唐峰華， 吳祖立， 楊嘉樑， 黃洪亮， 蔣科技*，ESTEFANIA Gonzalez Maiez Violeta，ARREOLA Juan Pedro Vela

（1.中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，農(nóng)業(yè)農(nóng)村部遠洋與極地漁業(yè)創(chuàng)新重點實驗室，上海 200090；2.墨西哥國家漁業(yè)和水產(chǎn)養(yǎng)殖研究所，瓜伊馬斯 85400，墨西哥；3.墨西哥魷魚理事會，瓜伊馬斯 85400，墨西哥）

聲學(xué)方法評估漁業(yè)資源始于20世紀中期，逐步應(yīng)用到海洋探測、海底地形測繪、潛水導(dǎo)航、漁場探魚等方面。目前，水聲學(xué)技術(shù)已成為海洋生態(tài)觀測、海洋生物資源評估的重要手段。作為水聲學(xué)在海洋資源研究領(lǐng)域的應(yīng)用分支，漁業(yè)水聲學(xué)被應(yīng)用于漁場生物探測或漁業(yè)資源評估和管理[1-2]，現(xiàn)已發(fā)展成為漁業(yè)資源研究領(lǐng)域不可或缺的方法之一[3]。莖柔魚(Dosidicus gigas)也被稱為“美洲大魷魚”，分布于東太平洋的加利福尼亞灣到智利南部海域，其中加利福尼亞半島至智利北部60°N—47°S海域為主要分布區(qū)域[4]，是該海域較重要的經(jīng)濟品種之一。莖柔魚作為世界上較大的頭足類資源之一，其體長范圍從35 cm到2.5 m，體重可達50 kg，其通常垂直分布于500 m以內(nèi)的水域中[5-6]。 據(jù) FAO(Food and Agriculture Organization)統(tǒng)計數(shù)據(jù)，2004—2008年東南太平洋的莖柔魚年產(chǎn)量維持在70～90萬t[7]，是我國在東南太平洋公海海域重要的漁獲捕撈對象[8]。此外，作為金槍魚、鯨魚等大型海洋生物的捕食對象，莖柔魚在海洋生態(tài)能量傳遞中扮演著重要的角色，是食物鏈中重要的一環(huán)，因此對其開展資源調(diào)查意義重大。

目前，針對頭足類漁業(yè)生物量的評估主要依賴于商業(yè)捕撈數(shù)據(jù)，存在一定的局限性。傳統(tǒng)的漁業(yè)資源評估利用調(diào)查獲得的捕撈數(shù)據(jù)來估算漁場資源量[9-10]，存在諸多的不足。相比于傳統(tǒng)的資源評估方法，聲學(xué)評估技術(shù)具有效率高、數(shù)據(jù)采集簡便、調(diào)查范圍廣泛和對調(diào)查海域的生態(tài)環(huán)境破壞小等優(yōu)點[3]，因此近年來得到廣泛應(yīng)用。掌握漁業(yè)資源的聲學(xué)特性是科學(xué)開發(fā)和利用魷魚類資源的基礎(chǔ)，故聲學(xué)調(diào)查被廣泛地應(yīng)用于海洋生物的資源調(diào)查中。國外在漁業(yè)資源聲學(xué)評估方面的研究已較為成熟，國內(nèi)于1984年引進，近年來圍繞聲學(xué)資源評估的研究日益增多[11-12]，但基本都聚焦于有鰾魚類。在頭足類方面，關(guān)于魷魚的聲學(xué)研究尚且存在一些問題待解決，如目標強度的確定、噪聲剔除方法、目標判別等。本文依托聲學(xué)調(diào)查數(shù)據(jù)，探討了調(diào)查中的目標強度、噪聲剔除、物種判別問題，以期為系統(tǒng)掌握東南太平洋莖柔魚資源分布規(guī)律和漁場探測提供基礎(chǔ)與科學(xué)依據(jù)。

1 材料與方法

1.1 調(diào)查要素

調(diào)查時間為2019年4月27日至5月4日，調(diào)查區(qū)域為墨西哥加利福尼亞灣海域莖柔魚傳統(tǒng)漁場（22°N—30°N，100°W—120°W），科考調(diào)查船名為“BIP-XI”。調(diào)查所用數(shù)據(jù)由單波束回聲測深儀Simrad EK60采集，聲學(xué)數(shù)據(jù)采用專業(yè)的水聲學(xué)數(shù)據(jù)處理軟件（Echoview V 11.1.34）進行分析。調(diào)查之前采用直徑為38.1 mm標準球分別對38、120 kHz頻率進行了校正。

1.2 物種目標強度的處理

通過生產(chǎn)調(diào)查及現(xiàn)場捕撈共記錄到3種魚種，分別是莖柔魚、沙丁魚（Pacific sardine,Sardinops sagax）及竹莢魚（Jack mackerel，Trachurus symmetricus）。對魷魚的目標強度(target strength，TS)進行計算通常以其胴長(dorsal mantle length，DML)作為測量標準。本次調(diào)查站位較少，所獲樣本有限，故基于現(xiàn)場實測的莖柔魚目標強度采用經(jīng)驗公式進行估算[13]。

式中，DML為胴部背面前端至胴部最后端的中線水平長度（不包括骨針），單位為cm。

1.3 背景噪聲剔除

在實際調(diào)查中，使用聲學(xué)儀器采集魚類回聲數(shù)據(jù)，由于生物群體特性、海洋環(huán)境變動、調(diào)查儀器參數(shù)設(shè)置不合理等因素會產(chǎn)生很多干擾信號，例如船載低頻換能器功率設(shè)置不合理會對高頻信號產(chǎn)生的跨信道干擾(cross-channel interference)、測深儀引起的噪聲信號和非目標生物引起的混響信號等。若在回波積分之前未將這部分干擾信號剔除，極可能造成資源量評估結(jié)果偏差較大。因此，噪聲和混響的剔除是聲學(xué)評估結(jié)果準確性的重要保障。海表噪聲及換能器近場區(qū)在處理之前被剔除。換能器近場區(qū)范圍通過式（3）計算。

式中，r為進場區(qū)范圍，D為換能器直徑，λ為波長。

在漁業(yè)水聲學(xué)中，積分閾值一般指數(shù)據(jù)后處理中參與積分的最弱回聲信號的目標強度或體積反向散射強度(volume backscattering strength，Sv)，是對回聲信號進行積分的臨界值。剔除強度小于積分閾的回聲信號將減少不必要的誤差并加快數(shù)據(jù)處理速度，尤其是目前聲學(xué)數(shù)據(jù)量大量增加，預(yù)先剔除無關(guān)信號更為重要。在聲學(xué)數(shù)據(jù)的后處理中，通過設(shè)置合適的積分閾值可以去除大量目標范圍之外的非目標信號。為確保來自最小單體目標的信號能夠參與積分，積分閾的確定必需依據(jù)最小單體目標的目標強度（式1和2）。由于海表噪聲、海底噪聲、海底探測的間隔、氣泡噪聲及換能器近場區(qū)等影響，剔除海表及海底噪聲數(shù)據(jù)對于后續(xù)數(shù)據(jù)處理十分重要，處理流程如圖1所示。

圖1 數(shù)據(jù)處理流程Fig.1 Data processing flow

在剔除了海表、海底噪聲之后，分別采用積分閾值和信噪比估算法對原始數(shù)據(jù)進行噪聲剔除。利用Echoview中Data range bitmap虛擬變量模塊對38和120 kHz的原始數(shù)據(jù)進行積分閾值設(shè)置，根據(jù)目標強度經(jīng)驗公式，頻率38、120 kHz的積分閾值設(shè)為[-40,-80]。

基于噪聲修正(noise correction)和信噪比閾值(signal-to-noise-based thresholds)的快速方法[14]，利用Echoview對調(diào)查數(shù)據(jù)進行噪聲剔除。該方法首先在水平和垂直2個方向上對去除了時間可變增益函數(shù)TVG（time-varied-gain）影響的調(diào)查數(shù)據(jù)進行重新采樣，然后找出重單個回波（Ping）數(shù)據(jù)的最小值并將其作為干擾信號的評估值，最后應(yīng)用線性域相減的方法剔除背景噪聲。利用Echoview中Background Noise Removal虛擬變量模塊，將最大噪聲（maximum noise）設(shè)定為-100 dB，最小信噪比為15，然后利用脈沖噪聲去除(impulse noise removal)及瞬態(tài)噪聲去除(transient noise removal)虛擬變量對數(shù)據(jù)進行處理。

1.4 物種判別

物種判別是資源評估的關(guān)鍵步驟，其結(jié)果直接關(guān)系到評估結(jié)果的準確性。針對多數(shù)海洋生物，目前多采用頻差(dB-difference)法進行信號鑒定，其利用不同頻率下目標散射強度差值范圍將信號進行區(qū)分。

為了提取目標信號，采用頻差法（圖2）進行多頻差分。2個頻率（Sv）的差值為頻差（ΔSv），其范圍分為 3個階段[15]：ΔSv120-38＜-1 dB 為魚類、ΔSv120-38＞2 dB為浮游生物、-1 dB＜ΔSv120-38＜2 dB為混合集群。處理過程為：將剔除了海表、海底信號的數(shù)據(jù)采用虛擬變量模塊3×3卷積進行預(yù)處理，依據(jù)ΔSv＜-2 dB判別物種；采用膨脹濾波3×3虛擬變量模塊及侵蝕濾波3×3虛擬變量模塊對數(shù)據(jù)進行處理；輸出120 kHz下的回波信號用于調(diào)查區(qū)域生物量及生物分布的計算。

圖2 頻差法處理流程Fig.2 Frequency difference process flow chart in English and Chinese formats

2 結(jié)果與分析

2.1 目標強度分析

目標強度分布如圖3所示，120 kHz頻率下的目標強度分布更趨零線性化。

圖3 聲吶38、120 kHz頻率下的目標強度分布Fig.3 Target intensity distribution at sonar frequencies of 38 and 120 kHz

2.2 單脈沖信號變化對比

圖4為剔除背景噪聲后單脈沖回聲信號變化，可以看出，隨著水層的增加，Sv先增大再逐漸減小，這是由于TVG函數(shù)的放大效應(yīng)使得噪聲隨著水深的增加而放大。采用信噪比估算方法剔除映像的背景噪聲后，對比噪聲剔除前后的回波圖像以及120和38 kHz單脈沖回聲信號變化發(fā)現(xiàn)，高頻信號對噪聲去除作用明顯，但也更為敏感。

圖4 二種頻率的單脈沖噪聲剔除分析Fig.4 Monopoles’noise elimination analysis at two frequencies

2.3 背景噪聲剔除效果及Sv值變化

2.3.1 不同頻率噪聲去除效果Sv值變化 圖5中測深儀信號經(jīng)處理后顯示為黑色，即無數(shù)據(jù)，該噪聲剔除方法對于海表噪聲、儀器干擾噪聲效果明顯，但由于閾值范圍設(shè)置較大，一些目標信號也可能被剔除。對比發(fā)現(xiàn)，在120 kHz下噪聲剔除效果良好，整體效果優(yōu)于38 kHz，可能是由于不同頻率吸收系數(shù)不同所致，即相同條件下高頻信號通常擁有較大的吸收系數(shù)，從而導(dǎo)致TVG補償增大，背景噪聲也被放大。對于淺層信號(即目標魚群之上的信號)，120 kHz回波映像的變化比38 kHz更為明顯。

圖5 120和38kHz頻率的噪聲剔除效果Fig.5 Noise removal echogram at 38 and 120 kHz

2.3.2 剔除噪聲后不同水層Sv值變化 為了對比剔除噪聲后各水層的Sv值變化，將數(shù)據(jù)垂直方向以10 m為單元格進行劃分，200 m的數(shù)據(jù)分為20個水層。如圖6所示，剔除背景噪聲后，水深較淺處Sv值變化不明顯；隨著深度的增加，時變增益及測深儀干擾信號更加明顯，因此剔除效果明顯，尤其是在150 m以上深度的水層更為明顯。

圖6 聲吶頻率38和120 kHz下噪聲剔除后各水層SvFig.6 Sv of difference water layers after noise elimination on 38 and 120 kHz

2.4 物種判別結(jié)果

利用頻差法提取120 kHz下目標魚種信號，效果如圖7所示，在經(jīng)過海底和海表信號剔除、噪聲剔除、頻差法識別之后，調(diào)查區(qū)域內(nèi)大部分無關(guān)噪聲信號被剔除。

圖7 利用頻差法提取120 kHz下目標魚種信號Fig.7 Processed echogram at 120 kHz by dB-difference method

3 討論

3.1 目標強度的識別與噪音的處理是水聲學(xué)研究的關(guān)鍵

加利福尼亞灣海域的莖柔魚為大洋性頭足類，其屬于軟體動物，在水體中的體積變動性較大，且棲息水層垂直幅度大，具有更為復(fù)雜的聲學(xué)散射機制，對其聲學(xué)調(diào)查評估不同于近海和淡水調(diào)查，也不同一般海水性魚類。對于定量的聲學(xué)生物量評估來說，其準確性受限于目標強度和噪聲剔除的影響。本研究通過對海底與海表的信號剔除、噪聲剔除、頻差法識別，剔除大部分無關(guān)噪聲信號，使用頻差法提取了目標物種信號。參考Amaratunga[16]的研究，自然狀態(tài)下魷魚集群多以單物種的形式存在，因此本文所述方法可為魷魚類生物的相對豐度研究提供有效參考。

目標強度是海洋生物資源豐度聲學(xué)評估的關(guān)鍵參數(shù)，也是將聲學(xué)回波積分值轉(zhuǎn)化成資源密度和絕對資源量的關(guān)鍵參數(shù)[17]。目標強度的識別受多種因素的影響，如季節(jié)變化、游泳傾角、魚鰾等，其中魚鰾是主要的聲波反向散射組成部分，約占總回聲的90%～95%[18]。實際調(diào)查中對資源豐度的定量估算不僅考慮到以上因素的影響，還要補充現(xiàn)場生物學(xué)調(diào)查數(shù)據(jù)。對這些物種的目標強度的研究可為海洋生物豐度的定量估算提供精確的數(shù)據(jù)支撐，未來可以結(jié)合模型法和現(xiàn)場實測法對各種海洋生物的目標強度進行深入探索。

在漁業(yè)水聲學(xué)研究中，噪聲通常是指數(shù)據(jù)中與發(fā)射脈沖無關(guān)的信號，尤其是在實際漁業(yè)生產(chǎn)中回聲信號會包括背景噪聲、儀器自身的電噪聲和漁船發(fā)動機噪聲等[19]。調(diào)查區(qū)域風(fēng)海浪的變化、作業(yè)船體自身的噪聲以及調(diào)查儀器之間的干擾、海底地質(zhì)的波動變化等引起的噪聲均屬于聲學(xué)信號中的“污染”，是影響聲學(xué)評估準確度的重要因素之一。在保證航程安全的情況下，應(yīng)盡可能避免數(shù)據(jù)中存在過多的噪聲，在后處理過程中這部分噪聲也需盡可能剔除。在設(shè)置背景噪聲閾值時需要考慮目標物種及非目標物種的強度分布。物種的目標強度受集群密度、魚體魚鰾、波入射傾角等多種因素的影響。通常情況下，有鰾魚類反射聲波的能力明顯高于無鰾魚類，且大部分散射來自魚鰾；而受體型大小的影響，魚類反射聲波的能力相較于浮游生物更強，因此積分閾的設(shè)置需要根據(jù)評估對象反射聲波的能力來設(shè)定。積分閾作為消除噪聲和非目標信號重要方法之一，對于缺乏準確目標強度的數(shù)據(jù)還存在一定的不確定性，將虛擬變量法與積分閾法相結(jié)合以去除大部分非目標信號。對于回聲信號相對較弱的集群生物，需設(shè)定合理的閾值，若積分閾設(shè)置過高，部分有效單體目標信號將被排除在外；若積分閾設(shè)置過低，則部分較強的噪聲則會被積分進來，二者均可能引起積分誤差。采用信噪比估算方法對本調(diào)查數(shù)據(jù)進行分析，結(jié)果顯示大部分噪聲剔除效果良好，但該方法需要人為的設(shè)置信噪比上限值，可能會引起主觀的誤差。實踐中，為盡可能實現(xiàn)評估的準確性，需要充分利用調(diào)查所獲的聲學(xué)和生物學(xué)數(shù)據(jù)進行判斷，包括目標種群的強度分布、棲息水層、調(diào)查水域物種組成及體長頻率分布等，相關(guān)現(xiàn)場調(diào)查信息是數(shù)據(jù)后處理過程中的重要參考。

3.2 目標強度對物種判別具有重要影響

目標強度及物種識別的研究一直是魷魚聲學(xué)研究中的難點，魷魚類生物自身的狀態(tài)和環(huán)境條件會極大地影響其目標強度。Lee等[20]研究表明，實驗室條件下測得的魷魚目標強度比現(xiàn)場測量可以高達10 dB之多，這將最終導(dǎo)致生物量出現(xiàn)量級的誤差。Arnaya等[21]研究表明，目標強度同樣受到游泳速度的影響，游泳速度較慢的魷魚目標強度相較于游泳速度較快的更弱。另外，游泳速度較慢的魷魚目標強度分布范圍也相對較窄，這可能是魷魚游泳速度影響了其傾角所導(dǎo)致。另外Lee等[22]早期研究表明，在利用模型計算魷魚的目標強度時，模型結(jié)果對魷魚身體形態(tài)較為敏感。目前已有較多針對魷魚目標強度的研究，但考慮到海上環(huán)境的復(fù)雜性以及取樣的難度，魷魚的目標強度研究尚需進一步完善。

漁船在作業(yè)時通過燈光誘集作用，莖柔魚在漁場離海表層10～300 m處與其他中型游泳動物(如鲯鰍、鰹魚等)和中上層小型魚類(如鳀魚，鮐魚、沙丁魚等)混合棲息索餌，區(qū)分與斷定某種具體物種的聲學(xué)信號也將是今后精確評估相關(guān)漁業(yè)資源急需待解決的關(guān)鍵問題。

近年來，多種研究方法和新技術(shù)在一些大洋性海洋生物聲學(xué)調(diào)查評估研究中得到嘗試。Cox等[23]利用多波束技術(shù)對自然狀態(tài)下南極磷蝦集群的觀測，提出了基于生物群體識別進行資源量評估的集群法，該方法在保證精度相當(dāng)?shù)那闆r下具有更高的處理速度。張俊等[19]利用雙頻Simrad EK60和Simrad EY60科學(xué)探魚儀獲得的南海鳶烏賊聲學(xué)調(diào)查資料，對鳶烏賊的目標強度、群體分布水層、浮游動物的干擾、頻差技術(shù)的應(yīng)用等進行了分析，發(fā)現(xiàn)浮游動物和深海魚類是鳶烏賊聲學(xué)探測的重要干擾，尤其是夜間，設(shè)置積分閾要考慮不同時間段的影響。可見頻差技術(shù)是鳶烏賊聲學(xué)映像鑒別的重要方法，鳶烏賊與莖柔魚同屬于頭足類的柔魚科，因此也為莖柔魚回波信號識別中頻差技術(shù)的應(yīng)用提供了支持。當(dāng)前聲學(xué)寬帶技術(shù)發(fā)展較快，寬帶技術(shù)通過脈沖壓縮使信號具有更高的信噪比和分辨率，在某些有鰾魚類和浮游動物領(lǐng)域取得了較好的成果[24-25]。寬帶技術(shù)通過對更寬頻帶的聲學(xué)信號進行分析，可以區(qū)分調(diào)查生物的種類，結(jié)合目標強度模型理論上可以推測目標信號的大小、豐度及傾角信息等[26-27]。目前在頭足類的聲學(xué)評估方面研究較少，發(fā)展寬帶技術(shù)或為今后頭足類等大洋性海洋生物研究提供重要技術(shù)支撐。另外水下照相機可以提供高分辨率的水下圖像，因此對于獲取魚群物種結(jié)構(gòu)以及游泳行為可以提供一定的參考。