水下视频在温带淡水生态系统渔业评估中的效用研究

《Transactions of the American Fisheries Society》：How useful is underwater video as a fisheries assessment tool in temperate freshwater ecosystems?

本研究针对传统渔业调查方法存在侵入性强、操作复杂等问题，探讨了远程水下视频（RUV）作为非侵入式监测工具在温带淡水生态系统中的适用性。通过对比RUV与刺网、诱捕器及潜水调查等传统方法，发现RUV在物种丰富度评估方面与部分传统方法相当，且能有效检测入侵物种种群动态，为社区科学和敏感生境监测提供了重要技术支撑。

　　

在淡水生态系统的研究中，渔业评估一直面临着方法选择的难题。传统的调查方法如刺网捕捞、电捕鱼等虽然能够提供详细的生物学数据，但对鱼类具有侵入性，可能引起应激反应，且在复杂生境或敏感物种分布区实施受限。随着水下摄像技术的成本降低，远程水下视频（Remote Underwater Video, RUV）作为一种非侵入式工具，在海洋生态研究中已有数十年应用历史，但其在淡水系统中的效用以对比研究仍较为缺乏。加拿大安大略省特伦特大学的研究团队针对这一空白，在《Transactions of the American Fisheries Society》发表论文，系统评估了RUV在温带淡水河流和湖泊沿岸带鱼类群落监测中的实用性。

研究团队选取了具有代表性的圣尼湖（Upper Stoney Lake）和奥托纳比河（Otonabee River）作为研究区域，通过133次采样部署，对比了RUV与诱捕器、潜水调查和刺网捕捞（仅河流点位）在物种丰富度和多度评估方面的表现。关键技术方法包括：使用GoPro Hero 8相机搭建固定式RUV系统，记录50分钟视频后通过人工识别计算最大个体数（maxN）作为相对多度指标；采用15米袋网进行100平方米区域的刺网采样；设置标准化潜水样带和诱捕器进行同步调查。所有采样点均记录植被覆盖率、透明度等环境参数，并通过广义线性模型和物种累积曲线进行统计分析。

物种丰富度

在圣尼湖的49组配对样本中，RUV检测到13种鱼类，显著高于诱捕器（10种）和潜水调查（9种），且平均每样本物种数（4.33）最高。模型显示方法类型和植被覆盖率对物种数有显著影响，RUV在检测大型鱼类（如 Muskellunge）方面具有优势，但对小型底栖物种（如 Bluntnose Minnow）的检出率较低。在奥托纳比河的30组样本中，刺网捕捞累计发现24种鱼类，远超RUV（10种），尤其在小体型、低密度物种检测上RUV存在明显局限。物种累积曲线表明，RUV的检测效率在30次采样后趋于稳定，而刺网捕捞仍能持续发现新物种。

多度评估

通过Pearson相关性分析发现，RUV的maxN指标与刺网密度估计仅在4/11的物种（如幼年Largemouth Bass、Round Goby等）中显著相关，表明maxN作为多度指标的适用性存在物种特异性。对入侵物种Round Goby的监测显示，RUV能有效检测其种群年度增长趋势（2022-2023年maxN从0.13升至1.44），但变化幅度显著低于刺网估计的增幅（+4628% vs. +1008%），提示RUV可能低估实际密度变化。

环境因素影响

分析表明，水体透明度、温度、云覆盖率等环境参数对RUV的物种检测能力无显著影响，但植被覆盖率的增加会轻微提升物种丰富度估计，可能与生境复杂性增加有关。

研究结论指出，RUV作为一种非侵入式工具，在温带淡水生态系统鱼类群落监测中具有重要价值：其物种检测能力优于诱捕器和潜水调查，尤其适用于大型鱼类和敏感物种监测；maxN可作为部分物种的相对多度指标，但需结合传统方法校正；在刺网无法实施的复杂生境（如深水区、岩石区）中，RUV能有效扩展监测范围。讨论部分强调，RUV的技术优势（如永久影像存档、自动化识别潜力）使其特别适合社区科学项目和长期监测计划，但需注意其对小型底栖物种的检测偏差。未来研究方向包括夜间部署、深水应用及跨透明度梯度验证，以进一步提升该技术在淡水渔业管理中的实践意义。