安大略省一条浅水河流中传统测量方法、耙式测量方法以及基于声纳的生物物理栖息地测量方法的比较

《River Research and Applications》：Comparison of Conventional, Rake, and Sonar-Based Biophysical Habitat Measurements in a Shallow Ontario River

　　摘要

了解栖息地的可用性对于淡水资源的管理和恢复至关重要。量化栖息地的可用性通常需要在广阔的地理范围内对特定地点进行精细尺度的采样，这可能非常耗时。技术的进步和成本的降低使得声纳方法在量化栖息地可用性方面变得越来越有吸引力，但在浅水生态系统中，其准确性和精确度仍存在不确定性。本研究的目的是确定声纳得出的指标与传统的基于点位的测量结果在多大程度上一致，这些测量指标影响加拿大安大略省一条浅河中淡水生物的分布和生活史特征（如水深、水下大型水生植物的体积、底质组成）。声纳测量结果显示，98.5%的调查区域深度小于2米（平均值=0.74米±0.33标准差），而克里金插值法对传统深度测量的分析则表明整个调查区域的深度都小于2米（平均值=0.97米±0.12标准差）。传统深度测量与声纳测量结果的回归斜率没有显著差异（r = ?0.33，p = 0.74），但在88%的采样点上，传统测量的结果比声纳估计的值更大，这反映了在识别河床高度方面的差异。声纳测得的底质硬度与生物体积之间存在弱正相关（r < 0.4）。传统测量方法与声纳测量方法之间的差异与测量尺度以及两者结果相关的误差有关。总体而言，选择哪种方法来测量栖息地的可用性将取决于管理决策所需的精确度。

1 引言

淡水物种是全球受威胁最严重的物种之一（Collen等人，2014年；B?hm等人，2021年）。保护和恢复这些物种的大多数方法都需要关于栖息地需求和可用性的信息，并在适当的情况下考虑不同的生命阶段（Cooke等人，2012年；Casta?eda等人，2020年；Drake等人，2021年）。栖息地的可用性可以在多个尺度上进行描述和估算，这取决于具体的物种和情境（Anderson等人，2009年；Mollenhauer等人，2019年）。例如，可以根据研究目的，在单条河流、多条河流或整个流域范围内考察小型河栖鱼类的栖息地可用性（Dextrase等人，2014年）。在更大尺度上量化栖息地的可用性需要在实现的分辨率和所需的工作量之间取得平衡。对于栖息地专家来说，可能需要精细尺度的非生物变量测量来准确反映物种的栖息地状况，但在广阔的地理范围内进行基于点位的采样可能会非常费力。声纳技术可以帮助克服在较大空间尺度上测量某些水生栖息地变量的挑战。虽然声纳技术最初仅用于海洋生态系统或大型淡水湖泊（Fornshell和Tesei，2013年），但现在它已被用于量化各种淡水生态系统中的栖息地条件，例如浅水海狸池塘（Bradbury等人，2023年）和河流（Kaeser等人，2013年）。这包括量化物理栖息地结构（如水深），以及估计底质硬度（Buscombe，2017年）和水生植物的生物体积（Bennett等人，2020年）。能够使用声纳监测淡水生态系统部分归功于休闲钓鱼技术的发展（Cooke等人，2021年；Ridgway等人，2024年）；现在有结合了声纳技术和复杂算法的休闲鱼类探测器，可以提供实时的水下环境详细地图。尽管现代鱼类探测器可以在比历史上更浅的深度使用，但在浅水生态系统中声纳的性能仍存在不确定性。多种因素使得在浅水水生生态系统中进行栖息地采样变得具有挑战性。从传统角度来看，底质可能过于柔软，无法通过步行有效导航；或者在浑浊的城市化系统中，为了确保人员安全，可能需要从船上进行采样（例如，由于人为废物造成的危险）。在这些情况下，当无法通过涉水进行采样时，声纳技术可能会特别有用。然而，浅水深度会限制声纳技术的有效性，因为多路径传播的频率会增加（Kandi等人，2024年）。多路径传播是指声波在接收前发生多次反射或折射的情况，这会降低图像质量（Kandi等人，2024年）。很少有研究量化了使用休闲鱼类探测器绘制浅水生态系统地图时的误差幅度，因此评估声纳输出与基于点位的测量结果之间的关系可以增进我们对使用声纳技术绘制鱼类栖息地地图能力的理解（Winfield等人，2015年；Botrel等人，2023年）。本研究的目的是在加拿大安大略省的Canard河进行水生栖息地测绘，并将声纳得出的栖息地测量结果与使用传统基于点位的栖息地调查收集的数据进行比较。Canard河在其下游段形成了一个浅水湿地，支持着多样化的鱼类和贻贝群落，其中至少有六种淡水物种（五种鱼类、两种贻贝）受到《加拿大濒危物种法》（SARA 2002）的保护。我们首先使用Lowrance HDS 9 Live Sonar Unit研究了声纳得出的深度、底质硬度和水下大型水生植物生物体积的空间分布及其相互关系。接下来，我们评估了特定地点的传统栖息地测量方法和基于耙子的植被调查与声纳得出的指标之间的差异。最后，我们根据声纳得出的深度和生物体积估计值开发了栖息地类别，以提供可用于Canard河淡水物种监测计划的空间栖息地信息。总体而言，本研究的结果揭示了传统栖息地测量方法与声纳估计值之间的关系，并展示了在大型、浅水、植被茂密的河流栖息地中使用基于声纳的方法的实例。

2 材料与方法

2.1 研究区域

Canard河是位于安大略省Essex县的底特律河的一条支流。Canard河流域的土地利用主要是农业用途；超过一半的流域面积采用瓦片排水系统，主要种植玉米、冬小麦和大豆（Singh，2014年）。Canard河的水质相对较差，硝酸盐、亚硝酸盐、氨、总磷和悬浮固体的含量经常超过省级标准（Essex地区保护局，2015年；Morris等人，2020年）。尽管水质存在问题，但这条河流仍支持着40多种淡水鱼类（Leslie和Timmins，2005年）和8种贻贝（Morris等人，2020年）。2023年7月至9月期间，我们采用多种方法对Canard河进行了调查，测量了支持淡水鱼类生存的重要栖息地特征（Jackson等人，2001年），包括生物（如植被覆盖）和物理（如深度）测量。下面将介绍的测量方法包括：（1）传统栖息地采样，（2）基于耙子的采样，以及（3）声纳采样。

2.2 传统栖息地采样

传统栖息地采样在河流可通航部分的随机选定点位进行，其中124个采样点也在使用声纳进行调查的区域内（图1）。传统栖息地采样包括对浊度（Nephelometric Turbidity Units；NTU）、水温（°C）、溶解氧（mg/L）和水深（m）的基于点位的测量。每个站点记录了三次深度测量值，分别来自船头、船尾和左侧，并取平均值。水质变量使用YSI EX02多参数探针进行测量，深度则使用伸缩式推杆测量。同时记录了站点上挺水植物、沉水植物和浮游植物的面积百分比以及开阔水域的视觉评估。通过从站点中心采集少量底质样本或使用Petite Ponar挖泥器来量化底质组成，并根据Bain（1999年）修改的Wentworth等级对样本进行描述，该等级常用于评估鱼类栖息地关联（例如，Gáspárdy等人，2021年；Gáspárdy等人，2025年）。一个站点的底质组成被描述为粘土（<0.005毫米）、淤泥（0.005–0.05毫米）、沙子（0.05–2毫米）、砾石（2–65毫米）、卵石（65–250毫米）、碎石（人造材料）和有机物质（植物和动物物质，不包括贻贝）的比例。最后，我们将粘土和淤泥的比例相加，并将这个总和称为软底质的比例。图1显示了2023年7月至9月期间加拿大安大略省Canard河中传统栖息地采样（红点）和基于耙子的植被采样的位置（底部插图地图展示了在整个河流段进行的声纳横断面测量示例。[彩色图表可在wileyonlinelibrary.com查看]

2.3 基于耙子的植被采样

在传统采样的站点（共124个站点），我们采用了Wagner和Mikulyuk（2012年）改进的方法来采样水生植被。该方法包括将一把花园耙子（头部宽度50厘米）浸入河底，旋转360度后垂直拉起，并记录收集到的植被信息（Gáspárdy等人，2021年）。用耙子收集的植被被装袋带回实验室，冷冻后解冻进行处理。在实验室中，解冻的样本按种类分离，鉴定到物种或属级别，通过沙拉旋转器轻轻干燥并称重（克；White等人，2026年）。置换体积是指将水生植被浸入已知体积的水中后排开的水量，用作站点生物量的代理指标，使用量筒进行测量。有关植被采样的更多方法细节可以在White等人（2026年）的论文中找到。

2.4 声纳数据收集与处理

2023年7月18日至26日期间，我们使用装有3合1换能器的Lowrance HDS 9 Live Sonar Unit从一艘5.7米长的铝制船上收集了向下扫描的声纳数据。选择向下扫描而不是侧扫，因为向下扫描可以生成更高分辨率的地图，并且由于水较浅，预计会减少后向散射。换能器安装在船的右舷靠近船头的舷侧，距离水面5厘米处。使用Lowrance Point-1外部GPS天线来提高船舶导航和声纳数据收集的准确性。GPS启用了广域增强系统，从而实现了1–2米的精度。在采样之前，使用声纳单元内的搜索和救援功能创建了一个测绘网格，为操作员提供采样时的导航路径；该项目选择了10米的网格间距（图1插图），这既提供了适当的栖息地覆盖范围，又允许船舶高效导航。声纳测量首先进行岸线横断面测量，尽可能靠近岸线进行导航（图1）。完成岸线横断面测量后，船舶操作员按照10米的网格间距进行后续测量。为了在记录过程中获得最佳数据质量，船舶速度保持在4.5–6.5公里/小时；在每个网格间距结束时，船舶速度降低到大约2.5公里/小时。在转弯时，特别注意确保测绘网格线和岸线横断面线在测绘区域边缘重叠，以保证在低速行驶和浅水栖息地中的数据质量。此外，在采样过程中还监测了换能器，以避免大型水生植物干扰数据收集。每天采样结束后，数据文件被下载以供存档。最后，下载的文件输出被上传到BioBase，这是一个基于云的专有网络工具，可以自动处理声纳和GPS信号，提取网格内各点的底质硬度、深度和生物体积的测量值。在ArcGIS Pro Version 2.9.8中，使用克里金插值法对底质硬度、深度和生物体积进行了10米分辨率的插值，该范围基于Ontario Hydro Network的水体多边形（OMNRF 2018）。先前的研究表明，克里金方法在描述空间动态景观的趋势时优于其他插值方法（Valley等人，2005年）。使用ArcGIS Conversion Toolbox从每个表面提取了点网格。将传统栖息地测量的位置与底质硬度、深度和生物体积网格进行空间连接，以提取插值估计值，计算并提取距离传统栖息地测量位置10米范围内的点的平均值进行分析。从传统数据集中排除了三个观测值，因为它们不在声纳记录的10米范围内。此外，还对传统和基于耙子的指标进行了克里金插值，以生成与声纳估计值相当的地图。使用K-means聚类方法绘制了Canard河的一般水生栖息地类别地图。该方法旨在通过最小化簇内平方和（Hartigan和Wong 1979）将多变量数据集划分为不同的簇；考虑了2、3、4和5个簇，这些簇是基于声纳估算的生物体积和深度得出的。由于系统内观察到的变化有限，因此没有将底质硬度纳入聚类分析中。使用肘部方法（elbow method）来选择最佳的分簇方案，这是一种通过评估每个簇的平方和误差差异来进行可视化的测试。聚类是使用R语言“stats”包中的“kmeans”函数（R Core Team 2024）完成的，并在ArcGIS Pro 2.9.8版本中进行了映射。

2.5 传统测量方法、耙式采样和声纳测量方法之间的比较

为了考虑非线性关系，使用了广义加性模型（GAMs）来评估声纳测量得到的深度与传统测量得到的深度之间的关系。鉴于这种关系并不完美，我们评估了是否包含软底质覆盖比例（传统测量方法）能够提高模型性能。我们假设深度测量的差异可能受到未固结的底质或其他软底质的影响。在软底质覆盖比例较高的区域，传统测量方法可能会因为用于测量深度的伸缩推杆在下降到底部时破坏了底质表层而低估深度，而基于声纳的方法可能更能准确捕捉到底质顶层的深度。GAMs是使用R语言“mgcv”包中的“gam”函数（Wood 2011；R Core Team 2024）拟合的，在该模型中，高斯分布被用来模拟深度，而协变量则以线性预测因子或薄板回归样条（thin plate regression splines）的形式纳入（Wood 2003）。在建模之前，对声纳测量的深度值增加了0.05米，以考虑换能器的厚度。卡方检验（chi-square test）用于确定是否包含平滑变量（薄板回归样条）和/或线性预测因子能够在α=0.05的显著性水平上改善模型性能。模型诊断是通过R语言基础库中的“plot”函数和“mgcv”中的“gam.check”函数（Wood 2011，R Core Team 2024）进行的。根据诊断图，我们怀疑模型残差可能存在空间自相关性，因此考虑了一个UTM坐标的平滑交互项，以更好地符合模型对站点间独立性的假设。t检验用于确定传统测量的深度与声纳测量得到的深度之间的斜率和截距是否显著不同。除了基于回归的方法外，还使用了Kolmogorov–Smirnov检验来比较声纳测量得到的深度分布与插值后的传统测量深度分布。统计上显著的差异表明，这两种测量方法产生的值超出了随机抽样变异的预期范围。底质硬度和生物体积与传统测量方法的比较不如深度那么直接，但遵循了类似的分析程序。底质硬度的估计是基于河底的反射率；声纳测量的底质硬度值在0.00–0.25之间表示软底质，0.25–0.30表示中等硬度底质，0.30–0.50表示硬底质（BioBaseMaps 2019）。先前的研究表明，底质硬度与使用沉积物岩芯和视觉评估测得的沉积物深度之间存在负相关（Winfield等人2015）。在这里，我们评估了声纳测得的底质硬度与一个地点中软底质所占比例之间的关系。我们比较了将软底质的比例作为线性或平滑效应纳入模型的情况，并评估了有无空间参数时的模型残差。这一假设是基于硬度与软底质比例呈负相关，并考虑了模型残差中的潜在空间关系。由于硬度的比例结构，GAMs是使用拟二元分布（quasibinomial family）拟合的。声纳测得的生物体积描述了水柱中被水生植被占据的百分比。它是通过将每个GPS位置沿路径记录的平均植物高度（米）除以5–30次回波的平均水深（米），然后乘以100来估算的。我们使用GAMs将生物体积估计值与使用耙式采样在站点测量的植被总位移进行了比较。先前的研究表明，一个地点的生物体积百分比与点调查中水生植物的出现频率之间存在相关性（Valley等人2015）。因此，我们也在模型中考虑了该地点中水生植被的比例。与硬度模型类似，GAMs也是使用拟二元分布拟合生物体积的，协变量以线性效应或薄板回归样条的形式纳入（Wood 2003）。所有模型预测都是使用R语言中的“ggplot2”函数（Wickham 2016；R Core Team 2024）绘制的。

3 结果

3.1 传统栖息地采样

采样期间的水温范围在18.9°C至29.3°C之间（图2a）。平均溶解氧浓度为6.31毫克/升±2.99标准差（图2b）。浊度从清澈到浑浊不等，测量值在5.26至192.96 NTU之间（图2c）。传统栖息地站点位置的水深平均为0.95米±0.31标准差（图2d）。底质主要由淤泥组成（中位数=66.67%），其次是有机物质（10.00%）、沙子（4.17%）和粘土（1.67%）；观察到的大颗粒底质非常少（图2e）。大多数调查站点的特点是开阔水域（中位数=90%），其次是不同比例的浮游、沉水和挺水植被（图2f）。

3.2 基于耙式采样的植被采样

有74个站点（60%）没有采集到植被。采集到了四种沉水植物：Ceratophyllum demersum、Naiad sp.、Stuckenia pectinatus和Vallisneria americana。同样，还采集到了三种浮水植物（丝状藻类Lemna sp.、Duckweed Lemna sp.）和三种挺水植物（Lotus Nelumbo lutea、Nuphar variegate、White Water Lily Nymphaea sp.）。在实验室测量的总共13,791毫升的植被位移中，American Lotus和White Water Lily是最主要的，其位移量分别为6754毫升（49%）和4888毫升（35%）。Ceratophyllum demersum（965毫升；7%）、Naiad sp.（504毫升；4%）、Yellow Pond Lily（300毫升；2%）、Pondweed（浮叶；180毫升；1%）和Duckweed（113毫升；1%）的位移量也超过了100毫升。

3.3 基于声纳测量的栖息地特征

基于声纳测量的栖息地数据显示，Canard River调查区域内98.5%的面积深度小于2米（平均值=0.74米±0.33标准差；范围=0.00–3.73米），生物体积相对较低（平均值=0.17±0.22标准差；范围=0–1），底质硬度中等（平均值=0.27±0.05标准差；范围=0.14–0.38；图2g–i）。河流中声纳测得的深度变化较小，最深的地点与道路和铁路交叉处相关（图3a）。声纳测得的底质硬度呈双峰分布，两个峰值分别为0.22和0.31（图2h）。Short Malden Rd.下游观察到的底质最软（图3b）。整个采样区域的生物体积分布偏右，72.6%的估计值低于0.20（图2i）。生物体积分布不均匀，Short Malden Rd.上游沿Canard Dr.和铁路轨道西侧的区域生物体积最大（图3c）。生物体积最大的地方是底质硬度适中的区域（图4a）；Canard River调查区域内62.2%的面积底质硬度大于0.25。最浅的区域生物体积最大（图4a）；生物体积≥25%的面积中99.9%的深度小于1米。生物体积与深度之间存在强烈的负相关（图4b），且硬度在较浅的区域最大（<0.5米；图4c）。

基于声纳测得的深度和生物体积估计值，划分出了三个簇：（1）浅水深度（平均值=0.25米），高生物体积（0.59%）；（2）中等深度（0.68米），中等生物体积（0.13%）；（3）深水深度（1.10米），低生物体积（0.05%；图5）。大约16.88%、40.45%和42.67%的调查区域分别被归类为簇1、2和3（图5a）。生物体积最大的浅水区域（簇1；图5b）主要分布在河岸线附近，而河道中部的区域深度较大但生物体积较小（簇2、3；图5a）。

3.4 传统测量方法、耙式采样和声纳测量方法之间的比较

观察到声纳测量得到的水深与传统测量得到的水深之间存在正线性关系（相关系数=0.603；图6a）。这种关系的斜率与1没有显著差异（相关系数=-0.33，相关系数=0.74），而截距与0有显著差异（截距=-2.57，相关系数=0.01）；传统测量方法（平均深度±标准差=0.95米±0.31米）与声纳测量方法（平均深度=0.74米±0.33米；相关系数=5.69，P<0.001）的平均深度也有显著差异。在具有传统栖息地采样的站点，两种方法之间的平均差异为0.21米±0.20标准差。大约88%的传统测量值大于相应的声纳估计值，这在图6a中表现为1:1线以下的点。Kolmogorov–Smirnov检验表明，声纳测量得到的深度分布与传统深度插值分布有显著差异（相关系数=0.42，P<0.001；图S1）。使用传统测量值进行插值后，整个采样范围内的深度更加均匀（图3d），而声纳记录中观察到的细微差异消失了（图3a）。

最终深度模型包括了一个与软底质比例相关的线性效应，该效应与声纳测量得到的深度呈负相关（图6b）。基于正态Q-Q图，模型残差被确定为非随机的；加入UTM坐标的平滑交互项消除了残差模式并改善了模型拟合（偏差=1.12，自由度=7.99，P<0.001；调整后的相关系数=0.713）。即使考虑了测量得到的深度和软底质覆盖比例，声纳读数在上游区域的深度仍然一致更深（图S2）。观察到声纳测得的硬度与一个地点的软底质比例之间存在非线性负相关（调整后的相关系数=0.199；图6c）。在软底质比例大于0.75的站点，硬度与软底质覆盖比例之间的负相关尤为明显（图6c）。加入平滑的空间协变量改善了模型性能（调整后的相关系数=0.533）；总体而言，根据软底质覆盖比例的测量结果，声纳测得的硬度在上游和近岸栖息地被预测为更硬，在主河道中则更软（图S2）。在一个地点，软底质百分比的插值（图3e）与声纳测得的硬度分布大致一致（图3b），其中最软的底质位于河流的中间部分。生物体积与一个地点的总植被位移之间的关系是非线性的，但总体上是正相关的（调整后的相关系数=0.375；图6d）。将一个地点的水生植被百分比作为线性效应（偏差=0.19，自由度=0.38，相关系数=0.12）或平滑效应（偏差=0.92，自由度=1.37，相关系数=0.054）纳入模型并未显著改善模型性能，但加入空间变量后有所改善（偏差=10.82，自由度=28.14，P<0.001；图S2）。当移除耙子上没有植被的站点后（剩余24个站点；调整后的相关系数为0.291），生物体积与植被位移之间的关系被认为不显著（相关系数=0.079）。水生植被位移的插值成功地界定了水生植被密度最大的区域，但未能捕捉到近岸区域等细微尺度模式（见图3f）。

4 讨论
量化淡水物种的栖息地组成对于管理非常重要，但收集空间范围广泛的数据可能很困难。最近的进步使得声纳技术更加易于获取和负担得起，为绘制淡水栖息地特征提供了有效的方法。然而，在浅水系统中应用声纳技术面临独特的挑战。特别是，浅水会增加多路径传播的可能性，这会降低图像质量，相对于深水而言。我们的研究结果表明，在Canard河中，传统测量方法和声纳测量方法得出的深度估计之间存在强烈的正相关关系，但两种测量方法得出的平均值和总体分布有所不同。对于底质组成和生物体积的测量，传统方法和声纳方法之间的关系不那么显著。尽管传统测量方法和声纳测量方法得出的深度之间的相关系数差异并不显著，但在大多数调查站点中，传统测量方法的数值都高于声纳测量方法。这种差异可能部分是由于收集和比较深度数据的方法不同所致。传统深度测量是从船头、船尾和左侧使用伸缩推杆进行的，并取平均值，而我们则是将声纳测量的数据在距离传统测量点10米范围内进行平均。平均过程本身可能导致这种不完美的关系，因为它们涉及比较空间上不同且方法上不同的测量结果。此外，河底的软质基底可能在传统测量中引入了误差；推杆可能会穿透软质基底，导致比声纳测量得到的深度值更大。这一点得到了顶级GAM部分效应图的支持，该图表明，在假设传统深度保持不变的情况下，随着软质基底覆盖比例的增加，声纳测得的深度会减小。基于耙子的调查得出的指标与声纳测得的生物体积之间存在弱正相关关系，这与其他淡水生态系统中的研究结果一致（Valley等人2015年；Howell和Richardson 2019年；Helminen等人2019年）。例如，Valley等人（2015年）比较了水下和浮游水生植被的出现频率与声纳测得的生物体积。他们的研究结果表明存在弱正相关关系（相关系数=0.43），尽管略强于本研究中观察到的生物体积与植被位移之间的关系。Botrel等人（2023年）评估了使用样方、耙子和回声测深技术量化魁北克省Saint-Pierre湖中水下水生植被生物量的互换性。他们的结果表明，在浅水栖息地（<1米）中，生物体积估计值被低估了，但在深水栖息地（>3米）中，声纳测量的效果优于点估计采样。本研究中生物体积与总位移之间的不完美关系可能是由于在浅水深度解释声纳读数时遇到的挑战，因为Canard河的大部分区域深度都小于1米，以及与测量水生植被的方法不完善有关。我们观察到声纳测得的硬度与某站点软质基底覆盖率之间存在弱负相关关系。先前的研究表明，在浅水（<0.74米）或植被茂密的栖息地中，解释声纳回波可能存在偏差（BioBaseMaps 2017年），这可能解释了本研究中观察到的一些差异。Brownscombe等人（2024年）指出，使用下扫声纳解释底质硬度可能存在偏差，因为较高的硬度值可能代表不同的情况，从简单的裸露岩石基底到无法区分的混合基底。本研究的另一个挑战是，传统测量底质大小的方法仅基于单个样本，这在现场解释时可能存在误差，无法准确反映周围区域的变化。尽管如此，从传统测量中得出的插值趋势与声纳测量结果大致相似，河流中段区域的底质最为柔软。对声纳测量指标进行聚类可以创建用于多种目的的广泛栖息地类别，包括选择监测站点或识别对物种生活史具有生态意义的区域。先前的研究已将声纳测得的栖息地特征与稀有鱼类的生态重要栖息地联系起来。Schooley和Neely（2018年）比较了声纳测得的硬度估计值与底质采样和视觉评估的结果，以了解美国南部两条河流中匙吻鲟（Polyodon spathula）的产卵栖息地可用性；潜在的产卵栖息地被定义为硬度≥0.386的站点（Schooley和Neely 2018年）。Winfield等人（2015年）发现声纳测得的硬度估计值与北极红鱼（Salvelinus alpinus）产卵栖息地的视觉适宜性指数之间存在中等程度的相关性（相关系数=0.48；Winfield等人2015年）。在Canard河中对鱼类物种的监测可以从基于声纳测得的栖息地类别的采样设计中受益。例如，类别1（浅水深度，高生物体积）可能被认为是长鼻鲶鱼（Lepisosteus osseus；Holm等人2009年）等物种的生态重要栖息地，因此可以在这些类别内优先进行采样工作。

5 结论
声纳方法与传统测量结果的一致性以及其增加的空间覆盖范围表明，声纳技术可以作为一种工具，用于量化影响淡水鱼类物种分布和生活史特征的某些栖息地特征。然而，依赖这项技术也有其优缺点。总体而言，声纳测量数据收集速度更快，并且在更大的地理区域内为选定的变量提供了更多的数据；例如，本研究中传统采样需要28天的时间，而声纳数据收集仅需6天。由于样本量增加，对调查区域的插值假设也较少。另一方面，目前声纳测量数据无法捕捉到植被组成或水质条件等信息，而这些信息可能是某些物种的重要生活史要求。此外，操作声纳设备需要专业知识，以确保数据的准确性。在野外采样之前进行了大量的准备工作，包括安装设备、配置设置以及预判潜在挑战。最后，虽然传统采样和数据分析可以由受过培训的生物学家使用开源软件（如R Core Team 2024）完成，但使用下扫声纳绘制河流地图则需要使用专有软件来提取数据，而这些软件现在需要许可。最终，关于测量什么以及如何测量（例如，传统方法、耙子法、声纳法）的决定应基于感兴趣的物种和具体的研究目标。本研究中应用的每种方法都有其优势，在大多数情况下，结合使用多种方法将提供最可靠和具有生态意义的信息。多方法设计能够捕捉更广泛的栖息地特征，并允许声纳测量结果不断与传统技术进行验证。未来的工作将重点是将声纳技术更全面地整合到鱼类物种监测项目中，不仅包括绘制栖息地类型，还包括将这些栖息地模式与完整的鱼类群落组成数据联系起来。最终，将多方法应用于栖息地评估将有助于完善栖息地分类，改进不同采样技术之间的校准，并在与鱼类采样结合使用时，加深我们对物种如何与浅水淡水栖息地相互作用的理解。

致谢
作者感谢Robin Gáspárdy、Jade Parker、Carly White、Jacob Coates、Megan Cowperthwaite、Emily Dodsworth、Lauren Fanick、Sami Fitzgerald、Emma Fox、Olivia Galloway、Megan Hutchings、Madeleine Kurtz、Paige Lipczysnki、Lianna Lopez和Shane Rajkumar在数据收集和处理方面的努力。

资金支持
本项工作得到了加拿大渔业和海洋部的“濒危物种计划”的支持。

利益冲突
作者声明没有利益冲突。

数据可用性声明
支持本研究的数据存储在加拿大渔业和海洋部的生物多样性科学数据库中，可以通过以下链接获取，或联系五大湖渔业和水生科学实验室获取。