《Remote Sensing in Ecology and Conservation》：Improving Demographics and Conservation of Fishes Through Multi-Frame Individual Distinctions by Size (MIDS)
编辑推荐：
可靠的鱼类丰度和种群结构估算对于评估生态系统状况和为保护管理提供信息至关重要。非侵入性调查，特别是远程视频，越来越多地用于生态监测；然而，现有的分析方法无法区分视频序列中的个体，除非它们在同一个视频帧内同时被观察到。因此，相对于所拍摄的影像，个体数量及其生活史
可靠的鱼类丰度和种群结构估算对于评估生态系统状况和为保护管理提供信息至关重要。非侵入性调查，特别是远程视频，越来越多地用于生态监测；然而，现有的分析方法无法区分视频序列中的个体，除非它们在同一个视频帧内同时被观察到。因此，相对于所拍摄的影像，个体数量及其生活史阶段组成可能被低估。在此，我们提出了MIDS（多帧体长个体区分），一种新颖的分析软件，利用体长测量、精度误差和统计推断来区分视频序列中跨多个帧的个体。我们将MIDS应用于两个河口（瓦利斯湖和新南威尔士州麦夸里湖，澳大利亚）和两种栖息地类型（岩礁和沙滩）的48次立体视频部署，并将丰度和生活史阶段估计与单帧MaxN指标进行比较。尽管栖息地和河口之间存在差异，MIDS在大多数立体摄像机部署中显著增加了丰度估计。最大的增加出现在黄鳍鲷（Acanthopagrus australis）、沙鮻（Sillago ciliata）和鲻鱼（Girella tricuspidata）的幼鱼群体中，在大多数河口和栖息地中，MIDS与MaxN之间的中位数差异为每次摄像机部署增加1至6条幼鱼（所有效应量r > 0.70）。成鱼和可捕捞生活史阶段的增加通常较小且基于较少的观测，降低了检测方法之间一致性差异的统计效能。虽然MIDS提供了一个改进的分析框架，用于从立体视频调查中提取额外的丰度和种群统计信息，但在其更广泛的保护和管理应用得以完全实现之前，还需要进一步的验证。尽管如此，MIDS通过消除跨时间的重复观测，为从空间分离的摄像机阵列、更长的采样持续时间和新兴的AI驱动体长与识别工作流程中改进数据提取提供了机会。总的来说，这些进展使MIDS成为增强水生生态系统生态推断的可扩展工具。
**基于多帧体长个体区分（MIDS）的鱼类种群统计与保护改进：研究解读**
**1. 研究背景与问题提出**
对于许多沿海和河口群落而言，鱼类是生态系统的关键组成部分，支撑着广泛的社会、经济和生态价值。然而，鱼类的个体价值往往与其成熟度相关，这决定了其休闲或商业贡献。尽管关于鱼类生活史阶段的研究有所增加，但全球鱼类种群的长期保护与可持续性问题仍令人担忧。不断增长的沿海开发和随之而来的资源需求持续导致栖息地丧失，并给鱼类群落带来越来越大的压力。因此，推进我们对真实丰度和生活史阶段理解的研究，对于维持未来的生态系统价值至关重要。
立体摄像机系统在21世纪初的引入，通过实现三维测量来评估鱼类大小、生长和生活史阶段，推进了这一认识。然而，大多数立体视频分析通常依赖于为非立体技术确立的方法，即MaxN方法：在单个视频帧中观察到的某个物种的最大个体数量。虽然MaxN方法自创立以来在各种渔业和生态研究中被证明有效，但其对单一视频帧的依赖可能限制了对种群结构的代表性。这是因为MaxN的固有逻辑是将不在“最高MaxN帧”内出现的个体排除在外，无论其体长是否存在明显差异。这一限制减少了可从立体影像中提取的数据量，并引入了潜在的生态偏差，因为不同生活史阶段或成熟度的可检测性可能存在差异。
其他方法，如MeanCount，试图超越单帧或时间点，通过估计部署内系统采样帧中观察到的鱼类平均数量来提取相对于MaxN的额外信息。然而，MeanCount方法并未明确解决跨多个帧记录的观测是代表相同还是不同个体的问题。因此，当个体长时间停留在摄像机视野内，且真实种群值始终未知时，重复观测可能会多次贡献于丰度和基于体长的估计。当前的立体视频工作流程因此存在低估个体鱼类和错误表征生活史结构（尤其是在幼鱼和成鱼出现在不同帧或表现出不同行为模式时）的风险。为应对此问题，研究人员开发了新的分析软件‘MIDS（多帧体长个体区分）’，其整合了测量精度和多帧观测，以改进立体视频部署中不同个体的识别，无论它们在视频文件中何时出现。本研究旨在评估MIDS是否能在相同的立体摄像机影像中，以MaxN和标准部署时长为比较基准，改进个体丰度、体长结构和生活史组成的估计。
**2. 主要关键技术方法**
研究在澳大利亚新南威尔士州的麦夸里湖和瓦利斯湖两个温带河口进行，每个河口选取两个岩礁和两个沙滩/稀疏海草栖息地站点。研究人员使用非诱饵式立体遥感水下视频（RUV）系统，每个系统包含两台GoPro Hero 11相机，部署35分钟，并在部署前使用‘CAL’摄影测量软件进行校准。视频分析中，传统MaxN计数被记录；对于MIDS，研究人员测量所有视频帧中的每个个体，利用体长（mm）和精度误差（σ, mm）来区分新个体与任何先前计数的个体，通过‘MIDS要求’（即若一对鱼的体长绝对差超过任一体的精度误差则认为‘不同’）进行初步筛选。随后，‘MIDS’软件包（版本1.0）在R Studio中运行，以河口、栖息地、站点、摄像机和物种为分组因子，对满足‘MIDS要求’的所有测量进行配对比较，通过计算z分数和p值（p < 0.05）并应用Bonferroni校正来确定统计学上不同的‘不同个体’。对于四种具有商业和休闲价值的物种（鲻鱼、沙鮻、沙鲻和黄鳍鲷），个体被分类到1 cm体长频率分布箱和三个生活史阶段（幼鱼、成鱼和可捕捞成鱼），其中幼鱼被分类为≤物种最大成体总长（Lmax）的33%。丰度估计的比较采用配对Wilcoxon符号秩检验，效应量计算为r = z/√n，并应用Benjamini-Hochberg错误发现率校正。
**3. 研究结果**
**3.1 总丰度比较：MIDS显著提升检测能力**
在麦夸里湖，MIDS在沙滩栖息地检测到的个体数显著多于MaxN，每次摄像机部署中位数增加4个个体（W = 66, p = 0.004, r = 0.84），在岩礁栖息地每次部署中位数增加5.5个个体（W = 78, p = 0.002, r = 0.87）。同样，在瓦利斯湖，MIDS在沙滩栖息地每次部署中位数增加7个个体（W = 78, p = 0.002, r = 0.88），在岩礁栖息地每次部署中位数增加8个个体（W = 78, p = 0.002, r = 0.87）。跨河口的沙滩栖息地中，MIDS检测到的总个体数与相对于MaxN的额外个体数之间存在强正相关关系（R
2 = 0.47, p < 0.001），但这种关系在岩礁栖息地中不存在。
**3.2 体长频率分布：差异有限但存在特例**
对于四种目标物种，MIDS方法通常在相似的体长箱（1 cm）中检测到比MaxN更多的个体，并且一些额外检测出现在更广泛的体长范围内。然而，对于大多数物种，两种方法记录的个体中位体长（Wilcoxon检验）或方差（Fligner-Killeen检验）没有显著差异。瓦利斯湖岩礁栖息地的黄鳍鲷（Acanthopagrus australis）是唯一表现出显著差异的物种-栖息地组合，MIDS记录的中位体长略大于MaxN（7.83 cm vs. 6.99 cm；W = 3919, p.adj = 0.023），且体长分布更广（K2 = 20.50, p.adj < 0.001）。
**3.3 生活史阶段：幼鱼检测增加最为显著**
MIDS检测到的丰度通常高于MaxN，但差异幅度因物种、栖息地和摄像机部署而异。较大的差异通常与包含更多个体数量的部署相关，并且在幼鱼生活史阶段最为显著。对于鲻鱼，两个河口的岩礁栖息地中，MIDS检测到的幼鱼丰度均显著大于MaxN。麦夸里湖中位幼鱼丰度从MaxN的4.0个个体增加到MIDS的7.0个个体（W = 36, p.adj = 0.043, r = 0.75）。对于黄鳍鲷，两个河口和栖息地的幼鱼丰度均一致性地显著增加。瓦利斯湖岩礁栖息地的幼鱼丰度从5.0增加到9.0，沙滩栖息地从3.0增加到10.5（均为W = 78, p.adj = 0.020, r = 0.87）。对于沙滩栖息地的沙鮻，麦夸里湖的幼鱼丰度从5.0显著增加到7.5（W = 44, p.adj = 0.043, r = 0.72）。成鱼和可捕捞成鱼类的差异通常较小。
**3.4 MIDS与MeanCount对比：保留个体级数据是关键**
以最丰富的黄鳍鲷为例，MIDS产生的丰度估计显著高于MeanCount（W = 703, r = 0.853, p < 0.001），中位丰度分别为每次部署9个和2个个体。这种差异反映了根本不同的生态单元，因为MeanCount将观测压缩为摄像机级别的平均丰度估计，而MIDS保留了个体级别的观测，导致部署间丰度估计的分布更广。
**4. 讨论与结论**
MIDS方法在两个河口和两种栖息地类型中均一致地检测到比传统MaxN方法更高的鱼类丰度，其中最大的差异出现在有价值的鱼类物种的幼鱼类别中。这表明广泛使用的单帧指标可能在早期生活阶段记录的个体数量较少。栖息地类型影响了MIDS的有效性：沙滩栖息地中，个体观测数量的增加与MIDS有效性的提高相关，而岩礁栖息地则不然，这可能反映了岩礁鱼类更强的聚集性或领域行为。与MeanCount相比，MIDS通过保留个体级数据，避免了重复计数问题，提供了更精确的丰度估计。
当前MIDS的主要局限性在于手动处理耗时，以及对精度误差估计和相机校准质量的依赖性。然而，随着自动化和AI辅助工作流程的发展，这一限制有望得到缓解。MIDS框架有可能补充现有的丰度方法（如SMaxN），并可适应于密集摄像机阵列或多向监测设计。此外，MIDS的底层逻辑可广泛转移到其他可重复观测和测量的海洋或陆地类群。
研究结论表明，相对于单帧‘MaxN’方法，MIDS改进了从相同立体视频部署中提取丰度和体长结构化信息的能力，包括更可靠地检测有价值的鱼类物种中的幼鱼类别。虽然MaxN在处理条件受限时可能仍然是一个实用的指标，但研究结果表明，常用的单帧方法可能低估早期生活阶段，从而影响对种群结构的解释。通过改进非侵入性监测中的个体级可提取性，MIDS有潜力加强沿海和河口水生生态系统的立体视频调查，并有必要使用独立验证的部署进行进一步研究。
