东爱琴海宽吻海豚（Tursiops truncatus）社会结构、环境条件与哨声特征之间的关系

《Frontiers in Mammal Science》：Relationships between social structure, environmental conditions and whistle characteristics in common bottlenose dolphins (Tursiops truncatus) in the eastern Aegean Sea

　　

宽吻海豚（Tursiops truncatus）依赖哨声发声维持群体凝聚与协调。尽管哨声特征受多种因素塑造，但社会结构、栖息地特征与海洋交通的联合效应在东地中海仍认识不足。本研究通过整合被动声学监测（PAM）、基于照片识别的社会网络分析（SNA）、海洋交通比率与环境数据（2017—2025年），调查了东爱琴海宽吻海豚的声学生态学。共分析来自30段录音的986个哨声。个体表现出偏好性关联，但模块度（modularity）表明检测到的9个聚类并不强于随机预期，故将这些聚类视为暂定社会单元。仅两个最大聚类拥有足够的独立录音用于声学比较。在考虑环境变量后，两聚类间哨声结构存在差异（PERMANOVA，R² = 0.29，p = 0.002）。在控制群体大小与研究船只、以及排除两聚类共享录音后，该结果仍显著。一个聚类的哨声具有更多拐点（inflection points）和更高比例的正弦型（sinusoidal）轮廓。海表温度（SST）也与哨声结构相关，但该效应在稳健性分析中并不一致，且无法与季节完全分离。整个研究期间海洋交通比率较低，未显示对哨声结构的一致效应，水深亦无效应。社会与环境效应仅在联合考虑时被检测到，提示单独考察时二者可能部分相互掩盖。东爱琴海宽吻海豚的哨声变异似乎主要与社会结构相关，其次与环境条件相关，而在所记录的低声交通水平下未检测到海洋交通的一致效应。本研究提供了该种群哨声变异及其与社会和环境因素关系的初步信息，可支持未来的保护与管理策略。

**研究背景与问题**　宽吻海豚（Tursiops truncatus）是高度动态且社会化的物种，常以2至15只个体组成的群体活动，偶见独居个体或数百只个体的超级群（superpods）。该物种呈现复杂的裂变—融合（fission-fusion）种群动态，群体组成频繁快速变化，特定个体反复关联但非永久固定，同时也能形成稳定持久的 social bonds。正因如此，该物种需要频繁高效的社交互动，而声音是其主要传递方式；哨声（whistles，调频窄带信号）用于维持群体凝聚与协调。哨声特征可受环境条件、行为情境、社会结构和人为干扰等多因素影响。研究地点地貌条件（如水深和海床形态）可通过改变声传播影响声信号输出：浅水且结构复杂的栖息地相较深水开阔环境通常产生更大的传输损失、频率依赖性衰减和多路径干涉；海床组成还决定哪些频率高效传播、哪些被优先吸收或散射。此外，群体大小、水面行为和幼崽存在也被认为是宽吻海豚哨声结构变异的潜在驱动因素，幼崽存在可改变群体发声频率；个体关联程度和重复社会互动可影响所用哨声类型的相似性，关联更紧密的动物共享更多声学特征。然而，这些自然驱动因素并非唯一塑造发声的因素，人类活动也可能干扰海豚声景进而影响其社会平衡。鉴于宽吻海豚主要分布于沿岸水域，被认为高度暴露于海洋交通和水下噪声；船只互动可产生回避、群体凝聚破坏、呼吸频率和潜水间隔增加等短期行为效应，并可升级为季节性/长期位移和能量需求增加等持续后果。船只噪声本身可改变发声产生，人为声音可能与海豚听阈和频率范围重叠，造成"声掩蔽（acoustic masking）"效应，阻碍生物学意义声信号的发射与传输；为应对背景噪声增加，宽吻海豚可改变哨声声学特征，有报道环境噪声每升高1 dB，哨声最低、最高和峰值频率可能增加，鉴于船只噪声一般限于低频，向高频偏移可能是一种减少掩蔽效应的适应性反应，但这种发声适应也可能导致能量消耗增加和代谢率升高。在地中海，宽吻海豚受ACCOBAMS、欧盟栖息地指令、CITES、CMS和巴塞罗那公约等多项国际协议和法律框架保护（IUCN, 2023），但评估人为压力如何影响当地宽吻海豚种群的研究仍然稀缺，某些区域甚至缺失。这一知识缺口在爱琴海（东地中海）尤为突出，该处海洋交通特别集中，很大程度上由于大量油轮和货船往返黑海。尽管若干保护倡议和研究关注该区域鲸类的丰度和分布，但缺乏海洋交通如何影响当地宽吻海豚亚种群的评估；迄今人为影响研究主要集中于渔业互动，而海洋交通对海豚生态和发声行为的潜在影响尚未探索。因此，为填补这一知识缺口，本研究旨在结合照片识别、社会网络分析（SNA）和被动声学监测（PAM），调查宽吻海豚哨声特征是否在社会聚类间存在差异，以及其与SST、水深和海洋交通的关系；结果旨在提供基线信息，支持未来保护措施，如指定Natura 2000站点。

**研究方法**　研究于2017年9月至2025年5月在希腊东爱琴海萨摩斯、伊卡里亚、富尔尼和利普西岛周边水域开展。采用两种水听器组件（取决于调查船只）：一为250 m拖曳阵列，含一对中频（Benthos AQ4）元件及匹配宽带前置放大器（Magrec HP/02，29 dB增益），另含一对Magrec球形陶瓷元件连接Magrec HP/02 40 dB宽带前置放大器及2 kHz处-3 dB高通滤波器，以Keller PA-9SE-10 10-bar 4–20 mA压力传感器测深，采样率96 kHz、24位分辨率，可在船只行进中录音；二为Aquarian AS-1宽带水听器（线性范围1 Hz至100 kHz ± 2 dB，接收灵敏度-208 dB re 1 V/μPa，采样率44.1 kHz、16位），录音时船只静止且引擎关闭。水深与SST分别从QGIS中EMODnet水深图层和Copernicus海洋服务地中海物理再分析产品获取。哨声由两名受训研究人员用Raven Pro独立识别和分类以最小化分类误差，提取最低频率、最高频率、频率差、持续时间、起始和结束频率及哨声拐点数，并将每个哨声归入六种轮廓类型（凹形、凸形、下扫、平坦、正弦、上扫）之一。照片识别由经验丰富的观察者手动完成，通过比较背鳍疤痕、着色模式和缺刻的存在与位置评估匹配和重捕；仅保留至少两次相遇中目击的个体用于SNA。SNA在RStudio中使用tidyr、stringr、igraph和vegan包，应用半权重关联指数（HWI），以同一次相遇中拍摄的个体视为关联；由HWI计算特征向量、度、强度和介数指标并按聚类平均。通过比较观测HWI的变异系数（CV）与1000个随机化网络（保持每次相遇个体数和每个体相遇数不变）的CV检验个体是否非随机关联；社会分化（S）和真实与估计关联指数相关性（r）通过最大似然估计。采用leading eigenvector法划分社会聚类，模块度（Q）衡量种群在聚类间的分割程度，观测Q与同1000个随机化网络的Q比较。哨声与录音当日照片识别个体所在社会聚类关联；当多个聚类个体在场时，哨声复制至各聚类。仅纳入至少两个不同日期有录音、至少10个哨声且至少两段录音不与其他聚类共享的聚类进入声学分析。海洋交通比率（MTr）在QGIS中估算：研究区划分为5×5 km网格，用counts points in polygon函数提取每格船只数，用sum line length函数测量调查轨迹长度（m）计算调查努力量，按Awbery等（2022）定义计算比率。统计分析在RStudio中进行，用pastecs包提取各哨声参数的最小、最大、均值和标准差；保留六个哨声参数（最低、最高、起始和结束频率、持续时间、拐点数），频率差因直接源自最低和最高频率而排除；持续时间作对数变换、拐点数作log(x+1)变换以减少偏度，六参数标准化为z分数，水深作对数变换。因同一录音哨声可能由同一个体产生而视为非独立，多变量分析中每段录音以各参数z分数中位数汇总，仅纳入至少三个哨声的录音。两聚类录音间环境与人为变量（MTr、船只数、水深、SST）差异用Kruskal–Wallis检验；预测变量共线性用Spearman相关和方差膨胀因子（VIF）评估，季节因与SST强相关而排除。用欧氏距离和边际检验的多变量PERMANOVA分析哨声结构受社会聚类和环境变量的影响，边际检验评估各变量在考虑其他所有变量后的效应；另做仅含社会聚类的第二PERMANOVA作比较；用vegan包betadisper函数的PERMDISP检验聚类间多变量离散度差异，以确保聚类差异非由变异性差异引起。用冗余分析（RDA）检验不考虑社会聚类时MTr、水深或SST是否影响哨声特征；随后用以社会聚类为条件变量的偏RDA检验聚类内环境变量的效应。为评估稳健性，PERMANOVA重复三次：加入群体大小（当日识别个体数）、加入研究船只（亦对应录音系统）、排除两聚类共享录音以避免重复哨声。为确定哪些哨声参数在聚类间存在差异，对六个参数分别用lme4和lmerTest包运行线性混合模型，使用所有哨声而非每录音一值，录音作为随机效应以考虑同一录音哨声非独立，社会聚类、MTr、水深和SST作为预测变量，P值用Holm法校正，置信区间基于Satterthwaite近似。轮廓类型通过计算每段录音（至少三个哨声）各轮廓比例比较，比例作Hellinger变换后用PERMANOVA分析。所有置换检验使用9999次置换，随机种子固定以确保可重复性，显著性设为p < 0.05。

**研究结果**　2017年9月至2025年5月共开展671次船基调查，76次宽吻海豚相遇（72天）有照片识别数据，其中21天获得声学录音（30段录音），共分析986个哨声。每段录音哨声数变异很大，从1到451（中位数6）。总体最低频率范围1.05至19.65 kHz（均值±SD：7.52 ± 2.27 kHz），最高频率2.39至25.49 kHz（13.26 ± 3.51 kHz），频率差0.22至18.95 kHz（5.74 ± 3.31 kHz），起始频率1.43至25.49 kHz（10.03 ± 3.70 kHz），结束频率1.05至22.58 kHz（11.00 ± 3.83 kHz），持续时间0.03至3.35 s（0.67 ± 0.47 s），拐点数0至12（1.19 ± 1.65）。水深5.2至998.7 m，多数录音（28段中23段）在≤170 m（中位数87 m）；SST 16.5至24.0 °C（19.6 ± 2.5 °C）；MTr一般较低，0至0.0021（0.00037 ± 0.00049），记录船只数0至9（2.11 ± 2.50）。

**3.1 社会网络分析**　76次相遇共识别60个个体，仅纳入至少两次目击的个体后数据集减至58个。HWI置换检验显示个体间非随机关联：关联异质性高于1000个随机化网络（HWI变异系数：观测=2.87，随机均值=2.68，p < 0.001）。社会分化高（S = 0.95），真实与估计关联指数相关性低（r = 0.33）。模块度分析将网络分为9个聚类（Q = 0.41），但模块度不高于随机化网络（随机均值Q = 0.39，p = 0.29）。聚类大小1至18个个体；三个单例聚类（聚类7、8、9）各含一个个体，其余六个含2至18个。两个最大聚类显示最高平均强度（聚类1：2.99 ± 1.52；聚类2：2.48 ± 1.34）和度（分别为9.22 ± 5.23和7.33 ± 5.01），聚类1特征向量中心性最高（0.55）。

**3.1.1 纳入声学分析的社会聚类**　9个社会聚类中仅聚类1和2满足声学分析全部标准；聚类3和5–9仅单日记录，聚类4仅一段不与其他聚类共享的录音。最终数据集含15天22段录音的840个哨声；聚类1含16段录音（9天）759个哨声，聚类2含9段录音（8天）148个哨声；67个哨声录于两聚类个体均在场之日，归入两聚类。两聚类录音的环境与人为条件相似：MTr（Kruskal–Wallis，p = 0.54）、船只数（p = 0.29）和水深（p = 0.85）在两聚类录音间无显著差异；SST在聚类1录音（20.5 ± 2.5 °C）有高于聚类2（18.3 ± 2.2 °C；p = 0.057）的趋势。多变量分析纳入20段至少三个哨声的录音，其中15段具完整环境数据（聚类1：10；聚类2：5）。

**3.2 预测变量共线性**　相关分析显示多变量模型纳入变量间无显著关系，除MTr与SST中度相关（n = 15；Spearman r = 0.60，p = 0.017）；所有VIF < 1.4，表明共线性未影响模型；季节与SST强关联（r = 0.90），故未作为预测变量纳入分析。

**3.3 社会聚类和环境变量对哨声结构的效应**　考虑环境变量时，两社会聚类间哨声结构存在差异（PERMANOVA，R² = 0.29，F = 5.37，p = 0.002）；SST也与哨声结构显著相关（R² = 0.17，F = 3.24，p = 0.022），MTr关联较弱（R² = 0.15，F = 2.75，p = 0.049），水深无效应（R² = 0.06，F = 1.14，p = 0.33）。多变量离散度在聚类间无差异（PERMDISP，F = 0.42，p = 0.54）。不纳入环境变量时，聚类间差异不显著（R² = 0.12，p = 0.058）。不考虑社会聚类时，环境变量不能解释录音间哨声变异（RDA，R² = 0.18，校正R² = ?0.04，p = 0.61），前两个约束轴分别解释总变异的14.2%和3.4%。然而在各社会聚类内比较录音时（偏RDA），SST（p = 0.018）和MTr（p = 0.041）与哨声结构显著相关，水深则不（p = 0.33）；前两个约束轴分别解释总变异的27.8%和3.7%。加入群体大小（p = 0.008）或研究船只（p = 0.003）后、以及排除两聚类共享录音后（n = 13段录音，p = 0.002），社会聚类效应仍显著；SST和MTr效应在各模型中大小相似（R² = 0.11–0.16）但不总是显著：加入研究船只或排除共享录音后失去显著性。

**3.4 个体哨声参数差异**　线性混合模型（19段录音774个哨声，录音ID为随机效应）显示聚类2哨声比聚类1有更多拐点（估计值=1.17 SD，95% CI 0.37–1.96，Holm校正p = 0.039）。聚类2哨声也倾向于更长（1.15 SD，95% CI 0.13–2.17）和更高最高频率（0.76 SD，95% CI 0.12–1.40），但经Holm校正后两者均不显著（均p = 0.12）。校正后无环境变量对任何个体参数有显著效应，尽管最高频率随水深有增加趋势（Holm校正p = 0.065）；频率参数也倾向于随MTr降低、随SST升高。轮廓类型在聚类间存在差异（PERMANOVA，R² = 0.16，p = 0.021；n = 20段录音）：凹形哨声是聚类1最常见类型（36%，聚类2为7%），而正弦型哨声在聚类2占主导（48%，聚类1为20%）。

**讨论与结论**　据研究人员所知，本研究首次评估东爱琴海宽吻海豚社会结构、环境条件、海洋交通与哨声特征之间的关系；通过整合PAM与SNA、环境数据和MTr，得以探究哨声如何受复杂驱动因素组合塑造。初始描述统计揭示哨声特征和录音环境条件均存在相当变异；本研究哨声特征（平均最低频率7.5 kHz、最高频率13.3 kHz、频率范围5.7 kHz、持续时间0.67 s）与先前报道的地中海宽吻海豚相当，提示东爱琴海亚种群呈现该物种典型声学特征。SNA提示研究亚种群个体表现出关联偏好迹象，因关联强度变异性高于随机关联情形；然而网络划分为聚类并不显著强于具有相同采样结构的随机化网络，且真实与估计关联相关性低，因此尽管SNA显示个体间存在偏好同伴的证据，数据不支持存在分明且界定清晰的社会聚类，该模式可能反映宽吻海豚特有的流动裂变—融合社会系统，即个体偏好性关联但群体组成频繁变化。更多个体目击将有助于厘清聚类不清晰反映的是该亚种群真实社会结构还是当前数据集局限；类似地，所识别的小聚类（一或两个个体）可能反映采样不完整而非真实社会隔离，因这些个体的某些同伴可能未被照片识别或重捕过少而无法纳入网络；因此本研究社会聚类应解释为更常一起出现的个体群，而非封闭社会单元。仅聚类1和2满足分析要求；考虑环境变量时多变量分析揭示两聚类哨声特征显著差异，排除两聚类共享录音后结果仍稳健。在个体哨声参数层面，聚类2哨声有更多拐点并倾向于更长和达到更高最高频率，但多次检验校正后仅拐点差异显著；哨声轮廓在聚类间亦不同，凹形哨声在聚类1最常见、正弦型在聚类2占主导，但聚类1大多数凹形哨声（86%）来自单段录音，故该差异应谨慎解释。因此分析提示社会群体促成哨声变异，支持动物声学交流可受社会组织与关联模式驱动的假说；事实上在宽吻海豚这类裂变—融合种群中，个体与偏好同伴维持长期纽带、发展相似哨声特征，同时也与种群其他成员互动。所观察的聚类间差异可能与 social learning 或个体签名哨声（signature whistles）使用有关，但本研究无法区分签名与非签名哨声，故仍属推测。该结果应谨慎解释：不纳环境变量检验时差异仅边缘不显著（R² = 0.12，p = 0.058），提示环境变异可能部分掩盖社会分组效应；此外聚类本身未获统计支持为分明社会单元，分析仅基于两个聚类和15段具完整环境数据的录音；最后部分哨声（n = 67）录于两聚类个体均在场之日而归属两聚类，尽管排除这些录音未改变结果。PERMANOVA显示SST和聚类对声学变异贡献显著，MTr关联较弱，水深无显著效应；在各社会聚类内比较录音时SST也与哨声结构显著相关（偏RDA）。温度可影响猎物可获得性和栖息地利用，但SST可能通过生态过程间接作用而非直接影响哨声产生；此外SST与MTr中度相关、与季节强关联、且在聚类1录音中倾向更高，故可能部分反映采样条件、行为或群体组成的季节差异，本研究无法 disentangle；与此一致，SST效应在稳健性分析中不总是显著，校正后无个体哨声参数显著受SST影响，尽管频率参数倾向随温度升高。MTr作为哨声变异潜在驱动因素纳入，因船只诱导水下噪声已知通过增加声掩蔽风险影响鲸类声学行为；MTr与哨声结构呈弱关联（PERMANOVA，p = 0.049；偏RDA，p = 0.041），但加入研究船只或排除共享录音后失去显著性；此外研究期间记录海洋交通范围低，可能限制检测更清晰效应的能力；频率参数也倾向随MTr增加而降低，但个体参数层面不显著。综上，本研究未提供海洋交通影响哨声特征的一致证据；鉴于所记录交通水平低且范围窄，该水平下任何效应可能很小，需覆盖更高交通水平和直接噪声测量的研究加以检验。先前研究已证明宽吻海豚可响应环境噪声升高或船只存在改变哨声行为，此类响应可能取决于船只类型、噪声强度和暴露时长等因素。水深对哨声结构无显著效应，尽管最高频率倾向随水深增加；水深和海床组成改变声传播并可塑造猎物分布和海豚栖息地利用，其他地中海亚种群也报道了地貌特征与鲸类发声行为的类似关系；但本研究多数录音（28段中23段）在<170 m深度完成，样本量或覆盖水深范围可能限制检测水深效应的能力。值得注意的是，不考虑社会聚类时环境变量不能解释录音间哨声变异（RDA），而一旦在各社会聚类内比较录音，SST和（较不一致的）MTr变得显著；这提示环境与人为因素对哨声结构的影响在社会背景被纳入时最易检测，且这些因素共同作用而非独立作用。社会、环境和人为因素的联合影响凸显鲸类声学交流的复杂性；结果提示海豚哨声特征变异可能主要与社会结构相关，其次与栖息地特征和人为压力相关。该视角对研究区域尤为重要，此处宽吻海豚经常暴露于繁重海洋交通，同时栖息于从浅水沿岸到较深海盆的多种环境；这些生态与人为驱动因素的叠加可能既影响海豚在研究区内的分布，也影响其声学交流方式。应承认若干局限：多变量分析基于少量录音（n = 15具完整环境数据），录音间哨声数差异大，且同一体的重复哨声不总能识别；行为信息因行为类别间样本量高度不平衡而未纳入分析，无法稳健比较；此外海洋交通以空间交通比率表示，限制区分船只存在效应与声学干扰本身的能力；船只丰度用作人为干扰代理，而直接测量水下环境噪声将更准确评估声暴露。未来研究应结合PAM与连续噪声测量、调查哨声特征的季节变异、纳入群体组成和幼崽存在，并评估长期暴露于增加的船只活动是否导致发声行为的适应和可测量变化，从而纳入声压级（SPLs）分析。总体而言，本研究提示东爱琴海宽吻海豚哨声变异主要与社会结构相关、其次与环境条件相关，而在所记录低声交通水平下未检测到海洋交通的一致效应。尽管地中海宽吻海豚目前被列为无危（Least Concern，IUCN, 2023），当地亚种群仍可能暴露于总体保护状况未反映的特定人为压力；随着地中海海洋交通活动持续增加，理解这些压力如何影响海豚交流对评估当地种群韧性至关重要。作为据研究人员所知首个调查东爱琴海宽吻海豚声学生态学的研究，本工作为理解所选声学参数的变异及其与采样种群内社会、环境和人为因素的关系建立了初始参考点；通过提供海豚哨声及与其变异相关因素的基线信息，本研究填补了重要知识缺口，并为支持研究区有针对性的保护与管理策略和政策决定提供初步科学证据。持续整合声学、生态和社会结构数据的长期监测对评估种群韧性和支持宽吻海豚及东爱琴海大量出现的另外六种鲸类的循证保护行动至关重要。