里叶分析结合形状指标分析法较单一使用一种耳石形态分析方法能够更好地说明群体差异性（图4、5、表7）。本文通过耳石形态研究对中国近海许氏平鲉的8个群体进行多元统计分析，分析结果同遗传学方法研究结果一致，表明耳石形态分析能够较好的应用于许氏平鲉的群体鉴别。鱼类耳石形态分析方法在种内鉴别方面有重要的应用价值，该研究丰富了耳石形态分析方法在种内鉴别方面的应用，对国内渔业生态学研究有借鉴意义。

［1］ 李军.许氏平鲉（Sebastes schlegelii）的年龄和生长及耳石图像识别系统的设计 ［D］.青岛：中国海洋大学，2005.

［2］ 朱龙，隋凤美.许氏平鲉的生物学特征及其人工养殖 ［J］.现代渔业信息，1999，14（4）：21－25.

［3］ 张秀梅，王熙杰，涂忠，等.山东省渔业资源增殖放流现状与展望［J］.中国渔业经济，2009，2（27）：51－58.

［4］ 张治国，王卫民.鱼类耳石研究综述 ［J］.湛江海洋大学学报，2001，21（4）：77－83.

［5］ 叶振江.中国海洋鱼类耳石形态分析及应用研究 ［D］.青岛：中国海洋大学，2009.

［6］ 王英俊，叶振江，杨永桓，等.耳石形态在黄海蓝点马鲛群体鉴别方面的应用 ［J］.中国海洋大学学报：自然科学版，2007，37（增刊）：155－158.

［7］ 郑文莲.中国鲹科等鱼类耳石形态的比较研究 ［C］.鱼类学论文集（第2辑），北京：科学出版社，1981：39－45.

［8］ 罗秉征，卢继武，黄颂芳.中国带鱼耳石生长的地理变异与地理种群的初步探讨 ［C］.海洋与湖沼论文集，北京：科学出版社，1981：181－194.

［9］ 叶振江，孟晓梦，高天翔，等.两种花鲈（Lateolabraxsp.）耳石形态的地理变异 ［J］.海洋与湖沼，2007，38（4）：356－360.

［10］ 叶振江，张弛，王英俊，等.中国天竺鲷属鱼类的矢耳石形态特征 ［J］.海洋学报，2010，32（5）：87－92.

［11］ 陈大刚，叶振江，段珏，等.许氏平鲉繁殖群体的生物学及其苗种培育的初步研究 ［J］.海洋学报，1994，16（3）：94－101.

［12］ 潘晓哲，高天翔.基于耳石形态的鱚属鱼类鉴别 ［J］.动物分类学报，2010，35（4）：799－805.

［13］ 曾祥波.鲢、鳙和草鱼仔幼鱼耳石形态及种类鉴别中的应用［D］.武汉：华中农业大学，2001.

［14］ 王英俊.傅里叶分析在鱼类耳石形态学中的应用研究 ［D］.青岛：中国海洋大学，2010.

［15］ 王巍令.斑尾复鰕虎鱼耳石成份研究 ［D］.青岛：中国海洋大学，2010.

［16］ 廖锐，区又军.鱼类耳石研究和应用进展 ［J］.南方水产，2008，4（1）：69－75.

［17］ 王英俊.耳石在鱼类年龄生长和群体鉴别中应用的初步研究［D］.青岛：中国海洋大学，2007.

［18］ 兰永伦，罗秉征.大黄鱼耳石、体长与年龄的关系 ［J］.海洋与湖沼，1996，27（3）：323－329.

［19］ Burke N D，Brophy P A.Shape analysis of otolith annuli in Atlantic herring（Clupea harengus）：a new method for tracking fish populations［J］.Fisheries Research，2008，91（2－3）：133－143.

［20］ 王英俊，叶振江，刘群，等.细条天竺鱼与黑鳃天竺鱼耳石形态识别的初步研究 ［J］.海洋与湖沼，2010，41（2）：282－285.

［21］ Friedland K D，Reddin D G.Use of otolith morphology in stock discriminations of Atlantic salmon（Salmo salar）［J］.Canadian Journal of Fisheries and Aquatic Sciences，1994，51：91－98.

［22］ Tuset V M，Rosin P L，Antonio Lombarte.Otolith shape used in the identification of fishes of the genus Serranus ［J］.Fisheries Research，2006，81（2－3）：316－325.

［23］ Ponton Dominique.Is geometric morphometrics efficient for comparing otolith shape of different fish species？［J］.Journal of Morphology，2006，267（6）：750－757.

［24］ Campana S E，Casselman J M.Stock discrimination using otolith shape analysis ［J］.Canadian Journal of Fisheries and Aquatic Sciences，1993，50：1062－1083.

［25］ 张晓霞，叶振江，王英俊，等.青岛海域小眼绿鳍鱼耳石形态的初步研究 ［J］，中国海洋大学学报：自然科学版，2009，39（4）：622－626.

［26］ 郭弘艺，唐文乔，魏凯，等.中国鲚属鱼类的矢耳石形态特征［J］.动物学杂志，2007，42（1）：39－47.

［27］ Alvarez A，Morales－Nin B，Palmer M，et al.A two－dimension otolith growth inverse model［J］.Journal of Fish Biology，2008，72（3）：512－522.

［28］ Campana S E.Otolith science entering the 21st century［J］.Marine and Freshwater Research，2005，56：485－495.

［29］ Pothin K，Gonzalez－Salas C，Chabanet P R.Distinction between Mulloidichthys flavolineatus juveniles from Reunion Island and Mauritius Island （south－west Indian Ocean）based on otolith morphometrics［J］.Journal of Fish Biology，2006，69：1－16.

［30］ Reichenbacher B，Ulrike S，Helmut K，et al.Combined otolith morphology and morphometry for assessing taxonomy and diversity in fossil and extant killifish（Aphanius prolebias）［J］.Journal of Morphology，2007，268（10）：898－915.

［31］ Rohlf F J，Marcus L F.A revolution in morphometrics［J］.Trends in Ecology and Evolution，1993，8（4）：129－132.

［32］ Smith K.Regional differences in otolith morphology of the deep slope red snapper Etelis carbuncdus ［J］.Canadian Journal of Fisheries and Aquatic Sciences，1992，49（4）：795－804.

［33］ Tuset V M，Lozano I J，Gonzalez J A，et al.Shape indices to identify regional differences in otolith morphology of comber，Serranus cabrilla ［J］.Journal of Applied Ichthyology，2003，19（2）：88－93.

［34］ Beatriz Morales－Nin.Review of the growth regulation processes of otolith daily increment formation［J］.Fisheries Research，2000，46（1）：53－67.

［35］ Adams D C，Rohlf F J，Slice D E.Geometric morphometrics：ten years of progress following the′revolution′［J］.The Italian Journal of Zoology，2004，71（1）：5－16.