点钓法与撒网法：比较两种用于采集高地源头溪流中鱼类种群的电捕鱼技术

《Journal of Fish Biology》：Points vs. passes: A comparison between electric fishing techniques for sampling fish populations in upland headwater streams

　　摘要

在英国Ribble流域的四条源头溪流的相同河段，通过电捕鱼法进行点丰度采样（PASE）与单次通过（DF1）和三次通过耗尽采样（DF3）电捕鱼法进行了比较，这些采样是在多年内进行的。在所有溪流中，以幼年鲑科鱼类为主，主要是褐鳟（Salmo trutta），也有一些大西洋鲑（S. salar）以及欧亚狗鱼（Cottus perifretum）。广义线性混合模型和线性混合模型比较了数量密度（个体数/m2）和生物量密度（克/m2）的差异，发现与DF1相比，PASE通常能提供统计上更显著的估计值，C. perifretum除外。与DF3相比，PASE倾向于低估不同物种和群体的数量密度，但对于占主导地位的S. trutta来说，这种差异并不显著。此外，所有鱼类的总生物量密度估计值以及鲑科鱼类的总生物量密度估计值之间没有显著差异。PASE与DF3之间的任何差异，包括Simpson多样性指数和鱼类平均长度的差异，主要与C. perifretum有关，这是一种小型、底栖且隐蔽的物种，捕获概率较低。总体而言，对于自由游动的、具有商业价值的鲑科鱼类，PASE的表现与DF3相当，并且优于DF1。本研究表明，PASE通常优于DF1，可能是DF3的一个有用替代方法，因为它具有采样工作量少、干扰小以及对鱼类福利影响较小的优势。需要进一步比较PASE与DF3，并进行更多研究以更好地验证PASE的有效采样范围。

1 引言

当前淡水生物多样性危机源于多种威胁，如污染、过度捕捞和监管、入侵物种以及过度捕捞，这一点已有充分记录（参见Dudgeon, 2019; Lynch et al., 2023; Sayer et al., 2025）。国际政策工具，如《生物多样性公约》及其《全球生物多样性框架》，旨在恢复平衡并“与自然和谐共存”（Van Rees et al., 2021）。在欧洲，《水框架指令》（2000/60/EC）的基本任务是改善地表水的化学和生态状况；这一原则通过《水环境（水框架指令）（英格兰和威尔士）条例2017》（https://www.legislation.gov.uk/uksi/2017/407/contents）转化为英国法律。在英国，非法定目标规定到2027年75%的地表水必须达到良好的生态状况，从而补充了《环境法2021》到2030年停止物种减少的目标（Wilkes et al., 2025）。为了确定立法和政策目标是否实现，监测淡水的生态健康状况是必不可少的。严格的评估需要监测不同营养级的多个指标类群，包括水生植物、大型无脊椎动物和鱼类（参见Camargo, 1994; Hellawell, 1988, 2012; Karr, 1999; López-López & Sede?o-Díaz, 2015; Xu et al., 1999）。由于水生环境的空间和时间动态性，确定代表性是一个普遍挑战（Hellawell, 2012）。通过增加监测频率、样本数量或监测面积，至少可以在一定程度上提高代表性（O'Hare et al., 2020）。然而，任何努力的增加都可能带来资源限制的风险（即时间和金钱）。因此，关键是建立能够准确代表当地种群的协议，同时平衡资源成本。对于鱼类来说，不同的方法和技术具有不同的优缺点，特别是在多样化的水生栖息地中（C?té & Perrow, 2006; Radinger et al., 2019）。在河流和溪流中，电捕鱼可能是最常见的调查方法，根据深度、宽度和流速的不同特点采用不同的技术（Bohlin et al., 1989; GOV.UK, 2019）。要采样的栖息地也影响可以获取的数据类型：(a) 可能包括数量密度或生物量密度的定量估计，或总数（种群规模）或生物量；(b) 通常表示为每次努力捕获量的半定量测量；(c) 可能是物种存在/缺失的定性信息。实际能够实现的目标也需要符合研究或监测计划的目标，同时需要一致和标准化的技术，以确保结果在时间和空间上具有可比性。在英国，渔业法定机构（例如英格兰的环境署和苏格兰政府的海洋局）传统上侧重于定量估计，以监测种群趋势对环境变化的响应。在较小的上游河流和源头溪流中，商业价值鲑科鱼类的资源评估通常是主要关注点（参见Malcolm et al., 2019）。耗尽采样方法是在多个（通常是三到四次）通过后移除鱼类，以确保种群封闭，从而可以通过移除模型估计总数（例如Carle & Strub, 1978; Lockwood & Schneider, 2000），这在单次通过耗尽采样中是不可能的。基本模型假设包括每次通过的检测率恒定，尽管由于大小选择性（Habera et al., 2010; Hedger et al., 2005）、个体捕获率的固有差异（例如?mejkal et al., 2022）以及剩余部分行为的变化（Cross & Stott, 1975），这被认为是不可行的（Stewart et al., 2019）。捕获概率也强烈依赖于通过次数。例如，Hedger et al.（2005）表明需要超过三次通过才能产生无偏估计。尽管可以通过纳入可变检测概率（例如Stewart et al., 2019）和定期校准估计值以确保与变化条件的可比性（Dauphin et al., 2019; Malcolm et al., 2023）来提高模型性能，但分析的相对复杂性以及耗尽采样的耗时和资源密集性质似乎降低了对该方法的信心。因此，这导致了相对快速且资源成本较低的单次通过技术的使用增加（Edwards et al., 2003; Matson et al., 2018），该技术也可以与耗尽采样结合使用在监测计划中（Malcolm et al., 2023）。在英国受保护鱼类的共同标准监测中（JNCC, 2015），单次通过与耗尽捕鱼一起被列为采样幼年大西洋鲑（Salmo salar L.）的技术。更一般地说，单次通过采样已成功用于评估物种出现和相对丰度（Bateman et al., 2005），Benejam et al.（2012）证明单次通过可以捕获50%–100%的物种和40%–60%的个体，而四次通过则只能捕获50%–100%。Kauth et al.（2019）建议单次通过适用于栖息地多样性较低的溪流，Hanks et al.（2018）进一步澄清单次通过可以有效监测捕获概率高的物种的时间变化。否则，如果捕获概率在样本之间或随时间变化，则需要校准以防止丰度趋势的偏差（Glover et al., 2019）。Matson et al.（2018）证明在训练集中整合单次通过和移除方法可以理解两种技术之间的关系，从而从单次通过样本生成定量丰度估计。为了应对在大河流中生成丰度估计的困难，Persat et al.（1981）开发了用于估计森林筑巢鸟类数量的“即时丰度指数”。随后与Gordon Copp的合作将电捕鱼法点丰度采样（PASE）介绍给了更广泛的国际受众，作为一种提供相对密度估计的方法（Persat & Copp, 1989）。这是在Copp自己开发的技术基础上进行的，该技术通过将阳极直径减小到10厘米来采样复杂泛滥平原栖息地中的0+鱼类（Copp, 1989a, 1989b; Copp & Garner, 1995; Copp & Peňáz, 1988; Janá? & Jurajda, 2007）。PASE基于这样一个前提：即使每个样本的面积较小，但如果以系统的方式收集足够多的样本，将得到更统计上稳健的数据集，而不是由少数但通常较大的样本组成的数据集。PASE的系统采样方法还意味着可以同时收集每个点的栖息地、水文和水化学特征的信息，这有助于更好地理解物种-环境相互作用和鱼类栖息地使用的驱动因素（例如Copp, 1989b; Copp & Garner, 1995; Harwood et al., 2022; Watkins et al., 1997）。经过20年的使用，Copp（2010）的回顾表明，在欧洲大陆，PASE已被广泛用于0+岁和小型鱼类的研究（例如Janá? & Jurajda, 2007; Scholten, 2003; Tales & Berrebi, 2007），也用于特定物种（例如欧洲鳗鱼Anguilla anguilla, L.; Laffaille et al., 2004）。最近的研究（例如de Teixeira-Mello et al., 2014; Le Pichon et al., 2017; Tomanova et al., 2013）使用PASE采样整个鱼类群落，包括较老的鱼类，这与该技术的初衷一致。相比之下，在英国，PASE从未得到广泛使用，主要只有少数研究人员（包括Copp及其同事（例如Carter et al., 2004; Copp, 1990; Garner, 1997）和一些当前作者及其合作者在各种栖息地中采样鱼类群落（Perrow et al., 2007, 2008; Punchard et al., 2000）到浅湖（Perrow et al., 1996, 2017）。在河流环境中，几项研究将PASE与其他电捕鱼技术进行了比较，包括连续捕鱼、耗尽（多次通过）捕鱼（Pretty et al., 2003; Perrow et al., 2007）以及多次通过和单次通过技术（de Teixeira-Mello et al., 2014）。在两个地理区域（温带丹麦和亚热带乌拉圭）结构相似的可涉水溪流中的多个地点进行的后一项研究表明，虽然所有技术都能充分采样鱼类物种组成和大小分布，但点采样和单次通过捕鱼能更好地预测物种丰富度。同样，在英国的Chalk溪流Misbourne河中，Perrow et al.（2007）在多年内重复了对六个地点的PASE和耗尽捕鱼，他们更喜欢使用PASE来评估变化并了解河流在流量减少后的生态恢复情况，部分原因是PASE允许同时监测鱼类和栖息地变量，为后续分析提供了更好的统计基础。Perrow et al.（2008）随后对这两种技术的比较表明，虽然两者倾向于采样相似数量的物种并产生相似的生物量密度估计，但PASE产生的数量密度估计显著更高，这显然与更准确地记录了常见的小型物种和个体有关。因此，尽管大量发表的研究表明PASE具有潜在的好处，这些好处基于大量样本的坚实统计基础和快速部署的成本效益，从而能够更好地显示空间变化（例如Le Pichon et al., 2017），PASE尚未被认可为标准化技术，并纳入国家鱼类监测计划，包括在英国。本研究的目的是进一步评估PASE在采样源头溪流方面的潜力，这些环境通常具有重要的生态功能，特别是作为商业价值鲑科鱼类的产卵区和育苗场。这是通过将PASE的性能与三次通过耗尽捕鱼（DF3）进行比较来实现的，同时使用第一次通过（DF1）作为单次通过技术的等效方法，并评估不同技术的适用性、优势、局限性和固有偏差。因此，本研究的结果对国家监测计划具有潜在的影响。

2 材料与方法

2.1 研究地点

在英格兰Ribble流域的八个研究地点（图1a–c），在生长季节结束的十月，连续七年（2003–2009年）的每个年份进行了一次采样。这些地点的长度为200米，位于四条上游溪流的两个河段之间，距离在200米到700米之间。相互连接的Ings（IB）和Twiston（TB）小溪从东侧流入Ribble河，而West Clough（WC）和Grindleton（GB）小溪则从北侧独立流入Ribble河。在WC和GB采样的地点距离与主河的交汇处几百米，而在IB和TB的较低地点则超过3公里。地点的选择是由更广泛的研究目标决定的，旨在确定当地采石场降低河床水平对周围溪流流量制度的影响。每个地点的详细位置和平均栖息地特征在表1中给出。如表1所示，底质类型是根据河流栖息地调查方法（环境署，2003年）记录的，定义如下：黏土是粘性、可塑的“土壤”；土壤是其他类型的土壤；淤泥的粒径直径小于2毫米，质地细腻、柔软且触感光滑；沙子的粒径较大，直径小于2毫米；随着粒径的增大，依次为砾石（2-16毫米）、石头（16-64毫米）、卵石（64-256毫米）和巨石（大于256毫米）。图1（在图查看器中打开）。

（a）英国英格兰Ribble河流域的位置。（b）根据水框架指令第三阶段的监测结果对Ribble河流域进行分类，标出了研究溪流的位置（三角形为West Clough和Grindleton Brooks；方形为Ings和Twiston Becks）、海拔高度（米）以及箭头所示的流向。（c）每个溪流中的两个研究地点的位置，箭头指示了流向和海拔高度（米）。注意（b）和（c）中的海拔刻度不同。表1列出了每个研究地点的大致中点位置的National Grid Reference（NGR）详细信息以及栖息地特征（7年内的变化范围）。底质组成（百分比）：

| 地点 | NGR | 海拔高度（米） | 涉水宽度（米） | 流速（厘米/秒） | 水深（厘米） | 基岩 | 巨石/卵石 | 石头/砾石 | 沙子/淤泥/黏土/土壤 |
|------|------|-----------|------------|-----------|---------|---------|---------|-----------|-----------|
| IB1 | SD812450 | 150 | 2.47 | 15.5–50.4 | 16.2–21.9 | 0–1.8 | 8.3–22.7 | 17.8–41.4 | 0–7.2 |
| IB2 | SD804449 | 130 | 3.07 | 22.3–72.5 | 14.4–34.7 | 0–1.0 | 10.0–24.4 | 20.4–39.1 | 0–4.1 |
| TB1 | SD806442 | 158 | 4.36 | 29.3–64.7 | 15.2–24.8 | 0 | 11.1–26.7 | 13.4–44.4 | 0–5.1 |
| TB2 | SD803449 | 130 | 3.91 | 31.4–83.2 | 19.3–30.6 | 0 | 11.5–27.0 | 16.6–38.5 | 1.0–7.3 |
| GB1 | SD755463 | 125 | 1.99 | 22.7–77.4 | 12.8–19.8 | 0 | 6.9–21.2 | 18.6–40.0 | 1.0–5.3 |
| GB2 | SD756460 | 112 | 1.94 | 7.0–65.6 | 14.0–26.1 | 0–1.8 | 14.6–34.3 | 11.7–34.2 | 1.0–3.3 |
| WC1 | SD745463 | 158 | 2.29 | 4.8–62.9 | 1.8–22.0 | 5.6–36.7 | 2.1–32.5 | 2.6–27.6 | 0–2.3 |
| WC2 | SD749459 | 112 | 3.59 | 38.4–63.0 | 17.7–24.0 | 31.6–50.4 | 5.2–15.8 | 12.8–21.4 | 0–1.7 |

注：由于底质类型是汇总的类别，因此代表的是7年内的平均最小值和最大值。涉水宽度也是从每年的采样数据中计算得出的平均值。

2.2 鱼类采样

所有数据收集均遵循了当时的环境署行为准则（Beaumont等人，2002年；环境署，2001年），并符合当前的设备和工作实践（GOV.UK，2019年）。至少有三名工作人员参与，并轮流执行任务以避免操作者偏见。所有捕鱼活动都是通过涉水进行，使用单个阳极，通过100米长的电缆连接到InteliSYS Fish Magnet Static II电捕鱼装置，该装置由岸边的1 KVa发电机供电，所需电流小于1.0安培。高频（600赫兹）脉冲直流电（180伏特，占空比为20%）的输出能够有效诱导鱼类向阳极移动，其电压梯度高于传统的50-100赫兹频率，但具有减少恢复时间（Bird & Cowx，1993年）和降低生理损伤风险（Lamarque，1990年）的优势。使用了一个直径为380毫米的大圆形阳极来减少相邻区域的最高电压梯度（Novotny，1990年）。在捕鱼之前，使用电压表在现场测量了阳极周围0.12伏特/厘米的电压梯度距离，这对应于抑制鱼类游动的最低有效电压（Copp & Peňáz，1988年；Lamarque，1990年）。有效采样面积始终估计为1.45平方米。在准备捕鱼时，首先在200米的研究区域内划定一个50米长的区域，使用上游和下游的拦截网（网眼大小为3毫米，长度为15米，双倍布置在河道宽度上），并在每次采样时保持固定位置。每次采样时，根据平均宽度（大约2-4米）乘以50米来估算涉水面积。然后在整个200米的研究区域内进行50个点的PASE采样（Garner，1997年），包括划定的区域。操作者沿对角线从河岸移动到河岸，大约每4米取一个点，开放水域和滨水区域的点数根据相对面积进行分层。在每个点，快速浸入激活的阳极并保持约5秒（类似于Scholten，2003年的方法），同时在点下游放置一个40厘米宽的D形手网，以捕捉被水流冲走的鱼类。捕获的鱼类被识别、测量（以毫米为单位的叉长），并在捕获点无损伤地放回水中。这包括在拦截网区域内捕获的所有鱼类。还称量了每种鱼类各大小的代表样本（精确到克），以构建特定物种的长度-重量回归关系，计算所有个体的生物量。在整个研究期间，除了2008年的TB1因设备故障外，所有PASE调查都成功完成。在每个地点的PASE采样之后，还在拦截网区域内进行了DF3采样，但2006年的GB1和2008年的TB1因设备故障或水流过大和浊度过高而未进行。在每次采样过程中，单个电捕鱼操作者覆盖了整个涉水区域和所有可用的微生境，通过移动激活的阳极进行捕捉。捕获的鱼类立即转移到其他操作者携带的装满水的大塑料容器中。每次采样后，总捕获量被转移到划定区域下游，并按照上述方法处理所有个体后释放。由于记录到的当年幼鱼数量较多（平均41%，范围0%-100%，如按物种、地点和年份绘制的长度-频率分布图所示），这些鱼类种群在研究期间可能会因死亡或扩散而发生极高的更替率。后者尤其适用于鲑科鱼类（Maitland & Campbell，1992年），尽管通常被认为较为定居的鲽鱼（Cottus spp.，Downhower，1990年）在繁殖季节也可能扩散数百米（Knaepkens等人，2004年），或者由于种内空间竞争（Perrow等人，1997年）或种群扩张而进行更长的移动，例如在芬兰16年内扩散了36公里（Pihlaja等人，1998年）。由于相邻地点之间的栖息地差异（表1，图2a-c），这些地点也被视为空间独立的。图2（在图查看器中打开）展示了（a）IB2的Ings Beck、（b）TB1的Twiston Beck、（c）GB2的Grindleton Brook和（d）WC2的West Clough Brook的采样地点，其中（c）处正在进行捕鱼操作。

2.3 数据管理和分析

为了确定不同技术之间的相似性和差异性，分别比较了PASE和DF1以及PASE和DF3，因为DF3是PASE的子集，所以没有比较DF3和DF1。比较的内容包括：（1）物种多样性，以确定不同技术是否以类似的方式采样鱼类群落；（2）所有采样鱼类的大小分布；（3）不同物种和群体的丰度一致性；（4）不同物种和群体的丰度估计。关于（1），使用DF1、DF3和PASE的每种物种的总计数，计算了每个地点每次采样的Simpson多样性指数（SDI），该指数结合了物种丰富度和均匀性（Allaby，2010年）。正态性检验（Shapiro Wilks）表明数据分布不正常（p<0.05），因此使用Spearman等级相关检验和Wilcoxon符号等级（WSR）检验（按地点和年份配对样本）来比较PASE与DF1和PASE与DF3。关于（2），使用Kruskal-Wallis（KW）检验对与技术相关的大小频率分布进行了简要分析，以比较中位数，并使用Kolmogorov-Smirnov（KS）检验比较PASE和DF1以及PASE和DF3之间的组合长度数据分布。关于（3）和（4），为所有物种组合、组合鲑科鱼类（褐鳟Salmo trutta L.和S. salar）以及主要单个物种（S. trutta和普通鲽鱼Cottus perifretum Freyhof, Kottelat和Nolte，Freyhof等人，2005年）创建了单独的数据集。由于S. salar在四个研究溪流中有两个未出现且出现频率较低（56次调查中只有20次），因此仅与S. trutta一起作为“组合鲑科鱼类”进行研究。由于在整个研究期间只捕获了9条A. anguilla个体，因此没有对该物种进行单独分析。在（3）和（4）中，丰度分别以数值（个体[ind.] m?2）和生物量（g m?2）密度表示。对于PASE，使用每种物种或群体捕获的总数除以每个点的估计有效采样面积1.45平方米来计算定量密度估计。使用R中的FSA包（v.0.9.6）中的Carle和Strub（1978）模型通过“去除”分析得出总数估计值，并通过除以拦截网区域的估计湿面积转换为密度。DF3的生物量估计基于Shepard等人（2013年）总结的“传统”方法（另见Jones等人，2003年；Mahon，1980年），其中总生物量是通过将平均鱼类生物量乘以种群估计值得出的。DF3的生物量估计遵循Shepard等人（2013年）总结的“传统”方法（也见Jones等人，2003年；Mahon，1980年），其中总生物量是通过将平均鱼类生物量乘以拦截网区域的湿面积得出的。对于DF1，由于捕获量代表鱼类总数的半定量估计，因此通过将捕获的鱼类数量或生物量除以采样区域的湿面积来计算“最小”数值和“最小”生物量密度。关于（3），对PASE与DF1和PASE与DF3的数值和生物量密度估计进行了相关性检验。正态性检验（Shapiro Wilks）显示结果不正常（p<0.05），除了DF3的S. trutta和组合鲑科鱼类的丰度以及DF1的组合丰度。因此，除了对正态分布数据使用Pearson相关性检验外，通常进行了Spearman等级相关检验（完整检验统计信息见支持信息S2）。为了进行（4），选择了混合建模方法，这与之前的使用一致，以便研究不同捕鱼方法之间的差异（Baker等人，2016年；Clavero等人，2006年；Giri & Gorfine，2019年），并且能够评估固定效应的影响，同时考虑随机效应的影响。在这种情况下，可以研究固定效应（即技术）对响应变量（如数值和生物量密度）的影响，同时考虑潜在的随机效应（如位置和年份）。为了进一步研究混合建模方法的适用性，使用了组合数据集和单个物种的数据集。在Zuur等人（2010年）之后，对每个数据集进行了数据探索，包括正态性检验、异常值识别、零膨胀、同质性评估和共线性评估。数据探索和可视化（即箱线图）显示所有数据集的数值和生物量密度存在异常值，但审查这些点后确定它们不是测量误差，因此保留用于模型构建。数据集的偏度检验显示正偏度。基于数据探索和数据结构，选择了具有对数链接函数的伽马广义线性混合模型，因为它适用于正偏态、非正态分布的数据集（Ghazal等人，2025年）。对于正态分布的数据集（即DF1的组合生物量密度和DF3的S. trutta和鲑科鱼类的数值密度），应用了具有高斯家族身份链接函数的线性混合模型（Stroup等人，2024年）。建模在R环境（v.4.3.2）（R Core Team，2024）中使用lme4包（Bates等人，2015）进行。目标是生成16个最终模型，每种方法比较对应两个模型。为了构建模型，根据Harrison等人（2018年）和Brown（2021年）的方法评估了模型结构，逐步添加模型变量（即随机效应），并评估模型性能和稳定性以确定模型拟合度。表现最佳的模型来自于“数值密度~技术（1|地点）+（1|年份）”和“生物量密度~技术（1|地点）+（1|年份）”的结构。接下来，研究了固定效应的影响，通过使用R语言中的方差分析（ANOVA）函数和Brown（2021）的方法，评估了一个“零模型”（即数值密度~1 +（1|地点）+（1+年份））与一个“完整模型”（即数值密度~技术 +（1|地点）+（1+年份））之间的似然比测试。所有完整模型和零模型的统计输出结果见补充信息S3。除了DF3组合、S. trutta和鲑鱼类生物量密度、DF1 C. perifretum数值密度以及C. perifretum生物量密度（见补充信息S13）外，大多数完整模型都返回了显著的p值（<0.05）和较低的赤池信息量准则（AIC）值。尽管一些完整模型在似然比测试中没有获得统计上显著的结果，但大多数AIC和贝叶斯信息量准则（BIC）值与零模型相似，因此决定保留所有完整模型进行最终分析（见补充信息S14以获取完整模型输出）。模型输出的检查发现三个完整模型存在收敛问题，这些模型都来自DF1，包括鱼类组合、鲑鱼类和C. perifretum生物量密度。afex包中的allFit函数（Singmann等人，2025年）确定了所有模型的适当优化器为“nlminbwrap”。应用这个优化器后，模型实现了收敛，详见补充信息S14。当获得所有16个完整模型后，使用R语言中的DHARMa包（Hartig，2025年）通过模拟中使用构建的模型残差以及统计测试和图表来评估模型的性能。还检查了模型诊断指标，如拟合优度（即QQ图、Levene检验、过度离散图和异常值检验）（见补充信息S15）。通过审查QQ图及其伴随的KS检验统计量，所有模型的拟合优度都是适当的，因为没有返回显著的KS p值，除了DF3鲑鱼类生物量密度、DF1 S. trutta数值密度和DF1鲑鱼类数值密度。对于这三个模型，当运行一个更简单的模型（即数值密度~技术 +（1|地点））时，模型诊断指标并没有改善。尽管这降低了这些模型的可靠性，但为了允许在所有模型之间进行比较，仍然保留了这些完整模型，尽管这降低了从这些特定模型中得出的结论的信心。在模型评估和执行之后，由于数据集的重复测试，p值进行了调整。这是使用Benjamini和Hochberg调整方法实现的，该方法控制的是假发现率，而不是假阳性率（Jafari & Ansari-Pour，2019）。完整模型的输出结果见补充信息S14，包括指标、性能和原始p值。

3 结果
在研究过程中共捕获了11,441条鱼（DF = 8294；PASE = 3147）。所有溪流和地点的鱼类组合种类较少，由一到四种鱼类组成，包括S. trutta、S. salar、C. perifretum和A. anguilla，这些鱼类都能被所有技术检测到。在DF捕获的8294条鱼中，54%（n = 4496）是S. trutta，8%（n = 639）是S. salar，38%（n = 3151）是C. perifretum，<0.1%（n = 8）是A. anguilla。对于PASE，捕获的比例分别为66%（n = 2074）、7%（n = 208）、27%（n = 864）和<0.1%（n = 1）。所有技术记录的总体物种组成大致相似（见图3，补充信息S16了解按地点和年份划分的物种组成），其中S. trutta是每种技术捕获量最多的物种（DF1 = 2687，DF3 = 4496，PASE = 2068），但在DF3中C. perifretum的比例更高，在DF1中略高。所有技术都记录了地点之间的某些空间变异（见补充信息S16）。图3显示了基于所有地点和年份（2003-2009年）的总捕获数据的每种技术捕获的鱼类物种组成。PASE与其他技术之间的物种多样性模式相似，如PASE与DF1（r2 = 0.94，S = 1564，p < 0.001）和PASE与DF3（r2 = 0.94，S = 1527.5，p < 0.001）之间的高度显著相关性所示。然而，在分析地点和年份差异的成对WSR中，PASE与DF3之间的SDI有显著差异（V = 575，n = 56，p < 0.05），而PASE与DF1之间没有显著差异（V = 535，n = 56，p = 0.09）。捕获鱼类的大小分布在所有技术和年份的组合中也大致相似（见图4）。总体平均大小分别为DF1为74.26 ± 29.84毫米，DF3为71.41 ± 29.82毫米，PASE为79.15 ± 36.02毫米。然而，使用KW检验比较DF1与PASE以及DF3与PASE的中位数值时，发现了统计学上的显著差异（p < 0.001）。KS检验显示，对于PASE和DF1以及PASE和DF3，分布之间没有显著差异（p < 0.001，D = 0.079和0.11）。按物种来看，C. perifretum是捕获的最小物种（50.91 ± 17.56毫米），其次是S. salar（75.6 ± 20.93毫米）和S. trutta（86.79 ± 30.42毫米），少数A. anguilla体型较大（258.36 ± 70.60毫米）。鲑鱼类的小体型表明它们主要是当年出生的，加上少数较大的个体可能代表了繁殖期的成年鱼，这加强了所采样溪流作为鲑鱼繁殖地（如果不是产卵地）的价值。图4显示了基于所有地点和年份（2003–2009年）的总捕获数据的每种技术捕获鱼类的叉长（毫米）频率。图5a和b可视化了所有鱼类（包括鲑鱼类和更丰富的个体物种S. trutta和C. perifretum）的数值密度和生物量密度的变化。所有物种在所有地点和年份的平均数值密度（带标准差）分别为DF1为0.60 ± 0.40个/平方米，DF3为1.12 ± 0.97个/平方米，PASE为0.79 ± 0.50个/平方米。DF1、DF3和PASE的最大组合数值密度分别为1.85个/平方米、6.98个/平方米和2.18个/平方米，最小组合数值密度分别为0.04个/平方米、0.06个/平方米和0.06个/平方米。DF1、DF3和PASE的平均组合生物量密度分别为4.80 ± 2.73克/平方米、10.34 ± 5.65克/平方米和8.84 ± 6.72克/平方米，最大值分别为13.43克/平方米、31.61克/平方米和38.20克/平方米，最小值分别为0.67克/平方米、1.37克/平方米和1.71克/平方米。表2中提供了特定物种的数值密度和生物量密度摘要统计，而地点特定的变化见补充信息S17。图6a–f显示了按物种划分的方法性能随时间的变化。图5显示了基于所有地点和年份（2003–2009年）的总捕获数据的每种技术（DF1、DF3和PASE）在（a）数值密度（个体/平方米）和（b）生物量密度（克/平方米）方面的变化。图6中的箱线图显示了箱子的顶部和底部分别代表第75和第25百分位数，中线位于两者之间。条形图的范围不超过四分位距的1.5倍。异常值用黑点标记。表2提供了基于所有地点和年份（2003至2009年）的数据，每种捕鱼技术（不包括A. anguilla）的所有鱼类的数值密度（个/平方米）和生物量密度（克/平方米）的摘要统计。数值密度

生物量密度

模型

估计值（±标准误差）

t值

p值

估计值（+标准误差）

t值

p值

所有鱼类

截距

0.25 ± 0.22

1.14

0.303

2.32 ± 0.12

18.71

<0.001

PASE

-0.61 ± 0.1

-6.28

<0.001

-0.21 ± 0.11

-1.82

0.079

Cottus perifretum

截距

-0.36 ± 0.35

-1.02

0.350

1.05 ± 0.31

3.41

0.001

PASE

-1.08 ± 0.16

-6.72

<0.001

-1.06 ± 0.17

-6.16

<0.001

Salmo trutta

截距

0.65 ± 0.14

4.32

0.001

1.60 ± 0.26

6.23

<0.001

PASE

-0.11 ± 0.06

-1.71

0.057

0.24 ± 0.13

1.86

0.079

鲑科鱼类

截距

0.73 ± 0.16

4.71

0.001

1.82 ± 0.27

6.87

<0.001

PASE

-0.16 ± 0.06

-2.63

0.015

0.06 ± 1.22

0.45

0.652

注：粗体表示统计上显著的值（p < 0.05）。缩写：PASE，通过电捕鱼法进行的点丰度采样；SE，标准误差。

4 讨论

鉴于我们研究的嵌套设计可能存在弱点，即较小的、被过度捕捞的区域（占面积的25%）与较宽的200米区域进行了比较，因此对PASE和DF1及DF3捕鱼方法进行了比较。然而，这是由于实际限制所致，因为在50米区域内进行PASE采样得到的样本数量很少，只有12或13个，这限制了统计功效，远低于Garner（1997）建议的至少50个样本的数量，以及Tomanova等人（2013）推荐的至少75个样本的数量，后者对于表征鱼类群落结构是必要的（尽管在某些情况下至少25个样本可能就足够了）。如果在停止捕鱼的区域增加样本数量，通过缩短相邻样本之间的距离使其非常接近，可能会增加干扰并降低采样的有效性。相反，如果在整个200米区域内进行DF3捕鱼，则会耗费过多时间，无法在一天内完成。此外，没有证据表明DF区域与更宽的200米区域在栖息地特征上存在系统性差异，这可能导致显著的偏差。值得注意的是，其他研究（例如Penczak等人，2003年）也由于各种实际原因而无法严格比较这些技术。此外，在没有与“已知”种群进行比较的情况下，例如通过绝对采样确定的种群，我们研究中使用的技术之间的任何比较只能通过考虑可能的技术特定限制和偏差来进行，因此是相对和直观的。根据Copp（2023）的观点，这是不可避免的，因为即使是Pot等人（1984年）在小型（0.1公顷）池塘中的经典研究，也未能在标记-重捕后确定任何物种的绝对数量，因为使用了破坏性的鱼藤酮。尽管如此，Penczak等人（2003年）使用鱼藤酮几乎完整地描绘了亚马逊河流域鱼类群落的状况，但与四次或五次电捕鱼法相比，平均低估了密度和生物量分别28%和29%。在类似的小型热带源头溪流中，Pottier、Beaumont等人（2020年）证明，与鱼藤酮相比，两次电捕鱼法的效率很高（>90%），但这仅适用于平均深度<25厘米且电导率不太低（>43 μS cm^-1）的情况。相比之下，Pritchard等人（2021年）将DF估计值与三次排水法（74%-83%的鱼类被捕获）进行比较，发现DF估计值通常仅为排水法记录值的约20%。这一比较特别相关，因为该研究也是在英国Ribble河流域的一个类似大小的溪流中进行的，尽管那里的鱼类群落主要由C. perifretum主导。在2003年开始这项研究之前，早在Pritchard等人（2021年之前，就预计这些研究溪流的规模和结构在技术上是可以高效采样的，即使只使用一个阳极（见图2a-c），因为这些溪流较窄（宽度2-4米），相对较浅（平均深度上限为20至35厘米，见表1），并且缺乏复杂的流内结构，如水下或挺水的大型植物或大量木质碎片。尽管如此，所有溪流中都相对常见较大直径的基底，包括巨石和卵石（比例范围为16%-34%），这些基底可以为较小的鱼类提供庇护所，表面湍流也可能隐藏了一些被电击的鱼类。因此，人们认为DF3这种行业标准的技术可能会产生严谨的种群估计值，从而在转换后得到可用于与PASE比较的密度估计值。重要的是，DF3的密度估计准确性受到电捕鱼中已知现象的影响，即不同物种的捕获率存在差异，这可能会影响物种丰富度、群落结构和数值及生物量密度的估计（Healy等人，2022年；Pottier、Nevoux和Marchand，2020年；Stewart等人，2019年）。例如，对于自由游动的S. trutta，根据Hanks等人（2018年）的研究，捕获概率通常“相当高”（即>0.5），平均值为0.53（范围0.26-0.86，n=49，涵盖所有站点/年份，见支持信息S11）。Saunders等人（2011年）、Hanks等人（2018年）和Healy等人（2022年）也报告了类似的较高捕获概率。因此，对于S. trutta这种数量最多且从渔业角度来看最重要的物种，对其种群和密度的估计也相对较高。相比之下，C. perifretum这种通常较小、底栖且隐秘的物种，捕获概率较低（平均值=0.38，范围0.09-0.80，n=40，涵盖所有站点/年份）。C. perifretum检测率低的原因是Cottus属鱼类倾向于在较大的粗糙基底下避难（Utzinger等人，1998年），这导致Cowx和Harvey（2003年）认为，在电捕鱼过程中这些个体经常会在原地被固定，因此调查人员无法检测到它们。此外，在多次捕鱼过程中，Cowx和Harvey（2003年）经常在第二次和第三次捕鱼时捕获到更多的个体。这种与过度捕捞的基本原理相矛盾的现象——即每次捕鱼后种群数量会减少——也在本研究中得到证实，因为在所有站点和年份中，有17.9%的后续捕鱼次数记录到相同或更多的个体鱼类。这与“激活”现象相符，即鱼类在第一次捕鱼后部分从庇护所中出来后变得更容易被捕获。至少，这增加了估计的偏差，特别是在检测率较低的情况下（Stewart等人，2019年），并且可能意味着根本无法进行过度捕捞估计，正如之前对A. anguilla的研究所记录的（Jellyman & Graynoth，2005年；Mann，1995年；Naismith & Knights，1990年）。虽然在这项研究中获得了C. perifretum的估计值，但DF3估计值的置信区间通常很宽，根据“remove”模型生成的预测种群范围从2003年的IB1的288 ± 11.27到2007年的GB1的98 ± 2122.36（见支持信息S11），从而降低了估计的可靠性。提高去除模型性能的解决方案是增加捕鱼次数（Hedger等人，2005年）并考虑捕获率的任何变化（Glover等人，2019年）。然而，在英国，由于C. perifretum是受保护物种，根据Common Standards Monitoring（JNCC，2015年）的要求，保护区内不允许进行多次捕鱼，因此采用单次电捕鱼。这项研究的结果表明，PASE至少与单次电捕鱼法对C. perifretum的效果相当，因此表明PASE可能是该物种的有用替代监测工具，特别是因为它成本效益高，可以大规模应用，并且能够更好地检测空间变化（见Le Pichon等人，2017年），这对于监测潜在威胁和进行更有效的保护管理可能至关重要。然而，PASE倾向于对C. perifretum产生显著较低的数值和生物量密度估计值，这与电捕鱼中的一个已知现象有关，即不同物种的捕获率存在差异，这可能会影响物种丰富度、群落结构和数值及生物量密度的估计（Healy等人，2022年；Pottier、Nevoux和Marchand，2020年；Stewart等人，2019年）。例如，对于自由游动的S. trutta，根据Hanks等人（2018年）的研究，捕获概率通常“相当高”（即>0.5），平均值为0.53（范围0.26-0.86，n=49，涵盖所有站点/年份，见支持信息S11）。Saunders等人（2011年）、Hanks等人（2018年）和Healy等人（2022年）也报告了类似的较高捕获概率。因此，对于S. trutta这种数量最多且从渔业角度来看最重要的物种，对其种群和密度的估计也相对较高。相比之下，C. perifretum的捕获概率较低（平均值=0.38，范围0.09-0.80，n=40，涵盖所有站点/年份），这是其特有的特征。C. perifretum检测率低的原因是Cottus属鱼类倾向于在较大的粗糙基底下避难（Utzinger等人，1998年），这导致Cowx和Harvey（2003）认为这些个体在电捕鱼过程中经常会在原地被固定，因此调查人员无法检测到它们。此外，在多次捕鱼过程中，Cowx和Harvey（2003）经常在第二次和第三次捕鱼时捕获到更多的个体。这种与过度捕捞的基本原理相矛盾的现象——即每次捕鱼后种群数量会减少——也在本研究中得到证实，因为在所有站点和年份中，有17.9%的后续捕鱼次数记录到相同或更多的个体鱼类。这与“激活”现象相符，即鱼类在第一次捕鱼后部分从庇护所中出来后变得更容易被捕获。至少，这增加了估计的偏差，特别是在检测率较低的情况下（Stewart等人，2019年），并且可能意味着根本无法进行过度捕捞估计，正如之前对A. anguilla的研究所记录的（Jellyman & Graynoth，2005年；Mann，1995年；Naismith & Knights，1990年）。虽然在这项研究中获得了C. perifretum的估计值，但DF3生成的预测种群的上限和下限置信区间通常很宽，2003年IB1的最佳值为288 ± 11.27，而2007年GB1的最坏值为98 ± 2122.36（见支持信息S11），从而降低了估计的可靠性。提高去除模型性能的解决方案是增加捕鱼次数（Hedger等人，2005年）并考虑捕获率的任何变化（Glover等人，2019年）。然而，在英国，由于C. perifretum是受保护物种，根据Common Standards Monitoring（JNCC，2015年）的要求，保护区内不允许进行多次捕鱼，因此多次捕鱼被认为不值得，而是采用了单次电捕鱼。这项研究的结果表明，PASE至少与单次电捕鱼法对C. perifretum的效果相当，因此表明PASE可能是该物种的有用替代监测工具，特别是因为它成本效益高，可以大规模应用，并且能够更好地检测空间变化（见Le Pichon等人，2017年），这对于监测潜在威胁和进行更有效的保护管理可能至关重要。然而，PASE倾向于对C. perifretum产生显著较低的数值和生物量密度估计值，尽管在某些情况下DF3的估计值置信度较低（见上文），这强烈表明PASE也存在与该物种相关的捕获率问题。这可能源于PASE的一个基本原理，即突然施加电流使鱼类在原地被电击，这意味着隐藏在庇护所中的鱼类可能无法被吸引到阳极，因此无法被检测到（见Bohlin等人，1989年）。这与过度捕捞不同，在过度捕捞中，鱼类可能在暴露于足够的电压梯度之前就检测到并响应电流，从而被捕获，或者即使被电击但未被检测到，也可能在后续捕鱼中被捕获。PASE相对于DF3对C. perifretum的潜在低估似乎是两种技术测量SDI和鱼类样本中位长度差异的根本原因，DF3中捕获的小型C. perifretum比例较大，导致记录的所有鱼类的中位长度显著较小。PASE的这种低估与Perrow等人（2008年）在低地Misbourne河流中的经验相反，在那里PASE似乎更有效地记录了C. perifretum，从而获得了更高的数值密度估计值。然而，这种差异可能是因为只进行了两次捕鱼（即DF2），不可避免地低估了真实的种群规模，因此更类似于这里记录的DF1情况而不是DF3。研究水道之间的栖息地差异也可能起到了作用，因为在这项研究中采样的上游溪流中较大粗糙基底的数量较多，可能隐藏了更多的C. perifretum。从渔业角度来看，这项研究的一个关键结果是，与DF1相比，PASE对主要鲑科鱼类S. trutta以及所有鱼类的数值和生物量密度估计值显著更高。值得注意的是，PASE也与DF3相比表现良好，S. trutta的数值密度没有显著差异（尽管总体上结合鲑科鱼类的数值密度显著较低），S. trutta、结合鲑科鱼类或所有鱼类的生物量密度估计值也没有显著差异。尽管两种技术计算密度的方式存在根本差异，但PASE和DF3之间仍取得了相对一致的结果。对于DF3，将种群估计值转换为密度（无论是数值还是生物量）的准确性部分取决于记录采样区域的准确性。在这项研究中，湿润区域在不同时间有很大的变化，这可能是由于降雨模式和周围山区的快速径流所致。例如，IB1的范围从75.6平方米到150.0平方米，WC2的范围从148.6平方米到247.5平方米。当采样的溪流宽度样本较少时，密度估计的准确性可能会降低，就像在这项研究中一样。在这种情况下，改变湿润区域之前或之后存在的相同鱼类种群可能导致不同的密度测量结果。虽然这可能会降低DF3的密度估计准确性，但这仍然应该与PASE相当。PASE期间有效采样区域的估计取决于测量导致鱼类向阳极移动的最小有效电压阈值（见Copp & Garner，1995年；Copp & Peňáz，1988年）。在这些研究中，假设该阈值是通过直径为10厘米的小阳极施加的0.12 V cm^-1，因此采样了较小的有效区域（0.071平方米），适用于长度较短的幼鱼（7-50毫米），而不是通过较大的阳极施加电压以增加所谓的采样区域（1.45平方米）。鱼类的长度、体型、初始朝向阳极的方向和行为都会影响它们对阳极的吸引力（Lamarque，1990年）。这又取决于阳极周围的电流变化，例如泥质基底会减少20%-30%的吸引力（Scholten，2003年）。在这项研究中，由于缺乏非常细的基底物质（沙子、淤泥、粘土或土壤仅占基底的0%到7%；见表1），可能会导致相对较高的采样效率。然而，这种效率可能会被大石块和卵石的存在所抵消，这些大石块和卵石会导致水流出现未知的偏差。尽管对受惊鱼类的视觉观察普遍支持所测量有效采样面积的概念，但这一点尚未得到验证，从而增加了对所得密度估计准确性的不确定性。事实上，这个问题可能是更频繁使用PASE（电捕鱼采样技术）来提供相对密度或CPUE（每单位努力捕获量）测量的主要原因，而不是作为一种定量工具（Copp, 2010）。PASE的准确密度估计也可能受到每个采样点所覆盖的小面积以及采样点数量的限制。在这项研究中，在最宽的溪流（TB1）中，平均宽度为4.36米（见表1），在200米的长度内只有8.3%（872平方米中的72.5平方米）的区域被采样。虽然小采样面积在减少对鱼类及其栖息地的干扰方面具有明显优势，但这必须足以获得现有物种及其数量的代表性数据。虽然PASE在S. trutta（一种具有领地性的鱼类）的采样结果上与DF3（另一种采样技术）一致，因为这种鱼类在均匀的栖息地中分布较为均匀，但C. perifretrum（另一种鱼类）的潜在斑块性（尤其是在浅水、多石的急流区域，其密度较高；Punchard等人，2000年）意味着采用的采样方法必须能够有效采样这些栖息地，以提供有意义的密度估计（Cowx & Harvey, 2003）。通过增加一个采样段内的采样点数量可以克服PASE的斑块性问题，而这又依赖于事先的采样设计和后续的统计功效分析来确定适当的采样水平。

**5 结论**

在小型、浅水且溪流结构相对简单的环境中，如果电导率适中，使得电捕鱼设备能够高效运行，先前的研究表明多次通电采样（multi-pass DF）能够提供接近总数量的估计值，因此可能能够提供具有代表性的“黄金标准”估计值，包括物种数量、生物量和物种丰富度。然而，这种方法需要投入大量的时间和资源。本研究证明，尽管采样方式不同且潜在误差来源也不同，PASE在提供鲑鱼类物种的数值估计（尤其是生物量密度估计）方面可以与DF3相媲美。因此，对于鲑鱼类是重要组成部分且是监测重点的溪流，PASE可能是一个有用的替代方案，因为它具有部署迅速、采样工作量少等优点，同时还能在更大的空间范围内保持监测效果，并且对鱼类的干扰最小，对鱼类福利的担忧也较少。此外，PASE在鲑鱼类密度估计方面优于DF1。一些小型、底栖且隐蔽的物种（如鲽鱼）往往躲藏在粗糙的基底物质下，这些物种可能难以通过任何电捕鱼技术进行采样。当需要准确估计这些物种的密度时（例如出于保护目的），至少需要三次通电采样才能实现。虽然PASE可能会低估这些物种的密度，但在本研究中其结果与DF1相当。在英国，PASE似乎是当前单次通电采样技术的合适替代方案，尤其是在可以大面积进行采样的情况下，这样可以更好地反映不同年龄组根据特定栖息地特征的空间变化。为了进一步评估PASE和DF之间的差异，未来的研究应该控制其他潜在的影响因素，如鱼类长度或其他栖息地变量（Clavero等人，2006年；Ghazal等人，2025年）。此外，为了使PASE被接受为一种定量技术，需要尝试在实地和实验室中验证其有效采样面积，以便根据所采样的栖息地和使用的设备进行校准。还需要进行功效分析，以确定回答研究问题所需的适当样本数量。

**作者贡献**

M.R.P.和M.L.T.：概念构思。M.R.P.、R.H.P.和M.L.T.：方法学设计。R.H.P.：数据分析。M.L.T.、M.R.P.和K.A.T.：调查实施。M.L.T.：数据管理。M.R.P.、R.H.P.和K.A.T.：写作。M.R.P.和R.H.P.：审稿和编辑。R.H.P.：数据可视化。M.L.T.和M.R.P.：项目管理工作。M.R.P.和M.L.T.：资金筹集。

**致谢**

我们感谢Tarmac Limited在Bankfield Quarry水环境保护计划（WEPS）下委托进行这项研究，同时感谢Tarmac Limited的John Bradshaw（地产测量师）和BCL Consultant Hydrogeologists Limited的Gavin Chaplin在管理和支持方面的贡献。Keith Benham多年来一直是渔业采样的重要支持者，其他ECON公司的员工也做出了贡献，包括Eleanor Skeate、James Gilroy、Emma Royal、Andrew Green和Dave Andrews。我们还要感谢W. & K. Smith、W. Beattie、N. Lund、R. Clark、B. Bristol、J. & R. Aspin、A. Birtle和J.R. Handley提供土地使用许可，以及Clitheroe当地居民的热情款待。

**资金信息**

Bankfield Quarry水环境保护计划（生态与渔业）由Tarmac Limited委托实施，地址为Pimlico Link Road, Clitheroe, Lancs, BB7 4QA。

**数据可用性声明**

支持本研究结果的数据可向相应作者提出合理请求后获得。