基于水下影像和机器学习技术，底栖生境对海扇的分布和游泳行为产生影响

海扇贝分布与游泳行为的环境驱动机制研究：基于自动化图像分析技术，通过处理136万张光学调查图像，建立底质特征与年龄相关密度模型及游泳行为预测模型，揭示砾石、贝壳碎片显著增加海扇贝密度，海星床和沙波纹床抑制密度，游泳概率与年龄、水深、温度及底质复杂性相关，为可持续渔业管理提供新工具。

　　
大西洋海 scallop 环境适应与行为模式研究：基于自动化视觉分析的突破性进展

摘要
大西洋海 scallop（Placopecten magellanicus）作为美国东部最重要的经济渔业物种，其资源评估和管理长期面临数据采集效率低下和生态关联性不明的挑战。本研究通过开发自动化视觉分析平台，首次实现了对超过1369万张海底影像的规模化处理，建立了涵盖0-4+龄级的完整 scallop 数据集，并揭示了环境要素与 scallop 行为的复杂关联。研究突破传统抽样局限，为海洋生态评估提供了全新范式。

研究背景
作为年产值4.67亿美元的核心经济物种（NMFS,2024），海 scallop 的可持续管理依赖于对幼体定居、成体存活及行为模式的深度解析。传统拖网采样存在明显局限：幼体容易穿透采样网漏检（Carey & Stokesbury,2011），且生物量估算依赖人工标注，效率低下。随着拖曳式光学成像系统（HabCam V3）的应用，产生了海量影像数据，但人工标注仅能处理1%-10%的影像（L'heureux et al.,2017），严重制约研究深度。

技术突破
研究团队创新性地整合了计算机视觉平台VIAME（Video and Image Analytics for Marine Environments）两大核心模块：
1. **scallop 智能检测系统**：通过深度学习构建双模态检测器，可精准区分活体静止 scallop、主动游泳个体及死亡空壳，检测准确率达92%（Table 3显示年龄0-4+的活体 scallop 检测完整率）
2. **benthic habitat 多维分类器**：基于CMECS标准开发六维分类系统（Table 1），涵盖砾石、贝壳碎屑、海星床、海胆床等关键生境要素，分类精度超过85%

方法创新
构建了首个跨年龄段的 scallop 环境响应模型体系：
- **时空数据融合**：整合地理位置（东经/北纬）、水深（25.79-112.27米）、水温（6.43-22.78℃）等时空参数
- **年龄分级模型**：采用区域特异性 von Bertalanffy生长方程（Mann et al.,2022），将 scallop 划分为0-4+五个龄级，其中：
- 龄0（<25mm）：采用Tweedie分布（1.1幂参数）处理零膨胀数据
- 龄1-4+：优化选择广义加性混合模型（GAM），通过BIC/AIC双重准则筛选关键因子
- **动态行为建模**：构建二分类GAM模型，区分主动游泳与静止状态，引入时间序列要素捕捉季节性变化

主要发现
1. **栖息地偏好动态演变**（Fig.4）
- 所有龄级 scallop 均呈现"砾石偏好"（密度随砾石比例增加而提升）
- 龄0偏好中贝壳含量（5-30%）区域，与 spat 定居模式吻合（Cragg,2006）
- 龄3+对贝壳碎屑（>80%）的依赖度显著提升，可能与繁殖期能量分配策略相关

2. **游泳行为的环境驱动机制**（Fig.5）
- 龄2 scallop 在高Bryozoan密度区游泳概率提升37%（BIC=4570）
- 温度梯度显著影响不同龄级：龄2在低温区（<9℃）活动度达峰值，龄3+则偏好中温区（9-14℃）
- 调查船高度（Altitude）每降低1米，游泳概率增加22%（95%CI:18-26%）
- 密度梯度效应：高密度区游泳概率降低（R2=0.34），符合"聚集避害"理论（Frommen et al.,2009）

3. **生物干扰机制解析**
- 海星床（SeaStarBed）导致各龄级密度下降12-25%，与A.americanus捕食活动吻合（Hart,2006）
- 海胆床（Sand Dollar Bed）通过改变沉积结构间接影响 scallop，其效应在龄2+阶段增强3倍
- 软泥波纹区（Sand Waves）的密度抑制效应达42%，与水流湍动能超过10cm/s阈值相关（Amos et al.,1988）

科学价值
1. **方法论革新**：建立首个百万级影像的 scallop 分析数据库，处理效率提升400倍（手动标注需4年，自动化2周）
2. **生态模型突破**：揭示环境要素的龄级特异性响应模式，如Bryozoan对龄0的积极影响（+19%）与龄3的消极作用（-15%）
3. **管理应用前景**：开发预测模型准确度达87%（AUC值0.82-0.91），可指导：
- 渔业区划：识别砾石区（高产量区）与软泥波纹区（低产量区）
- 繁殖场选址：推荐中贝壳含量（15-30%）与低Bryozoan（<5%）结合区域
- 生态补偿：建立海星密度预警系统，当>50只/平方公里时触发生态干预

挑战与展望
1. **模型局限性**：未区分海星种类（Asterias spp. vs. A.americanus），需改进物种识别模块
2. **动态因子缺失**：未纳入食物丰度（如浮游生物浓度）、盐度波动等参数
3. **行为解释瓶颈**：游泳行为在龄2阶段与Bryozoan正相关（+18%），但具体机制（竞争/避难）需实验验证

本研究的突破性进展为海洋生物资源管理提供了新范式：通过VIAME平台实现"数据采集-自动化处理-智能建模"全链条贯通，使百万级影像数据转化为可操作的生态参数。后续研究可结合多模态传感器（如CTD水质仪、声学标记追踪）和时空聚类算法，深化对 scallop 环境适应机制的理解，为建立基于生态系统的管理框架提供理论支撑。