基于声学遥测信号到达时间的水生动物行为模式估算新方法

《Methods in Ecology and Evolution》：Inferring activity patterns of aquatic animals from single-receiver acoustic telemetry setups

　　本文介绍了一种利用声学遥测信号到达时间（TOA）估算水生动物行为模式的新方法。该方法仅需单个接收器和常规ID发射器，通过分析检测时间戳的毫秒级分数，校正时钟漂移后提取TOA变化，进而转换为相对距离和运动指标（如步长），并结合隐马尔可夫模型（HMM）识别行为状态（如休息/活跃）。研究通过定位测试验证了方法的准确性（平均精度4±7米），并应用于多种鱼类（如石斑鱼、鲯鳅、鳐鱼），成功揭示了其物种特异性活动节律（如夜行性/昼行性）。该方法为利用简易遥测设备开展低成本、高分辨率行为研究提供了新途径。

　　

2 材料与方法

2.1 声学发射器要求

本方法所需的声学发射器需以随机间隔发射信号，但需已知其时间粒度（Granularity）。例如，若发射器编程为90-150秒随机间隔且粒度为1秒，则连续信号间隔将从该范围内的所有1秒增量（即90、91、92、…、150秒）中采样。这种结构化时序确保了信号发射间隔为粒度的整数倍，消除了传输时序的不确定性，从而实现精确的TOA计算。本研究测试了Thelma Biotel和Lotek Wireless的发射器，两者均采用开放协议（Open Protocol）。Thelma Biotel发射器的粒度为1秒，Lotek发射器为0.5秒。方法的有效性要求粒度大于由位移或时钟漂移引起的TOA变化。粒度较低的发射器会引入过多的信号时序随机性，使TOA计算不可靠。

2.2 方法概述

到达时间（TOA）表示声学信号从发射器传播到接收器所需的时间。鉴于声音在水中的高速传播（约1500米/秒），发射器与接收器之间距离的变化仅导致毫秒级的TOA变化。在理想条件下（发射器和接收器时钟完全同步），静止发射器的TOA应保持恒定。但实践中，发射器和接收器时钟会逐渐漂移，每日偏差可达数秒。由于无法区分发射器和接收器的各自漂移，必须考虑两者的组合漂移。需注意，重置接收器时钟也会重置时间漂移。因此，该方法必须针对每个发射器-接收器部署组合单独应用，其中部署定义为未重置接收器时钟的连续时段。

时间漂移和TOA嵌入在声学检测时间戳的毫秒级分数中，这些分数在0到1秒之间循环变化。处理漂移的第一步是“展开”循环信号以生成连续的漂移模式。我们开发了一种展开算法，该算法根据连续检测时间戳计算总体漂移，并确定一个校正因子（发射器粒度的整数倍）以将漂移值置于连续尺度上。此展开算法通过随本文提供的R包activityTOA中的unwrapDrift()函数实现。

下一步是通过拟合三次平滑样条到作为时间函数的展开漂移信号，来去除漂移趋势，从而分离出由发射器与接收器之间距离变化引起的TOA变化。这使用R基础包中的smooth.spline()函数实现。校正后的TOA（代表未被时钟漂移解释的变化）作为拟合样条的残差提取。虽然平滑样条提供了对长时间序列中非线性漂移建模所需的灵活性，但对于较短的数据集（例如覆盖1-2天），简单的线性模型可能就足够了。本研究中，样条的自由度与跟踪周期的持续时间成比例（自由度=有检测的天数×0.5）。然而，此参数可能需要根据数据集的长度和漂移特性进行调整。我们评估了不同自由度值的影响，发现虽然它们可能影响绝对TOA值，但导出的运动参数（步长）保持稳健。

所得的TOA代表相对的信号传播时间，但可以通过将其乘以水中的声速转换为更直观的距离估计。由于声速随温度、盐度和深度变化，可以使用Mackenzie方程进行估算，该方程在activityTOA包的soundSpeed()函数中实现。当可获得接收器传感器的现场温度数据和附近海洋学平台的盐度测量值时，可以提高声速估计的准确性。否则，可以使用反映典型环境条件的平均值，因为声速的局部变异性对距离估计的贡献相较于运动相关的变化较小。所得值代表相对的发射器-接收器距离，反映的是运动的径向分量而非方向位移。尽管如此，连续检测之间的变化可用作动物运动的代理，从而能够估计运动指标如步长和速度，这些随后可纳入行为分析。

整个方法在R计算环境中实现。应用该方法的详细分步指南在数据S1中提供。工作流程所需的所有函数，连同示例数据集和用户指南，可在GitHub上托管的R包activityTOA中找到。本研究中使用的脚本和数据集也可在GitHub上获得，并归档在Zenodo存储库中。

2.3 定位测试

为验证该方法，我们通过在不同距离接收器部署声学发射器进行了定位测试。接收器（TBR700, Thelma Biotel）系泊在西班牙马略卡岛帕尔马湾5米水深的浮标上。总共8个发射器（5个Thelma Biotel，3个Lotek Wireless）通过绳索从船上悬吊，并依次部署在距接收器8个距离（0, 50, 100, 200, 400, 600, 800, 1000米）处，使用船首的电动定位马达在每个距离保持30分钟。在海中部署前，所有发射器放置在接收器附近约2小时（校准期），以准确表征每个发射器的时钟漂移。

收集的数据按照前述工作流程处理。每个发射器-接收器组合的时钟漂移通过将线性模型拟合到校准期间观察到的漂移来估计。然后，TOA计算为该线性模型投影到部署期间观察到的漂移所产生的残差。为了估计每次检测的相对距离，将TOA乘以水中的声速，该声速根据检测时的接收器温度和部署位置的平均盐度值（37 PSU）计算。对于每个发射器，部署D1（距接收器0米）期间估计的平均距离被用作参考点，并从同一发射器的所有距离估计中减去。通过计算每次部署的实际GPS坐标的平均偏差来评估这些估计的准确性，而精确度则通过距离估计的标准差来评估。

2.4 标记鱼类示例

伦理声明： 本研究中的所有鱼类标记均遵循西班牙法规（RD 53/2013），并得到巴利阿里大学（ref. CEEA.154/12/20）和加利西亚地区政府（ref. ES360570202001/19/FUN01/BIOL.AN.08/AAF01）伦理委员会的批准。

为证明我们的方法在分析鱼类运动行为方面的适用性，我们使用了来自几个进行中项目的六个示例数据集。所有数据集均使用Thelma Biotel的TBR700或TBR800接收器收集。第一个数据集用于说明静止发射器的TOA模式，对应于一个控制发射器，该发射器通过50厘米绳索系有一个小浮标，部署在西班牙马略卡岛帕尔马湾海洋保护区距接收器100米、水深15米处。第二个数据集包含在埃尔托罗海洋保护区（西班牙马略卡岛）标记和监测的暗色石斑鱼（Epinephelus marginatus）的检测数据。暗色石斑鱼是大西洋和地中海沿海生态系统的关键顶级捕食者，以其强烈的站点忠诚度而闻名。第三个数据集包括在帕尔马湾公海安装的实验性鱼类聚集装置（FAD）周围监测的鲯鳅（Coryphaena hippurus）的检测数据。由于接收器安装在FAD正下方，该数据集使我们能够测试我们的方法来表征鱼类相对于特定物体的运动。第四和第五个数据集分别涉及蝴蝶鳐（Gymnura altavela）和普通黄魟（Dasyatis pastinaca），这是两种高移动性的板鳃类物种，均在帕尔马湾使用单个接收器进行监测。第六个数据集对应于另一种板鳃类，波状鳐（Raja undulata），在加利西亚（西班牙西北部）大西洋群岛海洋陆地国家公园的西斯群岛监测。该数据集包括来自定位阵列中7个接收器的检测数据，使我们能够评估基于TOA的活动测量在不同接收器间的一致性。该数据集还包括使用PinPoint定位系统从相同检测数据导出的定位轨迹，从而能够直接比较基于TOA和基于轨迹的行为评估。作为定位系统的最终输出，预期轨迹能更准确地捕捉个体的运动活动。

每个数据集按照上述方法处理以估计TOA。接收器温度日志用于计算每次检测的水中声速，马略卡（地中海）的数据集使用37 PSU的盐度，西斯群岛（大西洋）的数据集使用35 PSU的盐度，这些值基于西班牙国家港口提供的最近海洋浮标记录的平均值。然后，通过将估计的TOA乘以相应的声速导出鱼与接收器之间的相对距离，并使用计算的最小距离作为设定为0米的参考点。

为了评估基于TOA的运动参数在表征物种特异性行为模式方面的有效性，我们对每个数据集应用了隐马尔可夫模型（HMM）。数据首先正则化为5分钟间隔，计算每个间隔内的平均基于TOA的距离。选择此间隔长度以涵盖所用发射器的最大发射周期（120至240秒）。然后，步长计算为连续间隔之间平均距离的绝对差。未包含检测的间隔不纳入分析。将HMM拟合到步长时间序列，以将活动模式分类为“休息”和“活跃”状态，假设为Gamma分布。使用R包suncalc为每个间隔分配昼夜相位（日/夜），并将其作为协变量纳入模型。对于每个个体，使用随机选择的两个状态均值和标准差（SD）的起始值拟合20个模型，遵循R包moveHMM中的指南。在每次运行中，合理的起始值从观察到的步长分布中抽取：对于休息状态，均值和SD从2.5%到50%百分位数范围抽样；对于活跃状态，从50%到97.5%百分位数范围抽样。对模型的最大似然和参数估计进行视觉检查以确保一致性，并选择拟合最佳的模型（即负对数似然最低的模型）。最后，使用Viterbi算法推断最可能的行为状态序列。

对于来自西斯群岛的波状鳐数据集，为所有接收器拟合一个单一的HMM，将接收器ID视为随机因子。还为定位轨迹拟合了一个单独的HMM，该轨迹也通过平均X和Y坐标正则化为5分钟间隔。在这种情况下，模型包括步长（假设为Gamma分布）和角度集中度（假设为von Mises分布）。如前所述，使用随机生成的起始值拟合20个模型。步长参数根据观察到的步长分布的2.5%-50%和50%-97.5%百分位数抽样，而角度集中度参数则从休息状态的0-0.1范围和活跃状态的0.1-15范围抽取。为了评估方法之间的一致性，我们比较了基于TOA和基于位置的HMM获得的行为状态分类，计算了推断行为状态匹配的时间间隔百分比。

最后，我们探讨了生物特征和发射器特性如何影响基于TOA的运动估计。我们通过拟合具有Gamma分布和对数链接的广义线性模型（GLM），分别应用于休息和活跃状态以考虑运动动力学的差异，测试了体重和发射器功率输出对步长的影响。体重作为体型的代理，使用从FishBase通过R包rfishbase获取的物种特定体长-体重系数从长度测量估算得出。

3 结果

3.1 定位测试

基于TOA的方法在每次测试中准确估计了部署距离，在不同发射器模型间性能一致。平均定位精度为4±7米，精确度为1.8±1.7米。未观察到不同制造商发射器之间的明显性能差异。作为额外验证，将基于TOA的距离估计与TBR700和TBR800接收器提供的信噪比（SNR）测量值进行比较。SNR受环境噪声影响，由于波浪作用、生物活动或人为因素等原因，可能在短时间内波动很大。尽管SNR本身具有可变性，但它通常随着距离增加而降低，因为信号强度随距离减弱。在我们的数据中，SNR随发射器距离呈指数下降，进一步支持了基于TOA的估计。正如预期，在更远距离处检测次数较少，只有一个发射器在1000米处被检测到（ID = OPi-2004，功率输出=152 dB）。

3.2 活鱼行为分析

当应用于真实遥测数据时，我们的方法有效区分了物种间的活动模式，突出了运动行为的差异。正如预期，控制发射器表现出最小的运动，在12个监测日内95%的估计距离落在±4米范围内，平均步长接近零（0.5±0.5米，平均值±标准差），证实了该方法在检测静止信号方面的准确性。相比之下，活鱼的遥测数据揭示了显著更大的运动范围，反映了物种特异性的行为模式。距接收器的最大距离在物种间差异很大。暗色石斑鱼在5分钟时间步长上表现出相对有限的运动范围（95%四分位距：72.9米），最大估计距离为124.4米，平均步长为9.3±10.1米。鲯鳅显示出更宽的95%运动范围88.3米，达到最大距离262.3米，平均步长12.6±16米。蝴蝶鳐和普通黄魟显示出最大的运动范围，分别为623.2米和702.1米。它们的最大估计距离分别为986.5米和1068.1米，平均步长分别为20.8±34.2米和13.9±32.9米。

基于TOA的距离模式中明显存在不同的行为状态，HMM输出证实了这一点。在所有情况下，活跃状态的特征是比休息状态更长的平均步长，尽管这些差异的程度因物种而异。正如预期，控制标签未显示显著的行为变化，在白天或夜间被归类为“活跃”的观测值均少于0.6%。然而，这些“活跃”观测值显示出与主要距离模式的突然偏差，表明它们可能是由声学反射或多径传播引起的，其中信号在到达接收器之前采取间接路径，导致偶尔高估距离。暗色石斑鱼表现出活跃和休息期交替。89.3%的夜间观测被归类为活跃，而白天为43.4%，表明在研究期间夜间活动增加。鲯鳅显示出强烈的昼夜模式，夜间停留在FAD附近，但白天显示出更大的运动范围和步长。在这种情况下，99.5%的白天观测被归类为活跃，而夜间仅为18.4%。板鳃类物种呈现出最高的活动水平，但具有对比的昼夜模式。蝴蝶鳐在活跃状态下的平均步长为50.1±2.2米，而普通黄魟为44.9±2.5米。蝴蝶鳐主要是夜行性的，87.9%的夜间观测被归类为活跃，显示夜间运动较大，白天频繁出现中途停留行为。相比之下，普通黄魟显示出昼行模式，65.1%的白天观测被归类为活跃，而夜间活动显著减少（17.3%的活跃观测）。

在西斯群岛标记的波状鳐表现出与蝴蝶鳐相似的夜行性，这通过监测同一个体的多个接收器的检测得到证实。跨接收器的95%运动范围为216.4米，在CI04部署处记录的最大距离为427.1米。HMM估计休息状态的平均步长为2.9±0.1米，活跃状态为23±0.8米。根据所有部署分配的行为状态，91.8%的夜间观测被归类为活跃，而白天为24.7%。这些结果与从定位轨迹获得的结果非常接近，其中92.8%的夜间和37.7%的白天观测被归类为活跃。从轨迹导出的步长估计长于基于TOA导出距离的步长：休息状态为4±0.3米，活跃状态为43.9±3.2米。总体而言，基于TOA距离的行为状态分类与从定位轨迹推断的行为状态高度一致，跨接收器部署的行为状态平均有84.4±2.8%与轨迹分配的行为状态匹配。

体重和发射器功率的分析揭示了对步长的显著影响，这些影响在休息和活跃状态之间有所不同。发射器功率输出对活跃状态期间的步长产生正向影响，但对休息状态没有显著影响。体重与两个状态的步长均呈负相关，在休息期间的影响较弱，而在活跃期间的影响较强。然而，这种关系可能与物种身份混淆，因为每个物种由具有固定体重的单个个体代表。

4 讨论

在本研究中，我们提出了一种经过验证的新方法，用于从声学遥测信号的到达时间（TOA）估算水生物种的行为模式。我们的方法可应用于最简单的声学遥测设置，即仅包含单个接收器和常规ID发射器。该方法为依赖多接收器定位阵列或传感器集成发射器的先进遥测系统提供了一种经济高效的替代方案，同时优化了从声学遥测中提取生物数据的能力。范围测试表明，在检测范围内，基于TOA的距离估计足够准确和精确，为后续的运动分析提供了可靠的基础。此外，将HMM应用于导出的运动参数（如步长）使我们能够识别不同的行为状态，包括跨不同物种的休息和活跃状态。这些结果强调了基于TOA的方法在捕捉精细尺度活动动态方面的潜力，并为使用最小遥测设备进行水生动物行为研究打开了新的窗口。此外，该方法使得能够重新分析现有的声学跟踪数据集，以最大化其生物学可解释性。

我们的方法对于研究长时间停留在单个或少数几个接收器检测范围内的动物行为特别有价值。在这种情况下，可以利用连续检测来推断细微的行为变化，这些变化如果仅分析检测计数则会被忽略或误解。当个体在接收器之间移动时，可以组合来自多个部署的数据以填补时间序列空白，扩展研究的时间和空间覆盖范围。需要注意的是，该方法仅捕获个体与接收器之间径向或直线距离的变化。因此，与跟踪二维运动的更高分辨率定位技术相比，基于TOA的结果通常被低估，这反映在使用基于TOA距离的HMM估计的平均步长小于定位轨迹估计的步长。尽管如此，波状鳐的基于TOA行为分类与定位轨迹之间的高度一致性支持了该方法在准确捕捉行为动态方面的有效性。此外，我们的探索性分析表明，体重等生物特征可能影响运动指标，在活跃状态下的影响比休息状态更明显。尽管在我们的数据集中无法区分物种身份和体重，但这些发现突出了该方法在解决将特征与行为变异联系起来的基础生物学问题方面的潜力。

我们的方法有效地捕捉了物种特异性的运动模式和昼夜活动差异。例如，暗色石斑鱼在活跃和休息状态之间交替，夜间活动增加和运动距离增大。虽然先前基于检测模式的研究将该物种描述为昼行性或晨昏性，但我们的结果与基于加速度计识别夜间活动的研究更为一致。然而，由于我们的分析仅覆盖有限的数据集，这些发现可能与其他地区或更长时间序列的研究不同，揭示年内不同的行为模式。

该方法对于具有较高移动性的物种（如鳐类和魟类）也有效，特别是在定居期间。尽管它们具有长距离运动的能力，但许多物种（如蝴蝶鳐和波状鳐）经常表现出强烈的站点忠诚度，使用特定的觅食或休息区域。基于TOA的距离揭示了不同的昼夜模式：蝴蝶鳐和波状鳐主要是夜行性的，而普通黄魟显示出昼行模式。这些结果与最近一项基于质心（COA）表明普通黄魟为夜行性和晨昏性的研究形成对比。COA通常用于通过基于时间仓的检测计数平均接收器位置来增强空间估计。然而，COA受声学性能和接收器阵列几何形状的影响，对于解析精细尺度的活动模式来说过于粗糙。相比之下，我们的基于TOA的方法提供了更精细的洞察，捕捉了休息阶段的中途停留事件和活跃阶段的觅食活动。因此，我们的方法为研究空间动态、检查中途停留事件的复发和个体间的运动同步性提供了有前景的潜力，为种群内的社会结构提供了新的视角。

我们的基于TOA的方法对于研究鱼类与自然和人工吸引物的相互作用也很有价值。例如，FAD广泛用于热带和亚热带渔业，以聚集目标物种如鲯鳅。我们的方法使我们能够表征FAD对个体活动模式的影响，揭示被标记的幼年鲯鳅将FAD用作夜间避难所，同时在白天进行觅食活动。先前基于检测的研究观察到类似的动态，将检测间隙与白天活动联系起来，将高检测率与夜间居留联系起来。我们的方法提高了这些分析的分辨率，允许精确估计觅食期间行进的距离，并证明夜间对FAD的强烈依附。这种提高的分辨率还开辟了通过检查个体间运动同步性来研究集群或聚集行为的可能性。此外，我们的方法可以扩展到研究与其他特征的相互作用，例如用于栖息地恢复计划的人工鱼礁，或基础设施如海上风电场和河坝。该方法对于研究鱼类生物钟类型也很有价值，提供了全天活动模式的详细记录，并且在水产养殖和福利研究中也很有价值，其中可以用最少的间隔时间监测大量鱼类。这些结果说明了基于TOA的方法在与栖息地恢复、人类影响和渔业管理相关的应用行为研究中的广泛适用性。

最后，我们的方法在数据分析工作流程中提供了额外的实用性，用于确定标记动物的命运。死亡率是种群动态模型中的关键参数，对于正确解释声学遥测数据至关重要。在没有压力或专用死亡率传感器的情况下，检测模式通常用作推断个体命运的代理。在具有多个接收器和重叠检测范围的遥测阵列中，恒定的检测模式通常被解释为死亡或发射器丢失。在更大规模、非重叠检测范围的系统中，死亡率可以从动物可能未被检测到的最长时间推断。我们的结果表明，基于TOA的距离可以准确区分静止和移动的发射器。例如，控制标签估计的最小步长类似于预期死亡动物发射器的模式。因此，接收器检测范围内的潜在死亡或标签丢失事件可以被推断并打上时间戳，表现为基于TOA的运动范围突然减少。如果死亡发生在标记手术后不久，这种方法可以改进释放后死亡的确定，以及在手术后经过足够恢复时间后的自然死亡确定。特殊情况下，捕食事件也可以从运动范围的突然变化推断，而迁移或离开接收器阵列可以检测为消失前距离的增加。我们的方法对于在无重叠检测范围的遥测阵列中，或者更一般地说，当仅有一个接收器的信息可用时推断命运特别有用。总体而言，我们的方法易于实施，使其成为数据分析工作流程中有价值的第一步，以改进数据的解释并实现关键人口参数估计。

我们的方法依赖于声学遥测设备的特定技术方面。特别是，了解信号发射的粒度对于TOA估计期间的时钟漂移校正至关重要。此外，接收器必须在其时间戳中提供毫秒精度。确保这些特性因此应成为未来遥测研究设计的基本考虑因素。我们的分析表明，发射器功率输出会影响运动指标，功率较高的标签测量到更大的步长。重要的是，这种影响并未损害行为状态的识别，强调了该方法在不同发射器规格间的稳健性。这些发现突出了用户意识到这些技术方面以及制造商提供明确指导的重要性。

5 结论

本研究介绍了一种新颖、易用的方法，用于在先进遥测系统资源有限时从声学遥测数据估计运动和行为模式。当整合到标准数据分析工作流程中时，我们的方法提供了一种经济高效的鱼类活动监测方法，扩展了声学遥测的应用范围，以解决为渔业管理、栖息地恢复、福利和种群动态提供信息的关键生态和应用问题。通过利用简单但必不可少的设备特性，研究人员可以从即使是最基本的遥测设置中提取丰富的行为洞察，从而增强水生动物运动研究的有效性和范围。