社区科学助力数字化美国密歇根州千湖78年鱼类与栖息地历史数据

为解决北美温带湖泊生态系统因气候变化和人为压力导致的退化问题，密歇根大学联合多机构通过社区科学（Community Science）和众包平台Zooniverse，将1921-1998年间密歇根州1300余个湖泊的手写档案（包括鱼类群落、生长数据和栖息地特征）转化为标准化机器可读数据集。该研究填补了湖泊长期生态数据的空白，为评估气候变化下鱼类种群动态（如长度-年龄关系）和制定适应性管理策略提供了关键基线，成果发表于《Scientific Data》。

　　

北美温带湖泊作为重要的生态和经济资源，正面临富营养化、入侵物种和气候变暖的多重威胁。然而，缺乏长期历史数据阻碍了对湖泊生态系统响应机制的解析。密歇根大学等机构的研究团队通过创新性整合社区科学力量，成功将密歇根自然资源部存档的78年手写卡片（1921-1998）转化为三大类标准化数据集：湖泊特征摘要卡、鱼类采集卡和生长分析卡，覆盖1300多个湖泊。

研究团队采用Zooniverse众包平台，开发定制化工作流（workflow）组织3000余名志愿者完成45万次转录，通过Python工具包panoptes-aggregation进行数据聚合与验证。关键技术包括：1）多志愿者共识机制（≥3人/卡）；2）基于模糊匹配算法（fuzzy matching）的湖泊地理信息标准化；3）生长数据异常值检测（1.75*四分位距阈值）。

数据记录

1. 湖泊摘要数据：包含水深、透明度（Secchi depth）等形态特征及34种鱼类存在/缺失记录。
   
2. 鱼类采集数据：记录15种渔具（如刺网gill nets）的捕获量，显示蓝鳃太阳鱼（Lepomis macrochirus）等优势种时空变化。
   
3. 生长数据：16个物种占98%的长度-年龄记录，揭示大眼梭鲈（Sander vitreus）等鱼类的生长异质性。
   

技术验证采用三重质控：转录一致性检查（>50%匹配）、数值范围验证（如最小深度≤最大深度）以及单位统一转换（英寸→毫米）。未匹配湖泊（0.4%）因地理信息缺失被保留原始记录。

该研究首次构建了跨78年的湖泊生态综合数据库，其价值体现在：1）为气候变暖下鱼类分布模型（如物种分布模型SDM）提供基线数据；2）揭示渔获量下降与夏季水温升高的关联（如King等2023年研究）；3）支持博物馆标本与野外数据的联动分析（Astudillo-Clavijo等2024）。数据集已整合至密歇根大学Deep Blue平台，可通过MDNR唯一标识符（mdnrid）与LAGOS-US等数据库关联，推动大尺度生态学研究范式革新。