窄带遥测阵列的声学记录允许长期监测海洋生态状态

《Ecological Informatics》:Acoustic recordings from narrow-band telemetry arrays allow long-term monitoring of the marine ecological state

【字体: 大 中 小 】 时间:2026年07月27日 来源:Ecological Informatics 8.5

编辑推荐:

  被动声学监测(Passive Acoustic Monitoring, PAM)用于监测海洋多样性和生态健康的做法正日益流行。然而,长期海洋声学生态监测仍然有限,这主要是由于水下数据存储限制和能源相关的技术挑战。声学遥测(acoustic telemetry)

  
被动声学监测(Passive Acoustic Monitoring, PAM)用于监测海洋多样性和生态健康的做法正日益流行。然而,长期海洋声学生态监测仍然有限,这主要是由于水下数据存储限制和能源相关的技术挑战。声学遥测(acoustic telemetry)是一种广泛使用的追踪技术,其中接收器记录来自声学标签(acoustic tags)的信号,通常持续较长时间。虽然该方法被广泛用于记录动物位置和行为,但接收器记录的环境声级(sound levels)大多被忽视。在本研究中,研究人员介绍了一种新的被动声学监测方法,称为基于遥测的被动声学监测(Telemetry-based PAM),该方法利用目前尚未开发的声学遥测声级,提供对海洋系统状态的连续长期监测。研究人员展示了在珊瑚礁上,声级与生物声源(biophonic sound sources),特别是无脊椎动物声音之间存在强相关性。研究人员进一步证明,在一次重大风暴之后,珊瑚礁上接收器声音的空间和时间衰退与恢复模式,与视觉调查的平行信息高度吻合。由于声学接收器阵列已在全球范围内广泛部署,基于遥测的被动声学监测可以为海洋环境提供一种简单且负担得起的监测工具。重要的是,由于记录是连续的、部署时间长的,并且基于多个接收器,研究人员可以利用这些记录检测声级在空间和时间上的微小变化,提供对珊瑚礁动态前所未有的精细视角。
论文解读

**研究背景**:被动声学监测(Passive Acoustic Monitoring, PAM)通过监测生态系统声音来评估其状态,是评估生物多样性和栖息地状况的重要方法。然而,在海洋系统中,由于水下设备受限于电力、存储容量和成本,长期PAM记录尚未充分发挥潜力。与陆地环境相比,海洋PAM记录天数显著较少,报告的项目大多在时间跨度或空间范围上受限。声学遥测(acoustic telemetry)是一种广泛用于动物行为和运动研究的追踪技术,其接收器在记录标签信号的同时,也会记录环境声级的量化版本。然而,这些低频谱-时间分辨率的声级数据通常被忽略。本研究旨在探讨这些声级信息是否包含接收器周围生物活动的有价值信息,从而可用于长期监测。研究聚焦于珊瑚礁这一全球受威胁的栖息地,其生物声音多样,但现有研究在时空尺度上受限。研究人员提出了一种新的PAM方法——基于遥测的被动声学监测(Telemetry-based PAM),利用声学遥测中未开发的声级数据实现对海洋生态状态的连续长期监测。论文发表在《Ecological Informatics》。

**主要关键技术方法**:研究人员于2017年6月至2021年4月,在红海亚喀巴湾北部(29.5°N, 34.9°E)部署了13个TBR-700(Thelma-Biotel)声学接收器,构成阵列,部署水深1-10米。接收器设定检测约71 kHz(带宽约1 kHz)的声级,每10分钟记录一次平均声级的量化版本。为分析声级驱动因素,研究人员收集了人为声源(周末、节假日)、地理声源(风速、风向、海平面)和生物声源(一年中的第几天、一天中的时间、月相)的代理变量,使用广义加性混合模型(Generalized Additive Mixed Models, GAMMs)和随机森林(Random Forest, RF)算法结合Boruta算法评估变量重要性。为探究频谱相关性,研究人员使用Hydromoth记录器进行宽带录音(采样率192 kHz),并与71 kHz频段进行Kendall's tau相关分析。为检测风暴后的变化,研究人员使用贝叶斯突变点估计(Bayesian Estimator of Abrupt Change, BEAST)算法分析时间序列,并使用对数比率(log ratio)评估空间变化,结合广义线性模型(Generalized Linear Model, GLM)分析风暴影响区域和深度效应。

**研究结果**:
**3.1 人为、地理和生物声源的变量重要性**:通过比较不同变量组合的GAMM模型,发现包含所有变量的模型拟合最佳,但仅包含生物声源变量的模型与全模型R2相同(92.7%),而BIC仅增加0.05%。地理声源模型和人为声源模型BIC分别增加5.14%和6.44%,拟合较差。Boruta算法显示所有变量均比影子变量重要,但生物声源变量最重要,地理声源其次,人为声源最不重要。接收器ID是第二重要变量,表明位置强烈影响声级。具体而言,昼夜节律(一天中的时间)效应显著,夜间声级高于白天,黄昏和黎明有峰值;季节性(一年中的第几天)显示春季声级最高;月相显示新月时声级最高,满月时最低。人为声源(周末与节假日)差异极小。地理声源中,强风(>8 m/s)对声级有负向影响,海平面在极端值下影响较大。

**3.2 基于遥测的PAM的频谱、时间和空间相关性**:通过Hydromoth宽带录音分析,71 kHz频段与高于62 kHz的频率存在显著相关性(Kendall's tau >0.6,p<0.001),这些频率覆盖已知的生物声源(如枪虾和甲壳类动物)以及风和浪的水下声音。时间相关性显示,不同日期之间的声级相关性随时间衰减(从约0.55降至约0.45),夏季相关性更高。空间相关性显示,接收器间距30米时相关性约0.75,150米时降至约0.6,表明位置对声级模式有强烈影响。

**3.3 案例研究:风暴后声级的变化**:2020年3月风暴期间,声级显著升高;风暴后,声级均值和方差均大幅下降,BEAST算法检测到短期和长期突变点。约6个月后声级均值和方差开始回升,7-9个月后系统进入不稳定期,随后约9个月后恢复至风暴前水平。空间分析显示,风暴影响更严重的区域(Area 3)声级变化更大(log ratio更大),浅水区比深水区变化更大(p<0.01和p<0.05),这与视觉调查结果一致。

**讨论与结论**:讨论部分指出,多种统计分析支持声级主要来源于生物声源,尤其是夜间、新月和春季的节律与已知生物声学活动(如鱼类和无脊椎动物)一致。高频率段(71 kHz)与无脊椎动物(如枪虾)产生的宽带声音高度相关,而鱼类声音频率较低,因此声级变化主要反映海洋无脊椎动物的丰度和活动变化。基于遥测的PAM能够揭示风暴后珊瑚礁的损伤和恢复,与视觉调查结果吻合,但时间分辨率更高(分钟级)。该方法具有数据存储效率高、计算成本低、可扩展至全球网络(如海洋追踪网络Ocean Tracking Network)等优势,能够提供连续、长期、多接收器的空间和时间监测。结论部分翻译如下:声学遥测在全球广泛应用,目前有数千个接收器部署在水下。然而,这些接收器记录的声级在提供生物学见解方面的潜力普遍被忽视。在本研究中,研究人员展示了基于遥测的PAM记录在监测海洋环境方面的潜力,能够捕捉精细的时空变化。这种方法为研究人员提供连续监测,在数据存储需求和能源使用方面效率高,因此与其他生物声学技术相比成本效益更高。鉴于声学遥测接收器在全球的广泛和长期部署,研究人员还可能利用基于遥测的PAM比较当前状态与过去的基线。因此,该方法具有显著增强全球范围内海洋监测工作的潜力,无论是实时监测还是回顾性分析。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号