融合视觉-声学双平台与昼夜可变g(0)校正的地中海海豚科绝对丰度估算

《Global Ecology and Conservation》：How many delphinids are there? Estimating absolute abundance by correcting variable detection biases with a visual-acoustic double-platform

　　

海豚科（Delphinidae）面临包括渔业兼捕在内的重大威胁，因此绝对丰度（absolute abundance）估计对于评估人为死亡可持续性和指导有效保护策略至关重要。然而，因检测偏差需通过估计g(0)（trackline detection probability，转线检测概率）校正，获得此类估计具有挑战性。本研究旨在通过三项主要方法学进展改进地中海海豚科绝对丰度估计：评估用于船基调查的视觉-声学双平台方法；纳入随平台和一天时间变化的g(0)，以更现实地考虑检测偏差；通过整合2018年ACCOBAMS Survey Initiative（ASI，ACCOBAMS调查计划）期间收集的船基和航空调查数据集，提供全海盆估计。研究人员利用该调查船基部分收集的视觉和声学数据不同组合构建三个数据集，并在不同偏差校正情景下估计丰度。假设完美检测（g(0) = 1）得到最低估计435,288个海豚科个体（95% CI：362,481–522,719）。使用每个平台统一的经验估计g(0)使估计增至1,227,802个体（95% CI：704,557–2,139,640）。然而，这很可能高估丰度，因为其忽略了声学可检测性的昼夜变化。按日间和夜间调整g(0)得到724,285个体（95% CI：291,550–1,799,313），与同一调查区块校正航空估计695,096个体高度接近。这表明考虑发声活动的昼夜变化对于提高丰度估计准确性很重要。本研究提供了地中海海豚科首个基于船基的校正丰度估计，并为未来更可靠校正奠定基础。

研究背景方面，近几十年来人类活动和气候变化日益影响海洋生态系统与生物多样性，海豚科（Delphinidae）尤其受到渔业兼捕等威胁。全球范围内，条纹海豚（Stenella coeruleoalba）等种群因刺网兼捕承受较高死亡压力。尽管海豚科是相对较小的分类类群，但其对维持海洋生态系统生态平衡具有重要作用。IUCN（International Union for Conservation of Nature，国际自然保护联盟）将丰度估计作为评估物种保护状态的主要标准之一；绝对丰度（absolute abundance）指特定区域内种群总个体数，对于评估人为死亡可持续性和制定保护管理策略至关重要。然而，绝对丰度估计受不完美检测影响，需估计转线检测概率g(0)；相对丰度（relative abundance）虽易获得，但无法直接反映种群接近灭绝的程度。线样条距离采样（line-transect distance sampling）常用于大规模鲸类丰度估计，但传统假设g(0)=1；实际存在可用性偏差（availability bias）和感知偏差（perception bias），若不校正会低估丰度。视觉-声学双平台可在标记重捕距离采样（Mark-Recapture Distance Sampling，MRDS）框架下估计感知偏差，声学平台的g(0)校正仍困难，且多数研究只用白天声学数据，未充分利用夜间声学数据。基于此，研究人员旨在通过三项方法学进展改进地中海海豚科绝对丰度估计：评估视觉-声学双平台船基调查；纳入随平台和日时变化的g(0)；结合船基与航空数据集给出全海盆估计。

研究人员利用ACCOBAMS Survey Initiative（ASI，ACCOBAMS调查计划）2018年夏季地中海船基和航空调查数据开展分析。船基调查由R/V Song of the Whale执行，连续昼夜航行；航空数据独立收集，用于比较和全海盆合并。研究构建visual、day和full三个数据集，并在四种偏差校正情景下估计丰度。结果显示，纳入声学数据会提高丰度估计；但采用恒定平台特异性g(0)会过度校正夜间声学努力，而按日相变化校正声学g(0)更符合独立校正航空估计。最佳折中为情景3，据此结合船基和航空校正估计得到地中海调查区域海豚科绝对丰度1,010,221个体。该研究提供了地中海首个结合船基与航空校正估计的海豚科绝对丰度，并为未来更可靠校正和监测提供基线。

关键技术方法（不超过250字）：研究基于2018年夏季地中海ACCOBAMS Survey Initiative（ASI，ACCOBAMS调查计划）船基组件，R/V Song of the Whale连续昼夜航行，并利用同期航空调查数据作独立比较。采用线样条距离采样与视觉-声学双平台框架，构建visual、day、full三个数据集。设置4种偏差校正情景：g(0)=1；平台恒定g(0)，声学0.33、视觉0.30；声学按日、夜、过渡期可变g(0)；声学按小时可变g(0)。使用R的Distance包拟合半正态检测函数，截断1.5 km，并以dht2纳入g(0)乘数；航空估计用文献g(0)=0.77校正。

研究结果：

3.1 g(0)值跨情景变异：情景1假定两平台g(0)=1。情景2使用Ollier et al. (2023)平台特异性恒定值：声学g(0)_acoustic=0.33（标准误SE=0.08），视觉g(0)_visual=0.30（SE=0.07）。情景3将每小时声学事件数拟合余弦函数，峰值在23:00，并设峰值g(0)=1、白天5:00–19:00均值缩放为0.33；得到g(0)_day=0.33（SE=0.15）、g(0)_night=0.98（SE=0.05）、g(0)_transition=0.78（SE=0.16），视觉保持0.30。情景4给出24个小时g(0)值，部分SE很小或为零；视觉仍为0.30。

3.2 数据集和情景间丰度估计比较：视觉、day、full数据集努力分别为4,847 km、9,225 km、14,056 km；1.5 km截断内记录91个视觉事件和521个声学事件，其中白天60个、夜间461个。情景1丰度随样本增加而增加，full数据集435,288个体（变异系数CV=9%，95%置信区间CI：362,481–522,719），视觉/full比约2.8，CV最窄。情景2中full数据集为1,227,802个体（CV=29%，95% CI：704,557–2,139,640），约为情景1的三倍，但CV未随样本增加而下降。情景3中full数据集降至724,285个体（CV=49%，95% CI：291,550–1,799,313），视觉/full比约1.5。情景4中full数据集为696,919个体（CV=102%，95% CI：133,325–3,642,953），与情景3相近但不确定性更大。密度（个体/km²）估计呈相同模式。

3.3 与航空估计比较：共同区块航空未校正估计为535,224个体（CV=12%，95% CI：471,168–599,280），按Palka (2005)的g(0)=0.77校正后为695,096个体（CV=12%，95% CI：611,685–778,508）。该值与情景4的696,919个体相差约1,800个体，小于0.3%；与更精确的情景3的724,285个体相差约4%。

3.4 全海盆海豚科绝对丰度估计：基于情景3对全部船基调查区块估计为889,048个体（CV=48%，95% CI：361,323–2,187,532）；加上仅航空调查区块校正后的121,173个体，得到调查地中海区域海豚科绝对丰度1,010,221个体。

讨论部分总结：四情景体现不完美检测和声学可用性校正程度增加。纳入声学数据均提高估计，但校正方式影响幅度与不确定性。日相校正（情景3、4）低于恒定校正（情景2），更接近校正航空估计。情景4小时校正虽更细，但不确定性过高；情景3在生物现实性和精度间最佳，被用于全海盆估计。声学g(0)主要校正可用性偏差：假设海盆昼夜丰度恒定，夜间声学事件多反映发声增强，因而可检测性更高；将23:00峰值设为g(0)=1，白天缩放至0.33。夜间残留感知偏差可能仍使丰度略低估。与航空比较支持情景3稳健；航空g(0)=0.77选自Palka (2005)，因调查条件相似，其他地中海估计因方法差异未采用但范围相近。情景1适合时间趋势，情景3适合绝对丰度。ASI首次大规模覆盖多地中海区域，既往调查尺度小难直接比较，IFAW-MCR船基调查仅提供遇见率。本研究为未来监测、趋势评估和EU Marine Strategy Framework Directive、UNEP/MAP等保护管理提供基线。局限包括未纳入海况和背景噪声协变量，夜间声学感知偏差未考虑，视觉g(0)假定恒定，声学群大小不能可靠校正而采用同区块视觉群大小，声学物种识别困难导致物种合并；条纹海豚在视觉目击中占比高，但估计不能仅归因于该物种。未来建议白天采用视觉-声学双平台直接估计各平台g(0)，标准化昼夜调查模式，并将船基作为航空补充。

研究结论翻译：在本研究中，研究人员开发了一种方法，通过结合视觉和声学数据并考虑声学可用性的昼夜差异来改进船基估计。通过纳入随日相变化的g(0)值，研究人员获得的估计更接近校正后的航空数据参考。该方法提供了地中海海豚科绝对丰度的首个估计，该估计结合了船基和航空校正估计。本研究代表了向着计算更可靠的船基调查校正因子、并最终获得更准确绝对丰度估计迈出的重要一步。