王 超，方 舟，2，3，4，5，陳新軍，2，3，4，5

（1.上海海洋大學海洋科學學院，上海 201306；2.大洋漁業(yè)資源可持續(xù)開發(fā)教育部重點實驗室，上海201306；3.國家遠洋漁業(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)開發(fā)重點實驗室，上海 201306；5.農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學觀測實驗站，上海 201306）

20世紀60年代開始，數(shù)學定量方法開始用于描述和分析形態(tài)變異［1］，從而產(chǎn)生了形態(tài)測量學（morphometrics）。20世紀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)測量學方法得到了巨大發(fā)展，被稱為形態(tài)測量學的革命［2］，并隨之衍生出“幾何形態(tài)測量學”（geometric morphometrics，GM）。GM包括地標點法（landmark）和外形輪廓法（outline method）［3］，地標點法是通過對研究對象的外形輪廓進行標點來構(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，最后對形態(tài)數(shù)據(jù)進行多元統(tǒng)計分析來研究形態(tài)變異。外形輪廓法是對研究對象的輪廓線邊緣曲線取一定數(shù)量的點轉(zhuǎn)換為數(shù)學函數(shù)來分析形態(tài)變異，該方法只適用于邊緣具有同源性的研究對象，具有一定的局限性，因此地標點法在形態(tài)分析中的應(yīng)用更為廣泛。GM在昆蟲學［1］、古生物學［4］、生物醫(yī)學［5］等諸多領(lǐng)域有著較為廣泛的應(yīng)用，在漁業(yè)科學的生物形態(tài)研究中也有大量的應(yīng)用，例如種類鑒定［6］、種群劃分［7］、進化發(fā)育［8-9］等研究。近些年GM已經(jīng)成為貝類、魚類等漁業(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)科學問題上逐漸成為熱點。因此，有必要對GM方法在漁業(yè)中所涉及的重要內(nèi)容進行總結(jié)梳理。

文獻計量學是指用數(shù)學和統(tǒng)計學的方法，定量地分析一切知識載體的交叉科學。它是集數(shù)學、統(tǒng)計學、文獻學為一體，注重量化的綜合性知識體系［10］。本研究基于CiteSpace的文獻計量分析方法，以Web of Science數(shù)據(jù)庫中對幾何形態(tài)測量學和漁業(yè)為主題的相關(guān)文獻為檢索目標，對GM在漁業(yè)研究中的應(yīng)用進行總結(jié)分析并探索前沿研究內(nèi)容，以期對GM在漁業(yè)中的應(yīng)用研究熱點和發(fā)展趨勢進行梳理，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)來源

本文研究的文獻數(shù)據(jù)來自Web of Science核心合集數(shù)據(jù)庫，檢索時間為2021年3月15日，檢索時段為1995年1月—2021年3月。檢索的主題詞為幾何形態(tài)測量學（geometric morphometrics）、漁業(yè)（fishery），以及涉及漁業(yè)資源的4大種類：魚類（fish）、頭足類（cephalopoda）、甲 殼 類（crustacean）、貝 類（shellfish）。文獻類型選擇article、review，語種選擇English，進行目標文獻檢索，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］，通過對數(shù)據(jù)庫精煉和擴展，最終檢索到可用文獻733篇，作者、標題、摘要、關(guān)鍵字、參考文獻、引用量等文獻信息作為分析數(shù)據(jù)。

1.2 分析方法

1.2.1 描述法

文獻發(fā)表數(shù)量代表某個研究領(lǐng)域的研究熱度，是發(fā)展現(xiàn)狀的定量分析，通過數(shù)字直觀展現(xiàn)出該研究領(lǐng)域發(fā)展的過程和發(fā)展規(guī)模的大小，年度文獻量的動態(tài)變化可以直接反映研究領(lǐng)域科學研究的量變過程［11］。本研究利用WOS（Web of Science）的內(nèi)置統(tǒng)計工具對歷年文獻量分布、期刊分布、高被引頻次文獻分布、各研究方向文獻發(fā)表量、國家和地區(qū)、作者、研究機構(gòu)分布進行數(shù)據(jù)統(tǒng)計，以此來分析幾何形態(tài)測量學在漁業(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，對關(guān)鍵詞分析即可得知該文章的研究主題。知識圖譜是以科學知識為研究對象，以一定的方法描述科學知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一種圖形［12］。通過共現(xiàn)分析中共詞分析的網(wǎng)絡(luò)圖譜可以揭示幾何形態(tài)測量學在漁業(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年為一個時間分區(qū)，共9個時間切片；節(jié)點類型選擇“keyword”，選擇出現(xiàn)頻次為前50的關(guān)鍵詞進行分析，并對每一個時間切片的關(guān)鍵詞網(wǎng)絡(luò)進行剪枝，得出共詞分析網(wǎng)絡(luò)圖譜。

聚類分析（cluster analysis）是以不同關(guān)鍵詞同時出現(xiàn)的頻率和連接強度為基礎(chǔ)，通過數(shù)學方法將復(fù)雜的關(guān)鍵詞網(wǎng)狀關(guān)系簡化為相對較少的類群，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，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，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時區(qū)，733篇文獻中各年份出現(xiàn)頻次前50個關(guān)鍵詞對其剪枝，并對同義關(guān)鍵詞合并，清洗后的關(guān)鍵詞數(shù)據(jù)以時間軸聚類，來揭示研究主題的發(fā)展演變的時間跨度和進程［16-17］。

1.2.3 關(guān)鍵詞突變檢測

CiteSpace軟件所使用的突變檢測的算法為Kleinberg學者的詞頻增長率的突變檢測法［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）作為突變強度（burst strength）的指標。以關(guān)鍵詞作為分析對象，計算出突變關(guān)鍵詞的起始年份和突變強度。該算法的優(yōu)點是可以找出出現(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)域在不同時期的研究熱點，揭示每個階段關(guān)鍵主題的變化［19］。對清洗后的關(guān)鍵詞數(shù)據(jù)進行突變檢測，突現(xiàn)時間的單位設(shè)置為2年，以對近20多年幾何形態(tài)測量學在漁業(yè)中應(yīng)用的前沿熱點進行大致推測，從側(cè)面體現(xiàn)出各個階段的發(fā)展特點。

上述分析內(nèi)容均基于文獻計量軟件CiteSpace 5.7.R1。

2 結(jié)果與分析

2.1 歷年文獻量分布

根據(jù)WOS核心合集數(shù)據(jù)庫的歷年文獻量分布可以直觀呈現(xiàn)幾何形態(tài)測量學在漁業(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)測量學在漁業(yè)中的應(yīng)用文獻總計有733篇，由于2021年僅檢索了前3個月的文獻數(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，其中20世紀90年代末至21世紀初期（1996—2002）文獻發(fā)表數(shù)量較少，而2009、2012、2014這幾個年份出現(xiàn)了下降，其次年發(fā)表的文獻量則有明顯增多。2014—2016年發(fā)文量迅猛增長，2016年發(fā)文量達到了歷史最高的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，文獻發(fā)表數(shù)量較多。上述數(shù)據(jù)表明，20世紀90年代出現(xiàn)的幾何形態(tài)測量學在之后的20多年中逐漸被廣泛應(yīng)用。

圖1 歷年文獻量分布趨勢Fig.1 Trends in the distribution of literature over the years

2.2 期刊分布

通過分析發(fā)表幾何形態(tài)測量學在漁業(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個期刊中包含幾何形態(tài)測量在漁業(yè)中應(yīng)用研究的文章。該領(lǐng)域文獻發(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2.0以上，其中Biological Journal of the Linnean Society是幾何形態(tài)測量學在漁業(yè)領(lǐng)域文獻發(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等進化類的期刊，這些表明幾何形態(tài)測量學在漁業(yè)應(yīng)用領(lǐng)域中生物學較多，生態(tài)學和進化學等學科均在漁業(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。說明在幾何形態(tài)測量學漁業(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)測量學在漁業(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)容被學術(shù)圈的認可程度，被引頻次高的文章一般質(zhì)量較優(yōu)，在相關(guān)學科領(lǐng)域的影響力較廣泛，其學術(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術(shù)水平。本研究統(tǒng)計的幾何形態(tài)測量學在漁業(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，可見這兩位作者在基于幾何形態(tài)測量學的漁業(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)與分子生物學相結(jié)合的數(shù)據(jù)構(gòu)建系統(tǒng)發(fā)育樹，避免了基于單一數(shù)據(jù)的系統(tǒng)發(fā)育樹誤差［21-23］；2篇為外界環(huán)境對形態(tài)的影響：即不同環(huán)境下體形差異［24］、捕食與被捕食驅(qū)動的形態(tài)差異研究［25］；1篇為種群鑒別研究：CADRIN［26］對形態(tài)測量學在漁業(yè)種群形態(tài)鑒定研究的歷史及進展進行了概述；1篇為對于不同統(tǒng)計分析方法的比較：即PERESNETO和JACKSON［27］對普魯克提斯疊印（Procrustean superimposition）相對于Mantel檢驗（Mantel test）的優(yōu)勢進行探討；1篇為對稱結(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 高被引頻次文獻統(tǒng)計（前10名）Tab.2 Statistics of literature with high citation frequency（top 10）

2.4 國家／地區(qū)、作者、研究機構(gòu)分析

通過對幾何形態(tài)測量學在漁業(yè)中應(yīng)用研究的國家／地區(qū)分布（表3）分析，全世界范圍內(nèi)許多國家／地區(qū)均對該領(lǐng)域有研究，證明了該研究領(lǐng)域影響之大。美國在該研究領(lǐng)域發(fā)文量達到了231篇為最高，占比高達31.51%，美國對于該領(lǐng)域研究遠遠超出其他國家，論文產(chǎn)出最高，在數(shù)量上處于絕對的優(yōu)勢；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的國家／地區(qū)中，除中國、日本、澳大利亞之外均為歐洲、美洲國家，可見在該領(lǐng)域美洲和歐洲研究產(chǎn)出很高。澳大利亞、日本、中國研究相對較少，發(fā)文量分別為32、20、16篇。由表3及相關(guān)文獻閱讀可知，我國對于幾何形態(tài)測量學在漁業(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，我國相關(guān)領(lǐng)域的研究學者對該研究內(nèi)容的關(guān)注度越來越高。

表3 發(fā)表幾何形態(tài)測量學在漁業(yè)中應(yīng)用文章最多的國家／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)測量學在漁業(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。其中意大利和美國各有2位學者，包括意大利的學者CATAUDELLA、COSTA，美 國 的 學 者LANGERHANS、TOBLER。上述作者在發(fā)文量上差距較小，這些學者均來自歐美國家，表明歐美國家在該領(lǐng)域有較多的研究。LANGERHANS為美國北卡羅來納州立大學生物科學系（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)測量學在漁業(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個機構(gòu)在漁業(yè)領(lǐng)域的研究涉及到幾何形態(tài)測量學。表5總結(jié)了發(fā)文量前10名的研究機構(gòu)，發(fā)文量最多的是意大利的羅馬第二大學（University of Rome“Tor Vergata”），達到21篇；其次為西班牙高等科研理事會（Consejo Superior de Investigaciones Cientificas，CSIC）與得克薩斯農(nóng)工大學（Texas A＆M University），均達到19篇?？傮w來看，排名前10的機構(gòu)發(fā)文151篇，占文獻總數(shù)的20.61%，這些機構(gòu)發(fā)文量占比相差不大，表明這些機構(gòu)研究力度較均衡，其中有3個為美國機構(gòu)，發(fā)文量達45篇；2個比利時機構(gòu)，其余排名前10的機構(gòu)中均為不同國家。

表5 發(fā)表幾何形態(tài)測量學在漁業(yè)中應(yīng)用文章最多的機構(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)知識圖譜，節(jié)點的大小反映關(guān)鍵詞的出現(xiàn)頻次，節(jié)點和連線顏色對應(yīng)關(guān)鍵詞出現(xiàn)的年份。通過圖3可以看出，geometric morphometrics（幾何形態(tài)測量學）是最大的節(jié)點，與其聯(lián)系最緊密的是phenotypic plasticity（表型可塑性），而此關(guān)鍵詞對應(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)點的關(guān)鍵詞還有body shape（體 形）、shape（形狀）、morphometrics（形態(tài)測量學）、morphology（形態(tài)學）、population（種群）、teleostei（真骨魚類）、fish（魚 類）、pattern（模 式）、evolution（進 化）、speciation（物種形成）、adaptive radiation（適應(yīng)性輻射）、diversity（多樣性）、growth（生長），這些關(guān)鍵詞出現(xiàn)頻次較大，即幾何形態(tài)測量學在漁業(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)鍵詞屬于不同時期的研究熱點。分析發(fā)現(xiàn)，研究熱點涉及進化、生態(tài)形態(tài)學等研究，即分析物種進化、環(huán)境對生物個體形態(tài)的影響。

圖3 幾何形態(tài)測量學在漁業(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

本文通過關(guān)鍵詞的聚類分析得到17個聚類詞（圖4），Q值=0.748 7，說明聚類分區(qū)效果顯著，每個聚類詞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。通過按時間軸的關(guān)鍵詞聚類分析（圖4，表6），大致上可以將幾何形態(tài)測量學在漁業(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)測量學在漁業(yè)領(lǐng)域應(yīng)用文章的關(guān)鍵詞聚類圖譜—按時間軸呈現(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)境對生物形態(tài)的影響（表7，生態(tài)形態(tài)學：突變開始時間，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)生的異速生長研究［31-33］。RUEHL和DEWITT［34］使用不同的食物飼養(yǎng)食蚊魚（Gambusiaaffinis）60 d，用多元回歸分析來評估不同攝食造成的形

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

態(tài)變異，也有研究評估了北極紅點鮭（Salvelinusleucomaenis）在不同營養(yǎng)和攝食生態(tài)的形態(tài)差異［35］，研究均發(fā)現(xiàn)種群差異與營養(yǎng)和攝食生態(tài)有關(guān)。COGLIATI等［36］還 以 大 鱗 大 麻 哈 魚（Oncorhynchus tshawytscha）剛剛產(chǎn)出的不同大小的卵作為研究點，發(fā)現(xiàn)不同大小的魚卵生長發(fā)育后的成魚外部形態(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，在該時期也得到大量研究，主要是個體發(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（測量誤差）：FRUCIANO［40］總結(jié)了誤差來源，分析并解決了隨機和非隨機測量誤差，最后還提供了使用真實數(shù)據(jù)集驗證誤差消除的效果。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點的主觀性造成的［41］；thinplate spline（薄板樣條分析）：即利用變形網(wǎng)格對整體形態(tài)變化進行扭曲，達到對形態(tài)差異點的可視化分析［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）：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（藍嘴），學名為黑腹無鰾鲉（Helicolenusdactylopterus），為輻鰭魚綱鲉形目鲉亞目囊頭鲉科的其中一種，主要研究了個體發(fā)育和種群鑒別［48-49］。類詞reef fishes（巖礁魚類）表明在研究中期對巖礁魚類研究也較多。

后期（2014年—2021年），研究處于爆發(fā)性增長階段，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），以CRAIG為首的研究團隊使用裸背電鰻亞目（Gymnotiformes）內(nèi)種類的頭部形態(tài)進行了種類劃分［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）魚類的體形、矢狀耳石和尾舌骨形態(tài)特征證明了該科魚類進化支系的存在［53］，此外該類主題詞中還有基因漸滲對物種形態(tài)的影響、養(yǎng)殖種群對原始種群進化的影響研究［54］。通過分析研究物種也證實了一些teleost fishes（真骨魚類）是該時期幾何形態(tài)測量學的主要研究對象。

3 討論

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

通過分析發(fā)現(xiàn)，幾何形態(tài)測量學在漁業(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（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)典生物學雜志對該領(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。由高被引頻次文獻及高產(chǎn)作者發(fā)現(xiàn)，KLINGENBERG和LANGERHANS等學者對于該領(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］。以美國為主的歐美國家在該領(lǐng)域有較多的研究，我國研究起步較晚（表3），由WOS檢索發(fā)現(xiàn)，近年來，我國相關(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)境對形態(tài)的影響［59］等。

3.2 研究熱點分析

使用CiteSpace軟件對該領(lǐng)域文章的關(guān)鍵詞進行的突變檢測（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)測量學在漁業(yè)中的應(yīng)用研究熱點主要集中在：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。

幾何形態(tài)測量學即將圖像數(shù)字化，再進行統(tǒng)計分析，需要軟件的支持，因此相關(guān)學者研發(fā)了許多軟件，例如：PAST、MorphJ軟件、R語言程序包：geomorph、Shape、Morpho、Momocs、LaMBDA等，其中，geomorph包可以進行圖像數(shù)字化、普氏疊加法（Procrustes superimposition）、主成分分析（principal component analysis，PCA）等統(tǒng)計分析［60-61］；MorphJ軟件［62］、PAST軟件可直接在其程序中進行幾何形態(tài)分析一系列操作。此外，通過不斷發(fā)展，近些年軟件方面也有很大的改進，主要是自動化的一些技術(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行測量比較，用來評估這兩種方法的準確性和適用性，MURAT和AYKUT［64］使用貝葉斯個體分配結(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)了一個新的軟件AutoMorph，主要可以運行在UNIX系統(tǒng)上，可以更高效地自動對2D和3D圖像處理和形狀提取?？梢钥闯?，軟件開發(fā)逐漸向著更加簡便、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，種類鑒定和種群劃分對于漁業(yè)資源管理并確定種類來源方面有著重要的作用［66］。通過對幾何形態(tài)數(shù)據(jù)進行方差分析、典型變量分析等可以用于分析形態(tài)的差異，同時可以利用判別分析對分類的結(jié)果進行檢驗［44，67-69］。例如，EGE等［70］對寄居蟹（Paguridae）蟹螯進行三維建模的形態(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］以魚類耳石形狀作為形態(tài)特征，通過Shape軟件的橢圓傅里葉分析法達到種類鑒定分類的目的，WOOD等［72］對不同棲息環(huán)境的象拔蚌（Panopea abrupta）的殼進行形態(tài)學分析，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)勢章魚屬（Octopus）種類攝食器官角質(zhì)顎（beak）的形態(tài)進行種類鑒別，并加入機器學習的方法進行分類判別，結(jié)果表明機器學習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未識別個體進行分類的理想工具。對于分類鑒定，GM方法能夠較好地區(qū)分出不同種類、種群，但對于形態(tài)差異不明顯的研究對象，其分類效果不佳?？偟膩碚f，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。未來隨著新技術(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)域主要分析研究對象的形態(tài)差異，并可利用個體和系統(tǒng)發(fā)育的差異解釋研究對象的演變與進化［21］，重建生物個體和群體的演化史。1）研究對象的身體及部位形態(tài)都可進行個體發(fā)育分析。體形方面，KOUTTOUKI等［39］對尖吻重牙鯛（Diplodus puntazzo）幼體、變態(tài)發(fā)育時期的體形進行分析，薄板樣條分析發(fā)現(xiàn)，個體發(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)，種間競爭可以在幾個月內(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（Illex argentinus）在個體發(fā)育過程中尾部逐漸變寬，這表明其通過發(fā)育來優(yōu)化游泳性能；蟹類形態(tài)研究還發(fā)現(xiàn)雄性的蟹螯會產(chǎn)生特殊的拱形，用來吸引異性增加個體交配的機會［78］；POWDER等［79］還發(fā)現(xiàn)慈鯛科魚類（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)育分析用來推斷或者評估進化關(guān)系，一般用進化樹來描述同一譜系的進化關(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］對鰩目（Batoidea）的60個種類進行了系統(tǒng)發(fā)育樹的構(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)育樹并不精準，于是將形態(tài)與分子數(shù)據(jù)相結(jié)合，F(xiàn)EULNER等［83］結(jié)合了多種分子標記和幾何形態(tài)計量學來修正當前象鼻魚（Gnathonemuspetersi）的系統(tǒng)發(fā)育學，此外，還發(fā)現(xiàn)細長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源的驅(qū)動；PEREZ-MIRANDA等［84］還評估了幾種線粒體和核遺傳標記以及形態(tài)學數(shù)據(jù)的有用性。因此，作為簡便而快速的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)合分子生物學來重構(gòu)發(fā)育樹，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研究的熱點。

生態(tài)形態(tài)學（2002年—2019年）是生物學和生態(tài)學的交叉學科研究，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［85］。FRANSSEN等［86］評估了傳統(tǒng)和幾何形態(tài)測量方法表征生態(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)測量方法有各自獨特的測量優(yōu)勢，傳統(tǒng)的形態(tài)計量學可以考慮一些三維位置的橫向距離，幾何形態(tài)測量學側(cè)重于捕捉形狀的幾何變化。BOWER和PILLER［87］還分析了體形與營養(yǎng)生態(tài)位的相關(guān)關(guān)系，發(fā)現(xiàn)體形與營養(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。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)生了不對稱性，結(jié)果表明該貝類是針對海洋污染有效的預(yù)測工具。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］。對于漁業(yè)生物個體的功能性結(jié)構(gòu)，例如魚鰭、頭足類的攝食器官角質(zhì)顎等，不同的生活環(huán)境導(dǎo)致它們在形態(tài)上差異的可能性更大，因此基于多環(huán)境因子探究環(huán)境對生物功能性部位形態(tài)的具體影響機制，需要在未來研究中重點關(guān)注。

3.3 存在問題及展望

本文利用文獻計量學的方法，對幾何形態(tài)測量學在漁業(yè)中的研究熱點和發(fā)展歷程進行了總結(jié)概括，由于摘要檢索不夠細致，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)測未來研究的趨勢還應(yīng)大量閱讀文獻獲得更多的研究信息作為補充。另外，在數(shù)據(jù)的完整性方面，由于僅對Web of Science中的核心合集數(shù)據(jù)庫進行分析，因此數(shù)據(jù)可能存在一些疏漏，在未來研究中應(yīng)結(jié)合多個國家數(shù)據(jù)庫的文獻數(shù)據(jù)進行分析。幾何形態(tài)測量學經(jīng)過30多年的研究正逐步走向成熟，但通過對文獻計量和文章內(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)，但對于不同的研究目的在應(yīng)用三維數(shù)據(jù)時是否能產(chǎn)生更好的分析效果？因此需要評估二維與三維數(shù)據(jù)的優(yōu)缺點。隨著新技術(shù)的不斷出現(xiàn)，未來形態(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)分析的過程中會產(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、基于地標點法分析形態(tài)時，手動標記地標點時因標記者主觀因素產(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加強研究，降低誤差產(chǎn)生的非原始形態(tài)變異的影響。

3）人工智能識別是當今的發(fā)展大趨勢，打開了生物形態(tài)識別應(yīng)用的新領(lǐng)域，即將形態(tài)數(shù)據(jù)載入建模運算得到形態(tài)差異。在其他領(lǐng)域?qū)τ趲缀涡螒B(tài)測量學與深度學習、機器學習等方法相結(jié)合的研究頗多，例如圖像識別可以應(yīng)用到分類鑒定中，自動地標點提取應(yīng)用到地標點法中。當前在漁業(yè)領(lǐng)域中人工智能與幾何形態(tài)測量學結(jié)合的研究還比較少，相信在未來隨著人工智能的發(fā)展，該方向?qū)⑷〉瞄L足進步。