编辑推荐:
海洋哺乳动物搁浅是常见的现象,常引起公众和科学界的关注。搁浅数据可为罕见物种提供重要信息,但尽管部分地区存在区域性或国家性搁浅数据库,跨数据库的交流与数据共享仍十分有限。研究人员基于博物馆标本、已发表研究及未经发表的可靠来源,首次构建了全球蓝鲸(Balaeno
海洋哺乳动物搁浅是常见的现象,常引起公众和科学界的关注。搁浅数据可为罕见物种提供重要信息,但尽管部分地区存在区域性或国家性搁浅数据库,跨数据库的交流与数据共享仍十分有限。研究人员基于博物馆标本、已发表研究及未经发表的可靠来源,首次构建了全球蓝鲸(Balaenoptera musculus)搁浅综合数据库。该数据库可通过交互式Shiny应用进行可视化、探索与下载。在541条报告记录中,37条被判定为其他物种,14条为重复记录,11条为非搁浅事件;仅303条具有基于关键诊断特征的高物种鉴定确定性。主要发现包括:搁浅报告数量随时间增加,尤其是2000年以后;秋季搁浅略多于其他季节;各大洲西侧搁浅多于东侧;印度、美国和斯里兰卡的搁浅记录最多,而非洲几乎完全缺失。按体长划分,18.2%为幼崽;按性别划分,雌性(56.7%)显著多于雄性。研究人员欢迎数据库新增内容,该数据库旨在成为研究人员的动态资源。
全球蓝鲸搁浅数据库的构建与生态学洞见:一项开创性的综合研究解读
一、研究背景与问题提出
海洋哺乳动物搁浅事件在历史上始终吸引公众与科学界的关注,从刘易斯与克拉克探险队记录的俄勒冈海岸鲸骨,到1827年比利时奥斯坦德蓝鲸搁浅的艺术再现,搁浅事件不仅是公众好奇的对象,更逐渐演变为标准化生物监测项目的重要数据来源。搁浅数据能够为难以直接观察的稀有物种提供关键生态信息,例如物种分布、种群结构、死亡原因及人为影响等。然而,尽管英国、爱尔兰等地区自1913年起便系统收集搁浅记录,全球范围内却缺乏统一的搁浅数据协调机制。各区域或国家性搁浅网络(如英国鲸类搁浅调查计划CSIP、美国国家海洋与大气管理局海洋哺乳动物健康与搁浅应对计划MMHSRP等)各自运行,数据库间互操作性有限,跨网络的数据整合尝试极少。虽然全球生物多样性信息设施(GBIF)、海洋生物多样性信息系统(OBIS)等全球数据库致力于数据互操作,但针对单一物种的全球性搁浅综合数据库此前并不存在。蓝鲸作为地球上最大的动物,其搁浅记录分散于各类文献、博物馆标本和网络报告中,且历史记录中存在物种鉴定混淆(如19世纪末前蓝鲸常被误称为Balaenoptera sibbaldii,而B. musculus曾被误用于长须鲸),这使得整合与验证蓝鲸搁浅数据尤为迫切。为此,研究人员开展了这项研究,旨在首次构建全球蓝鲸搁浅综合数据库,系统评估物种鉴定与位置确定性,并揭示搁浅的时空格局与生态学意义。
二、研究内容与主要结论
研究人员从已发表文献、搁浅网络数据库、博物馆标本、报纸文章、未发表报告及社交媒体等多源渠道搜集蓝鲸搁浅记录,并追溯原始报告以避免后续汇编中的错误。共汇编541条记录,剔除14条重复和11条非搁浅事件后,得到516个独特搁浅事件。研究人员建立了物种鉴定确定性分级(0-5级)和位置确定性分级(0-5级),基于遗传分析、形态特征(如背鳍高度与位置、体色、鲸须颜色、腹褶数量、椎骨数量等)进行严格验证。主要发现包括:仅303条记录具有高物种鉴定确定性(4级或5级);搁浅记录数量随时间显著增加,尤其在2000年后;秋季搁浅略多于其他季节;各大洲西侧搁浅多于东侧;印度(87条)、美国(70条)和斯里兰卡(51条)搁浅记录最多,而非洲几乎完全缺失(仅5条);18.2%的搁浅个体为幼崽;雌性搁浅比例(56.7%)显著高于种群中的雌性比例(47.9%)。通过基于密度的空间聚类算法(DBSCAN),研究人员识别出11个高确定性搁浅空间聚类,包括澳大利亚、新西兰、厄瓜多尔与秘鲁交界、智利、加拿大、马尔代夫、印度及北美西海岸等区域。该研究首次为蓝鲸搁浅提供了全球性综合数据库,为评估蓝鲸种群生态、迁徙模式及人为影响提供了重要基础资源。
三、主要关键技术方法
研究人员采用了多种关键技术方法:一是多源数据汇编策略,整合来自14个区域或国家搁浅网络(如英国CSIP、爱尔兰IWDG、印度MMRCNI、美国MMHSRP、新西兰NZCeTA等)及博物馆标本、同行评议论文、报纸、社交媒体等来源的记录;二是物种鉴定确定性分级系统,依据遗传分析或形态诊断特征(如背鳍大小与位置、体色、鲸须颜色、腹褶数量、椎骨数量等)将每条记录分为0-5级;三是位置确定性分级系统,根据原始描述将搁浅位置分为0-5级;四是使用R语言进行数据分析,包括性别组成、年龄组成(以断奶体长为标准划分幼崽与非幼崽)、体长组成、季节性分析及半球校正;五是采用基于密度的空间聚类算法(DBSCAN)识别搁浅空间聚类,设置半径1.5度、最小点数5;六是开发基于Shiny包的交互式Web应用,使用leaflet构建交互式地图,实现数据可视化、查询与下载功能。
四、研究结果
4.1 数据概况:共汇编541条记录,其中516条为独特搁浅事件。最早搁浅记录可追溯至公元前数百年,自1600年代起记录趋于连续。303条记录具有高物种鉴定确定性(4级或5级),82条为3级(可能是蓝鲸但证据不足)。搁浅分布广泛但区域差异显著:北印度洋搁浅最多但仅约半数具有高确定性,而东北太平洋和东南太平洋大部分搁浅具有高确定性。西北大西洋低确定性搁浅比例较高,多为1900年前缺乏详细信息的记录。
4.2 搁浅数据的人口统计学变异:高确定性搁浅中,体长超过16米的个体鉴定确定性较高,低于16米时低确定性鉴定频率增加,因小型须鲸易与蓝鲸幼崽混淆。最常被误认为蓝鲸的是长须鲸(13条),北印度洋则常见与布氏鲸(15条)的混淆。在有性别信息的高确定性搁浅中(n=157),雄性68条、雌性89条,雌性比例56.7%,显著高于蓝鲸捕捞种群中的雌性比例47.9%(二项分布检验,p=1.1%),表明搁浅数据存在雌性偏倚。高确定性搁浅的平均体长为19.6米,其中45条(18.2%)为幼崽。雌雄体长分布相似(雌性中位数20.4米,雄性20.0米),均值差异不显著。
4.3 搁浅数据的时间变异:搁浅发生存在季节性差异(χ2=9.06,df=3,p=0.028),秋季搁浅最多(89条),其他季节为60至81条。北印度洋无显著季节性(p=0.375),而东北太平洋季节性显著(p<0.001),秋季和夏季搁浅远多于春季和冬季,可能反映迁徙模式。搁浅报告数量随时间增加,尤其在2010年代和2020年代,这可能反映了监测项目增加和社交媒体兴起带来的报告改善。
4.4 搁浅数据的空间变异:全球范围内,各大洲西侧搁浅多于东侧,包括印度次大陆。非洲仅5条搁浅记录,其中仅2条高确定性(肯尼亚和纳米比亚各1条)。DBSCAN算法识别出11个高确定性搁浅空间聚类,包含149条(占303条的近半数),分布于澳大利亚、新西兰、厄瓜多尔与秘鲁交界、智利、加拿大、马尔代夫、印度及北美西海岸。美国和印度各有多个聚类,而东北大西洋虽有较多总记录但未形成聚类。非洲和东亚未识别出聚类。
4.5 数据库的交互式展示:研究人员开发了公开可用的Shiny应用(
https://krandrup.shinyapps.io/blue_whale_global_database/),支持可视化、查询交互及过滤数据下载。应用提供可缩放全球地图,可按性别、年龄类别、体长范围、年份范围、鉴定确定性和区域进行筛选。点击搁浅点可查看详细数据库信息。下载数据需与通讯作者初步沟通以避免与进行中项目重叠。
五、讨论与结论
研究人员指出,搁浅记录随时间增加主要归功于区域或国家搁浅网络的持续建立与运行,但不同区域趋势各异:东北大西洋搁浅随时间略有减少,可能因1800年代末和1900年代捕鲸导致的种群枯竭;而印度西海岸、斯里兰卡和马尔代夫尽管在1960年代有大量捕鲸记录(估计2572头),搁浅数量仍然较高。搁浅增加的可能因素包括人类人口增长(观察者增多)、科学兴趣增加、社交媒体兴起以及部分蓝鲸种群在捕鲸结束后恢复。各大洲西侧搁浅较多的现象可能由西侧更强的上升流带来更高生产力、更丰富的蓝鲸食物及更高蓝鲸密度所致,同时盛行风和海流模式可能将尸体推向岸边。秋季搁浅较多与蓝鲸主要摄食期结束及向繁殖和育幼区域迁徙或分散的时间吻合。雌性搁浅比例偏高的可能解释包括:哺乳母鲸因断奶能量消耗巨大更易搁浅,或母鲸-幼崽对更靠近岸边活动从而增加近岸渔业和航运威胁风险。研究人员强调,搁浅网络是检验海洋动物生活各方面的重要工具,该全球蓝鲸搁浅数据库将促进对蓝鲸搁浅的人口统计学、地理和时间模式评估,为蓝鲸生态和人为影响研究提供洞见。随着数据库通过持续全球合作不断增长,预期将提高检测对蓝鲸生态和保护重要模式的分辨率和能力。该研究还为其他须鲸或海洋哺乳动物未来搁浅数据库的开发提供了框架,支持这些物种的协作管理。