水中カメラを用いた魚の生息数調査：オニカマスが解き明かすBRUVsの真実

広大な海に生息する魚たちの数は、海洋生態系の健全性を示す重要な指標です。しかし、その数を正確に把握することは、長年にわたり科学者たちにとって大きな課題でした。近年、この課題を解決するための強力なツールとして、水中カメラシステムが広く活用されています。特に「BRUVs（Baited Remote Underwater Videos）」と呼ばれる、餌を使って魚を引き寄せ、その様子を撮影する遠隔水中ビデオシステムは、非侵襲的かつ効率的な調査方法として注目を集めています。

BRUVsは、ダイバーが潜るのが難しい深海や、広範囲にわたる調査において特に有効です。しかし、どんなに優れた調査方法にも、その特性ゆえの「偏り（バイアス）」や「限界」が存在します。例えば、カメラに映った魚の数をどう数えるか、あるいは複数のカメラを設置した際に、同じ魚が別のカメラにも映り込んでいないか、といった問題です。これらの課題を深く理解し、調査結果の信頼性を高めることは、正確な海洋保護計画を立てる上で不可欠です。

今回ご紹介する研究は、このBRUVsの精度と信頼性を検証するために、非常にユニークなアプローチを取りました。彼らは、体表に独特の斑点模様を持つ「オニカマス」という魚に着目し、その斑点パターンを利用して個体識別を行うことで、BRUVsによる生息数推定の課題に挑んだのです。この研究は、水中カメラ調査の未来を形作る上で、どのような重要な知見をもたらしたのでしょうか。

🐟水中カメラ調査の進化：BRUVsとは？

BRUVs（Baited Remote Underwater Videos）とは、海底に設置されたフレームにカメラを取り付け、その前方に餌（Baited）を吊るして魚を引き寄せ、一定時間（通常1～3時間）にわたって水中を撮影する遠隔（Remote）水中ビデオシステムのことです。このシステムは、魚の行動を妨げずに自然な状態で観察できるため、従来の網や釣りによる調査に比べて、より客観的で非侵襲的なデータが得られるという大きな利点があります。

BRUVsが広く利用されるようになった背景には、いくつかの理由があります。まず、ダイバーが潜るのが困難な深い場所や、危険な環境でも調査が可能です。また、一度設置すれば自動でデータを収集できるため、時間や労力の節約にもつながります。さらに、撮影された映像は繰り返し確認できるため、複数人で分析したり、将来の比較研究に活用したりすることも可能です。これにより、特定の海域における魚種構成、生息数、行動パターン、さらには環境変化が魚群に与える影響などを長期的にモニタリングする上で、非常に貴重な情報源となっています。

しかし、BRUVsにも課題は存在します。最も一般的な生息数指標の一つに「MaxN（Maximum Number）」というものがあります。これは、撮影された動画の中で、ある瞬間に同時に映っていた特定の魚種の最大個体数を数える方法です。一見すると合理的ですが、もしカメラの視野外で魚が入れ替わっていた場合、実際の生息数よりも過小評価してしまう可能性があります。また、複数のBRUVsを設置して広範囲を調査する際、カメラ間の距離が近すぎると、同じ魚が複数のカメラに映り込んでしまい、生息数を過大評価してしまう「重複カウント」の問題も生じます。これらの課題を解決し、BRUVsのデータが真に海洋生態系の実態を反映しているかを検証することが、本研究の重要な目的でした。

🔬研究の目的とユニークなアプローチ

本研究の主な目的は、BRUVsを用いた魚の生息数調査における二つの重要な課題を検証することでした。一つは、最も一般的に使われている生息数指標であるMaxN（Maximum Number）の精度を評価すること。もう一つは、複数のBRUVsを設置する際のカメラ間の適切な距離、すなわちサンプリングの「独立性」を確保するための基準を検証することです。

この研究が特にユニークなのは、その検証のために「オニカマス（Great Barracuda, 学名: Sphyraena barracuda）」という特定の魚種を選んだ点にあります。オニカマスは、その体側に個体ごとに異なる独特の斑点パターンを持っています。この斑点パターンは、人間の指紋のように個体識別の手がかりとなるため、研究者たちはこの特徴を利用して、動画に映るオニカマスを一匹一匹区別することができました。これにより、通常は非常に困難な「個体識別に基づく生息数（IND: Identified Individuals）」という、より正確な生息数指標を算出することが可能になったのです。

研究者たちは、このINDという新しい指標と、従来のMaxNを比較することで、MaxNがどれだけ実際の生息数を反映しているのか、あるいはどれだけ過小評価しているのかを明らかにしようとしました。さらに、複数のBRUVsに同じオニカマスが映り込むかどうかを調べることで、一般的に用いられているカメラ間隔（500m）が、本当に異なるサンプリングユニットとして機能しているのか、つまり「独立したデータ」が得られているのかを検証しました。このアプローチは、BRUVs調査の信頼性を飛躍的に向上させる可能性を秘めています。

🗺️世界規模の調査：研究方法の詳細

この研究は、その規模と網羅性においても特筆すべきものです。世界中の広範囲にわたるデータを用いることで、結果の普遍性を高めようとしました。

研究デザインとデータ収集

• 調査範囲: 研究は、世界12カ国にわたる43の異なる地点で実施されました。これにより、多様な海洋環境におけるBRUVsの有効性を評価することができました。
• データ量: 合計で2000本以上のBRUVs動画が分析対象となりました。これほどの膨大なデータを用いることで、統計的な信頼性の高い結果を導き出すことが可能になりました。
• 対象種: 主にオニカマス（Sphyraena barracuda）が分析対象とされました。その理由は、前述の通り、体側の斑点パターンによって個体識別が可能であるためです。

生息数指標の比較

研究者たちは、各動画から以下の二つの生息数指標を算出しました。

• MaxN（Maximum Number）: これは、BRUVs動画の中で、ある瞬間に同時にカメラの視野内に確認されたオニカマスの最大個体数を指します。これはBRUVs調査で最も広く用いられている標準的な指標です。
• IND（Identified Individuals）: これは、オニカマスの体側の斑点パターンを詳細に分析し、動画に映った全ての個体を識別することで得られた、その動画に登場したユニークなオニカマスの総個体数を指します。この方法は、個体識別が可能な種にのみ適用できる、より手間のかかる、しかしより正確な生息数指標と考えられます。

研究者たちは、これら二つの指標を比較し、その相関関係や差異を統計的に分析しました。

サンプリングの独立性検証

BRUVs調査では、複数のカメラを設置する際に、カメラ間の距離を適切に設定することが重要です。一般的には、魚の移動性を考慮して、ある程度の距離（例えば500m）を離して設置することで、それぞれのカメラが独立したサンプリングユニットとして機能すると仮定されます。本研究では、この仮定が本当に妥当であるかを検証するために、以下の方法を用いました。

• 個体追跡: 個体識別されたオニカマスが、同じ調査期間中に複数のBRUVsに映り込んでいないかを詳細に確認しました。
• 距離と重複: 特に、500m以上離れたカメラ間で同じ個体が確認された事例があるかどうかを調べ、この一般的な間隔設定の妥当性を評価しました。

これらの詳細な方法により、研究者たちはBRUVsの生息数推定における精度と、サンプリングの独立性に関する重要な知見を得ることを目指しました。

📊研究の主な発見：データが語る真実

この大規模な研究から、BRUVsを用いた魚の生息数調査に関するいくつかの重要な知見が得られました。データは、従来のMaxN指標の限界と、個体識別の重要性を明確に示しています。

MaxNとINDの比較

• 高い相関性: MaxNとINDの間には、非常に高い正の相関（0.93）が認められました。これは、MaxNがある程度の精度で生息数の変動を捉えていることを示唆しています。つまり、MaxNが増えればINDも増える傾向にあるということです。
• 有意な差異: しかしながら、両指標の間には統計的に有意な差（p < 0.001）が存在しました。これは、MaxNとINDが完全に同じ生息数を示しているわけではないことを意味します。
• MaxNの過小評価: 特にMaxNが4を超えるような、比較的多くのオニカマスが映っている動画において、この差異は顕著になりました。平均して、INDによる生息数はMaxNの約1.4倍も大きいことが判明しました。これは、MaxNが実際の生息数を過小評価している可能性が高いことを示しています。MaxNは同時に映った最大数しか数えないため、カメラの視野外で魚が入れ替わっていたり、時間差で別の個体が現れたりするケースを捉えきれないためと考えられます。

サンプリングの独立性

• 重複の可能性: 調査された43地点のうち、5地点で少なくとも1匹のオニカマスが複数のBRUVsに映り込む事例が確認されました。しかし、これは全体の動画の4%未満という比較的低い割合でした。
• 500m間隔の妥当性: 注目すべきは、同じ調査展開中に、500m以上離れた二つのカメラで同じオニカマスが確認されたのは、わずか1件のみだったという点です。この結果は、オニカマスのような移動性を持つ種であっても、BRUVsを500m間隔で設置することは、サンプリングユニット間の独立性を確保するための合理的な基準であると結論付けられました。

これらの主要な結果を以下の表にまとめます。

この研究は、BRUVsの生息数推定におけるMaxNの限界を明らかにし、より正確なデータを得るためには個体識別が有効であることを示しました。同時に、一般的なカメラ設置間隔の妥当性も確認され、今後のBRUVs調査の設計に貴重な指針を与えるものとなりました。

💡考察：この研究が示す意味

本研究の成果は、BRUVsを用いた海洋生物調査の信頼性を高める上で、非常に重要な意味を持っています。

MaxNの限界とINDの優位性

MaxNとINDが高い相関を示した一方で、両者の間に有意な差があり、特にMaxNが4を超える場合にINDが平均で1.4倍も高い生息数を示したことは、MaxNが実際の生息数を過小評価する傾向にあることを明確に示しています。これは、MaxNが「ある瞬間に同時に映った最大個体数」しかカウントしないため、カメラの視野外で魚が入れ替わったり、時間差で異なる個体が現れたりする状況を捉えきれないためと考えられます。例えば、5匹の魚が次々と入れ替わりながらカメラの前に現れたとしても、同時に映ったのが最大3匹であればMaxNは3とカウントされてしまいますが、INDであれば5匹全てを識別してカウントできます。

この結果は、BRUVsデータから「真の生息数」を推定しようとする場合、可能な限り個体識別を行うIND法がより正確な情報を提供することを示唆しています。特に、希少種や絶滅危惧種の生息数を評価する際には、わずかな過小評価も保護計画に大きな影響を与える可能性があるため、IND法のような高精度なアプローチが求められます。

個体識別の重要性と課題

個体識別は、生息数だけでなく、個体の移動パターン、成長率、繁殖成功度など、生態学的に重要な情報を得るための強力なツールです。本研究では、オニカマスの体表の斑点パターンというユニークな特徴を利用することで、この困難な作業を可能にしました。しかし、全ての魚種がオニカマスのように明確な個体識別パターンを持っているわけではありません。また、個体識別は非常に時間と労力がかかる作業であり、大規模なデータセットに対して手作業で行うのは現実的ではありません。

この課題を克服するためには、AI（人工知能）や機械学習を用いた画像認識技術の発展が期待されます。将来的には、AIが自動的に魚の個体を識別し、INDのような高精度な生息数データを効率的に算出できるようになるかもしれません。これにより、より多くの種でBRUVsの精度を向上させることが可能になるでしょう。

500m間隔の妥当性

BRUVs調査におけるカメラ間隔の独立性に関する検証は、調査設計の標準化に貢献する重要な知見です。オニカマスのような比較的移動性の高い種であっても、500mという間隔がサンプリングユニットの独立性を確保する上で妥当であることが示されました。これは、多くのBRUVs調査で採用されているこの間隔が、少なくとも同様の移動性を持つ種に対しては有効であることを裏付けるものです。

ただし、この結果はオニカマスという特定の種に基づいているため、移動性が極端に低い、あるいは逆に非常に高い種（例えば、広範囲を回遊するマグロのような種）に対しては、異なる間隔設定が必要になる可能性も考慮する必要があります。それでも、この研究は、BRUVs調査におけるサンプリング設計の科学的根拠を強化する一歩と言えるでしょう。

総じて、本研究はBRUVsが海洋生態系調査の強力なツールである一方で、そのデータの解釈には注意が必要であり、可能な限り個体識別を取り入れることで、より正確な生息数推定が可能になることを示しました。これは、海洋保護や資源管理のための意思決定を、より強固な科学的根拠に基づいて行うための重要な示唆を与えています。

🐠私たちの生活と海洋生態系：実生活へのアドバイス

この研究は、一見すると専門的な海洋生態学の話題のように思えるかもしれませんが、実は私たちの日常生活や、私たちが暮らす地球の未来と深く関わっています。ここでは、この研究から得られる示唆を、私たちの実生活にどう活かせるか、いくつかの視点から考えてみましょう。

• 海洋保護への貢献を理解する:

  正確な魚の生息数データは、海洋保護区の設定、漁獲制限の決定、絶滅危惧種の保護計画など、海洋保護活動の基盤となります。BRUVsのような非侵襲的な調査方法が進化し、より正確なデータが得られるようになることで、私たちはより効果的な保護策を講じることができます。私たちが選ぶ魚介類や、海洋環境に配慮した製品の選択が、こうした科学的努力を間接的に支えることにつながります。

• 科学リテラシーを高める:

  メディアで「魚の数が減っている」「〇〇の魚が絶滅の危機にある」といったニュースを目にすることがあります。本研究が示すように、科学的な調査方法にはそれぞれ限界があり、その精度を向上させるための努力が常に続けられています。一つの数字や情報だけでなく、それがどのようにして得られたのか、どのような限界があるのか、といった背景に目を向けることで、より批判的かつ多角的に情報を理解する力が養われます。

• 持続可能な漁業への意識を高める:

  漁業資源の管理は、正確な生息数データに大きく依存しています。MaxNのような指標が実際の生息数を過小評価する可能性があるということは、もしかしたら私たちが思っている以上に資源が少ない、あるいは逆に、より多くの資源がある可能性も示唆します。正確なデータに基づいた資源管理は、乱獲を防ぎ、将来にわたって豊かな海の恵みを享受するために不可欠です。持続可能な漁業を支援する製品を選んだり、漁業の現状に関心を持つことが大切です。

• 市民科学への参加を検討する:

  個体識別は専門家が行うものと思われがちですが、近年ではスマートフォンアプリなどを活用した「市民科学」プロジェクトが増えています。例えば、ダイビングやシュノーケリングで撮影した魚の写真を共有し、個体識別や生息域のデータ収集に協力できるようなプロジェクトに参加することで、私たち一人ひとりが海洋研究に貢献できる可能性があります。オニカマスのように特徴的な模様を持つ魚を見つけたら、写真を撮って記録してみるのも良いでしょう。

• 環境教育の重要性を再認識する:

  子どもたちに海の豊かさや、それを守るための科学的な努力を伝えることは、未来の世代が地球と共存していく上で非常に重要です。この研究のように、科学者たちがどのようにして海の謎を解き明かそうとしているのかを学ぶことは、環境問題への関心を高め、行動を促すきっかけになります。

この研究は、単なる学術的な成果に留まらず、私たちが海洋環境とどのように向き合い、持続可能な未来を築いていくべきかについて、多くの示唆を与えてくれます。科学の進歩を理解し、それを私たちの行動に結びつけることが、豊かな海を守る第一歩となるでしょう。

🚧研究の限界と今後の課題

本研究はBRUVsの生息数推定における重要な知見をもたらしましたが、全ての科学研究と同様に、いくつかの限界と今後の課題を抱えています。

• 個体識別の適用範囲の限界:

  本研究は、オニカマスという体表に明確な斑点パターンを持つ特定の種に焦点を当てました。しかし、多くの魚種はこのような個体識別の手がかりとなる特徴を持っていません。例えば、群れで行動する小型の魚や、外見上の個体差がほとんどない魚種に対しては、IND法を適用することは極めて困難です。このため、IND法は全てのBRUVs調査に普遍的に適用できるわけではありません。

• 時間とコストの制約:

  個体識別に基づくIND法は、MaxN法に比べて非常に時間と労力がかかります。2000本以上の動画からオニカマスの個体を一つ一つ識別する作業は、膨大な時間を要したことでしょう。大規模な調査や、限られた予算と人員で行われる調査においては、IND法を導入することが現実的ではない場合があります。このコストと精度のバランスをどう取るかは、今後の課題となります。

• 特定の種への限定性:

  500m間隔の独立性に関する結論も、オニカマスという特定の種の移動性に基づいて導き出されました。オニカマスは比較的活発に移動する魚ですが、移動性が極端に低い底生魚や、逆に広範囲を高速で回遊する大型魚（マグロなど）にとっては、この間隔が適切でない可能性があります。異なる生態を持つ多様な魚種に対して、最適なカメラ間隔を検証するさらなる研究が必要です。

• BRUVsの限界:

  BRUVs自体にも固有の限界があります。餌に引き寄せられる魚種に偏りがある可能性や、夜行性の魚、あるいは餌に反応しない魚種を十分に捉えられない可能性があります。また、カメラの視野角や水深、透明度などの環境要因もデータに影響を与えます。これらの要因を考慮した上でのデータ解釈が求められます。

• 技術的進歩への期待:

  今後の課題を克服するためには、技術的な進歩が不可欠です。特に、AI（人工知能）や機械学習を用いた画像認識技術のさらなる発展は、個体識別の自動化と効率化に大きく貢献するでしょう。これにより、より多くの魚種でIND法のような高精度な生息数推定が可能になり、BRUVs調査の適用範囲と信頼性が飛躍的に向上することが期待されます。

これらの限界と課題を認識し、今後の研究や技術開発を通じて克服していくことが、BRUVsを用いた海洋生態系調査のさらなる発展には不可欠です。

まとめ

本研究は、水中カメラシステムBRUVsを用いた魚の生息数調査において、最も一般的な指標であるMaxNが実際の生息数を過小評価する傾向にあること、そして個体識別に基づくIND法がより正確な情報を提供することを、オニカマスを対象とした大規模な調査を通じて明らかにしました。また、BRUVsのカメラ間隔として一般的に用いられる500mが、オニカマスのような移動性を持つ種に対しては、サンプリングの独立性を確保する上で妥当であることも示されました。

この成果は、BRUVs調査の信頼性を高め、より正確な海洋生態系の理解に貢献するものです。MaxNの限界を認識し、可能な限り個体識別を取り入れることで、絶滅危惧種の保護や漁業資源の管理など、海洋保護のための意思決定をより強固な科学的根拠に基づいて行うことができるようになります。今後、AIなどの技術革新によって個体識別の効率化が進めば、BRUVsはさらに強力な海洋調査ツールとして、私たちの豊かな海の未来を支えることでしょう。

関連リンク集

• 国立研究開発法人水産研究・教育機構
• 日本魚類学会
• WWFジャパン（海洋保全活動）
• 環境省 生物多様性情報システム
• NOAA Fisheries (米国海洋大気庁漁業局)

書誌情報