《Marine Pollution Bulletin》:Benthic marine litter monitoring: A comparative analysis of survey methods, reporting biases, and a decision-support framework
编辑推荐:
•对底栖大型垃圾的监测方法进行了系统性的综述。•报告不一致性(87%)和采样工具的选择性(80%)是最常见的偏差。•按每平方公里数值标准化可提升数据可比性,但会为小范围调查带来不确定性。•人工智能辅助监测除了成本问题外,还存在技术层面的障碍。•为指导方法选择,研究提出了一个决策支
- •
对底栖大型垃圾的监测方法进行了系统性的综述。
- •
报告不一致性(87%)和采样工具的选择性(80%)是最常见的偏差。
- •
按每平方公里数值标准化可提升数据可比性,但会为小范围调查带来不确定性。
- •
人工智能辅助监测除了成本问题外,还存在技术层面的障碍。
- •
为指导方法选择,研究提出了一个决策支持框架。
引言
海洋垃圾给全球海洋生态系统带来了巨大压力(Galgani等,2015;Kühn等,2015)。自20世纪50年代以来,全球塑料产量已超过83亿吨,且仍在持续上升(Geyer等,2017)。据估计,每年有480万至1270万吨塑料废物从陆地进入海洋,因此陆地来源是海洋塑料污染的主要来源(Jambeck等,2015)。河流进一步将这些废弃物从内陆输送到海洋环境(Lebreton等,2017)。一旦进入海洋,这些废弃物大多会沉降到海底,使得海底成为海洋垃圾的主要长期堆积地之一(Spengler和Costa,2008)。
鉴于上述情况,人们越来越致力于开发标准化的监测方法,以便在不同地区和采用不同监测方式的情况下获得可比较的数据集,不过目前仍存在相当大的方法学差异(Canals等,2021)。
大陆架、海底峡谷和深海盆地等底栖环境已被认定为重要的垃圾堆积区(Pham等,2014;Tubau等,2015),长期的观测也表明,即使在偏远的深海区域,垃圾也在持续堆积(Tekman等,2017)。在这些栖息地中,垃圾可能长期存在,并引发多种生态问题,包括掩埋底栖生物、缠绕海洋动物,以及废弃渔具造成的“幽灵捕捞”现象(Katsanevakis等,2007;Angiolillo和Fortibuoni,2020)。尽管存在这些风险,但由于海底环境的监测难度较大——深度、栖息地复杂性以及操作成本都带来了诸多限制——相比海滩或表层垃圾,底栖海洋垃圾的研究仍然较少。
目前已有多种监测技术被应用,包括底拖网和抓斗采样、潜水员调查、拖曳式摄像系统、遥控潜水器以及自主水下航行器(Galgani等,2013;Madricardo等,2020)。侧扫声纳等声学技术也被用于探测较大的废弃物。以往的综述曾对比过其中一些技术(Galgani等,2013;Madricardo等,2020;Galgani等,2000),但很多评估都是基于早期技术水平。尽管研究力度不断加大,但不同研究之间的方法整合仍然有限。调查设计、检测能力以及报告指标的差异,阻碍了数据集之间的直接比较,也降低了大规模评估的可靠性,导致现有知识呈现碎片化且依赖于具体方法。
在地中海,已有多项研究记录了海底峡谷中的垃圾堆积情况,水流动力作用会将废弃物输送到深海环境(Tubau等,2015;Pierdomenico等,2019)。该海域也受到大量陆地来源的垃圾输入,河流和沿海城市是海洋底部垃圾堆积的重要来源(Pham等,2014)。Angiolillo等人(2015)报告称,在第勒尼安海深处的栖息地中也广泛分布着垃圾,其中塑料占到了观测到的废弃物的绝大部分。尽管有这些发现,但不同研究之间的方法差异使得大规模评估变得复杂,最近的综述也强调了需要统一的监测方法(Canals等,2021)。
过去十年间,水下成像、自主平台以及人工智能辅助图像分析技术的进步,为监测方法的多样性提供了更多可能(Angiolillo和Fortibuoni,2020;Loureiro等,2024)。这些发展提升了检测能力,但也增加了方法学的多样性,使得不同研究之间的比较更加困难。另一个问题是报告方式的不统一:不同研究使用不同的单位,如单位面积内的物品数量、每次拖网捕获的物品数量或基于质量的估算值,而且往往缺乏标准的换算因子(Ioakeimidis等,2014;Fortibuoni等,2019)。这限制了不同研究之间的可比性,也增加了跨区域综合分析的难度,尤其是对于那些需要统一指标的政策框架,比如欧盟的《海洋战略框架指令》(MSFD)(Galgani等,2013)。
目前仍存在三个主要的知识空白。首先,结合最新技术发展的全面对比仍然不足。其次,方法学上的权衡因素及偏差来源很少在统一的对比框架下进行评估。第三,针对不同环境和物流条件选择监测方法的实用指南仍然缺乏。要解决这些问题,不仅需要对比各种方法,还需要将方法学知识转化为基于证据的监测决策。
以往的综述已经为海洋底部垃圾的分布、监测技术以及未来研究方向提供了宝贵的概述(Madricardo等,2020;Canals等,2021)。然而,对于方法学偏差及其对不同研究之间可比性的影响,相关研究相对较少。此外,此前也从未有研究将这些方面整合到一个以目标为导向的监测设计和方法选择框架中。
为弥补这些不足,本综述在四个方面不同于以往的总结性研究。首先,它纳入了2020年之后出现的最新技术成果,包括人工智能辅助图像分析、摄影测量重建以及自主调查技术。其次,通过分析60项研究中的方法学偏差出现频率及其相对重要性,给出了半定量的综合分析。第三,它提出了一种以目标为导向的决策矩阵,将监测目标与合适的调查方法及其操作限制联系起来。最后,它还设计了一个实用的决策支持框架,旨在帮助在不同环境和物流条件下选择合适的监测方法。通过结合最新的技术进展,对方法学局限性进行系统对比,并提供实用指导,本综述旨在推动更标准化、更具可比性且更符合政策需求的底栖大型垃圾监测工作。
章节要点
文献检索策略
遵循PRISMA指南(Moher等,2009;Liberati等,2009;Page等,2021),进行了结构化的文献检索,以找出有关底栖大型垃圾监测方法的研究。检索工作在Web of Science、Scopus和Google Scholar三大科学数据库中进行,时间范围为2000年1月至2025年3月。
核心检索词包含了与海洋垃圾和调查技术相关的关键词:“marine litter”或“marine debris”或
调查方法概述
由于认识到海底是海洋垃圾的重要堆积地,人们开发出了多种不同的调查技术(Pham等,2014;Galgani等,2000)。这些方法在覆盖范围、检测能力、操作成本以及对环境的干扰程度方面存在显著差异。所报告的垃圾密度往往受所使用的调查技术影响很大,这增加了不同研究和地区之间的比较难度(Spengler和Costa,2008;Ioakeimidis等,2014
不同研究之间关于偏差报告与缓解措施的比较
环境的多变性和方法学的多样性继续给底栖垃圾监测带来挑战(Spengler和Costa,2008;Pham等,2014;Galgani等,2000;Canals等,2021)。正如Canals等人(2021)所指出的,采样方案、调查技术、报告指标以及栖息地覆盖范围的差异,极大地限制了不同监测项目之间的直接比较。
欧盟联合研究中心(JRC,2023)发布的指导文件是较为全面的
结论
由于环境差异和方法学差异,对底栖大型垃圾的评估依然是一项复杂的任务。本综述对不同的监测方法进行了系统的跨方法比较,指出了其中的关键权衡因素,以及标准化报告的必要性。
一个核心结论是,没有一种单一的方法能够适用于所有栖息地、不同深度和各种空间尺度下的底栖垃圾评估。各项研究显示,方法的效果会因环境条件而存在明显差异
CRediT作者贡献说明
Ya?ar ?zvarol:撰写——综述与编辑,撰写——初稿,方法学,研究实施,正式分析,数据整理,概念构建。
关于写作过程中生成式人工智能及人工智能辅助技术的声明
在撰写本文时,作者使用了人工智能辅助工具来辅助写作(提升可读性和语法水平)。使用这些工具后,作者对内容进行了必要的审阅和修改,并对最终发表文章的内容承担全部责任。
利益冲突声明
作者声明自己不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
Ya?ar ?zvarol