《借助同位素空间分布开发追踪鲑鱼海洋迁移的方法》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: liguiju
  • 发布时间:2020-04-09
  • 鲑鱼有趣的迁徙生态和作为食物资源的潜力一直吸引着人们。大多数沿河产卵的鲑鱼历经数年迁移到海洋中,然后从海洋洄游到出生地。它们旅行的总距离有时超过10000公里。然而,多数情况下,由于很难在海洋中追踪它们,它们在海洋中长途旅行的目的和目的地仍然充满了神秘感。

    日本海洋研究开发机构(JAMSTEC)和日本东北大学的研究人员合作开发了一种新的分析方法,通过结合回顾性同位素分析和同位素比值的空间分布即同位素景观图(isoscape,又译同位素景观图谱等)来跟踪单个鲑鱼的海洋迁徙,该项研究成果已发表在生态学(Ecology Letters)杂志上。

    鱼类硬组织(如椎体和耳石)的增量生长记录了其栖息地的化学环境变化。其中,椎体是一种重建追溯性稳定氮同位素比值(15N/14N)的有效组织,不同地理位置之间存在着显著差异。因此,结合稳定氮同位素比值的空间分布和鲑鱼的回顾性同位素分析,可以重建鲑鱼的迁徙路线。

    研究人员最初通过采集桡足类氨基酸进行化合物特定同位素分析,生成了北太平洋北部稳定氮同位素比值的空间分布。然后,对从日本三条不同溪流中采集的成熟鲑鱼进行了回顾性稳定氮同位素分析。最后,使用一个状态空间模型来估计单个鲑鱼的迁移路径,该模型可以包含鲑鱼同位素比值的空间分布和回溯同位素位移。

    该研究方法成功再现了鄂霍次克海和白令海之间已知的鲑鱼洄游路线。此外,该研究还发现在鲑鱼成长后期白令海陆架存在一条新的迁移路线,这一阶段与鲑鱼的性成熟时间相对应。因此,研究结果表明,鲑鱼的海洋迁徙目的地是东白令海大陆架,在这一高产地区,鲑鱼可以通过摄食来满足性成熟的营养需求。值得注意的是,该研究中提出的同位素空间分布数据和同位素追踪方法可以应用于其他迁移到北太平洋北部的海洋动物。

    (张灿影 编译)

  • 原文来源:http://www.jamstec.go.jp/e/about/press_release/20200325/
相关报告
  • 《虎鲸的食欲可能是大奇努克鲑鱼减少的原因》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-12-17
    • 虎鲸喜欢只吃它们能找到的最大、最多汁的奇努克鲑鱼。鱼越大,鲸鱼就能获得更多的能量。 这些顶级的海洋捕食者每年在西海岸吃掉250多万条成年奇努克鲑鱼。除了华盛顿濒临灭绝的南方居民外,所有其他生活在沿海的以鱼为食的逆戟鲸种群,即所谓的“居民”,数量都在增加。例如,不列颠哥伦比亚省海岸的北部居民有超过300头鲸鱼,而阿拉斯加虎鲸接近2300头。 但虎鲸喜爱的大型古老的奇努克鲑鱼在西海岸几乎已经消失了。华盛顿大学(University of Washington)和美国国家海洋和大气管理局(NOAA)的一项新研究指出,最近本地虎鲸数量的增加,以及它们对大型奇努克鲑(Chinook salmon)贪得无厌的胃口,是这种大型鱼类数量减少的主要原因。 研究结果发表在12月16日的《美国国家科学院院刊》上。 “我们有两种受保护的物种,虎鲸和奇努克鲑鱼,我们正试图增加这两种物种的数量——然而它们作为捕食者和猎物在相互作用,”该研究的主要作者,华盛顿大学水生和渔业科学学院的科学家简·奥赫伯格说。“虎鲸对奇努克表现出了很大的兴趣,直到它们长到一定的尺寸,然后它们才会把注意力集中在这些个体上。” 奇努克鲑鱼出生在淡水河流和小溪中,然后迁移到海洋中,在那里它们大部分时间都在进食和生长。每个种群在海洋中的生活方式各不相同,主要取决于它们出生的河流和它们能在哪里找到食物。华盛顿州和俄勒冈州的鱼经常向北迁移数千英里,来到阿拉斯加湾,在那里喂养和增肥,然后再回到太平洋西北部的河流产卵。 当它们返回南方,在它们的家乡溪流产卵时,西北太平洋的鲑鱼穿过几个不同的虎鲸种群的觅食地,它们似乎对大支奴干有着强烈的吸引力。有可能这些兴旺的虎鲸实际上是在从南方的逆戟鲸口中偷食一顿,而逆戟鲸的数量正在挣扎着维持在73只左右。 “我们喜欢把太平洋想象成一个非常大的地方,但那是因为我们是非常糟糕的游泳者。对于虎鲸和鲑鱼来说,这不是一个大地方。他解释说,虽然不同的虎鲸种群在海洋中相互躲避,但在争夺同一猎物时,它们的整个生活在本质上是重叠的。 过去经常能看到长40英寸以上的奇努克鲑鱼,特别是在哥伦比亚河或阿拉斯加的基奈半岛和铜河地区。身体平均尺寸的下降——大约10%的长度和25 - 30%的总重量——可能会对奇努克鲑鱼种群的生产力产生长期的影响。体型较小的雌性携带的卵越来越少,所以随着时间的推移,孵化并存活到成年的鱼的数量可能会减少。 研究人员说,当地的虎鲸通常在长到25英寸左右时才会捕食奇努克,而且它们更喜欢30英寸以上的鱼。 该研究小组分析了近40年来从加利福尼亚到阿拉斯加的孵卵场和野生奇努克种群的数据,广泛地研究了在40年的时间里和数千英里的海岸线上出现的模式。他们分析了捕捞压力是否在最大的奇努克消失的原因中起了作用,还考虑了其他因素,比如海洋条件的变化,以及从海狮和海豹等其他海洋哺乳动物那里获取食物。 尽管渔业在过去可能是大支奴干鱼类数量下降的原因之一,但自上世纪70年代以来,通过更严格的渔业法规,渔业的压力已经降低。在同一时期,本地虎鲸的数量增加了两倍。 辛德勒说:“一定有什么东西影响了最老的鱼的存活率。”“很明显,还有很多问题没有答案,但如果你采用证据确凿的方法,大多数箭头都指向海洋哺乳动物,尤其是虎鲸。” 尽管如此,研究人员警告说,仍然有很多未知的东西,比如为什么在过去有这么多的大支奴干。美国国家海洋和大气管理局西北渔业科学中心的研究科学家、研究报告的撰写者之一埃里克·沃德解释说,现在虎鲸的影响可能比过去更大,因为那时海洋里的鱼比现在多得多。海洋中奇努克鲑鱼数量的减少可能是其他因素导致的结果,这些因素加剧了逆戟鲸捕食的体型选择效应。 沃德说:“像虎鲸这样的食肉动物的数量回升,我们已经看到了明显的成功事例。”“我们试图理解当食肉动物数量增加时我们所面临的一系列权衡。” 这项研究的结果反映了北太平洋的生态系统是流动的、相互联系的,不承认州和国家边界,也不承认它们的相关管理做法。 Ohlberger说:“这项研究强调了一个事实,即地方管理战略需要放在更广阔的空间环境中。”“在这种情况下,这意味着整个海岸,因为那里是鱼类迁徙的地方。”
  • 《欧洲海洋局发布《未来科学简报》:海洋科学中的大数据》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2020-05-25
    • 2020年4月27日,欧洲海洋局发布《未来科学简报》第6期,题为“海洋科学中的大数据”。本期简报指出海洋科学正在迅速进入数字时代,并探讨了大数据,如高速率获取的、高维度多变量的海量数据,以推进海洋科学的潜在可能。 简报第一章探讨了海洋观测范围和规模的扩大,以及自动化采样和“智能传感器”,正在导致数据的不断累积。这为通过更复杂的、跨学科的分析来改变我们研究和理解海洋提供了机会,并为海洋资源的管理提供了新的方法。然而,更多的数据并不一定意味着我们有正确的数据来回答许多关键的科学问题,并就可持续利用海洋资源作出科学、数据驱动的管理决策进行了讨论。简报指出,为了提高海洋大数据财富的价值,大数据就必须公开共享、互操作,并将其整合到复杂的跨学科分析中,这些要以人工智能为基础。然而,海洋科学界还没有达到大数据革命的程度,“数据泛滥”带来了一系列独特的挑战,这对许多海洋科学家来说都是新的挑战。本文分析了在海洋科学数据采集、数据处理和管理、计算基础设施和互操作性、数据共享、大数据分析、数据验证、培训和协作方面相关的瓶颈和机遇,提出应克服某些特定的挑战,以确保海洋大数据价值的最大化。并提供了大数据在支持海洋科学中应用的一些最新进展和案例。 第二章探讨了气候科学和海洋生物地球化学,特别着重于欧洲和全球计划,以整合用于全球气候谈判的碳和其他生物地球化学数据。第三章讨论了如何利用大数据创建高分辨率、多学科的生境地图,以规划新的海洋保护区。第四章着眼于海洋生物观测,包括遗传序列、图像和水声数据,并呼吁建立一个全球连接的长期生物观测网络,以便利用大数据进行更复杂的跨学科分析。第五章论述了海洋和近海的食物供应,重点是水产养殖和利用人工智能管理海虱等暴发以及鲑鱼养殖。 为使海洋科学成为大数据驱动的学科,在第六章中,简报提出以下建议: ? 通过不断开发“智能传感器”以实现自动采样和数据处理,从而加强数据采集,以便机器能够收集更多的海洋数据。另外建议提高数据传输的效率,以便进行更多的实时或接近实时的分析和决策; ? 通过更广泛地采用基于可查找、可访问、可互操作和可重用(公平)原则的社区数据标准和精心设计的数据管理计划,加强数据处理和管理,使数据具有机器可读性。建议更多地利用现有的海洋数据管理基础设施; ? 通过升级欧洲海洋数据管理基础设施,处理和交换更多的多学科和实时数据,提高数据的互操作性和可访问性。这些基础设施应该包括更集成的云计算、数据存储和大数据分析工具。建议欧洲海洋科学共同体更多地参与开发虚拟研究环境和欧洲开放科学云倡议。建议这些基础设施应长期保持下去,多媒体和数字部门的计算技术应得到更多的跨学科应用; ? 通过新的激励措施和协议,如社会网络或数据影响因素,改善科学家、工业界和政府之间的数据共享 ? 通过发展数据科学家与海洋科学家之间的密切合作、开发标准化模型和精心管理的社区数据集来培训算法,增加大数据分析的使用并确保数据验证; ? 通过建立新的区域和全球海洋科学网络,并巩固现有网络,开展人工智能方面的专门培训。建议培训数据管理员,以保持数据输入人工智能算法的质量; ? 以工作组的形式加强海洋科学家、计算机科学家、数据科学家和数据管理人员之间的合作,让数据科学家参与海洋研究的设计。 (李学荣 编译)