秒懂！潮间带牡蛎礁鱼类新招数

在滩涂湿地要评估鱼类群落，传统方法（如抓鱼）往往成本高昂、且具有一定的破坏性。近日，“海洋与湿地”（OceanWetlands）小编注意到一篇由澳大利亚科学家们（Katherine Erickson等人）发表的一项关于潮间带牡蛎礁鱼类群落评估的研究，该研究发表在《PeerJ》期刊上，主题是《利用遥控水下视频优化潮间带礁区鱼类群落的取样》。该研究为潮间带牡蛎礁鱼类群落评估领域贡献了新的方法、新的认识。

这项研究的背景是因为潮下和潮间栖息地的结构复杂，所以评估里面的鱼类群落变得挺有难度。传统的捕捉和采集虽然被认为是了解这些群落的最好方法，但因为花费高、而且有点破坏性，科学家们也开始用视频技术来研究。水下视察和鱼饵引诱的远程水下视频站是现在用来了解这些系统中的鱼类群落的技术。不过，远程水下视频（RUV）等更“被动”的技术也变得越来越受欢迎。虽然这些技术在研究行为或比较不同栖息地时更适合，但RUV的数据处理可能会变得耗时、且成为研究进程中的瓶颈。

该研究的目标是找到评估潮间带牡蛎礁鱼群时最好的方法。研究人员采用了一种叫做RUV的摄像头和自助抽样技术来实现这个目标。研究人员详细研究了两种不同的采样方法（一种是有规律的，一种是随机的），看看它们对三个不同的鱼类群指标的影响。这三个指标分别是物种多样性、MaxNT（这是鱼的总数的一种替代指标）以及MeanCountT（另一种鱼总数的替代指标）。研究结果显示，MaxNT和物种多样性应该在录制视频的同时实时记录，而MeanCountT的最佳采样频率是每60秒一次。研究人员还发现，有规律的采样比随机采样更准确和精确。这项研究提供了在不同潮间带环境中使用RUV评估鱼类群落时的一些建议，有助于提高评估的效率。

图源：绿会融媒

研究背景及意义

鱼类群落的准确评估，对于海洋生态学家来说是个至关重要的事情，因为它为持续监测和评估群落动态提供了基础。特别是对于正在下降的系统，如浅的、复杂的河口栖息地，包括牡蛎礁、红树林、海草床和岩礁。这些栖息地在河口提供育种场所，并支持多样化的鱼类群落，需要进行监测以维护渔业和河口健康。这些栖息地也是恢复的焦点，因此对于鱼类评估的优化方法对于最大化监测和确保恢复成功至关重要。

在某些地方，如海洋保护区，非侵入性的估算方法比破坏性的捕获估算方法更为重要，因为后者可能会引起未来样本的偏倚并危及管理目标。因此，研究者们依赖于各种非侵入性方法，如潜水员水下视察、网捕、标记/重新捕获和视频，来估算鱼群数量。

视频技术的应用

在这些方法中，鱼饵引诱（BRUV）和非鱼饵引诱（RUV）的远程水下视频系统因其适用于暴露于强水流、潜水员无法到达的水域，或者水域太浅或太深而备受青睐。与BRUV相比，RUV更适用于鱼类行为的研究，因为它们对记录的群落几乎没有影响。此外，RUV也更适合捕捉非食肉物种，以及比较邻近栖息地中的群落组成。然而，相对于BRUV，RUV需要更多的采样努力，因为视频中的鱼类数量较少，需要更长的浸泡时间或更多的重复次数，以达到相同水平的统计功率。

数据处理瓶颈和深度学习的应用

从完整视频中提取数据可能会在分析工作流中形成处理的"瓶颈"，因为观察者疲劳可能导致1小时的视频处理需要长达13小时。近年来，研究者们开始认识到利用深度学习的时间节省应用，可以自动计数和识别视频中的鱼类。然而，模型在具有复杂背景、视野不佳、光照条件不同或鱼类伪装的视频中的表现并不理想。因此，为了确保准确性，有必要确定在这些条件下手动计数鱼类的最有效方法。

为了减少处理时间，一种方法是对视频进行子采样以评估鱼类群落。先前曾有研究关注了RUV样本数量对数据准确性的影响，以及最佳浸泡时间，但尚无研究评估与RUV的鱼类指标采样相关的精确性和准确性。

关于评估视频中的鱼类群落，最常用的指标是视频持续时间内捕获的物种数量（以下简称物种丰富度）和MaxN，即一帧中出现的个体鱼最多的数量。根据最近的审查，MaxN是通过BRUV视频评估鱼群的主要指标，它在81%的研究中得到了应用。另一种较新的替代指标MeanCount，在BRUV研究中仅占2％，但逐渐变得更受欢迎。MeanCount使用从视频中选择的单个帧来计算帧中鱼的数量的均值。从某种意义上说，它是一种占用加权的MaxN，可以是一种更具信息性和有用的指标。对于这两个指标，以及两种采样方法的实验性比较尚未进行，因此这一研究填补了这一研究空白。

在这项研究中，研究者们使用了来自潮间带的RUV鱼类群落样本，以确定（1）RUV获得这些系统中物种丰富度准确值的最佳浸泡时间，（2）比较使用系统和随机方法对MaxN，MeanCount和物种丰富度进行子采样的精确性和准确性，以及（3）评估努力和获得的信息之间的权衡，提出关于采样帧数的建议。

通过对潮间带牡蛎礁鱼类群落的深入研究，研究者们为RUV评估鱼类群落的方法提供了有价值的方法建议。研究结果强调了MaxNT和物种丰富度应实时记录，而对于MeanCountT的最佳采样频率是每60秒一次。同时，系统采样在准确性和精确性方面表现优越。这一研究为未来在各种浅潮间栖息地中使用RUV评估鱼类群落提供了指导，并为研究者们在评估鱼群时提供了更高效和稳健的方法。

本文仅代表资讯，不代表平台观点。

欢迎转发（请注明来源）。

编译 | Wendy

审核 | 绿茵

排版 | Sara

参考资料略