本發明專利技術涉及一種基于形態可量和框架性狀的日本鯖和澳洲鯖的鑒別方法，包括：選取體高、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高7個可量參數；選取8個坐標點構建的15個框架參數；將上述的7個可量參數和15個框架參數分別進行判別分析；用REIST公式將各測量參數值進行校正；校正后的數據用Statistica8.0軟件進行判別分析。本發明專利技術方法簡單，快速，準確率高達100％。
【技術實現步驟摘要】
本專利技術屬鯖屬魚類的鑒別
，特別是涉及一種。
技術介紹
日本鯖(S. japonicus)與澳洲鯖(S. australasicus)在中國漁業經濟中占有重要地位，其分類依據主要是傳統的分類方法，利用“日本鯖腹部無斑點，澳洲鯖腹部具斑點” 作為鑒別二者的最重要依據。由于兩者形態特別相似，而且二者往往存在中間過渡類型，使得傳統的分類方法不容易區分兩者，這也導致兩者的分類地位一直存有爭議。日本鯖和澳洲鯖的不易區分，直接導致在漁業資源調查中，經常將二者作為一種漁業資源進行統計。顯然，這對于有效管理和可持續利用日本鯖和澳洲鯖漁業資源十分不利。在過去的幾十年間，魚類的形態學研究主要是基于Hubbs和Lagler (1947)提出的一套傳統的測量方法沿著魚體從頭到尾的縱軸測量長度、寬度和高度等特征值。但該方法存在以下缺陷1)測量值僅僅集中在體軸上，且大多數測量是在頭部；幻選取的坐標點往往作為一些中心點而被重復使用，導致測量的數據集包含的信息較少。幻測量值大多數從單一的坐標點輻射，因此測量值不能完全獨立，相互之間存在干擾。框架系統(truss network)是80年代初發展起來的一種基于形態測量的新方法。 Strauss和Bookstein (1982)等認為框架系統能較好地反映魚類整體的形態特性，可以克服傳統形態學不能覆蓋整個個體的不足；且框架系統坐標點全部選用具有永久生物學解剖特征的位點，因而選取的更多，分布更均勻。近年來，形態框架系統已被廣泛用于近緣種的鑒別。為有效管理和可持續利用日本鯖和澳洲鯖漁業資源，有必要查明日本鯖、澳洲鯖二者形態度量的差異，建立準確高效的鑒別標記，從而為有效管理和合理的開發利用兩種鯖魚資源提供理論基礎。
技術實現思路
本專利技術所要解決的技術問題是提供一種，該方法簡單、快速、準確率高達100%。本專利技術的一種，包括(1)可量參數的測定和坐標點的選取選取體高、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高7個可量參數；選取8個坐標點構建的15個框架參數；坐標點的確定見附圖1 ；坐標點分別為1吻前端；2第一背鰭起點；3腹鰭起點；4第二背鰭起點；5臀鰭起點；6上第五小脂鰭起點；7下第五小脂鰭起點；8最后一枚尾椎骨； 15 個框架參數分別為=D (1-2)，D (2-4)，D (4-6)，D (6-8)，D (1-3)，D (3-5)，D (5-7)， D (7-8)，D (2-3)，D (2-5)，D (4-3)，D (4-5)，D (4-7)，D (6-5)，D (6-7)；其中框架參數 D (1-2)表示坐標點1和坐標點2之間的距離，其余的依次類推；(2)判別分析將上述的7個可量參數和15個框架參數分別進行判別分析；為消除叉長對形態分析的影響，用REIST公式將各測量參數值進行校正e = exp (lnY-b (lnX-lnXL))，公式中e值為校正值，Y是原始測量值，X為各樣本的叉長，XL為各樣本叉長的均值，b為InY對InX的斜率；校正后的數據用MatisticaS. 0軟件進行判別分析，結果顯示判別準確率均為100%。為了優化測量參數，從而在實際應用中提高公式的簡便性和實用性。我們從7個可量參數中挑選貢獻度最高的2個參數體高和眼徑，從框架參數中選出貢獻度最高的3個參數第一背鰭起點到腹鰭起點的距離D(2-;3)、腹鰭起點到臀鰭起點的距離D(34)、第一背鰭起點到第二背鰭起點的距離IK2-4)，分別構建日本鯖與澳洲鯖的形態判別方程；其中參數個數依據最小值原則。可量參數方程如下日本鯖:Y = 8. 191A(BD) +7. 688A (ED) -304. 678 ；澳洲鯖Y= 6. 849A (BD) +8. 985A (ED) -253. 543。框架參數判別方程如下日本鯖Y = 7. 89Α (2-3) +8. 62Α (2-4) +8. 87Α (3-5)-1032. 33 ；澳洲鯖Y= 6· 33Α (2-3) +9. 48Α (2-4) +9. 04Α (3-5)-1037. 67。利用校正后的體高和眼徑代入可量參數方程(3. 1)或者利用校正后的ΙΚ2-3)、 D (3-5), D (2-4)代入框架參數方程(3. 中，分別計算各方程Y值。最大Y值所對應的組即為待檢個體所屬的種。本專利技術針對日本鯖和澳洲鯖，共選擇了形態學7個可量參數(體高、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高)與15個框架參數。利用上述參數分別進行判別分析，成功的區分日本鯖與澳洲鯖的個體，準確率均達到100%。同時，優化測量參數，我們選擇了判別效率較高的2個可量參數(體高和眼徑)和3個框架參數(D (2-3)、D (3-5)、D (2-4))分別構建各自的判別公式，結果顯示上述參數構建的判別方程均能準確的鑒別日本鯖和澳洲鯖個體，且判別準確率達100%。有益效果(1)本專利技術的方法簡單、快速、準確率高達100% ；(2)本專利技術的方法有望應用到日本鯖與澳洲鯖的現場檢測，在漁業資源調查和管理中發揮重要作用。附圖說明圖1本專利技術的日本鯖(或澳洲鯖)的框架坐標圖；8個坐標點間的距離組成15個框架數據。坐標點1吻前端；2第一背鰭起點；3腹鰭起點；4第二背鰭起點；5臀鰭起點；6 上第五小脂鰭起點；7下第五小脂鰭起點；8最后一枚尾椎骨。具體實施例方式下面結合具體實施例，進一步闡述本專利技術。應理解，這些實施例僅用于說明本專利技術而不用于限制本專利技術的范圍。此外應理解，在閱讀了本專利技術講授的內容之后，本領域技術人員可以對本專利技術作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。實施例1一種，以海南文昌采集的日本鯖和澳洲鯖為例加以說明。包括(1)形態數據收集。在海南文昌清瀾港收集日本鯖19尾和澳洲鯖9尾。測量這觀個個體共616個形態學數據(每個個體包括7個可量數據和15個框架數據)。其中，7個可量性狀為體高、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高；15個框架性狀數據見圖1說明。框架測量圖見圖1。 15 個框架參數分別為=D (1-2)，D (2-4)，D (4-6)，D (6-8)，D (1-3)，D (3-5)，D (5-7)， D (7-8)，D (2-3)，D (2-5)，D (4-3)，D (4-5)，D (4-7)，D (6-5)，D (6-7)。框架參數 D (1-2)表示坐標點1和坐標點2之間的距離，其余的依次類推。(2)可量參數和框架數據分析。將收集的7個可量參數與15個框架參數分別進行判別分析。用REIST[15]公式將各測量參數值進行校正，以消除叉長對形態分析的影響e = exp (lnY-b (lnX-lnXL))，公式中e值為校正值，Y是原始測量值，X為各樣本的叉長，Xl為各樣本叉長的均值，b為InY對InX的斜率。校正后的數據用MatisticaS. 0軟件進行判別分析。(3)形態學判別分析。對7個可量參數和15個框架參數分別進行逐步判別分析。 依據F值大小，從可量參數中挑選貢獻度最高的2個參數(體高和眼徑)，從框架參數中選出貢獻度最高的3個參數(D 0-3)、D (3-5)、D 0-4))分別進行判別分析。結果見表1。表1判別分析中貢獻最大的參數(按F值大小選擇)本文檔來自技高網...
【技術保護點】
１．一種基于形態可量和框架性狀的日本鯖和澳洲鯖的鑒別方法，包括：（１）選取體高、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高７個可量參數；選取８個坐標點構建的１５個框架參數；坐標點分別為：１吻前端；２第一背鰭起點；３腹鰭起點；４第二背鰭起點；５臀鰭起點；６上第五小脂鰭起點；７下第五小脂鰭起點；８最后一枚尾椎骨；１５個框架參數分別為：Ｄ（１－２），Ｄ（２－４），Ｄ（４－６），Ｄ（６－８），Ｄ（１－３），Ｄ（３－５），Ｄ（５－７），Ｄ（７－８），Ｄ（２－３），Ｄ（２－５），Ｄ（４－３），Ｄ（４－５），Ｄ（４－７），Ｄ（６－５），Ｄ（６－７）；其中框架參數Ｄ（１－２）表示坐標點１和坐標點２之間的距離，其余的依次類推；（２）將上述的７個可量參數和１５個框架參數分別進行判別分析；用ＲＥＩＳＴ公式將各測量參數值進行校正；校正后的數據用Ｓｔａｔｉｓｔｉｃａ８．０軟件進行判別分析。
【技術特征摘要】
1.一種基于形態可量和框架性狀的日本鯖和澳洲鯖的鑒別方法，包括(1)選取體高、頭長、吻長、眼徑、眼間距、尾柄長和尾柄高7個可量參數；選取8個坐標點構建的15個框架參數；坐標點分別為1吻前端；2第一背鰭起點；3腹鰭起點；4第二背鰭起點；5臀鰭起點；6 上第五小脂鰭起點；7下第五小脂鰭起點；8最后一枚尾椎骨；15 個框架參數分別為:D(l-2), D(2-4), D(4-6), D(6-8), D(1-3), D(3-5), D(5-7), D (7-8)，D (2-3)，D (2-5)，D (4-3)，D (4-5)，D (4-7)，D (6-5)，D ...
【專利技術屬性】
技術研發人員：程起群，黃昊，鄭將臣，
申請(專利權)人：中國水產科學研究院東海水產研究所，
類型：發明
國別省市：31
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。