《Frontiers in Marine Science》：Benthic communities of DeepInsight Hill, Mohn’s Ridge (Arctic Ocean)
编辑推荐：
DeepInsight Hill区域位于莫恩海岭（Mohn's Ridge），表现出与地质复杂性相关的高度生物多样性，其范围从断层陡崖延伸至沉积平原。研究人员将DeepSee目标检测模型与人工视频审阅相结合，对2023-2025年多期ROV（remotely
DeepInsight Hill区域位于莫恩海岭（Mohn's Ridge），表现出与地质复杂性相关的高度生物多样性，其范围从断层陡崖延伸至沉积平原。研究人员将DeepSee目标检测模型与人工视频审阅相结合，对2023-2025年多期ROV（remotely operated vehicle，遥控水下机器人）调查中的大型底栖动物进行制图与量化，描述了980至2100 m深度梯度范围内的群落结构与水深分布格局。研究确定了三个界定群落的主要类群：Rossellidae（玻璃海绵）、Tetractinellida（寻常海绵）和Ophiuroidea（蛇尾类），这些类群表现出明显的水深与地貌分区特征。研究人员记录了具有重要生态学意义的特征，包括形成结构的海绵聚合体、蛇尾类床（ophiuroid beds）、沉积洞穴结构，以及可能的北极鳐（Amblyraja hyperborea）和冰川狼鳚（Lycodes frigidus）繁殖场。DeepSee模型成功以高空间分辨率检测了界定群落的类群，与人工方法相比大幅降低了标注工作量。网络分析与相关性分析揭示了 distinct（明显的）、结构化的物种关联格局。当与空间数据整合时，这些精细尺度的格局揭示了群落组成如何在从山顶到陡峭侧翼及沉积平原等多样化地形特征之间发生转变。通过揭示粗分辨率下被 masking（掩盖）的局部格局，该研究表明米级尺度制图对于准确评估中层海岭上异质性底栖大型动物群落至关重要。
深海是地球上最大的生物群系，覆盖了地球表面的绝大部分区域。然而，这一环境的测绘及其生物群落的认知需要巨大的采样努力，深海生态系统在开放获取的全球数据库中仍属于采样不足的区域。尽管相较于偏远半深海、深渊和超深渊区域，海山和海岭的底栖群落已获得较多的科学关注，但这些栖息地的数据仍然明显匮乏。在潜在未来开发之前，理解深海底栖群落的分布、组成和结构对于建立基线知识以及做出负责任且可持续的管理决策至关重要。
技术进步推动水下探索向更精细的测绘和数据收集发展。搭载传感器的平台如ROV和AUV（autonomous underwater vehicle，自主水下机器人）为底栖栖息地提供了高分辨率的非破坏性成像，能够在复杂地形中捕捉原位状态下的生物体。在生物自然栖息地中观察底栖生物及其相互作用，可提供补充传统点采样方法的空间与生态学背景。然而，利用这一技术的瓶颈现也已延伸至数据分析领域，视频 footage（影像资料）的人工标注对于系统性大规模研究而言过于耗时。
计算机视觉与人工智能的最新进展为这一分析挑战提供了解决方案。目标检测模型能够以远超人工分析数个数量级的速度处理视频数据，使此前无法实现的空间尺度上的底栖群落系统性表征成为可能。本研究采用DeepSee——一种基于YOLOv8（You Only Look Live version 8，YOLO第八版）架构开发的专有目标检测模型，专门用于北大西洋底栖生物的快速准确检测。虽然该模型本身不公开，但其基于北欧海域大量精选图像数据集训练，展示了这种方法在自动检测和量化形态学上distinct（明显的）底栖大型动物方面的潜力。
DeepInsight Hill区域为应用和评估这些方法提供了契机。该区域位于莫恩海岭——北极中层海岭（Arctic Mid-Ocean Ridge，AMOR）的三条海岭之一。该海底地形特征于2023年在EMINENT项目（Energy Minerals for the Net Zero Transition，净零过渡能源矿产）期间发现，承载跨越多种深度和地质背景的多样化底栖群落，从陡峭的断层陡崖到沉积平原。该区域包含多处海底块状硫化物（seafloor massive sulphide，SMS）矿床，包括DeepInsight Hill本身以及2024年发现的Gr?ntua矿床。这种地质和地形复杂性产生了支持多样化底栖组合的栖息地异质性，使其成为开发和测试高分辨率底栖制图方法的理想自然实验室。
发表在《Frontiers in Marine Science》上的这项研究旨在：（1）表征DeepInsight区域主要底栖类群的空间分布与密度格局；（2）识别群落类型及其与水深和地貌梯度的关系；（3）评估基于AI的检测对于系统性底栖栖息地表征的实际效用；（4）展示米级分辨率制图在多样化深海地形上所揭示的生态学洞见。
本研究开展了一项结合自动化目标检测与人工审阅的混合分析流程。首先，使用更新版本的DeepSee目标检测模型处理ROV视频数据集，识别和量化13个形态学DeepSee标签。其次，将检测结果标准化为9 m2网格单元，并划分为序数检测类别（低、中、高）。第三，在QGIS中可视化空间格局，并与挪威近海管理局（Norwegian Offshore Directorate，NOD）提供的25 m分辨率多波束测深系统（multibeam echosounder，MBES）测深数据叠加，以评估整个研究区域的大规模分布格局。最后，对视频材料进行针对性人工审阅，验证模型性能并提供群落组成、基质特征以及目标检测模型未能捕捉的精细尺度生态特征的详细描述。
研究区域为莫恩海岭AMOR上的DeepInsight Hill，该特征于2023年5月发现，是一个延伸至刚超过1000 m水深的elongated（伸长的）海脊，具有多个东南倾的拆离断层。ROV视频材料于2023—2025年间作为EMINIENT项目的一部分收集，涵盖四次科学考察航次：DeepInsight-2023（2023年4—5月）、NOD/UiB-2024（2024年2—3月）、UiB-2024（2024年6月）和DeepInsight-2025（2025年3月）。所有航次均由卑尔根大学（University of Bergen，UiB）学术牵头。
底栖生物通过更新版本的DeepSee模型在ROV视频中自动检测。该模型基于YOLO框架，利用深度卷积神经网络（deep convolutional neural network，CNN）从影像中提取边缘、形状和纹理等重要特征。由于目标检测模型缺乏语义语境，生物体被依据形态学而非严格分类学分组为机器学习的标签。本研究使用了17个形态学标签中的13个，涵盖五个门（Arthropoda、Chordata、Cnidaria、Echinodermata和Porifera）。研究还采用了多种数据优化策略：为处理ROV拍摄高度变化，将名义平均面积9 m2赋予可见帧以标准化空间分析；应用自动噪声降低处理，对特定标签在单帧中原始检测计数≤2的情况视为噪声并设为零；使用一维K-Means聚类（Natural Breaks/Jenks方法）将非零生物计数分类为低、中、高密度序数类别；通过Spearman秩相关系数（ρ）量化和Jaccard相似性指数评估空间关联，并构建共现网络。
研究结果部分首先呈现了三个主要群落界定标签的分布格局。Rossellidae、Tetractinellida和Ophiuroidea共同覆盖了近整个研究区域，因为它们在地理上主导了不同区域。Tetractinellida达到了任何单一标签的最高最大密度（287 ind./grid cell），主要集中在研究区域南半部的mineralized fault plane（矿化断层平面）。Ophiuroidea（最大268 ind./grid cell）和Rossellidae（最大73 ind./grid cell）主导研究区域的北部。
Rossellidae主导区域中，中型至高密度海绵主要沿深度980—1300 m的海脊和顶部被检测到。这些区域以硬基质为主，常有厚度不一的沉积物覆盖和棕色生物源性物质。与这些较密集Rossellidae分布相关的常有软珊瑚（Gersemia sp.）、海百合（Antedonidae）、肉食性海绵（Cladorhizidae科）、各类海星（Asteroidea）、Amblyraja hyperborea和Gaidropsarus argentatus。Central Hill的顶部与其他Rossellidae区域不同，基岩上几乎没有生物源性物质，沉积物覆盖极薄。该区域由软珊瑚（Gersemia sp.）以及大量G. argentatus和A. hyperborea主导，包括频繁观察到鳐鱼卵。研究人员审查了DeepInsight-2023和NOD/UiB-2024考察穿越Central Hill的视频材料，确认类似场景在那些年确实存在。
Tetractinellida主导区域中，中型至高密度海绵主要在mineralized fault plane区域被检测到，跨越约1610—2050 m深度。这些海绵在硬基质和软基质上均有发现，常伴有其他海绵和Caridea、Actiniaria及Asteroidea。在约1550—1680 m深度的mineralized fault plane区域西北部分，陡峭岩壁上密集分布着tetractinellid和cladorhizid海绵。在约2000—2100 m的最南部和最深处，于主拆离平面的一个distinct（明显的）spur（岩脊）上，Antedonidae在Tetractinellida和扇形海绵以及岩石顶部大量聚集。
蛇尾类床方面，DeepInsight和Gr?ntua区域周围较陡峭岩石山丘周围的沉积物被深色rod-like（杆状）物质覆盖，检测到中型至高密度的蛇尾类。这些区域的深度范围在约1000—1320 m之间。在一些地点，蛇尾类与大量双壳类混合。
Actiniaria和Neohela方面，研究区域南部和较深的某些沉积区域主要由深色红色海葵和沉积物中的小孔主导，挖掘型 amphipod（端足类）Neohela sp.有时可见。这些区域更频繁的生物包括虾类和mysids（糠虾类）、鱼类（尤其是冰川狼鳚L. frigidus）、腹足类和Asteroidea。
其他观察包括沉积洞穴结构和Umbellula encrinus（一种大型海笔）。在2023、2024和2025年考察中，于约1200—1800 m深度观察到沉积洞穴结构。一些洞穴看似孤立现象，另一些则形成聚簇"群落"。2025年，多条冰川狼鳚被观察到栖息于这些洞穴中，一条个体守护卵。一个U. encrinus于2023年在DeepInsight Hill以北的断裂区域1065 m深度被观察到。
共现格局和网络拓扑分析揭示了结构化的底栖群落特征。层次聚类（average linkage，平均连接）将具有相似空间协方差格局的标签分组。网络分析解析出两个 distinct 模块：Antedonidae作为中心节点，连接Rossellidae、Gersemia和Asteroidea；另一个由Tetractinellida、Lissodendoryx和A. fol/Aphro形成的高连接模块。Ophiuroidea和Rajiformes表现为边缘或孤立节点，表明与核心组合的限制性共现。
讨论部分，研究人员指出在DeepInsight区域检测到的大型底栖生物群落具有高度多样性，由Rossellidae、Tetractinellida和Ophiuroidea三个群落界定类群主导，表现出明确的水深和地貌分区。密集的大型结构形成海绵聚合体符合北极海绵地和脆弱海洋生态系统（vulnerable marine ecosystem，VME）类型"深海海绵聚合体"的界定。Rossellidae玻璃海绵主导研究区域的较浅部分（980—1300 m），而Tetractinellida寻常海绵在南部和较深部分（1550—2100 m）形成优势。这两种海绵组合没有相关性，反映了不同的生境偏好。
软沉积物异质性方面，北部围绕岩石Rossellidae区域，软沉积物平原支持高密度的Ophiuroidea，与Rossellidae呈弱负相关（ρ = ?0.15），表明硬基质海绵地与软沉积蛇尾类床之间存在一定程度的空间分离。U. encrinus作为"海笔场"VME类型的指示物种被记录。
研究提供了DeepInsight区域作为至少两种深海鱼类繁殖场的例证。Central Hill的许多A. hyperborea和鳐鱼卵被观察到，跨年度观察和高密度卵出现表明该区域被用作鳐鱼繁殖场。该区域是研究区最浅位置（约980 m），以岩石基质、薄沉积物覆盖、密集软珊瑚和Rossellidae海绵为特征。沉积洞穴结构中观察到L. frigidus守护卵，表明这些沉积特征可能作为关键繁殖庇护所。
深度作为结构因子，是与深度正相关（Tetractinellida，ρ = 0.31）或负相关（Rossellidae，ρ = ?0.22）的唯一可用环境变量。深度可能作为温度和水体性质等更直接结构因子的代理变量。
目标检测模型作为底栖调查工具的应用使高效检测和量化成为可能。DeepSee能够以25—50帧/秒处理视频，与逐帧人工审阅相比可减少超过1000倍的标注时间。但研究也指出其局限性：模型目前无法检测鱼卵、U. encrinus以及小型、隐蔽或稀有生物；特定形态如nudibranchs（裸鳃类）可能被误识别为Actiniaria，未训练的形态如Amphidiscella monai可能被误识别为Rossellidae。DeepSee应被理解为专家生物学分析的有力补充而非替代。
研究结论部分翻译如下：本研究表明莫恩海岭DeepInsight Hill区域代表了以地质复杂性和生物多样性为特征的镶嵌型底栖栖息地。DeepSee目标检测模型的应用实现了多期ROV调查中13个形态学标签的系统性制图，提供了通过人工分析单独无法实现的、具有后勤挑战性的空间分辨率量化分布数据。该模型成功识别了群落界定类群，检测到组合结构的局部变异，同时显著降低标注工作量并保持与专家人工验证一致的结果。这种方法展示了将先进计算机视觉与专家解释相结合用于大规模底栖栖息地表征的潜力。
研究揭示了DeepInsight区域若干具有重要生态学意义的特征。结构形成的海绵聚合体，包括六放海绵纲（Rossellidae）和寻常海绵纲（Tetractinellida）组合，创造了支持多样化相关生物的栖息地复杂性。Central Hill被确定为北极鳐A. hyperborea的可能繁殖场，2023、2024和2025年均观察到鳐鱼卵盒。沉积洞穴结构中栖息的守护卵的L. frigidus为第二种繁殖功能提供了证据，展示了这种栖息地镶嵌体在支持多种深海鱼类不同生活史阶段和多样化繁殖行为方面的重要性。
网络和相关性分析揭示了结构化的物种关联而非随机共现，不同模块对应不同的海绵主导硬基质群落。深度是整个研究区域唯一可用的环境变量，相关性分析揭示了适度但一致的水深分带：Tetractinellida与深度呈正相关（ρ = 0.31），Rossellidae呈负相关（ρ = ?0.22），与自北部较浅区域Rossellidae主导组合向南部较深区域Tetractinellida主导群落转变的观察一致。
这项工作表明，在多样化地形特征上进行捕捉米级异质性的高分辨率制图——从山顶到陡峭侧翼和沉积平原——揭示了粗分辨率方法（如船基测深调查或区域尺度采样）将会遗漏的群落结构和生态功能。ROV技术、基于AI的检测与专家验证的结合为表征底栖生态系统提供了可扩展、非破坏性的框架。该方法论未来应用的潜力将显著推进和加速全球多样化海洋环境中底栖群落生态学的理解。
