法國LOV（Laboratoire d'Océanographie de Villefranche-sur-Mer；索邦大學(xué)和法國國家科學(xué)研究中心的聯(lián)合研究單位）實(shí)驗室的科學(xué)家Laetitia等人首次利用UVP的水下原位觀(guān)測結果，結合機器學(xué)習模型，預測了19個(gè)浮游動(dòng)物類(lèi)群（ESD范圍為1-50mm）的全球生物量分布，并探討了其與環(huán)境因素的關(guān)系。

浮游動(dòng)物存在于全球所有海洋中，它們在海洋食物網(wǎng)和生物地球化學(xué)循環(huán)中發(fā)揮著(zhù)重要的作用，是生物碳泵的主要驅動(dòng)力，并為維持魚(yú)類(lèi)群落的穩定作出了巨大貢獻。但浮游動(dòng)物對環(huán)境條件很敏感，因此被認為是海洋變化的哨兵。它們的分布受到海洋中物理、化學(xué)、以及生物因素的相互作用及調控。

為了更好地理解浮游動(dòng)物的重要性，需要對浮游動(dòng)物的生物量和功能群進(jìn)行全球定量評估。目前只有少數浮游動(dòng)物群體的全球分布得到了很好的研究，這些群體通常使用浮游生物網(wǎng)采樣。但還有很多浮游動(dòng)物類(lèi)群非常脆弱，非常容易受到浮游生物網(wǎng)的破壞，或者易在固定液中保存不良，導致它們的生物量和在海洋生態(tài)系統中的生態(tài)作用被低估。在這種情況下，使用非侵入式的原位成像方法對浮游動(dòng)物進(jìn)行研究，顯得尤為必要。在眾多水下原位成像系統中，只有水下顆粒物和浮游動(dòng)物原位成像系統（UVP）在全球范圍內被廣泛應用。

Laetitia等人通過(guò)對全球范圍內2008年-2019年之間獲得的超過(guò)3549個(gè)UVP剖面（0-500米，圖1）上的466872個(gè)個(gè)體進(jìn)行了分類(lèi)，估計了它們的個(gè)體生物量，并使用分類(lèi)特定的轉換因子將其轉換為生物量。然后將這些生物量與環(huán)境變量（溫度、鹽度、氧氣等）的氣候學(xué)聯(lián)系起來(lái)，使用增強回歸樹(shù)等機器學(xué)習算法，建立了生物量與環(huán)境因素之間的關(guān)系模型，以此預測全球浮游動(dòng)物的生物量。

圖1 本研究使用的UVP數據集地圖。透明度用來(lái)說(shuō)明地圖上點(diǎn)的密度。

水下顆粒物和浮游動(dòng)物圖像原位采集系統UVP（圖2）主要用于同時(shí)研究水下的大型顆粒物（>80μm）和浮游動(dòng)物（>700μm），并在已知水體體積下對水中顆粒物和浮游動(dòng)物進(jìn)行量化。UVP使用傳統的照明設備和經(jīng)電腦處理的光學(xué)技術(shù)，來(lái)獲得浮游動(dòng)物原位數字圖像，圖像后續可以通過(guò)EcoTaxa浮游動(dòng)物數據庫共享平臺（圖3）來(lái)進(jìn)行浮游動(dòng)物種類(lèi)鑒定及分類(lèi)。

圖2 水下顆粒物和浮游動(dòng)物圖像原位采集系統UVP。左圖為本實(shí)驗中使用的UVP5（目前已停產(chǎn)）；右圖為升級版本UVP6-HF，與UVP5功能相同，且重量更輕

圖3 EcoTaxa浮游動(dòng)物數據庫共享平臺對浮游動(dòng)物進(jìn)行種類(lèi)鑒定及分類(lèi)

結果表明，浮游動(dòng)物對環(huán)境很敏感，并會(huì )對環(huán)境的變化作出反應。全球浮游動(dòng)物的生物量呈現出一定的空間分布模式，生物量最高的區域位于大約60°N和55°S附近（圖4），而在海洋環(huán)流附近最低。此外，預計赤道的浮游動(dòng)物生物量也會(huì )增加。

保守預估，全球綜合浮游動(dòng)物生物量最小值（0-500 m）為0.403 PgC。在不同的浮游動(dòng)物群體中，橈足類(lèi)為最主要的群體（35.7%，主要分布在極地地區），其次為真軟甲類(lèi)（26.6%）和有孔蟲(chóng)類(lèi)（16.4%，主要分布在熱帶輻合帶）。

圖4 利用分類(lèi)群預測的0 ~ 500m全球生物量分布圖

圖5 在世界范圍、高緯度和低緯度模式下，0-200 m（A）和200-500 m（B）深度下預測平均生物量（PgC）的條形圖，從高到低排列。

盡管研究取得了一些重要發(fā)現，但也存在一些限制和挑戰。機器學(xué)習模型對浮游動(dòng)物數據庫的大小比較敏感，并且對于稀有類(lèi)群的預測能力較弱。因此，在未來(lái)的研究中，需要進(jìn)一步改進(jìn)模型以提高對這些類(lèi)群的預測能力。

總而言之，本研究提供了有關(guān)全球浮游動(dòng)物生物量分布的重要預測結果，并揭示了其與環(huán)境因素之間的關(guān)系。這對于深入了解浮游動(dòng)物在海洋食物網(wǎng)和生物地球化學(xué)循環(huán)中的作用具有重要意義。隨著(zhù)UVP等數字成像方法的不斷發(fā)展和應用，科學(xué)家們將能夠更準確地估計全球浮游動(dòng)物的生物量分布，并為保護海洋生態(tài)系統提供更有效的決策依據。

1. Drago L, Pana?otis T, Irisson J O, et al. Global distribution of zooplankton biomass estimated by in situ imaging and machine learning[J]. Frontiers in Marine Science, 2022, 9.