杂交石斑鱼（Epinephelus fuscoguttatus ♀ × Epinephelus lanceolatus ♂）幼体的日常活动与游泳行为

《Aquaculture, Fish and Fisheries》：Diel Activity and Swimming Behaviour of Hybrid Grouper (Epinephelus fuscoguttatus ♀ × Epinephelus lanceolatus ♂) Juveniles

　　**摘要**

本研究在人工饲养条件下，观察了杂种石斑鱼幼鱼（Epinephelus fuscoguttatus ♀ × Epinephelus lanceolatus ♂）的日活动、游泳模式和垂直分布情况，为开发石斑鱼养殖中的智能监控系统提供了行为参考数据。共有30条幼鱼（平均总长度[TL]：11.49 ± 0.80厘米；体重[BW]：27.70 ± 5.83克）被置于循环水养殖系统中进行监测，使用连续24小时的视频录像记录，共进行了三次重复实验（每次实验10条鱼）。通过视频分析，量化了每分钟活跃鱼的比例、三种游泳模式（悬停[HOV]、快速游动[FS]和垂直上升[AV]），以及它们在底部、中部和表层的水层分布情况。结果显示，杂种石斑鱼大部分时间处于不活跃状态，24小时周期内仅有28.55%的鱼处于活跃状态。研究观察到明显的昼夜节律性，表现为晨昏时段活动频繁：在黎明（0500–0600小时，41.00%）和黄昏（2000–2100小时，38.72%）时活跃鱼的比例最高，并且夜间（35.30%）的活跃鱼比例显著高于白天（21.80%）。此外，还观察到一个显著的中午活动高峰（1200–1300小时，41.22%），这是在石斑鱼中未曾报道过的现象。这一高峰与实验前的适应期定时喂食时间相吻合，并伴随着悬停和垂直上升行为的增加，这反映了与进食相关的行为。因此，这一现象被归因于对食物的预期行为（FAA），进一步证明了其对基线行为数据的干扰作用。在24小时内，超过50%的鱼（58.8%–93.5%）持续停留在底部水域，这证实了它们底栖的捕食习性。总体而言，这些发现为杂种石斑鱼幼鱼提供了首个全面的日行为数据集，并建立了考虑了食物预期行为影响的精确基线，从而支持了基于机器学习的更精确养殖监控系统的开发。

**1 引言**

在现代鱼类养殖中，养殖系统与人工智能（AI）技术相结合，以提高管理效率和支持数据驱动的决策（Chang, Weng等人，2021；Wang等人，2021；Zhao等人，2021）。AI最有前景的应用之一是通过行为分析来监测鱼类健康和福利，利用计算机视觉和机器学习技术量化游泳模式、活动水平和空间分布的变化（Yang, Liu等人，2021；Shreesha等人，2023；Cui等人，2025）。这种集成实现了连续且无侵入性的观察，有助于早期检测压力因素、疾病的发生或环境失衡，从而及时采取纠正措施，维护鱼类福利、降低死亡率并优化养殖生产力（Martins等人，2012；Papadakis等人，2012）。此外，基于AI的系统可以克服人工监测的局限性，后者通常劳动密集、主观性强且受时间和空间覆盖范围的限制。Epinephelinae亚科的石斑鱼是高价值的海洋鱼类，在亚洲国家被广泛且集约化地养殖（Rimmer和Glamuzina，2019）。根据联合国粮农组织（FAO）的数据，2015年全球石斑鱼养殖产量达到155,000吨，总值6.3亿美元，其中93%来自亚洲国家。迄今为止，全球已养殖至少47种石斑鱼及其杂交品种，反映了它们的经济重要性和养殖实践的持续多样化（Rimmer和Glamuzina，2019）。尽管具有商业价值，石斑鱼养殖仍面临许多挑战，包括疾病爆发（Harikrishnan等人，2011；Loh等人，2020）、喂养管理不善（Au等人，2023）以及与集约化养殖条件相关的环境压力（Wang等人，2024）。为了应对这些挑战，越来越多地推荐使用AI技术来提高管理效率和可持续性。当前的应用包括自动化鱼类识别和大小估计（Chang, Wang等人，2021）、检测鱼体异常以早期识别疾病（Chen等人，2022）以及开发自动化或智能喂养控制系统（Tan, Tan等人，2025；Tan, Au等人，2025）。然而，尽管有这些进展，专注于监测和分析石斑鱼行为以评估其福利的研究仍然非常有限。为了建立有效的智能系统来通过行为分析监测鱼类健康，拥有代表正常日行为模式的可靠且标注良好的数据集至关重要。这样的基线数据集能使机器学习模型更准确地区分正常和异常行为（Yang, Zhang等人，2021）。缺乏可靠的参考数据可能导致模型将常规行为误分类为异常，或无法检测到压力的微妙早期迹象，从而降低其可靠性和实用性。不幸的是，关于养殖系统中石斑鱼日活动的信息仍然非常有限。以往的研究仅提供了有限的见解，例如在受控水箱条件下观察到的红点石斑鱼（Epinephelus akaara）的夜间活动模式（Masuda等人，2012），以及七带石斑鱼（Epinephelus septemfasciatus）在室内水箱和室外围栏中的日自我进食节奏（Kohbara等人，2014）。Masuda等人（2012）通过量化鱼在开阔水域的时间和翻身的频率来表明，E. akaara在夜间在开阔水域的时间更多，翻身频率也更高，这与野生状态下该物种的夜行性特征一致。Kohbara等人（2014）通过分析自我进食装置的激活频率发现，室内水箱养殖的E. septemfasciatus在白天更频繁地激活该装置，而室外围栏养殖的则在白天和晚上都会激活。然而，两组在黎明和黄昏时都表现出活动高峰，尽管这些结果受到鱼的大小和水温变化的影响。尽管如此，关于商业相关养殖环境中石斑鱼日行为模式的全面描述以及公开可用的标注数据集仍然不足。杂种石斑鱼（Epinephelus fuscoguttatus ♀ × Epinephelus lanceolatus ♂）于2006年首次成功繁殖（Ch'ng和Senoo，2008），由于其快速生长、适应性强和对养殖条件的适应能力，已成为最广泛养殖的石斑鱼品种之一（Shapawi等人，2019）。鉴于其经济重要性和在集约化养殖中的广泛应用，这一杂交品种是研究养殖环境中日行为模式的理想模型物种。为此，本研究旨在系统地观察人工饲养条件下杂种石斑鱼的日活动和游泳行为，目的是生成一个参考数据集，以支持开发基于行为的鱼类健康监控系统。量化并分析了24小时内活跃杂种石斑鱼幼鱼的比例、它们的游泳模式及其垂直分布。

**2 材料与方法**

**2.1 伦理考量**

本实验获得了马来西亚沙巴大学动物伦理委员会的批准（许可号AEC000<9/2024），并按照马来西亚沙巴大学制定的《科学用途动物护理和使用行为准则》进行。

**2.2 实验鱼的来源**

从沙巴州Tawau的一家当地孵化场购买了60条杂种石斑鱼幼鱼。这些鱼被运送到马来西亚沙巴大学婆罗洲海洋研究所的湿实验室，并安置在一个装有流动过滤海水的1立方米养殖箱中。在用于行为监测和视频录像之前，它们被驯化了30天。驯化期间，这些鱼每天在0900和1500喂食两次商业海洋鱼类饲料（Otohime EP3），其中含有48%的粗蛋白和12%的粗脂质。未食用的饲料和鱼粪便定期被吸出。整个驯化期间，水温保持在26°C至28°C之间。所有鱼都状况良好，驯化期间没有死亡记录。

**2.3 鱼类行为视频录像系统的设置**

图1显示了本实验的系统设置。杂种石斑鱼容易受到水中氨的影响（Kim等人，2020）。因此，在湿实验室中构建了一个循环水养殖系统（RAS），由两个玻璃水族箱（每个尺寸为120厘米×45厘米×60厘米）组成。其中一个水族箱（水族箱A）作为水过滤单元，另一个（水族箱B）用于饲养鱼类。水族箱B中的水通过一个潜入水中的水泵（SOBO WP-300D，中国）连续泵入水族箱A，经过200微米过滤器（WEIPO SA-2017，中国）处理后，再通过另一个潜入水中的水泵（SOBO WP-300D，中国）回流到水族箱B。两个带有定时器的LED灯（Tica Aro-10 UVA/UVB 13,000K + 5400K 日晒灯，马来西亚）安装在水族箱B上方，编程每天运行12小时（0600–1800小时）。在光照期间，LED灯开启时，0600小时的环境光照约为323勒克斯，逐渐增加到0900小时的约985勒克斯，之后逐渐减少，1200小时约为912勒克斯，1500小时约为806勒克斯。1800小时后，LED灯关闭，此时光照水平约为23勒克斯。环境逐渐变暗，夜间最低光照水平约为12勒克斯。水质盐度为31.2 ± 0.1 ppt，pH值为8.2 ± 0.02，溶解氧为5.41 ± 0.1 mg/L，温度为27.2°C ± 0.8°C（平均值±标准差）。两个水族箱都配备了曝气装置。一台连接到计算机的摄像机（YLR，每秒60帧）放置在水族箱B前方以记录鱼类行为。为了减少人为干扰，水族箱系统周围安装了园艺网，允许50%的光线穿透（Lim等人，2016）。

**2.4 实验程序**

每次视频录像会话中，从养殖箱中随机选择10条鱼，测量其总长度（TL）和体重（BW），然后转移到RAS的水族箱B中。这些鱼在水族箱B中驯化3天，在此期间每天1200小时通过手动喂食商业海洋鱼类饲料（Otohime EP3）直至饱足。未食用的饲料和鱼粪便被手动吸出，每天至少更换20%的水。录像开始前，鱼被禁食12小时。录像从午夜（0000小时）开始。摄像机通过计算机预配置，在0000小时自动开始录像，以1920×1080的分辨率和60帧每秒的帧率连续拍摄24小时。录制的视频存储在计算机上以供进一步分析。录像期间鱼不被喂食。每次24小时的录像结束后，水族箱B中的鱼会被转移到隔离箱中。然后排空水族系统，所有组件（包括水族箱、过滤器和蛋白质撇渣器）用淡水清洗并晾干一天。之后，水族箱重新注满过滤海水，并引入新一批10条鱼进行下一次录像。本研究共使用了30条鱼，进行了三次录像。每次录像被视为一个数据重复实验。所有重复实验中鱼的平均TL和BW分别为11.49 ± 0.8厘米和27.7 ± 5.83克（平均值±标准差）。所有鱼在录像期间都状况良好，没有死亡记录。

**2.5 视频分析**

**2.5.1 鱼类日活动评估**

在本研究中，0600至1800小时被归类为白天，1800至0600小时被归类为夜晚。通过视觉分析录制的视频，每分钟统计活跃鱼的比例来确定杂种石斑鱼幼鱼的日活动情况。从每个24小时的视频中，计算并记录每个1分钟时间框架（总共1440分钟）内的活跃鱼数量。当观察到鱼的活动时，将其分类为活跃；当鱼静止不动时，则分类为不活跃。随后，使用以下公式计算了每小时或在选定时间段内活跃鱼类的百分比：

根据这种计算方法，确定了（i）每小时，（ii）白天和夜晚，以及（iii）整个24小时周期内活跃鱼类的百分比。使用三次视频记录的平均值和标准误差（SE）作为代表结果。活跃鱼类百分比的结果以图表形式进行了展示。

**2.5.2 鱼类活动的确定及其发生情况**

从所有录制的视频中观察到的主要鱼类活动包括游泳以及它们在水柱不同层（垂直分布）中的分布。

**2.5.2.1 游泳模式**

识别出了三种主要的游泳模式：（i）悬停（HOV），（ii）快速游泳（FS）和（iii）垂直上升（AV）。图2a展示了并定义了这些游泳模式。图2a还解释了杂交石斑鱼的行为特征：（a）游泳模式——悬停、快速游泳和垂直上升；（b）水族箱中不同水层的鱼类分布情况。悬停指的是鱼类保持水平方向，同时以非常缓慢、轻柔的方式从一个位置移动到另一个位置。快速游泳的特点是鱼的身体呈流线型，鱼会将背鳍和胸鳍紧贴身体，并表现出恐慌或逃避般的突然快速移动，通常涉及突然的方向转变。垂直上升是指鱼类以中等速度从水底移动到中间或表层，头部朝上。到达目标层次后，鱼会短暂地保持水平位置，然后再下降。为了确定每种游泳模式的频率，使用每分钟的观察时间框架方法来统计每种模式的出现次数，该方法用于评估昼夜活动。随后，使用以下公式计算了每小时或在选定时间段内悬停、快速游泳或垂直上升出现的频率：

（I）在选定时间段内每种游泳模式出现频率的公式：

（II）在选定时间段内每种游泳模式出现百分比的公式：

根据使用公式（I）进行的计算，确定了（i）每小时以及（ii）白天和夜晚时期鱼类表现出悬停、快速游泳或垂直上升的频率，并将结果以图表形式展示。随后，将每小时每种游泳模式出现的平均百分比绘制在堆叠条形图中，以显示行为优势的每小时变化，这有助于识别一天中不同时间的最活跃和最不活跃的行为。使用三次视频记录的平均值和标准误差作为代表结果。

**2.5.2.2 垂直分布**

为了确定水族箱中鱼类的垂直分布，将水族箱B的水柱根据水深分为三层：底层（BTM）<20厘米，中层（MID）（20厘米 < x < 40厘米）和表层（SUR）>40厘米（见图2b）。使用评估它们昼夜活动时使用的方法计算每层中的鱼类数量。使用以下公式计算每小时或在选定时间段内底层、中层或表层悬浮的鱼类数量：

（I）在选定时间段内底层、中层或表层悬浮的鱼类数量的公式：

（II）在选定时间段内底层、中层或表层悬浮的鱼类百分比的公式：

随后，确定了（i）每小时以及（ii）白天和夜晚时期底层、中层或表层悬浮鱼类的频率，并将结果绘制在图表中。将每个垂直分布层的每小时平均百分比绘制在堆叠条形图中，以显示鱼类分布的每小时变化，这可以突出一天中不同时间的鱼类分布变化。使用三次视频记录的平均值作为代表结果。

**2.6 统计分析**

根据每小时活跃鱼类百分比、鱼类游泳模式频率和垂直分布频率的图表趋势，选择了五个特定的时间间隔进行统计比较。这些间隔分别是0500–0600、1000–1100、1200–1300、1600–1700和2000–2100小时，分别代表黎明、上午、中午、下午和黄昏，这些时间点对应于观察到的活跃鱼类比例的高峰或低谷。由于数据不符合正态分布，并且方差不均匀（通过IBM SPSS Statistics版本29进行的正态性检验和Levene's检验确定），因此使用了非参数检验进行统计分析。在R Studio中使用PMCMRplus包进行了Friedman检验，随后进行了Conover事后检验并使用了Bonferroni校正（p < 0.05），以确定这些时间间隔之间的统计差异。在IBM SPSS Statistics版本29中进行了Wilcoxon符号秩检验，以比较白天（0600–1800小时）和夜晚（1800–0600小时）期间活跃鱼类的百分比、每种游泳模式的频率和每种垂直分布类别的频率。同一检验也用于评估整个24小时周期内的整体活动水平差异。所有分析的统计显著性标准为p < 0.05。

**3 结果**

**3.1 昼夜活动**

分析了杂交石斑鱼幼体的昼夜活动，结果以图表形式展示（图3）。每小时分析（图3a）显示活跃鱼类的平均百分比在24小时内有明显的波动，范围从8.11%到41.22%。从0000–0100小时到0500–0600小时，百分比逐渐增加，从33.56%增加到41.00%的峰值。然后从0600–0700小时到1000–1100小时急剧下降，从30.78%降至8.11%，这是记录的最低值。从1100–1200小时到1300–1400小时，百分比再次急剧增加，达到21.89%–41.22%，并在1200–1300小时达到峰值。从1400–1500小时到1700–1800小时，百分比再次下降，稳定在14.33%–19.22%之间，最低值出现在1600–1700小时。最后，从1800–1900小时到2300–2400小时，百分比再次增加，达到27.56%–38.72%，并在2000–2100小时达到峰值。图3显示了随时间变化的活跃鱼类百分比：（a）每小时，（b）白天和夜晚，以及（c）一天内的总体情况。垂直条形表示结果的标准误差。不同的上标表示处理之间的显著差异。在选定的五个时间间隔中，有三个高峰间隔出现在0500–0600小时（平均41.00%）、1200–1300小时（41.22%）和2000–2100小时（38.72%），而两个低谷间隔出现在1000–1100小时（8.11%）和1600–1700小时（14.33%）。统计分析显示三个高峰间隔之间没有显著差异（p > 0.05），两个低谷间隔之间也没有显著差异（p > 0.05）。然而，三个高峰间隔显著高于1000–1100小时的低谷间隔（p < 0.05），并且2000–2100小时的高峰间隔显著高于1600–1700小时的低谷间隔（p < 0.05）。白天和夜晚的活跃鱼类平均百分比分别为21.80%和35.30%。统计上，夜晚的活动显著高于白天（图3b），表明鱼类在夜晚更活跃。然而，在整个24小时周期内，只有28.55%（平均）的鱼类是活跃的，而71.45%的鱼类保持不活跃（图3c），这一差异具有显著性（p < 0.05）。这一发现表明杂交石斑鱼幼体在一天中大部分时间都不活跃。

**3.2 游泳模式**

鱼类的游泳模式与其活动水平直接相关，因为只有当鱼类表现出任何形式的移动（包括游泳）时才被视为活跃的。为了确定在24小时周期内不同时间哪种游泳模式出现频率最高，分析了每小时（图4）以及白天和夜晚（图5）期间每种游泳模式的频率。图4显示了杂交石斑鱼每小时（a）悬停（HOV），（b）快速游泳（FS），（c）垂直上升（AV）的游泳模式；图5显示了这些模式在白天和夜晚的出现情况。图5还显示了不同游泳模式在白天和夜晚的发生情况。

**3.2.1 悬停**

对于悬停（HOV）（图4a），在24小时周期内，每小时的平均频率范围从47.33次到304.00次。从0000到0600小时，频率保持较高且稳定，介于244.33次到304.00次之间。之后，频率开始下降，从0600–0700小时的241.00次减少到0700–0800小时的190.33次，然后在0800–0900小时急剧下降到47.33次。然而，在1100–1200小时频率增加到146.00次，并在1300–1400小时达到峰值266.00次，随后在1700–1800小时逐渐下降到最低点的74.33次。随后，在1800–1900小时频率再次急剧上升到186.00次，在2000–2100小时达到峰值304.00次，然后逐渐下降到2300–2400小时的230.33次。根据用于评估鱼类活动的五个选定时间间隔，确定了三个高峰间隔——0500–0600小时（269.00次）、1200–1300小时（248.67次）和2000–2100小时（304.00次）——而两个低谷间隔是1000–1100小时（76.33次）和1600–1700小时（82.00次）。统计比较显示1200–1300小时与其他间隔（0500–0600、1000–1100、1600–1700和2000–2100小时）之间没有显著差异（p > 0.05）。然而，1600–1700小时的平均频率显著低于0500–0600小时和2000–2100小时的频率（p < 0.05），表明悬停频率在黑暗时期显著增加。进一步的昼夜比较也支持了这一发现：白天（1728.67次）的总平均悬停频率显著低于夜晚（3155.00次）（图5a），确认了杂交石斑鱼幼体在夜晚更频繁地进行悬停活动。

**3.2.2 快速游泳**

快速游泳（FS）的每小时平均频率（图4b）在24小时周期内范围从41.33次到243.00次。在黑暗时段，FS频率从0000–0100小时的209.00次增加到0500–0600小时的243.00次。然而，从0600–0700小时的242.67次急剧下降到0700–0800小时的127.33次，然后在1100–1200小时进一步下降到41.33次。之后，FS频率从1200–1300小时的47.67次逐渐增加到1600–1700小时的62.33次，然后在1700–1800小时显著上升至128.67次。频率继续增加到1800–1900小时的219.33次，然后在1900–2400小时在149.67次和219.00次之间波动。在五个选定的时间间隔中，0500–0600小时（269.00次）、1200–1300小时（248.67次）和2000–2100小时（304.00次）被认为是高峰间隔；而1000–1100小时（76.33次）和1600–1700小时（82.00次）是低谷间隔。统计比较显示1200–1300小时与其他间隔（0500–0600、1000–1100、1600–1700和2000–2100小时）之间没有显著差异（p > 0.05）。然而，1600–1700小时的平均频率显著低于0500–0600小时和2000–2100小时的频率（p < 0.05），表明悬停频率在黑暗时期显著增加。进一步的昼夜比较也证实了这一点：白天（1728.67次）的总平均悬停频率显著低于夜晚（3155.00次）（图5a），确认了杂交石斑鱼幼体在夜晚更频繁地进行悬停活动。

**3.2.3 垂直上升**

在24小时周期内，垂直上升（AV）的平均频率（图4c）范围从15.67次到546.00次。频率从0000–0100小时的329.67次下降到0300–0400小时的212.67次，然后在0500–0600小时再次上升到375.00次。随后，在0600–0700小时从266.67次急剧下降到0700–0800小时的135.00次，达到整个周期的最低值0800–0900小时的15.67次。然后在1000–1100小时略微增加到31.00次，接着在1100–1200小时激增至217.00次。在1200–1300小时记录到一个显著峰值（546.00次），之后在1300–1400小时下降到309.67次，然后在1400–1500小时进一步减少到134.67次。从1500到1800小时，AV频率保持在较低水平，介于39.33次到76.67次之间。尽管如此，频率在1800–1900小时再次上升至173.33次，然后在1900至2400小时之间稳定在175.67至279.33次之间。在五个选定的时间段中，有三个活动频率（AV）峰值出现在0500–0600小时（375.00次）、1200–1300小时（546.00次）和1600–1700小时（233.67次），而最低值出现在1000–1100小时（31.00次）和2000–2100小时（39.33次）。统计分析确认，1200–1300小时的平台值（546.00次）显著高于所有其他时间段（p < 0.05）。此外，0500–0600小时的平台值（375.00次）也显著高于1000–1100小时（31.00次），2000–2100小时的平台值（233.67次）显著高于1600–1700小时（39.33次）。然而，昼夜比较显示，在白天（1849.67次）和夜间（3149.33次）之间，总体活动频率没有显著差异（图5c）。

3.2.4 24小时内的整体游泳模式（HOV、FS和AV）
图4d和图5d分别展示了每种游泳模式在每小时时间段内以及昼夜周期（白天 vs 夜晚）中的比例贡献。这些可视化图表允许直接比较整个昼夜周期中的行为主导性和转换。在夜间（0000–0600和1800–2400小时），整体游泳模式（HOV）是最主要的游泳模式（36.91%），其次是活动频率（AV）（36.78%），而腹部游泳（FS）的频率最低（26.31%）（图5d）。整个夜晚，游泳模式的比例相对稳定。然而，有两个明显的过渡阶段：首先是进入傍晚的过渡期（1700–1800小时），FS的比例开始下降，而HOV和AV的比例逐渐增加；其次是进入早晨的过渡期（0500–0600小时），AV和HOV的比例都开始下降，而FS的比例增加（图4d）。在白天（0600–1800小时），HOV和FS通常更为主导。HOV的比例在1000–1100小时（49.25%）和1500–1600小时（49.01%）达到最高，而FS的比例在0800–0900小时（54.68%）和1700–1800小时（46.01%）达到峰值。AV的频率大部分时间都较低（<28%），除了在1200至1500小时之间，其频率从1000–1100小时的20%急剧上升到1100–1200小时的53.67%，在1200–1300小时达到峰值（64.82%），然后在1400–1500小时下降到36.23%。

3.3 垂直分布
为了确定杂交石斑鱼幼体在24小时内的主要活动水层，对其垂直分布进行了每小时的分析（图6），并在白天和夜晚时段之间进行了比较（图7）。为了研究垂直分布与鱼类活动之间的关系，以及确定鱼类在活跃或不活跃时通常占据的水层，分析使用了与活动评估相同的代表性时间段：0500–0600、1000–1100、1200–1300、1600–1700和2000–2100小时。对于每个水层——表层（SUR；图6a）、中层（MID；图6b）和底层（BTM；图6c）——进行了五个时间段之间的统计比较，以确定昼夜周期中的占据频率差异。图6显示了全天观察到的鱼类分布情况：（a）表层—SUR，（b）中层—MID，（c）底层—BTM，以及（d）SUR、MID和BTM之间的比例。垂直条形表示结果的标准误差。不同的上标表示时间段之间的显著差异。不同的上标表示处理组之间的显著差异（p < 0.05）。

3.3.1 表层水层（SUR）
对于SUR层（图6a），24小时内的占有频率范围是从1.00次到78.33次。SUR的频率在0000–0100小时为61.33次，到0300–0400小时下降到39.67次，然后在0400–0500小时再次上升到66.67次。接着在0500–0600小时下降到58.67次，到0700–0800小时进一步下降到26.67次。在0800–0900小时观察到急剧下降（6.67次），接着在1000–1100小时达到最低频率（1.00次）。随后在1100–1200小时急剧上升到51.00次，在1200–1300小时达到峰值（78.33次）。然而，从1300–1400小时的57.67次下降到1400–1500小时的28.00次，然后在1500–1600小时进一步急剧下降到5.00次。此后，SUR的占有频率从1600–1700小时的9.33次稳步上升到2000–2100小时的51.00次。从2100到2400小时，频率稳定在43.33至49.67次之间。在五个选定的时间段中，有三个SUR占有峰值分别出现在0500–0600小时（58.67次）、1200–1300小时（78.33次）和2000–2100小时（44.00次），而两个低谷分别出现在1000–1100小时（1.00次）和1600–1700小时（9.33次）。所有五个时间段之间都有显著差异。值得注意的是，1200–1300小时的时间段值显著高于其他所有时间段（p < 0.05）。同时，0500–0600小时和2000–2100小时的SUR频率也显著高于1000–1100小时和1600–1700小时（p < 0.05）。总体而言，统计分析确认，夜间占据SUR层的鱼类总频率（590.33次）显著高于白天（332.00次）（图7a）。

3.3.2 中层水层（MID）
图6b显示了MID垂直分布的每小时趋势。24小时内，占据MID层的鱼类频率范围是从38.00次到187.33次。MID的占有频率从0000–0100小时的139.33次稳步增加到0500–0600小时的峰值187.33次。然而，随后频率下降，在0600–0700小时降至132.67次，在0800–0900小时降至50.00次，并在1000–1100小时达到最低值（38.00次）。然后再次上升，从1100–1200小时的75.00次增加到1200–1300小时的169.00次。接着出现下降趋势，从1300–1400小时的162.33次降至1400–1500小时的81.33次，并在1500–1800小时保持在62.00–75.00次之间。此后，在1800–1900小时再次上升至147.00次，在2000–2100小时达到峰值（180.67次），然后在2100–2200小时从168.33次稳步下降到122.00次。与SUR层类似，三个MID占有峰值分别出现在0500–0600小时（187.67次）、1200–1300小时（169.00次）和2000–2100小时（180.67次），而两个低谷分别出现在1000–1100小时（38.00次）和1600–1700小时（62.00次）。这三个峰值时间段之间没有显著差异（p > 0.05），两个低谷时间段之间也没有显著差异。然而，0500–0600小时和2000–2100小时的MID频率显著高于1000–1100小时和1600–1700小时（p < 0.05）。总体而言，统计分析确认，夜间占据MID层的鱼类总频率显著高于白天（1919.67次）（图7b）。

3.3.3 底层水层（BTM）
图6c显示了24小时内占据BTM层的鱼类频率，范围是从352.67次到561.00次。从0000到0600小时，BTM的频率相对稳定，范围在354.00到412.67次之间，最高值出现在0100–0200小时。然后在0600–0700小时增加到419.33次，进一步在0800–0900小时增加到543.33次，并在1000–1100小时达到整体峰值（561.00次）。随着时间的推移，频率在1100–1200小时下降到474.00次，在1300–1400小时下降到380.00次，然后在1400–1500小时再次上升到490.67次。从1500到1800小时，频率继续增加，范围在509.33到528.67次之间，1600–1700小时达到峰值。然而，BTM的频率在1800–1900小时下降到422.33次，然后在1900–2400小时稳定在368.33到434.67次之间。在代表性的时间段中，有两个峰值分别出现在1000–1100小时（561.00次）和1600–1700小时（528.67次），而三个低谷分别出现在0500–0600小时（354.00次）、1200–1300小时（352.67次）和2100–2200小时（368.33次）。统计比较显示，两个峰值时间段（1000–1100和1600–1700小时）之间没有显著差异（p > 0.05）。然而，1000–1100小时的频率显著高于0500–0600、1200–1300和2100–2200小时（p < 0.05）。总体而言，统计分析确认，夜间占据BTM层的鱼类总频率显著高于白天（5747.67次）（图7c）。

3.3.4 24小时内的整体垂直分布
图6d和图7d分别展示了杂交石斑鱼幼体在每个垂直层内的时间比例以及昼夜周期（白天 vs 夜晚）中的分布情况，从而可以比较整个昼夜周期内的分布主导性和转换。总体而言，不同垂直层之间存在明显差异，底层水层（BTM）在每小时和昼夜周期中始终是最显眼的。在整个24小时内，BTM层占据了最大的鱼类比例，表明杂交石斑鱼幼体通常更喜欢停留在水族箱的底部。相比之下，中层（MID）和表层（SUR）的占据比例在昼夜周期中波动更为明显。活动减少的时期，特别是在白天，对应于BTM的更高占有率，而活动增加的时期，例如在黎明、中午和黄昏时，与MID和SUR层的更高占有率相关。

4 讨论
本研究首次详细描述了杂交石斑鱼幼体（E. fuscoguttatus ♀ × E. lanceolatus ♂）的昼夜节律行为。在本研究中，杂交石斑鱼幼体在24小时内的整体活动仅为28.5%，而71.5%的时间处于不活跃状态（图3c）。这种低活动水平与自然界中石斑鱼常见的静止行为相符（Heemstra和Randall 1993）。尽管如此，还是检测到了明显的昼夜活动模式。活跃鱼类的比例在黎明（0500–0600小时，从夜间过渡到清晨）和黄昏（2000–2100小时，傍晚）达到峰值，而在上午晚些时候（1000–1100小时）和下午晚些时候（1600–1700小时）出现两个低谷（图3a）。HOV、FS和AV的出现频率也显示出类似的趋势（图4a–c）。此外，夜间活跃鱼类的比例（图3b）以及HOV和FS的出现频率（图5a,b）显著高于白天。这些发现共同突显了杂交石斑鱼幼体的黄昏和夜间倾向。实际上，Epinephelinae属的石斑鱼被广泛认为是黄昏和夜间活动的物种，这一点在红斑石斑鱼（E. akaara（Masuda等人2012）、七带石斑鱼（E. septemfasciatus（Kohbara等人2014）、暗色石斑鱼（Epinephelus marginatus（Koeck等人2014）和纳骚石斑鱼（Epinephelus striatus（Blincow等人2020；Tuohy等人2023）的研究中也有证实，这些研究基于野外和圈养条件下的观察）。因此，本研究中观察到的杂交石斑鱼幼体的黄昏和夜间行为主导性与之前的研究结果一致。除了黎明和黄昏的峰值外，中午（1200–1300小时）也记录到了活跃鱼类比例的另一个峰值（图3a）以及HOV和AV的出现频率（图4a,c），尽管FS没有出现相应的峰值（图4b）。这些结果表明，活动和特定游泳模式（HOV和AV，但不包括FS）受到食物预期行为（FAA）的影响，因为这些鱼类在实验前适应了水族箱条件，此时被喂食。FAA是一种与昼夜节律相关的现象，即移动活动在进食时间前可预测地增加，与光照线索无关（Sánchez-Vázquez和Madrid 2001；Chen等人2023）。这种行为在几种水产养殖物种中也有记录，例如ousands of pounds的seabream（Sparus aurata（Sánchez等人2009）和欧洲海鲈（Dicentrarchus labrax（Chen等人2023））。在石斑鱼中，HOV通常与觅食相关（Koeck等人2014；Brewster等人2021），而垂直上升运动（AV）通常与饥饿和喂养相关行为相关，在圈养条件下它们会上升觅食（Tan等人2013；Mukai等人2016）。因此，在适应喂养时间增加的HOV和AV频率反映了FAA，与鱼类在黎明和黄昏的固有活动峰值同时发生。视频观察进一步表明，FS行为在杂交石斑鱼幼体中可能代表同类之间的攻击或逃避反应，类似于早熟期的E. septemfasciatus幼体（de la S. Sabate等人2009）中的观察结果。由于FS行为与领地竞争相关，而不是与喂养相关，因此不受FAA的影响。在研究的游泳模式中，只有AV在日间和夜间没有显著差异；然而，夜间的活动水平仍然高于日间（图5c）。如果排除FAA成分，杂交石斑鱼幼体的昼夜节律就更加明显了：夜间活动始终较高，而白天的活动相对较低且稳定，这与之前关于石斑鱼的研究结果一致。在本研究中，BTM层的占用率在24小时内始终占主导地位，平均占用率超过50%，范围在58.8%到93.5%之间。相比之下，MID和SUR层的占用率相对较低，MID为6.3%到31.2%，SUR为0.78%到13.06%（图6d）。这些发现证实了杂交石斑鱼幼体具有底栖习性，这与观察到的多种Epinephelinae物种的特性相符，这类物种通常栖息在硬底基质、珊瑚礁和岩石边缘等环境中，这些环境反映了它们定居性和伏击捕食者的生态特征（Shpigel和Fishelson 1989；Chiappone等人2000；Farmer和Ault 2011；Skinner等人2024）。尽管BTM层占主导地位，但仍观察到明显的昼夜趋势。排除受FAA影响的1200–1300小时低谷后，BTM层的占用率高峰出现在早晨（1000–1100小时）和下午（1600–1700小时），而低谷则在黎明（0500–0600小时）和黄昏（2000–2100小时）（图6c）。此外，夜间（0000–0600和1800–2400小时）的BTM层占用率显著低于白天（0600–1800小时）（图7c）。这些结果与鱼类活动和游泳行为的模式相反，后者在黎明和黄昏达到高峰（不包括FAA引起的下午高峰），而在早晨和下午处于低谷（图3a和4a–c）。总体而言，夜间（除AV外）的活动和游泳频率显著高于白天（图3b和5a,b）。这些结果表明，杂交石斑鱼幼体在活跃时倾向于移动到MID或SUR层，尤其是在夜间，而在BTM层时则保持静止或仅有微小移动。这种模式可能部分受到攻击性和支配行为的影响。根据视频观察，在夜间鱼类更活跃且HOV更频繁出现在BTM层时，占优势的个体表现出攻击性行为，如追逐和咬击。由于水族箱中没有模拟自然硬底环境的庇护结构，从属鱼类通过迁移到MID或SUR层的外围区域来避免冲突，这种行为与先前描述的FS相关逃避反应一致。然而，本研究没有量化或分析攻击性互动的频率。建议进一步研究这一方面。本研究确定的详细昼夜、行为和垂直占用模式为开发智能、基于机器学习的养殖行为监测系统提供了坚实的生物学基础。杂交石斑鱼幼体的整体活动率较低（28.5%活跃），在0500–0600和2000–2100小时出现明显的晨昏期高峰，在1000–1100和1600–1700小时处于低谷。这些时间动态可以作为生物钟参考参数纳入机器学习模型中，使算法能够实时检测偏差，而不仅仅是依赖固定阈值。特定行为的模式——如与FAA相关的进食行为、夜间HOV和FS频率的增加、FAA驱动的HOV和AV增加，以及FS与攻击性的关联——为训练监督式计算机视觉分类器提供了明确的运动类别。同样，BTM层占主导地位（58.8%–93.5%）以及在活动加剧或社会冲突期间向MID和SUR层上升的运动为机器学习系统提供了额外的空间特征，以推断 welfare 状态。通过将这些基于经验的时间、行为和空间特征整合到检测、跟踪和分类算法中，基于机器学习的监测系统可以生成更准确的行为预测，支持喂养优化，并能够早期识别压力、攻击性或环境干扰，从而加强精准养殖的决策（Wang等人2023；Al-Abri等人2025；Cui等人2025；Fitzgerald等人2025；Yang等人2025）。总之，杂交石斑鱼幼体在24小时周期内主要处于不活跃状态，表现出明显的昼夜节律，其特征是晨昏期行为。中午鱼类活动的显著高峰归因于FAA，这明确显示了其对基线行为数据的干扰作用。杂交石斑鱼幼体强烈偏好底水层，证实了它们的底栖习性，这与它们定居性和伏击捕食者的生态特征一致。总体而言，这些发现建立了杂交石斑鱼幼体正常昼夜行为模式的稳健基线数据集，为开发基于AI和机器学习的养殖监测系统提供了必要的时间、行为和空间参考点。作者贡献

Rayner Alfred：概念化、写作——审阅和编辑。Wen Jye Mok：写作——审阅和编辑、数据分析。Kit Guan Lim：写作——审阅和编辑、方法学。Karsoon Tan：写作——审阅和编辑、数据管理、概念化、数据分析。Hsein-Loong Au：写作——初稿撰写、方法学、研究、数据分析、数据管理。Uun Yanuhar：写作——审阅和编辑、数据分析。Mohammad Tamrin Mohamad Lal：写作——审阅和编辑、数据分析。Oki Hayasaka：写作——审阅和编辑、数据分析。Kazuhiko Anraku：写作——审阅和编辑、概念化。Leong-Seng Lim：写作——审阅和编辑、项目管理、方法学、概念化、资金筹措、数据管理。致谢

我们感谢Zi-Kai Tan先生在设置视频摄像系统记录方面提供的帮助。资金支持

本研究得到了马来西亚高等教育部的高等教育卓越中心（HICoE）研究资助计划[批准函编号 JPT(BKPI)1000/016/018/35(2)；资助代码 HIC2403]和马来西亚沙巴大学研究管理中心的UMS智能水产养殖旗舰资助计划（项目代码：DFM2104）的支持。利益冲突

作者声明没有利益冲突。数据可用性声明

支持本研究结果的数据可在合理请求下从相应作者处获得。