Standardized benthic imaging with small, modular ROVs: an open-source framework developed in temperate kelp forests

温带海藻林下方的海底是一个具有巨大生物学意义的世界，充满了鱼类、无脊椎动物和复杂的植物生命，支撑着整个海岸生态系统。然而，研究这个隐藏的领域是极其困难的。虽然海藻林漂浮的顶部可以从卫星或飞机上看到，但生长在海底的生命却被黑暗、浑浊的水质和海藻本身致密的垂直结构所遮蔽。几十年来，科学家们一直依赖人类潜水员在这些水下花园中游泳，进行物种计数和生境制图。然而，潜水员受到他们在水下能安全停留多久、能下潜多深以及一天内能覆盖多少面积的限制。为了真正理解这些脆弱的环境，研究人员需要一种比人类的双腿和肺部能看得更远、坚持更久且更具一致性的方法。

西雅图水族馆的一个研究小组开发了一种针对这一问题的实用、开源解决方案：一种小型模块化水下机器人，专门设计用于在这些挑战性条件下对海床进行标准化摄影。他们并没有制造一台用于深海探索的庞大且昂贵的机器，而是改进了一款紧凑、经济的机器人，使其能够在浅层、湍流的海藻林中工作。在四年的时间里，他们对机器人的四个不同版本进行了迭代，通过改进其灯光、动力系统和导航工具，解决了在黑暗、移动的水中拍摄清晰图像的具体问题。他们的工作成果是一个完整的、免费开放的框架，允许其他科学家和环保人士复制这些调查，将一个复杂的工程挑战转化为监测海岸生态系统健康状况的可重复方法。

核心挑战在于环境本身。海藻林通常黑暗且充满了散射光线的悬浮颗粒，这使得捕捉清晰图像变得困难。此外，海藻植物从海底一直生长到水面，形成了一个致密的森林，很容易缠绕机器人的系留缆绳。为了获得有用的照片，机器人必须在距离地面一个完美的恒定高度处悬停。如果飞得太高，图像会太暗且模糊；如果飞得太低，灯光会产生不均匀的阴影，或者机器人会搅起沉积物。研究人员发现，仅仅保持相对于表面的稳定深度是不够的，因为海床本身也会起伏。他们需要机器人能够跟随底部的轮廓，无论是在平坦的沙地还是在岩石脊上飞行，都能保持与地面固定的距离。

为了实现这一点，团队开发了一种名为“surftrak”的专门飞行模式，该模式允许机器人感知与海床的距离，并自动调整高度以保持在精确的目标高度，通常是在距离底部不到一米处。事实证明，该系统非常有效，在绝大部分飞行时间内都能将机器人保持在极小的误差范围内。这种一致性至关重要，因为它确保了每一张照片覆盖的海床面积完全相同，使科学家能够以数学上的精确度在不同地点和时间统计生物数量并测量其覆盖范围。如果没有这种自动高度控制，收集到的数据将过于多变，无法进行可靠的比较。

照明是下一个主要障碍。在太平洋西北地区黑暗、浑浊的水域中，标准的水下灯光不足以捕捉区分不同类型藻类和小型海洋生物所需的细节。研究人员测试了几种照明设置，最终从简单的电池供电灯具转向了一个由表面船舶提供动力的系统。这使得他们可以使用更明亮、更强大的灯光，并能直接由机器人的计算机控制。他们还重新设计了这些灯光的布置，使光束精准聚焦在相机观察的位置，从而减少了由水中颗粒引起的眩光。结果是，该系统能够即使在能见度极低的水域中也能拍摄高分辨率、清晰的图像，揭示出在早期较不先进的调查中无法看到的纹理和物种。

为机器人的长期调查任务提供动力提出了另一组权衡问题。早期的机器人版本依赖内部电池，这限制了飞行时间，并且需要将机器人带回水面更换电池——这个过程会中断数据采集并需要重启整个系统。团队最终转向了表面供电系统，即电力通过连接船只的系留缆绳传输。这一改变极大地延长了机器人的续航能力，使其能够不间时工作数小时，并应对明亮灯光和复杂导航传感器的额外电力需求。虽然这种表面供电系统需要更高的初始设备投资，但事实证明，对于进行严谨科学监测所需的重复性、长时间调查来说，它是必不可少的。

在浅水、多岩石区域进行导航对于水下机器人来说是出了名的困难。传统的利用声波定位机器人相对于船只位置的系统，在这些环境中往往表现不佳，因为浅水和多岩石的地形会产生阻挡信号的“声影”。研究人员发现，仅依靠单一的导航方法是不够的。相反，他们结合了来自多个传感器的数据：一个测量机器人相对于底部的速度的装置、一个追踪其相对于船只位置的系统，以及一个指南针。通过融合这些不同的信息流，机器人可以构建出关于自身位置及行驶路径的更准确图像。这种传感器融合使他们能够重建机器人经过的确切路径，这对于绘制受调查区域的地图以及确保数据能够高精度地放置在地图上至关重要。

为了让这项技术能够被非专业人士使用，团队开发了两个免费的计算机程序来处理繁重的数据管理工作。其中一个程序引导驾驶员进行潜水，在机器人离开船只前检查所有传感器是否正常工作，并记录飞行的每一个细节。另一个程序则接收来自机器人的原始照片和视频，并自动进行整理、校正光照并为分析做准备。这些工具减少了将一天的潜水转化为可用科学数据所需的时间和技术专业知识，使得规模较小的组织和保护团体也能采用这种方法。

研究人员在包括埃略特湾（Elliott Bay）和圣胡安群岛（San Juan Islands）在内的多个地点，经历了数十天的调查测试，涵盖了从平静、清澈的日子到风浪大、电流高达三节的湍流环境中的各种情况。他们成功绘制了软沉积物、岩礁以及海藻分布密集区域的地图，证明了该系统在海藻林实际存在的真实世界环境中是有效的。他们发现，虽然机器人无法穿透最致密的海藻冠层，但它可以有效地调查海藻下方的海床以及海藻冠层较薄的区域。该系统证明了其足以应对环境中的物理挑战，包括系留缆绳靠近水面时被海藻叶缠绕的风险。

这项工作并不是要取代人类潜水员，潜水员在观察某些行为和应对最复杂的海藻林环境方面仍然至关重要。相反，机器人提供了一个观察水下世界的补充窗口，扩大了可调查的区域，并实现了随时间推移的持续、重复的监测。通过提供关于硬件、软件和方法的完整、开源指南，团队为他人提供了可以进一步构建的基础。他们的框架为扩大对海藻林及其他浅水海岸生态系统的监测提供了一条切实可行的路径，确保这些至关重要的栖息地能够得到应有的清晰度和一致性的观察与保护。