受调节河流十年鱼道检测揭示三种鱼类上游迁移的物种特异性流量与温度线索

《Ecohydrology》：Ten Years of Fishway Detections Reveal Species-Specific Flow and Temperature Cues for Upstream Migration in a Regulated River

　　

河流调节破坏了促进鱼类移动的流态，导致种群下降。通过管理环境流（environmental flows）恢复水文线索可支持恢复，但需要理解河流流量如何驱动移动。研究人员分析了澳大利亚东南部墨累河下游600 km范围内11个连续鱼道的10年（2014–2024）被动集成应答器（PIT）检测数据。上游移动包括799尾本土金鲈（Macquaria ambigua）、69尾本土银鲈（Bidyanus bidyanus）和199尾非本土普通鲤（Cyprinus carpio）。所有物种对流量均表现出显著的非线性响应，尽管置信区间（CI）较宽；移动概率从4000兆升（ML） day^?1时的约0.1增加至中等流量（10,000–14,000 ML day^?1）时的0.22–0.27。较高流量下响应出现分化：银鲈概率在约33,000 ML day^?1时增至0.58，金鲈在45,000 ML day^?1时再次增至0.19，而普通鲤下降至0.07。金鲈在中等和高流量下均表现出较高移动速率（在10,000和45,000 ML day^?1时分别为17.1和18.0 km day^?1），而普通鲤在同一范围内从20.4降至6.7 km day^?1；银鲈移动速率仅微弱增加且不显著。金鲈、银鲈和普通鲤的移动概率分别在22°C、18°C和15°C达到峰值，而上游移动距离平均分别为106、119和148 km。这些物种特异性响应曲线表明，在最佳温度窗口内输送超过约20,000 ML day^?1的流量可增强本土鱼类移动，尤其是银鲈，同时与普通鲤移动概率降低相对应。

研究背景与问题：淡水生态系统受人类活动压力显著，流态改变是主要威胁之一；水坝、堰及其他基础设施改变河流流量的时机、数量和质量，降低物理连通性，并促成淡水鱼类种群下降。恢复水文情势和连通性是河流鱼类恢复的重要组分。鱼类的移动是基本生态过程，与扩散、生长、繁殖、补充和基因流相关；在受调节河流中，自然线索常被破坏，因此有必要量化流量与水温对物种特异性移动的影响。墨累–达令盆地（MDB，Murray–Darling Basin）河流流态高度变异且受调节显著，下游墨累河由常年流水河流转变为一系列以静水为主的堰池；本土鱼类下降促使在 Basin Plan 下以环境流（environmental flows，为生态目标管理释放的水量）作为管理杠杆。为环境水交付提供依据，需要量化本土鱼类对流量线索的物种特异性响应，同时需考虑入侵普通鲤的扩散风险。研究人员据此分析下游墨累河连续鱼道间的移动，目标包括量化水温与河流流量（discharge，以兆升（ML） day^?1计）对上游移动概率和移动速率（km day^?1，仅对可检测移动个体）的影响，并比较物种间移动距离。研究得出，三种鱼对流量和水温呈显著非线性及物种特异性响应；在最佳温度窗口内输送超过约20,000 ML day^?1的流量可增强本土鱼类移动，尤其银鲈，同时与普通鲤移动概率降低相对应。其意义在于，环境流设计需同时考虑流量大小与水温，不能假设流量越大生态收益按比例越大；鱼道修复与流量管理可改善连通性并促进大尺度移动。

关键技术方法（≤250字）：研究依托2002年至2024年6月在墨累河400余个站点开展的多州、多机构PIT标记队列；2014年7月至2024年6月分析Lock 1—Lock 11共11个连续鱼道、604 km河段的PIT检测。建模使用13,883次检测（金鲈5,734、银鲈1,824、普通鲤6,325）并构建伪缺失；采用广义加性混合模型（GAMM，generalised additive mixed model）分别拟合上游跨堰移动概率（二项分布-logit）和移动速率（伽马分布-log连接），以物种特异性平滑项估计流量和水温的非线性影响，并纳入个体Tag ID与鱼道站点随机截距；伪缺失按频率倒数加权。移动距离用广义线性混合模型（GLMM，generalised linear mixed model；伽马分布-log连接）比较物种差异，纳入站点和个体随机效应。流量来自Water Data SA，水温来自MDBA River Murray Data。

研究结果：
3.1 River Discharge and Water Temperature（河流流量与水温）：通过研究期水文数据总结，Lock 10流量两次超过45,000 ML day^?1（峰值81,400和125,000 ML day^?1），最低为1327 ML day^?1，2017–2019干旱期平均5718 ML day^?1（标准差（SD）=3844）；Lock 9水温为9.8–29.8°C，平均18.9°C（SD=5.6）。结论是流量年际变异大，水温季节规律较强且站点间较均匀。
3.2 Fish Detection Summary（鱼类检测概要）：通过2014–2024年标记队列与鱼道PIT检测汇总，14,566尾标记鱼中1,067尾（7.3%）被检测到发生跨堰移动，包括金鲈799/9,269（8.6%）、银鲈69/645（10.7%）和普通鲤199/4,652（4.3%）。结论是 detectable 移动比例较低且存在物种差异。
3.3 Probability of Upstream Movement（上游移动概率）：通过GAMM拟合流量与水温对二项移动响应的影响，流量非线性效应显著：金鲈有效自由度（edf）=6.89、χ²=969.98、p<0.001；银鲈edf=4.87、χ²=243.23、p<0.001；普通鲤edf=5.35、χ²=331.77、p<0.001。金鲈概率由4000 ML day^?1的0.11升至10,000 ML day^?1的0.22（95%CI 0.06–0.37），20,000 ML day^?1约0.11，45,000 ML day^?1回升至0.19（95%CI 0–0.38）；银鲈由0.1升至10,000 ML day^?1的0.27（95%CI 0.07–0.47），20,000 ML day^?1约0.16，约33,000 ML day^?1达0.58（95%CI 0.3–0.86）；普通鲤由0.1升至14,000 ML day^?1的0.26（95%CI 0.07–0.45），45,000 ML day^?1降至0.07。水温效应亦显著，峰值分别为金鲈22°C（0.29，95%CI 0.1–0.48）、银鲈18°C（0.27，95%CI 0.07–0.47）、普通鲤15°C（0.31，95%CI 0.11–0.51）。升温时更可能启动移动（log-odds=0.44，比值比（OR）=1.55，95%CI 1.39–1.73；p<0.001），升/降洪峰无显著差异。方差分解显示边际R²=0.076，个体和站点随机截距分别解释26.8%和25.2%，残差40.4%。结论是环境变量显著但解释比例较小，个体与站点异质性较大。
3.4 Upstream Movement Rates（上游移动速率）：通过GAMM仅对观测移动拟合速率，流量对金鲈（edf=6.82，F=145.945，p<0.001）和普通鲤（edf=4.01，F=6.773，p<0.001）显著，对银鲈不显著（edf=0.74，F=0.701，p=0.052）。金鲈速率由5000 ML day^?1的13.07升至10,000 ML day^?1的17.14（95%CI 14.26–20.02），20,000 ML day^?1降至9.29，45,000 ML day^?1回升至17.97 km day^?1；普通鲤由17.63升至10,000 ML day^?1的20.36（95%CI 16.79–23.93），45,000 ML day^?1降至6.72 km day^?1；银鲈仅由15.44变为35,000 ML day^?1的19.41 km day^?1（95%CI 14.02–24.80）。水温对速率非线性显著，峰值分别为金鲈22°C（17.60 km day^?1，95%CI 14.44–20.76）、银鲈19°C（16.59 km day^?1，95%CI 12.89–20.30）、普通鲤21°C（20.08 km day^?1，95%CI 16.28–23.87）。基线速率金鲈9.02 km day^?1，银鲈12.02 km day^?1，普通鲤15.55 km day^?1；上升洪峰速率较低（log-scale=-0.08，95%CI -0.13至-0.03，p=0.001），温度趋势无显著影响。速率模型边际R²=0.181，个体和站点分别解释15.0%和5.6%，残差61.3%。结论是环境驱动对移动速率的塑造作用较对移动触发更突出，但未测个体变异和随机变异仍占主导。
3.5 Upstream Interweir Movement Distances（上游跨堰移动距离）：通过离散移动事件和GLMM比较距离，平均每次事件距离为金鲈106 km（n=936，SD=80）、银鲈119 km（n=103，SD=101）、普通鲤148 km（n=365，SD=137），在控制站点和个体效应后差异不显著（银鲈β=0.084，标准误（SE）=0.053，z=1.60，p=0.109；普通鲤β=0.034，SE=0.033，z=1.03，p=0.303）。距离随站点显著变化，距Lock 1更远的闸堰通常距离降低（Lock 9：β=-1.700，SE=0.076，z=-22.32，p<0.001）。>400 km大尺度移动在普通鲤中31尾（15.6%）、金鲈8尾（1%）、银鲈3尾（4.3%）被检测到；最大观测距离分别为金鲈491 km、银鲈551 km、普通鲤551 km。结论是大尺度移动存在，但物种间平均距离差异不显著，站点影响显著。

讨论部分总结：水温是较一致的季节性移动线索，而流量在年际和年内变化大，需通过模型识别高移动概率条件；低流量或低水温时各物种移动少，高水温也不利于移动。尽管流量和水温重要，个体与检测站点变异很大；体长仅在标记时记录，检测时体长、性别和状况未测，站点差异可能反映鱼道性能差异。金鲈移动概率在约10,000 ML day^?1中等流量达峰，银鲈在中等流量有小峰并在约33,000 ML day^?1高流量显著升高，普通鲤在14,000 ML day^?1达峰且温度峰值约15°C，低于本土鱼类。普通鲤平均移动距离更长但统计不显著；与 Stuart and Jones、Thiem et al.、Bice et al.、Koster et al. 等研究相比，研究结果强调系统和水文背景差异，且Lock 11鱼道性能不佳及鱼可能上溯Darling（Baaka）河使距离可能被低估。检测比例低可能反映检测不完美、标记脱落、死亡或经船闸通过；PIT鱼道检测偏向自上游的河道内移动，高流量淹堰时检测可靠性降低。Sea to Hume Dam 计划使三种鱼成功通过多个鱼道并完成大尺度移动，但流量阈值不可直接移植到其他系统。管理上，当前>10,000 ML day^?1的年度基流（冬季至初夏）与本土鱼峰值一致；>20,000 ML day^?1至约33,000 ML day^?1存在增加河道内流量组分的空间；10,000与33,000 ML day^?1支持不同生态功能，不可互换。升温至18–22°C时输送移动导向环境流可利于本土鱼并降低普通鲤扩散，冬季和早春流量与普通鲤峰值温度重合时需配合缓解和监测。作者亦指出银鲈在>25,000 ML day^?1观测有限、以鱼道检测推断移动、模型解释力有限等限制。

研究结论翻译：河流调节破坏了自然流态和连通性，促成澳大利亚及全球鱼类种群广泛下降。障碍物修复和环境流释放是关键恢复行动，但最大化其有效性需要详细理解河流流量和水温如何影响局部鱼类移动。研究人员对10年鱼道检测数据的分析显示，金鲈、银鲈和普通鲤的移动在中等河道内流量（约10,000 ML day^?1）时增加，高流量（>30,000 ML day^?1）驱动银鲈移动大幅增加。虽然环境流不可避免地会促进入侵普通鲤的扩散，但物种间热最适差异表明，在18°C–22°C输送环境流可最大化本土鱼类移动，同时最小化普通鲤扩散风险，后者峰值约15°C。基于这些发现，未来工作应检验对越岸流（overbank flows）的响应以及横向和下游移动的作用，并将该建模方法扩展到一系列受调节河流中的更多本土和入侵物种。精心定时、在有利于本土鱼而非入侵鲤的热窗口内输送环境流，为改善受调节河流中的鱼类通过效果提供了实用方案。