海洋论坛▏被动声学监测技术在渔业中的应用及展望

随着对生态环境的关注和生物保护意识的提升，传统的监测手段已无法完全满足现代渔业管理的需求，越来越多的新技术与新方法被用于渔业生产中。被动声学监测(PAM)是通过收集水下声音数据，应用于水生生物研究的一种技术手段，为研究人员提供了一种非侵入性、连续且高效的监测方法。它不仅能帮助监测鱼类和海洋哺乳动物的活动，还可用于评估渔业资源状况、识别重要栖息地及检测非法捕捞活动。PAM技术通过检测环境声学信号来研究生物活动。PAM技术最初应用于军事领域；随着声学技术和计算机科学的发展，其应用逐渐扩展至海洋生物学、生态学和环境科学等领域。PAM系统通常由水听器、信号处理单元和数据存储设备组成，可在目标区域内长时间、连续地监测声学信号。近年来，随着数字信号处理技术和人工智能算法的进步，PAM技术的应用范围与精度显著提升。例如，Macaulay等利用PAM技术跟踪鲸类动物的活动轨迹，为研究其行为及制定保护措施提供了重要数据。

目前，PAM技术在渔业中的应用主要集中在以下几个方面：鱼类种群监测、鱼类行为研究、非法捕捞监控和环境噪声评估等领域。例如，Krumpel等研究了南加州水下爆炸噪声的长期模式及其与渔业的关系，揭示了噪声污染对海洋生物的潜在影响。Miksis-Olds等强调了PAM在全球海洋声学网络中的作用，为生物多样性保护提供了重要数据。此外，PAM技术还被用于研究鱼类在不同栖息地的分布和行为。例如，Mouy等在斯特尔瓦根银行国家海洋保护区利用PAM检测到鳕鱼的叫声，为鱼类种群监测提供了新方法。随着全球对可持续渔业管理的关注日益增加，PAM技术的应用前景非常广阔。

本研究通过回顾和分析现有研究成果，系统总结PAM技术在渔业中的应用现状与关键技术，探讨PAM技术在渔业管理中的优势与挑战，并提出未来研究的方向。通过科学监测技术支持渔业资源的可持续管理，进而保护海洋生态系统的健康稳定。

PAM技术在过去数十年间取得了显著发展。作为一种非侵入式环境监测手段，其发展历程可分为三个主要阶段，每个阶段的进展都为PAM技术在渔业中的应用奠定了坚实的基础。本节将对各个阶段的关键进展及代表性研究进行概述。

第一阶段是20世纪初期至中期，这一时期是PAM技术的起步阶段。PAM技术最早应用于军事领域，主要用于潜艇侦测和反潜战。在此阶段，PAM设备的主要功能是探测和定位水下目标，应用范围较窄，集中在军事和安全领域。随着声学科学的发展，PAM技术逐渐扩展至民用领域，如海洋生物学和环境监测。PAM通过捕捉和分析水中的声波变化来检测潜在声源，利用水听器阵列记录水下声波信号，进而识别和定位目标。这一阶段，PAM技术开始用于检测和记录海洋生物的声学信号，为现代PAM技术的发展奠定了基础。Hildebrand等综述了PAM在水下监测中的历史和未来方向，指出PAM在早期主要用于军事和科学研究。

第二阶段是20世纪中期至21世纪初。这一时期是PAM技术的科学研究扩展阶段。PAM技术进入了数字化转型阶段。数字信号处理技术的进步使大量声学数据的采集、存储和分析成为可能。科学家们开始意识到PAM技术在监测海洋哺乳动物方面的潜力，PAM成为研究这些生物行为和生态系统的非侵入性手段。这一时期，PAM技术在生物声学研究、渔业资源管理和环境监测中的应用得到显著拓展，并涉及海洋噪声污染监测及其对海洋生物影响的评估。科学家们利用PAM技术监测海洋哺乳动物的栖息地、迁徙路径和种群动态。例如，Luczkovich等利用声呐浮标记录鱼类产卵声音。这一时期，PAM技术的应用范围扩展至工业监测和环境保护领域。Samareh-Mousavi等利用PAM技术监测风力涡轮叶片疲劳裂缝的扩展，展示了其工业应用潜力。Wrege等的研究表明，PAM技术可用于早期检测人类活动对森林大象的影响，为环境保护提供了关键数据。

第三阶段是21世纪初至今。这一时期PAM技术进入现代智能化与多学科融合阶段。随着人工智能和机器学习技术的发展，PAM技术进入了数字化与多学科融合的新阶段。先进的算法和数据分析技术使得PAM系统能够自动识别并分类复杂的声学信号，从而显著提升了监测效率与准确性。数字信号处理技术与计算能力的快速发展，使得PAM数据的采集、存储与分析更为高效和精准。这一时期，PAM技术在监测海洋噪声污染、渔业资源管理及濒危物种保护方面的应用日益广泛，并在国际范围内获得广泛认可。例如，自动浮标通信与服务器系统利用多部手机接收并解码来自浮标的数据包，将其上传至网络服务器供互联网访问。Scheidat等利用T-POD海豚探测器在英国康沃尔郡开展了固定声学监测。Erbe等通过被动声学观测站收集了长达12个月的海上噪声数据，并在设备回收后部署了新的记录仪。DeLandro等提出了利用PAM技术增强岩石损伤过程监测的方法，展现了PAM在地质监测中的应用前景。Pakdaman等研究了高灵敏度电容式微机械超声换能器传感器在监测微泡动力学中的应用，进一步扩展了PAM在医疗领域的潜力。Miralles等提出了一种面向鲸类声信号监测的光纤水听器方案：采用七芯多芯光纤并在每个纤芯刻写光纤布拉格光栅，将其粘接在膜片-中空圆柱结构上，通过膜片弯曲把水声压力转化为可测的光栅应变信号，并利用多芯之间差异化的频率响应实现对10～150Hz低频段噪声环境的感知。

近年来，PAM的平台形态与作业流程加速演进：在近岸海域，无人船已从试验走向常态化应用，并与传统小型渔船平台形成对照实践。同步对比研究显示，两类平台在空间分布特征刻画上具有较高一致性，而无人船在小目标探测与资源量评估方面表现更优，凸显低噪声、灵活机动平台对近岸生物声学调查的增益作用。

与此同时，PAM正由近海延展至内陆河流：以200kHz回声探测为核心的水声学调查在赣江南昌段实现大规模信号检测与分层格局识别(中下层占比高)，结合TS–体长模型与GIS插值给出鱼类密度与资源量的空间化评估，并采用覆盖率等规范化指标保证结果可比与可复用，体现出内陆水域PAM的流程化、标准化趋势。

PAM技术从最初的军事应用拓展至如今的多学科交叉应用，经历了显著的发展。各发展阶段均展现了其独特的技术进步与应用领域。随着科技的持续发展，PAM技术的应用前景依然广阔。展望未来，PAM技术有望在环境监测、生态保护以及全球气候变化研究中发挥更加重要的作用(图1)。

图1 被动声学技术历史发展

PAM是一种非侵入式技术，通过检测环境中自然产生的声波信号来研究和监测生物活动、环境变化和人类活动。本节详细介绍PAM系统的结构和工作原理，并结合最新研究成果进行探讨。

⒈被动声学工作原理

PAM的工作原理基于声波在介质中的传播特性，其工作过程如下：PAM系统通过声学传感器接收环境中的声波信号。当声波在介质中传播时，声学传感器将声波波动转换为电信号。这些电信号包含环境信息，如生物活动和环境噪声(图2)。接收的电信号随后由信号处理单元处理。首先，系统对信号进行滤波，以去除背景噪声；接着，对信号进行特征提取，提取出具有代表性的特征，如频率、幅度和持续时间等。这些特征为进一步的分类和分析奠定了基础。Ross等研究了PAM技术在生态学中的应用，尤其是在物种识别和行为分析方面。

处理后的数据被存储在数据存储设备中，以供后续分析使用。数据分析软件通过机器学习算法和统计方法对数据进行进一步分析，从而识别物种、估算数量并分析行为模式。

图2 典型PAM系统的信号路径和校准序列

⒉被动声学系统结构

PAM系统的核心组件主要包括声学传感器、信号处理单元、数据存储设备和数据分析软件。声学传感器作为PAM系统的前端设备，用于接收环境中的声波信号，常见的传感器类型包括水听器。水听器尤其适用于水下环境，能够检测海洋哺乳动物、鱼类及其他海洋生物发出的声学信号。例如，Macaulay等介绍了一种高灵敏度的微机电系统水听器，专为检测微弱声学信号而设计。

信号处理单元的主要功能是对接收到的声学信号进行预处理，包括滤波、去噪和特征提取。这些处理步骤旨在提取有效信息并抑制背景噪声。现代PAM系统通常采用数字信号处理器(DSP)或现场可编程门阵列(FPGA)来执行这些功能。Freeman等强调了信号处理在PAM系统中尤其是在处理复杂的生物声学信号时的重要性。

PAM系统通常配备大容量数据存储设备，用于记录和保存长时间的声学数据。这些设备可包括本地硬盘、固态硬盘或云存储系统，以确保数据的安全性与长期可用性。Cauchy等利用搭载PAM系统的滑翔机，实现了对海洋环境声学数据的长时间监测。数据分析软件作为PAM系统的关键组成部分，负责对采集到的数据进行深入分析。这些软件工具具备声学信号分类、物种识别和行为分析等功能。在现代PAM系统中，机器学习与人工智能技术在数据分析中发挥着日益重要的作用。Kath等开发了一种互动式机器学习工具，用于标注PAM数据集，展示了人工智能在数据分析中的应用前景。图3展示了被动声学监测技术的时间与空间范围比较。

PAM技术的核心在于其高灵敏度的声学传感器和先进的信号处理能力。关键设备包括水听器和数据采集系统。水听器作为一种高灵敏度的声学传感器，能够检测微弱的声波信号。

信号处理技术是PAM系统的另一个关键组成部分。快速傅里叶变换是常用的信号分析工具，可以将时域信号转换为频域信号，从而帮助识别特定的声学特征。

图3 不同PAM系统的时空范围和定位精度

PAM技术的发展和应用涉及多个关键方面，包括传感器与设备、数据采集与处理、算法与分析方法、应用场景与研究对象，以及环境因素的影响。本节将详细介绍PAM系统的关键技术。

⒈数据采集与处理

数据采集与处理是PAM的核心技术之一。高效的数据采集与处理方法对于从大量声学数据中提取有用信息至关重要，这直接关系到生物种群识别和生态系统健康评估。现代PAM系统能够长时间持续收集大量声学数据，这些数据需通过有效的处理和分析方法进行解读。数据采集主要采用固定传感器平台，部分设备集成本地数据处理单元，可在端侧对声学信号进行初步分析，仅在触发时记录摘要或全带宽数据。这种方式虽可延长部署期，但可能限制辅助分析。稀疏水听器阵列的数据可通过无线或有线方式回传。当长期监测且便携系统的运营成本高于固定安装系统时，更宜采用大面积有线系统。海上移动水听器阵列由2～数百只水听器组成，经数十～数千米电缆拖带，可对动物声源定位，覆盖范围达阵列孔径数倍，支撑种群密度估计。深海滑翔机等平台亦可搭载水听器阵列。动物携带的记录标签与阵列联用，可用于估计检测函数(即声信号随距离的检测概率)。

在PAM技术中，噪声滤除和降噪技术对提升数据质量至关重要。Mattmüller等通过PAM揭示了该地区格陵兰东南部Tasiilaq地区的海洋哺乳动物群落组成，并探讨了去除环境噪声的方法。Madrigal等研究了在夏威夷群岛使用PAM监测伪虎鲸和短鳍领航鲸的时空变化，强调了噪声管理的重要性。

图4介绍了被动声学技术的处理工作流程。Perry等介绍了Pyrenote软件，一种为PAM数据开发的网络手动注释工具，优化了数据标注过程，同时被动声学技术的数据采集方法如表1所示。

图4 典型的PAM系统工作流程

表1 PAM系统的数据采集方式

⒉算法与分析方法

PAM技术中的算法与分析方法旨在从复杂的声学数据中提取有效信息。由于声学数据的复杂性和多样性，先进的分析算法至关重要，其能够准确识别与分类生物声。近年来，深度学习等方法已成为主流，可处理海量声学数据并实现高精度自动识别与分类。对于实时或录音数据，仍常以频谱图等软件进行人工判读；操作员通过看谱与听辨识别物种。人工判读虽然劳动密集，但对于冷门或难以自动检测与分类的物种仍属必需(表2)。另一种方法是自动分析，该方法通过软件隔离目标声，成本低、可重复性强且客观，便于量化评估。系统通过检测与分类算法识别呼叫并区分噪声；算法多样，其选型取决于声学结构、物种内变异程度、背景噪声与干扰的相似性、可用参数及训练难度(样本需求从少量到数千)。声型涵盖音调、脉冲、咆哮或嘶声及其组合，频率范围自20Hz～20kHz，持续时间自数十微秒至数十秒(表2)。

表2 PAM系统的声学数据分析方式

目标检测可分为能量法、频谱特征法与机器学习法。能量法利用滑窗RMS与动态阈值(如百分位数)区分信号与噪声；频谱法通过谱熵指示结构化信号，并利用自相关或倒谱识别谐波与周期；机器学习方法采用监督式CNN或YOLO在时频谱图上直接检测，或利用K-means进行无监督异常事件分离。特征提取与分类主要分为四类：时域特征，如过零率、脉冲时长(区分鲸豚click与爆破声)；频域特征，如MFCC(用于物种分类)，PSD峰(定位主导频率)；高阶特征，如声纹/嵌入、VAE潜在表征、时频图像特征与ResNet深度表征；分类器特征，如随机森林(高维特征)、SVM(小样本)、Transformer(长序列)等。定位与追踪分为阵列与单传感器两类。阵列：TDOA/GCC-PHAT估计时差，结合几何定位与波束形成；MVDR抑制干扰。单传感器方法：利用多径信息或声传播模型(如BELLHOP)进行逆向定位。

⒊自动化检测与分类

自动检测与分类是PAM技术的关键环节，在处理大规模声学数据时尤为重要。图5展示了被动声学技术用于自动声音检测与分类的工作流程。表3列出了被动声学技术中常用的声音检测与分类方法。

图5 PAM用于自动声音检测和分类的流程

表3 生物声学分析中常用的信号检测和分类技术

相关研究尽管进展迅速，自动识别仍存在准确性不足与不稳定的问题，尤其在检测环节。实地PAM需在异质声场中区分多物种、时频重叠的叫声，非目标的环境、生物或人为声易导致遮蔽与误报。识别前的降噪处理可提升性能，但微弱、瞬态或部分遮挡的呼叫仍易漏检(召回率低)。分类依赖于鲁棒特征，但对距离、噪声与时间重叠敏感；对于声学特征高度可变的类群，如鲸目等，则更难区分，生态差异与相似叫声的共现(如露脊鲸与座头鲸)加剧了挑战。随着数据量激增，检测与分类模型在新环境中常明显退化(如因传感器差异、背景噪声加重)。

PAM技术的应用已扩展到多个学科，包括生态学、环境科学、工程学等。这种应用于多学科的能力不仅丰富了PAM的应用领域，也推动了技术的发展。Premus等提出了使用被动声学监测海洋哺乳动物的方法，为海洋生态学和工程学的交叉研究提供了参考。Wilkin等则强调了长期被动声学监测对海洋哺乳动物保护的重要性，体现了PAM在环境科学中的重要价值。

PAM技术在渔业中的应用主要集中在资源监测、物种保护和非法捕捞监控等方面(表4)。首先，被动声学监测技术可用于监测鱼类种群的动态。许多鱼类在繁殖季节会发出特定声音，这些声音有助于识别鱼类种类、数量以及行为模式。例如，大西洋鳕鱼和黑线鳕等鱼类在繁殖期间发出的“鼓声”可以通过PAM系统记录和分析，从而评估鱼类资源的健康状况。

表4 PAM的生态应用

其次，PAM技术在保护濒危海洋物种方面也具有重要作用。海洋哺乳动物，如鲸鱼和海豚，依赖声波进行通讯和导航。PAM系统能够监测这些动物的声音，提供其活动和分布的重要信息，这对制定保护措施和设立海洋保护区至关重要。此外，PAM技术还被用于监测渔业活动中的噪声污染。随着渔业活动的增加，船舶噪声和渔具声学特征可能对海洋生物产生负面影响。通过PAM技术，可以评估和管理这些噪声污染，从而减轻对海洋生态系统的破坏。最后，PAM技术在非法捕捞监控中的应用也越来越受到关注。非法捕捞不仅破坏了渔业资源的可持续利用，还对海洋生态系统造成严重威胁。通过监测特定区域的噪声特征，PAM系统可以检测到非法捕捞船只的活动，并将信息实时传递至相关执法部门，以便采取及时的措施。

⒈渔业资源监测

可靠估计野生动物种群的规模或密度对于有效的野生动物管理、保护和生态学研究至关重要。目前，获得此类估计最广泛应用的方法包括基于样线法观察动物个体或对标记个体独特可识别个体进行某种形式的标记重捕。然而，许多物种难以被发现，并且不容易被标记或重新捕获。其中一些物种会产生易于辨识的声音，为使用被动声学数据估计动物密度提供了机会。此外，即使对于其他基于视觉的方法可行的物种，被动声学方法也可以在某些环境(例如水下或茂密的森林)中提供更大的检测范围，因此可能具有更高的精度。数据的自动采集意味着调查可以在派遣人类观察员过于昂贵或危险的时间和地点进行。

鲸类一直是声学应用的主要对象(尽管鸟类调查也常使用声学数据，但很少完全依赖于此)。这是因为声音在水中的传播效率远高于在空气中，而光在水中的能量吸收更强；因此，许多水生物种依赖声音进行交流。此外，目视调查虽对许多鲸类有效，但可能非常昂贵，通常需要大量的船舶作业时间和训练有素的观察员团队。而一些深潜鲸类物种在光线无法穿透的深度觅食，因此使用回声定位，这使它们成为PAM的理想对象。

尽管仍处于起步阶段，基于被动声学数据的密度估计可能成为调查多种不同类群的重要方法，例如海洋哺乳动物、鱼类，特别是在需要长时间推断的情况下。未来仍有大量工作要做，存在几个可能富有成果的研究领域，包括开发用于数据采集的硬件和软件，高效、校准的自动检测与分类系统，以及针对此类应用优化的统计方法。此外，还需要制定调查设计，并需要对目标物种的声学行为进行研究。对发声率、群体规模及其与季节或行为状态等因素关系的基础研究至关重要。在已知密度场景下评估方法，对于经验验证此处提出的方法非常重要。

尽管密度估计方法尚未详细描述，但已有许多评论探讨了声学监测的潜力。Mellinger等回顾了使用声学方法收集鲸目动物信息的情况，并将丰度估计列为未来发展的关键领域。Blumstein等评估了陆地生境中声学监测的潜力，并指出其在丰度估计中的应用前景。

PAM技术通过捕获和分析海洋生物的声学信号，为渔业资源监测提供了高效的工具。例如，Bingham等开发的WaveGlider成为声音应用的有效无人平台。波滑翔机平台可用于海洋哺乳动物的被动声监测。Looby等开发了名为“FishSounds”的全球声鱼类多样性数据共享网站，提供了全球范围内发声鱼类的多样性数据。此外，Stratoudakis等长期监测，为渔业资源管理提供了重要参考。被动声学技术在密度估计方面的几种常见方法如表5所示。

表5 PAM用于海洋生物密度估计的常见方法

⒉海洋生物行为研究

在动物丰度估计与活动研究中，声音分析的一个重要方面是声源定位能力。这通常通过测量声音到达多个间隔较远的固定传感器的时间差来实现。四个紧密排列的传感器可以提供声源的方位，当与物种信息(例如发声深度)结合时，可实现定位。也可利用两个或更多定向或拖曳传感器获取位置信息。若假设动物在时间窗口内的位置固定，可以使用十字方位来估计动物在平台移动时的位置。

即使无法获取呼叫动物的位置，传感器与呼叫鲸鱼间的距离也可以通过距离采样技术实现。单个传感器可利用传播建模技术提供至呼叫动物的距离，这些技术包括基于单传感器多路径的鲸鱼叫声正常模式频散。当有两个或更多传感器可用时，也可以利用接收电平差异和到达时间等技术进行测距。接收到的声音电平还可以提供关于声源距离的(不精确)信息，而频谱内容可以提供高频和低频的吸收差异信息。

PAM技术能够记录和分析海洋生物的声学信号，从而揭示其行为模式、繁殖活动和生态习性。特别是在繁殖季节，海洋生物的发声行为会发生显著变化，这为研究其繁殖生态提供了宝贵的数据。随着电子标签和基因研究的进步，辨别曾被认为广泛分布的中上层海洋掠食者的种群结构成为可能。Jorgensen等结合卫星标记技术、PAM和遗传学，揭示了东太平洋白鲨如何遵循高度可预测的迁徙周期。图6(a)展示了声学信号揭示的白鲨迁徙周期。

在鲸类行为中，蓝鲸和长须鲸会发出高强度、低频的叫声，这些叫声可能用于交配和觅食期间的交流。在南极半岛西部，蓝鲸和长须鲸的叫声声源级是通过校准的海底锚系水听器记录计算得出的。利用双曲定位和到达时间差，蓝鲸的定位范围可达200km，长须鲸的探测距离可达56km。使用双曲线定位时的距离测量误差为3.8km，使用多路径到达时的误差为3.4km。这两个物种均发出高强度的叫声。自保护措施实施以来，南极洋的蓝鲸和长须鲸数量一直维持在较低水平。利用被动声学记录的声源级和检测范围，可以帮助计算鲸鱼叫声的相对密度。在图6(b)、6(c)两个示例中，估算叫声的声源级所需的数据包括仪器响应、与呼叫鲸鱼的距离以及海洋传播环境的知识。使用多路径到达和到达时间差两种方法来确定呼叫鲸鱼的范围。

图6 PAM在海洋生物行为研究中的应用

PAM技术在海洋生物行为研究中的应用价值主要集中在分析海洋生物的声学信号，以揭示其生态行为。Cominelli等利用PAM数据集分析了海洋哺乳动物的声景特征，探讨了声学特征在海洋生态研究中的应用价值。Palmer等强调了在被动声学调查中考虑隆巴德效应的重要性，以提升声学监测的准确性。

⒊渔业活动的环境影响评估

PAM技术在监测渔业活动对海洋环境的影响方面具有重要作用，尤其是在噪声污染和对海洋生物的干扰方面。通过长期的声学监测，PAM技术能够提供关于人类活动对海洋生态系统长期影响的数据，从而为制定环保政策提供科学依据。

发声调整以补偿环境噪声的能力对于动态声学环境中的成功通讯至关重要。许多海洋物种依赖声音完成关键生命功能，包括通信、导航和进食。人类活动导致海洋噪声水平显著升高的影响是当前海洋哺乳动物保护关注的领域之一。Parks等记录了濒危个体北大西洋露脊鲸在背景噪音增加的情况下呼叫行为的变化。与一些鸟类和灵长类动物一样，露脊鲸通过提高叫声幅度应对噪声增强的时段。这种行为可能有助于在噪音增加期间保持与同种动物的通信范围。此类叫声调整对露脊鲸保护工作产生影响，既影响了鲸鱼使用声音进行交流的方式，也影响了利用PAM系统检测它们的能力。

由于人类活动，海洋环境噪声级可能会持续增加，而动物能够产生的最大声源级存在物理限制。当背景噪声水平超出露脊鲸的补偿能力时，鲸鱼的通讯范围可能会缩小，或者它们必须等待噪声水平降低时才能发出声音。社交叫声对调节露脊鲸的重要社交互动至关重要，因此，声通信时间或空间的减少可能对海洋环境中物种的生存和繁殖产生严重影响。海上风电场建设产生的噪声可能对附近的海洋哺乳动物造成严重干扰。2008年夏季，在丹麦北海的HornsRevII海上风电场建设过程中，91根单桩基础被打入海床。Brandt等使用PAM设备(T-POD)调查了港湾鼠海豚对建筑噪声行为反应的空间和时间尺度。结果显示，打桩后1h内，海豚的声学活动下降了100%。随着距离的增加，这一周期逐渐缩短。江豚活动在较近距离内暂时增加，而在4.7km的距离内恢复时间较长。因此，在为期5个月的施工期间，江豚的活动及可能数量都减少了。港湾鼠海豚对打桩的行为反应持续时间比之前报道的要长得多。

图7(a)展示了2005年单个标签记录的最大和最小频谱噪声水平，该噪声来自标签测量的背景噪声，并与露脊鲸上行呼叫的基频重叠。图7(b)可以看到不同位置的PPM/h与总体平均值的偏差以及打桩后该偏差如何随时间变化。

图7 噪声对海洋生物叫声的影响

PAM技术的环境影响评估应用主要包括监测渔业活动产生的噪声污染和生态干扰。Palmer等的研究强调了在PAM调查中考虑环境噪声对数据质量的重要性。Haver等通过长期PAM监测，研究了北大西洋西部海洋哺乳动物群落，并评估了人类活动对其声学环境的影响。

对海洋野生动物的人为影响评估通常集中在大规模的迁移上。然而，非逃逸性动物活动模式的变化也可能影响它们的能量收支。日益增加的船舶交通引起了人们对暴露于船舶的海洋哺乳动物的担忧。了解风险感知能力对于有效缓解和管理至关重要，但难以区分噪音、船舶实体存在和环境的影响。Pirotta等使用被动声学技术来量化船只干扰如何影响宽吻海豚的觅食活动，并描述了影响其响应的条件。为了考虑船噪声对觅食发声(嗡嗡声)的潜在掩蔽效应，他们开发了一种新颖的程序来估计嗡嗡声检测概率与噪声水平(特别是1/3倍频程)之间的关系。船只的存在与觅食活动的短期减少相关，但与噪声水平无显著关联。根据觅食条件，动物的易感性存在差异。这种效应随着船只数量的增加而加剧，并且与船只类型相关。

⒋渔业管理和决策支持

PAM技术在监控非法捕捞活动方面具有重要应用潜力。通过分析船只的声学特征，PAM系统能够实时识别与定位非法捕捞行为，为执法提供有力证据。这种监测方法因其实时性和广泛覆盖能力，特别适合用于监管难度较高的海域。

PAM技术在保护濒危海洋哺乳动物方面同样具有重要作用。通过监测这些动物的声学信号，研究人员可以深入了解其活动范围和行为模式，从而制定有效的保护措施。声学栖息地可通过声级统计分析和时间序列表示来实现。许多生物体依靠声音进行交流、捕食者与猎物探测和导航。因此，声环境在生态系统动态与演化中具有重要作用。越来越多的研究记录了声学栖息地及其对动物发育、行为、生理与空间生态学的影响，这使得生命科学领域对PAM专业知识的需求日益增加。然而，迄今为止，尚无综合用于声学栖息地监测的数据处理方法，这给未来的PAM分析师带来了不必要的障碍。表6展示了如何将这些技术有效应用于不同栖息地的监测。一般而言，统计分析适用于描述变异性并比较不同时间或地点的声学栖息地，而离散事件和声级趋势则可以通过时间序列更好地描述。

表6 声学栖息地的监测与分析

具体应用方面，Li等设计了一种实时PAM系统，用于监测中国赣江河段的长江江豚叫声，有效识别和监控非法捕捞活动。Bolgan等通过PAM技术填补了全球鱼类保护状态的知识空白区，为非法捕捞的监管提供了重要的数据支持。此外，Manley等探讨了将PAM系统集成到两栖四旋翼无人机平台中的可能性，展示了其在非法捕捞监控中的应用潜力。Sisson等提出了PAM系统在离岸风能开发中的监测和缓解计划中的最低建议，为政策制定者提供了科学依据。

PAM技术提供的数据对于渔业管理者制定科学管理策略至关重要，有助于提高渔业可持续性。例如，通过监测鱼类的声学信号，可以评估鱼类资源的健康状况，从而合理安排捕捞活动。PAM技术提供的数据支持有助于渔业管理者制定更科学的决策。Souz等的研究展示了声学数据在管理浑浊河口鱼类资源中的应用。Hoeck等通过PAM数据揭示了大西洋鳕鱼的产卵动态及其与风电场的潜在相互作用，为海洋空间规划提供了科学数据。Parsons等提出了建立全球水下生物声学数据库的倡议，为全球渔业管理提供了数据支持。

PAM技术在渔业领域的应用展现出巨大的潜力和优势。通过对声学数据的系统收集和深入分析，这项技术能够有效地揭示海洋生物的生态学行为和栖息地需求，从而促进海洋生物多样性保护，并为渔业管理提供科学依据。展望未来，随着技术的不断进步和多学科合作的加强，PAM技术预计将在渔业资源管理和环境保护中发挥更加重要的作用。

⒈存在问题

尽管PAM技术在渔业中具有广泛的应用前景，但在实际应用中仍面临若干挑战。PAM技术在渔业领域应用中存在以下六个主要问题：

⑴数据处理复杂性。PAM技术生成的声学数据通常规模庞大且非结构化。这些数据需要复杂的处理和分析，对计算资源和算法要求较高。尤其是在长时间监测中，数据量庞大且包含大量噪声，有效提取有用信息成为一大难题。此外，不同物种的声学特征可能非常相似，增加了分类和识别的难度。虽然现代机器学习和深度学习技术能在一定程度上解决这些问题，但对计算资源和算法的需求仍然较高。

⑵噪声干扰。渔业活动中常存在各种噪声源，如船只噪声、设备运行声等，这些噪声可能干扰目标生物的声学信号检测，影响目标信号的分析。尤其在靠近港口、航道或其他人类活动频繁的区域，噪声干扰更为严重。噪声干扰不仅降低数据质量，还可能导致目标信号的遗漏或误检测，给渔业资源评估和环境影响分析带来不确定性。

⑶设备成本和维护。高精度PAM设备(如水听器和声呐系统)通常价格昂贵且维护成本高。此外，设备的布设与维护需要较大投入，特别是在深海或极端环境下。其安装、维护与回收面临诸多技术和经济挑战。其长期稳定性和耐用性也是关键问题，特别是在长时间连续监测中。高成本限制了PAM技术在小型渔业或发展中国家渔业管理中的普及。

⑷数据共享和标准化问题。当前，不同研究机构和渔业管理部门使用的PAM设备和数据格式各异，缺乏统一的标准，影响了数据的共享和综合利用。这导致了数据共享和综合利用的困难。数据标准化不足不仅限制了跨区域、跨机构的合作，还影响了全球范围内渔业资源和环境状况的整体评估。建立统一的数据标准和共享平台对于推动PAM技术的发展和应用至关重要。

⑸水下声学数据标注面临以下挑战：首先，标注标准不统一。不同研究团队或项目常采用不同的标注标准，导致标注结果难以比较和复用。其次，标注过程存在主观性，尤其对于复杂或模糊信号，不同标注者结论可能不同。此外，水下声学数据通常采样率高、时间跨度长，数据量庞大，手动标注耗时耗力。若研究对象聚焦于海洋生物等低频声源，可在防混叠低通滤波后将采样率降至4～8kHz以压缩数据量并保持可辨识度；对宽带或高频目标则需保留原采样率。现有自动化标注工具在复杂水下环境中表现有限，仍需大量人工干预。

水下环境常存在多个声源(如不同海洋生物、船舶、自然现象等)，信号重叠交织，增加了标注复杂性。目标声学特征可能因环境条件(如温度、盐度、深度)或行为变化而改变，导致标注不一致。水下数据采集成本高、难度大，导致高质量标注数据集稀缺，限制了模型训练与验证。现有标注数据可能局限于特定环境或场景，难以泛化到其他水下环境。最后，现有标注工具可能缺乏处理复杂声学信号的能力，如多通道数据同步标注、信号分离等。缺乏高效的信号处理算法和机器学习模型辅助标注，导致标注效率低下。

⑹法律和伦理问题。PAM技术的应用涉及法律和伦理问题，如数据隐私和个人信息保护。监测活动可能收集敏感信息，如渔民的行踪和渔船活动，这些数据的使用和披露需遵循相关法律法规。在跨境数据收集和分析时，也需要考虑国际法和国家政策的规定。这些问题可能限制PAM技术的应用范围与深度。

PAM技术在渔业领域面临多方面的挑战，包括数据处理的复杂性、噪声干扰、设备成本高昂、数据标准化不足以及法律和伦理问题。为应对这些挑战，需要进一步加强技术研发，提高数据处理和分析能力，同时推动国际合作，制定统一的标准与规范。这将有助于充分发挥PAM技术在渔业资源管理和环境保护中的潜力。

⒉发展展望

随着技术的进步和对海洋生态系统保护意识的提升，PAM技术在渔业领域应用前景广阔。从以下四个方面展望PAM技术在渔业中的未来发展：

⑴更高精度和灵敏度的设备。未来，随着传感器技术和算法的发展，PAM设备的精度和灵敏度将进一步提升。新材料和微电子技术的进步将促进更小型化、便携化和耐用的声学传感器的研发。这些先进设备将能捕捉到更微弱、频率范围更广的声学信号，并在更广泛环境条件下稳定工作。更高的精度和灵敏度有助于精细化管理渔业资源，从而提高渔业活动的可持续性。

⑵集成多源数据与大数据分析。未来，PAM技术将更加注重与其他数据源的集成，如卫星遥感数据、环境传感器数据和渔船监测数据。多源数据融合可提供更全面的海洋环境与生物群落动态信息。同时，大数据与人工智能技术的发展为海量声学数据的处理与分析提供了强大工具。通过机器学习与深度学习算法，可自动识别和分类生物声，提高监测效率与精确度。这将极大提升渔业资源评估与管理的科学性和有效性。

⑶全球数据共享和合作。随着国际社会对海洋保护的重视，未来将有更多国家和机构参与到PAM数据的共享和合作中。数据标准化和共享将促进PAM技术的应用和发展。建立全球统一的数据标准和共享平台将有助于实现数据的互通互用和联合分析，推动全球范围内的合作和数据整合。这不仅可以提高对全球渔业资源状况的整体认知，还能促进国际间的政策协调和合作，共同应对非法捕捞和其他海洋生态威胁。

⑷技术与政策的深度融合。随着PAM技术的广泛应用，相关法律法规和伦理规范将不断完善，以确保技术的安全合规应用。通过实时监测和预警系统，PAM技术可以为渔业管理者提供及时的决策支持，帮助他们根据实际情况调整捕捞策略和配额。这种实时监控与响应机制有助于防止过度捕捞，保护关键物种及其栖息地。同时，PAM技术在监测非法捕捞活动中的应用，将促使更加严格和有效的执法行动。政府和管理机构将更多地依赖PAM数据来制定和实施保护海洋生态的法律和政策。

总体而言，PAM技术在渔业领域的发展前景广阔。随着设备技术的进步、数据分析能力的提升、全球合作的加强以及政策支持的增加，PAM技术将在渔业资源管理和海洋生态保护中发挥越来越重要的作用。未来的PAM技术不仅将提高渔业资源评估的精度和效率，还将为实现全球海洋资源的可持续利用和保护提供强有力的技术支撑。

【作者简介】文/戴阳 王昊宇 方辉 张胜茂 唐峰华 吴祖立 樊伟，分别来自中国水产科学研究院东海水产研究所农业农村部渔业遥感重点实验室、上海海洋大学信息学院。通讯作者王昊宇，硕士研究生，研究方向为渔业资源。本文受基金项目赞助，国家重点研发计划(2023YFD2401304)。文章来自《声学技术》（2026年第3期），用于学习与交流，参考文献略，版权归作者及出版社共同拥有，转载也请备注由“溪流之海洋人生”微信公众平台编辑与整理。