深海环境海洋生态系统监测与恢复新技术

Jacopo Aguzzi ,  Laurenz Thomsen ,  Sascha Flögel ,  Nathan J. Robinson ,  Giacomo Picardi ,  Damianos Chatzievangelou ,  Nixon Bahamon ,  Sergio Stefanni ,  Jordi Grinyó ,  Emanuela Fanelli ,  Cinzia Corinaldesi ,  Joaquin Del Rio Fernandez ,  Marcello Calisti ,  Furu Mienis ,  Elias Chatzidouros ,  Corrado Costa ,  Simona Violino ,  Michael Tangherlini ,  Roberto Danovaro

工程（英文） ›› 2024, Vol. 34 ›› Issue (3) : 205 -223.

PDF (13594KB)
工程（英文） ›› 2024, Vol. 34 ›› Issue (3) : 205 -223. DOI: 10.1016/j.eng.2023.10.012
研究论文

深海环境海洋生态系统监测与恢复新技术

作者信息 +

New Technologies for Monitoring and Upscaling Marine Ecosystem Restoration in Deep-Sea Environments

Author information +
文章历史 +
PDF (13919K)

摘要

联合国（UN）呼吁进行十年的“生态系统恢复”，是由于需要解决人类活动对自然生态系统的广泛影响。由于深水（> 200 m深度）栖息地丧失的增加，海洋生态系统的恢复越来越必要。这些深度远远超过了潜水员可以到达的深度，只有已建立和新兴的机器人平台，如远程操作飞行器（ROV）、自动水下航行器（AUV）、着陆器和爬行器，可以通过操纵器及其多参数传感器技术（如光声成像、组学和环境探测）来操作。利用先进的深海生态系统恢复技术可以提供：①高分辨率的基质和关键类群的三维（3D）成像和声学映射；②对基质和关键类群的物理操作；③对远程操作的实时监测和长期生态监测；以及④自主工作的潜力。在这里，我们描述了具有原位操作能力和创新传感器的有效载荷的机器人平台，如何能够在大的空间尺度上自主地进行主动恢复和监测。我们预计这些设备将在深海栖息地大展身手，如①造礁冷水珊瑚，②软底竹珊瑚，以及③已经被海上工业（即渔业和石油/天然气）破坏的软底渔业资源。

Abstract

The United Nations (UN)’s call for a decade of “ecosystem restoration” was prompted by the need to address the extensive impact of anthropogenic activities on natural ecosystems. Marine ecosystem restoration is increasingly necessary due to increasing habitat degredation in deep waters (>200 m depth). At these depths, which are far beyond those accessible by divers, only established and emerging robotic platforms such as remotely operated vehicles (ROVs), autonomous underwater vehicles (AUVs), landers, and crawlers can operate through manipulators and multiparametric sensor arrays (e.g., optoacoustic imaging, omics, and environmental probes). The use of advanced technologies for deep-sea ecosystem restoration can provide: ① high-resolution three-dimensional (3D) imaging and acoustic mapping of substrates and key taxa, ② physical manipulation of substrates and key taxa, ③ real-time supervision of remote operations and long-term ecological monitoring, and ④ the potential to work autonomously. Here, we describe how robotic platforms with in situ manipulation capabilities and payloads of innovative sensors could autonomously conduct active restoration and monitoring across large spatial scales. We expect that these devices will be particularly useful in deep-sea habitats, such as ① reef-building cold-water corals, ② soft-bottom bamboo corals, and ③ soft-bottom fishery resources that have already been damaged by offshore industries (i.e., fishing and oil/gas).

关键词

生态系统恢复 / 机器人操作 / 声学跟踪 / 渔业资源 / 人工珊瑚礁

Key words

Ecosystem restoration / Robotic manipulation / Acoustic tracking / Fishery resources / Artificial reefs

Highlight

・Marine deep-sea restoration should be based on landers with docked crawlers and AUVs, allowing in situ autonomous interventions, battery recharging, and remote data transmission.

・Crawlers with robotic arms should be used for active restoration.

・Innovative combinations of HD, multi-beam imaging, active acoustics, omics and environmental (oceanographic and biogeochemical) sensors should be used to enable restoration monitoring.

・We describe three potential case-studies for robotic-mediated restoration in deep-sea iconic environments.

引用本文

引用格式 ▾
Jacopo Aguzzi,Laurenz Thomsen,Sascha Flögel,Nathan J. Robinson,Giacomo Picardi,Damianos Chatzievangelou,Nixon Bahamon,Sergio Stefanni,Jordi Grinyó,Emanuela Fanelli,Cinzia Corinaldesi,Joaquin Del Rio Fernandez,Marcello Calisti,Furu Mienis,Elias Chatzidouros,Corrado Costa,Simona Violino,Michael Tangherlini,Roberto Danovaro. 深海环境海洋生态系统监测与恢复新技术[J]. 工程（英文）, 2024, 34(3): 205-223 DOI:10.1016/j.eng.2023.10.012

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

人类活动正在影响全球范围内的海洋生态系统，导致生物多样性的损失[1‒2]。这些影响如此广泛，以至于即使最偏远的深海生态系统现在也受到渔业、石油/天然气勘探和开采、生物勘探和污染等工业开发的影响[3‒4]。这导致了沿着大陆边缘的关键和脆弱的生态系统逐渐丧失，如冷水珊瑚礁、珊瑚花园、海绵地面和软底地面[5‒6]。事实上，软底深海栖息地可以说是世界范围内受影响最广泛的栖息地[7‒8]。未来对深海栖息地的其他威胁包括气候变化[9‒10]和深海矿物开采（如从热液喷口地区开采多金属结核或大量硫化物沉积物）[11‒12]。

这些人为的压力也会对生态系统功能[13‒14]造成严重后果。由于深海是这个星球上最大的生态系统，深海的退化可能会产生广泛的生态影响——包括二氧化碳（CO2）的存储[16]——这将在全球范围内产生影响。由于深海生态系统的高效运转既依赖于高水平的生物多样性[17]，又依赖于形成栖息地的生物工程物种的存在[18]，这种生态系统的持续损失导致前所未有的深海自然资本和相关生态系统服务的侵蚀[19]。健康的生态系统提供粮食和粮食安全、清洁的水、碳汇，并保护其免受气候变化造成的自然危害。事实上，它们对我们的长期生存、福祉、繁荣和安全至关重要，也是经济和社会弹性[20]的基础。

1.1 对深海生态恢复的需求

生物多样性的丧失和生态系统的退化继续以惊人的速度进行，并正在改变欧洲的海洋，从而损害人们的福利、经济和气候[21]。这一现象已被广泛报道，特别是在联合国政府间气候变化专门委员会（IPCC）、政府间生物多样性和生态系统服务科学政策平台（IPBES）、爱知生物多样性目标进展报告和《生物多样性经济学：达斯古普塔评论》等报告中。

直到最近，人们还缺乏强有力的保护和管理行动，这主要是由于几次治理和实施措施的失败[22]。许多环境政策的设计都是为了解决新出现的问题，但跨部门的协调规划仍然很糟糕——主要是因为更全面方法的复杂性（鉴于我们有限的基线知识），以及政策方法、社会背景和利益相关者[23‒24]的多样性。然而，人们即将努力解决这些问题（即2023年联合国公海BBNJ条约“关于保护和可持续利用国家管辖范围以外地区的海洋生物多样性”）。

联合国呼吁在2021~2030年十年间进行“生态系统恢复”[25]，以扭转所有生态系统的下降趋势。从生态、社会和运营的角度来看，深海栖息地的恢复是一项迫切的任务[26]，特别是在栖息地是罕见或提供特定服务的情况下，并且有证据表明恢复工作以长期、经济可持续的方式加速或定性改善了自然恢复。这种恢复需要补救环境退化的政策和工具，改善生态系统的复原力的社会行动，以及创新的管理战略和利用技术促进的干预措施，将关键物种和脆弱物种恢复到影响前的水平。

1.2 欧盟关于海洋恢复的法律框架

欧盟（EU）2030年生物多样性战略制定了进一步保护欧盟自然的目标。它还指出，扭转生物多样性的丧失需要在包括深海的保护区以外的所有深处作出更大的努力。因此，欧洲委员会制定了具有法律约束力的目标，以恢复退化的欧盟生态系统，特别强调深海生态系统，因其最有潜力去除和储存碳，及防止和减少自然危害的影响。此外，健康海洋、海洋、沿海和内陆水域使命委员会提出了海星2030使命——到2030年恢复我们的海洋和水域，有五个首要目标：①填补人类和海洋之间的知识差距，②再生海洋和淡水生态系统，③零污染，④通过去除二氧化碳使海洋脱碳，以及⑤改革治理。海星2030使命强调，薄弱的国际治理目前导致司法管辖区之间的不一致、重叠和差距。因此，“在恢复退化的海洋栖息地的任务中需要考虑治理问题”是显而易见的。

欧洲绿色协议承认，健康的海洋在对抗全球变暖和生态崩溃中发挥着关键作用，它指出：“应对气候变化的持久解决方案需要更多地关注基于自然的解决方案，包括健康和有弹性的海洋。”在提议的具体行动/目标中，绿色协议包括：①渔业（即共同渔业政策），以减少渔业对生态系统的不利影响；②海洋生物多样性，根据生物多样性战略指定额外的适当管理的海洋保护区；③蓝色经济，计划促进水产养殖和海上可再生能源；④航运，将欧洲碳排放交易体系扩展到海洋部门；⑤针对微塑料的循环经济。自2008年以来，已经推广了海洋战略框架指令[27]和海洋空间规划指令[28]，以评估和改善欧洲海洋生态系统的环境状况，并规划海洋资源的可持续利用。上述指令还预见，尚未达到良好环境状态（GES）的生态系统将需要采取恢复/复原行动，评估其运行可靠性、环境可持续性、经济效益和社会接受度。

1.3 海洋恢复的技术要求

为了在全球范围内产生有意义的影响，目前的海洋生态系统恢复协议和技术必须在更大的空间尺度[29]上有效。通常，恢复实践采用一种缓慢的、“被动的”的方法，基于消除压力源，并允许系统自然恢复（如在海洋保护区）。因此，许多研究提到，有必要采取更“积极”的方法，包括重新引入关键物种（如海草、珊瑚和海绵类生态系统工程师）或基质殖民[4‒31]。

然而，目前在海洋栖息地最积极的恢复工作仅限于小于60 m的深度，可由佩戴独立的水下呼吸器（SCUBA）的潜水员实现[32]。99%的海洋栖息地超过这些深度，积极恢复在深海经济和操作上具有挑战性，迫切需要技术解决方案，特别是对深海（即深度> 200 m），相关方案要基于地貌学、物理海洋学和光渗透支持光合作用[33‒34]。首先，与浅层环境相比，深海修复对船只的依赖增加了其成本[35‒36]。一艘85 m长的研究船（RV）的操作成本，如西班牙舰队的“甘博亚”，有25名船员24 h工作，配备一个遥控航行器（ROV，型号：LIROPUS-2000）、CTD（指一套测量电导率、温度和深度的仪器）和多波束测绘设备，目前的单日成本约为35 000欧元（约39 000美元，人民币27.5万元）。对于在深海大陆边缘地区进行的一次普通的为期12天的数据收集巡航，这意味着42万欧元（约46.5万美元，人民币329.7万元）。第二，深海地区将需要使用新技术，可实现类沿海地区干预足够广泛的空间尺度[37‒38]，并可以实现长期、预后、生态监测（以及动态调整以适应不可预测的环境事件；见下文）。

我们建议，深海主动恢复能力的战略升级应基于三个相互依存和连续的步骤：

（1）测绘。为确定适宜的修复地点，应当在多个空间尺度（如礁石、悬崖、岩礁直至海底构成；如砾石、沙子或黏土、沉积速率）上对海底的地貌特征加以描述。测绘还应涵盖对水体长期环境条件（如水流强度、环流）的识别，且应通过采样进行实地验证。

（2）主动恢复。第二步是重新引入生物工程固着和活动的伞状物种，以加速其他目标类群的种群数量恢复（如种群生物量增强）和总体生物多样性（如有利于基于捕食者-猎物关系的生态系统功能重建）增加。这将通过在步骤1中确定的站点中部署生物工程物种来实现，优先考虑由固定和移动传感器平台的原位网络划分的区域。

（3）反馈监测。第三步包括衡量干预措施的进展和干预后的生态结果以及规划最终调整。这将需要长期的多参数数据收集来量化生态系统的恢复，并有可能对随机环境事件（如滑坡、崩塌和浊流沉积）进行适应性干预。

实现这三个步骤，需开发新的（或调整现有的）技术（即海洋机器人）[39]，并配备操纵器[40]和各种传感器[41]。此外，这些技术必须能够以至少部分自主的方式工作[42‒43]，这将降低与运营船只相关的成本——这是巡航持续时间和频率的主要限制[26,30‒43]。

1.4 海洋恢复与精准农业发展的关系

海洋恢复可以受益于机器人技术最近的创新，因为后者的适用领域正在从工厂的结构化环境转向自然和非结构化环境[44]。因此，积极的海洋恢复很可能会遵循与农业机器人技术类似的途径。下面，我们将描述精准农业和海洋恢复中机器人技术发展的相似之处。我们关注的是执行合作任务平台的协调能力，在这些任务中，固着生物的转移操作类似于农业单一栽培方法。然而，我们也意识到，生态系统功能的恢复需要重新引入更广泛的生物工程固着物种，以更好地促进整体生物多样性的恢复，这将使其更类似于造林而非单一栽培。例如，在这个框架中，机器人操纵器的规格可能在不同物种之间的适用性上有所不同，从而使预期的技术复杂性增加（见第3节）。

陆地上进行技术辅助植物播种的例子支持了大规模机器人在海底恢复海洋栖息地可行的想法，可实现与在陆地上预期的90%以上精确种植相似的精度[45‒46]。像爬行器[47]这样的互联网操作器（IOVs）是目前农业机器人最好的同类工具，它们的高精度定位和操作能力（见第3节）可用于进行海洋恢复操作，类似于它们在陆地恢复中的使用方式[48]。这类操作将包括在作物周期的不同阶段模拟类似于农业机器人（AgBots）的功能，从种植和除草[49]到收获[50]和分类[51]。爬行器可能会改变基质，这取决于地貌条件及其组成（例如，侵蚀和重悬深海淤泥质海底的淤泥和黏土）[52]。减轻操作影响的策略包括在某些地形中使用履带作为播种前耕作练习，使用机器人手臂从车辆背面的托盘中植入物品。接下来，最好让履带以非常慢的速度沿着恒定的样带线移动（即踏脚石行进模式，在该模式中，大停顿用于减少沉积物再悬浮），以进行干预后监测。在任何情况下，爬行器履带轮的设计应为最小化足迹考虑。

海洋恢复过程中的自主操作将需要实时精确定义移动平台的相互定位。在海洋网络中，这可以通过声学通信来实现（第2节）。在精准农业中，交互定位是通过实时运动学（RTK）定位来测量的，使用高精度的全球导航卫星系统（GNSS）、无线电信标（进入封闭环境）及视觉同步定位和映射（vSLAM）[53‒54]。在这些技术中，只有vSLAM在海洋环境中是相关的，因为它使用摄像机和计算机视觉算法来创建一个区域的地图，以实时确定平台的位置[53]。

在海洋作业中，面积计算依赖于通过如ROV和自主水下飞行器（AUV）的潜水平台进行的海底测绘（图1）（通过声学和摄影测量；见第4节）。这些平台需要基于长基线（LBL）或超短基线（USBL）声学的水下定位，是对在调查区域操作的船只进行机器人地理定位的最常用的方法[42]。

可用于海洋恢复的精准农业的另一个相关方面是用于监测的近端传感。与土壤、植物、作物等接触（或在几米范围内）的现场传感器被部署用于高频和长时环境测量[55]。当部署到网络中时，传感器可以促进大量多参数数据的收集，从而对近端传感进行时空缩放[56]。在海洋恢复的生态监测方面也应采取类似的办法（第4节），即在干预区域长期部署生物和环境传感器。

在此，我们描述了如何将不同级别船舶与现有及创新型自主且适应传感器阵列的海洋机器人平台结合起来，使其在深海栖息地执行原位自主或半自主恢复干预、空间升级和监测。因此，我们详细介绍了这种平台组合的三个潜在案例研究，在标志性的深海环境中，对固着和活动的动物群设想了不同的原位操作行动。

2 维护和升级海洋恢复的技术要求

各种固定和移动平台已经用于特定和重点关注领域的恢复干预和（或）监测（表1 [31,57‒85]）。这些平台包括具有（远程）控制任务的自主机器人以及船舶辅助和远程操作平台。另外，可以使用被动漂流浮标或配备生物记录设备的移动海洋大型动物来监测更大的区域，这些设备或动物可能在感兴趣的区域短暂移动[59]。由于被动漂流或动物传播技术能够收集比自主或远程控制机器人更大空间尺度的数据，其可以通过地理升级代表监测恢复的生态结果的有趣的解决方案。

通过部署一组固定和移动的自主平台，可以实现自主恢复程序、监测和这两种操作的空间缩放。根据“模块化”（即不同类型和数量的平台）和“空间可扩展性”（即相互定位和距离，以及定义可变大小的多边形干预区域）原则，这种网络可以实现多种方式组装。这两个方面都将赋予网络部署对不同地貌环境的适应性。因此，目前正在探索以下研究途径：

（1）在不同平台之间使用声通信设备（即调制解调器），通过移动（如爬行器）和固定（即着陆器）平台的同时定位和映射（SLAM）实现相互定位[86]，从而实现对前哨修复点（即重新访问点）进行精确的地理参照。

（2）发展自主移动平台的边缘计算导航功能，以实现导航数据的机载实时数据处理，以提取相关信息，从而能够自适应调整样带的轨迹（如通过三维激光扫描或光声视觉避障）[47,87‒88]。

（3）开发具有物种兼容操纵器的机械臂，通过移动平台进行直接修复干预（第3节）。

（4）开发用于自主平台充电的燃料电池，确保移动和固定平台的长期自主运行[89‒90]。

（5）通过中央着陆站发展从海底到海面的远程数据传输，中央着陆站从移动平台下载数据并通过系泊投影传输数据（见下文）；这些方法可能包括由卫星发射着陆器释放的弹出式浮标[91]。

（6）开发自主接收型水面运输器（ASV）[63]，以携带水下声学调制解调器，用于从具有Argos或Iridium等卫星星座或蜂窝网络连接能力（取决于离岸距离）的中央着陆器站收集水体数据。

大多数平台的数据传输需要通过远程控制中心进行。然而，这种远程数据传输通常是带宽有限的，因此在处理获取的信息方面需要一定程度的自动化，这些信息再很大程度上是基于图像的，涉及恢复映射、主动恢复和监控。在数据传输限制的情况下，必须采取替代策略：

（1）发送处理后的数据而不是原始数据，如发送从照片图像中识别出的特定生物体的计数，而不是发送整个照片；或者可以使用机载软件在每个动物周围定义一个“边界框”，并删除所有的背景[92]；

（2）通过编码平台（及其传感器）的功能状态，只发送汇总信息，并通过卫星等商用的网络发送低计算量的数字信息；或者，如果到离岸距离允许，使用蜂窝或自组网，如远程无线电（LoRa）数据传输[93]。

3 先进的机器人机械手技术是主动恢复干预的关键工具

由于海洋机器人正在实现导航自主的边缘计算能力[42]，因此可以对其修改，以重新引入固着物种（如通过播种或种植），以及支持诸如移动动物定位和避障导航等任务（第5节）。这些机器人既可以在远程操作模式下工作（即在船上操作），也可以在全自动模式下工作，以便在大型软底区域进行移植。虽然海草自动种植的初步设计研究已经完成[94]，但绳索和网孔上海绵的控制和精确移植是一个尚未尝试的挑战，这需要机器人操作的进步。特别地，非商业实验方法包括开发具有末端执行器材料的机械臂和适应与不同物种相互作用的自动化程序（见下文“操作编码程序；即操作分类”）。

需要一定程度操作的海上任务通常必须进行远程操作[95‒96]。这些任务通常是通过为ROV配备一个或两个商用的机械臂或操纵器的刚性夹子作为末端执行器[40]。然而，这通常需要将ROV系在船上，这就增加了驾驶任务和处理生物样本等精细物体的复杂性。主流操纵器和夹具通常是为重型任务（如管道检查和维护）而设计的[41]，因此较少用于科学收集目的。

推进水下操纵和自主任务的最新技术正在与积极恢复程序产生战略相关性，特别是在大空间尺度上重新引入和正确放置固着和移动生物方面。机器人高级操作分类和能力对于恢复干预措施或为恢复行动做好准备至关重要（修复前的初步行动包括清除垃圾或幽灵网）。在这种情况下，操作能力目前对于重新引入具有不同身体结构特性的固着或运动和慢动生物体而不引起损伤至关重要（如从海绵到海参和软体珊瑚；第5节）。考虑到恢复的生物体的有效植入必须伴随着估计和维持所需的斑块密度的能力（第5.4节），这种符合生物学的自动操作分类目前可以通过在爬行器和水下腿式机器人(ULRs)上安装各种机械臂来实现（图2 [97]）。

为了进行主动恢复操作，需要机器人操作和自动化操作，否则在水下手动操作将极其困难。这些操作可以包括耕作沉积物以加速固着生物体的黏附过程，进行精确的移植和（或）植入操作，以及对一些生物体的部分进行取样，以调查它们的生理状态[98]。因此，应在恢复操纵干预措施方面采取下列发展：

（1）自主性。在操作任务中应实现不同程度的自主性，从而减少对船上远程操作指挥的需求。人工智能和学习技术的使用将使水下机器人能够感知周围环境（即检测、定位和分类物品和障碍），规划和执行任务。

（2）操作控制。一旦机器人有了足够的上下文意识并确定了它的目标，它应该能够以最好的方式执行任务。在这方面，将分类法定义为循环操作动作的编码列表[99]，将允许根据可用信息开发机器人可以选择的动作库。Mazzeo等[40]最近提出了一种水下操作动作的分类。

（3）机械手设计的生物灵感来源。夹具应根据恢复活动中要操纵的物种的形态进行定制。根据具体任务，可以使用不同的最先进的夹具，包括肌腱[83]或液压欠驱动软解决方案。特别是[41]：①软抓器可以被动地适应不同的形状并限制抓取力；②微棘状夹具可以收集岩石和多孔标本[100]；③吸盘可以抓取规则表面[101]；④笼式[102]可以最小的接触捕获脆弱的目标。

（4）在机器人平台上集成先进的操作能力和不同的操作规格。AUV [103]或混合ROV [104]等远洋飞行器上的操作系统将受益于场景的空中视角。无论如何，从浮动基座上进行操纵是复杂的，可以施加在环境上的反作用力取决于推进器的功率[105]。相比之下，将操作系统集成到爬行器[89]或ULR [106‒107]等底栖机器人上，将因其更大的定位稳定性，而实现通过直接接触海底施加更大的反作用力。

4 将传感器集成到创新平台的有效载荷中，用于海洋生态系统恢复的反馈监测

衡量深海恢复工作的成功可能需要很多年，因为大多数深海物种寿命长、生长缓慢[108]。需要结合已建立的和新型的生物和环境传感器，采取新的数据收集策略，以监测多年内重新引入的物种的状况。数据采集应以四维（4D）方式（即底栖藻类和时间密集型）覆盖现场干预区域，获取高级的管理信息[109]。从这一角度来看，需要监测的主要变量是重新引入的生物体的健康状况和存活率，以及其统计学（即密度、分布和大小/生物量）恢复情况。此外，数据收集策略应符合：

（1）基于生态系统的方法，包括所有物种与目标恢复物种的相互作用，基于以前发表的不同生态系统的结果，并涉及最终用户（如渔业）的生态知识。

（2）群落更替方法，可以追踪由潮汐和潮间带流产生的重新引入物种的短期丰度变化（即影响物种运动的行为活动节律，从而影响监测区域的存在和丰度）。

（3）一种物种生长/繁殖方法，允许跟踪季节周期产生的长期丰度变化（如由于迁移或个体发生的水深变化）造成的种群统计变化[110]。这需要区分周期性的种群动态波动（恢复地区某些物种的检测个体的节律变化）和由于恢复策略的成功（或失败）而导致的丰度变化的多年趋势（逐步增加或减少）。

目前，通过不同的成像、声学和组学传感器的组合数据收集，可以获得有关物种密度和生物量、行为、维持栖息地使用（如归巢或领土行，以及作为Lebensspuren海底标记的生物扰动）、相互作用（披露暗示营养网络结构）以及丰富度和整体生物多样性（表2）。环境数据与底栖生物栖息地的恢复监测相关[111‒112]，任何以生物导向的数据收集都可以伴随地球化学和海洋变量同步测量。这种多参数数据的收集也是必要的，以便获得有关对已恢复栖息地感知到的环境波动的物种耐受水平的相关信息，如下所述。

表2　将光学和地球化学传感器方法集成到先进的有效载荷中，以改善有关物种密度、生物多样性和有机质/沉积物质量的监测进展。技术准备程度（TRL）表明，传感器有不同程度的发展，从基础研究技术到完全商业化的系统，以及使用时的足迹（与其功能产生的影响有关）

一些结合不同传感器的监测方法可以作为恢复生态结果的价值指标，提供对生态系统功能的见解。首先，来自固定来源（着陆器；图3 [113]）或移动平台（爬行器；图4）的延时成像，以及着陆器（或附近的有限观测站；表1）的多参数环境数据采集，可以通过将动物的存在、丰度和行为与海洋和地球化学变量的波动状态直接联系起来，以前期未有精度提供有关物种生态位的相关提示。在这些站点，爬行器可以监测生态系统恢复[52]，实现创新的主动恢复方法。干预区域应配备可重新部署的底栖和远洋干预措施和监测平台，可减少昂贵的船舶操作[62,75,114]。为此，可以采用Botta等[115]提出的自动化精准农业方法：虽然AUV可以从更远的距离承担监测任务，但常驻机器人可以在现场应用精确的恢复方法，也可以进行小规模的监测。然后，海底群落的恢复指标数据可以与恢复区域上的水体中存在的其他生物成分相关联，作为恢复栖息地质量的替代指标。这种测量可以通过对作为海洋生物碳/能量泵组成部分的底栖生物和底栖藻类（即远洋下降和海底接触）生物进行基于图像的同步监测来实现。事实上，节律型下降生物，作为昼夜垂直迁徙者，可以间歇性影响底栖边界层，引发大陆架和斜坡上的底栖群落的捕食者-猎物反应[116‒117]。

地质声呐也可能在针对与恢复生态系统功能相关的隐藏生物多样性成分（即底栖动物）方面发挥关键作用。地质声呐是安装在着陆器穿透基础设施上的主动（发射）和被动（水听器接收）设备，能够对沉积团内的动物进行3D成像。这些信息有助于完成物种清单，以便更好地计算整个底栖生物生态系统的生物多样性。此外，这种底栖动物的丰富性可能与有记录的埋葬和洞穴活动有关，从而将这种活动与表生动物产生的足迹区分开来[118]。另外，具有130 kHz声学换能器的高频三维地震系统可以探测到海洋泥浆中厘米级结构和生物扰动痕迹[119]。

为了量化整体呼吸和碳封存，可将恢复对生物成分的影响与更确定性的测量相结合，如使用高分辨率、多波束成像有效载荷测量沉积物质量和再矿化情况（通过Lebensspuren定量）[120]。这可以与底栖呼吸室（在生物地球化学着陆器上）[72‒73]一起完成，也可以通过爬行器上的微谱仪完成（表1）。利用这些监测数据，结合软沉积物和悬浮颗粒有机质含量，可以获得有关生态系统功能的战略信息[121]。

用经典形态分类学方法评估深海生境恢复多样性可能非常耗时，需要在广泛的空间和时间尺度上收集样本。此外，还需要具备高级分类学专业知识。为了解决这些问题，环境DNA（eDNA）可能是一个实用的解决方案，因为它可以揭示所有分类群（即从原核生物到鲸鱼）的生物多样性[122]。随着计算能力的稳步增长，分子方法学和生物信息学有重大进步，使“组学”技术和数据越来越容易获得[122‒123]。一旦收集到水或沉积物样本，提取的eDNA可以通过使用针对整个群落（从微生物到巨型动物）的“通用”标记，通过元编码[124‒125]或靶向物种进行特异性分析，通常用实时定量聚合酶链反应（qPCR）或数字PCR（dPCR）进行分析[126]。

由于在时间和成本效益方面的优势，沉积物eDNA元编码作为生物多样性和质量评估工具正迅速被更广泛使用[122,127]。这种方法仍然面临着技术和操作上的挑战，如一些常用的基因区域无法可靠地将分类群分离到物种水平，海洋底栖生物的参考数据库不完整，以及参考数据中可能出现错误[128‒129]。然而，它可以对数百个样本进行并行分析[130]，并共同检测多种物种[131]，因此在深海生态恢复的生物监测方面具有巨大的潜力。

与此同时，使用尖端技术进行原位样本采集，而不需要为每个样本将设备从地表部署到海底，可以进一步改善恢复深海生态系统中的eDNA生物监测，特别是大规模的长期评估。在这方面，已有研究提出了eDNA（从采样到测序）的原位全自动程序，以及用于分类群交叉验证的成像和被动声学监测（PAM）[132]，尽管深海物种的测序和标记比较少[133]。芯片实验室（LOC）[134‒135]技术在海洋研究中的最新应用涉及使用第三代环境样品处理器（3G-ESP）[136]，它与AUV相结合，用于量化海洋广泛分类群的eDNA [137]。归功于高性能微流控芯片的纳米制造，DNA测序技术也在发展，包括DNA提取模块，使用磁粒子集成的方案制备文库，如牛津纳米孔技术（ONT）的VolTRAX，以及用于测序的单通道结构纳米孔（如MinION；ONT）。这些进展使在原位监测深海恢复的平台上安装下一代生态基因组传感器成为可能。

最后，物种行为的原位跟踪可以通过将个体在恢复区域内的持久性和活动作为恢复环境质量的额外指标，为恢复结果提供有用的信息。在这种类型的监测中，系泊的PAM阵列可能在监测恢复区域的声学标记个体，是否遵循与空间固定的调查区域的自然种群相似的行为模式方面发挥关键作用[138]（图5[139]）。

还应注意的是，使用PAM阵列监测恢复物种可以为了解恢复区域以外的声学设备标记的瞬态物种提供机会，从而获取有关所选干预地点之间连通性水平的相关信息。例如，鲨鱼或喙鲸等顶端捕食者的存在和增多的趋势可以提供关于生态系统功能的宝贵信息[140]。从其他方法获得的大型深海顶端捕食者的运动模式数据，如动物装载的生物记录器或卫星发射器（图5），还可以提供横跨整个海洋盆地区域的可捕猎性信息[141]。顶端捕食者还可以配备一系列其他传感器来测量深度和温度，甚至配备相机，以有机会在类似的大型栖息地上获取数据[142]。

深海物种扩散的地理范围目前尚不清楚，这一因素可能会在重新引入活动物种的基础上对恢复结果产生深远影响。数据记录技术可通过跟踪成体和幼体在恢复区域之间进入和离开的运动，评估恢复地区的连通性，从而提供有助于生态系统恢复的相关数据（例如，跨区域的动物离开有助于繁殖和提高种群的遗传多样性）。

5 试点恢复行动：机器人干预和监测的案例研究

尚无文献对利用机器人平台（表1）主动恢复及其监测的价值进行综述，应仔细评估与重新引入的物种生态相关的操作因素。下面，我们将介绍以重新引入生物工程物种为中心，以增加当地的生物多样性的主动恢复的不同案例。固着生物工程师加速了海底质量的恢复（如沉积物捕获和整体表面分形的增加），有助于不同程度依赖基质的活动物种的到来。特别地，爬行动物（如腹足类和棘皮动物）和行走动物（如甲壳类十足动物）比游泳动物（如鱼类和头足类动物）更依赖于基质。应该指出的是，这些例子侧中于单个的标志性物种，然而，将它们组合到重新引入的不同生物池中，可能会进一步加强恢复。这些物种目前是诸多恢复导向研究的对象，它们的联合重新引入依赖于方案的微调。

为举例说明机器人平台如何帮助深海栖息地的主动恢复和监测，我们提出了三个研究案例：①造礁冷水珊瑚[CWCs；如深海连核珊瑚（Desmophyllum pertusum），也被称为Lophelia pertusa] [143]；②软底竹珊瑚[如Funiculina quadrangularis（F. quadrangularis）或Isidella elongata]，这一案例研究也适用于其他生物体，如海绵（Suberites spp.）、海笔（Pennatualceans），甚至海参（Holothuroidea）；③软底渔业资源，如挪威海螯虾（Nephrops norvegicus）。虽然挪威海螯虾是一种商业物种，但其他（固着）物种被认为是副渔获物（海参除外，这取决于位置及社会对其作为商业价值资源的评价）。无论如何，为了恢复目的而对副渔获物或商业目标物种的回收和保护都是必要的。

5.1 造礁冷水珊瑚的恢复

在大西洋的几个地区已经进行了造礁CWC的恢复工作，例如瑞典西南部的Koster-Väderö Fjord[144]，那里有Desmophyllum pertusum珊瑚礁的遗迹，尽管其已广泛退化。这些珊瑚需要突出和无沉积物的表面，它们的幼虫更喜欢小的裂缝和复杂的表面纹理，这有助于其定居[145]。因此，人工珊瑚礁的表面组成和形状有助于幼虫定居[146‒147]。设计可大规模生产的生物相容的3D打印人工珊瑚礁，可实现通过为固着结构动物群提供新的定居点，大规模恢复峡湾栖息地。如果恢复方案成功，这种恢复将导致在珊瑚礁栖息地中繁殖的鱼类和其他动物群增加[18,148]。这种生态结构可以由没有任何合成或有毒物质的天然火山聚集物组成，pH值为8.5~9.0的中等碱性，是钙化生物的理想选择。其他升级模式包括3D打印的生态礁模块[149]，旨在模拟三种不同的方向来吸引幼虫。

将两种CWC恢复的主要方法创新性组合以期实现大空间尺度操作：①收集珊瑚的碎片（原位或恢复渔业副渔获物），将其附着于合适的基质，并使用“羽毛球”技术或ROV返回到底栖环境[150]；②人工基质上原位募集CWC，并移植到目标地点。

在“羽毛球”技术中，珊瑚的基部（即具有收缩能力的茎状肉质结构，被生物体用来保持附着在柔软的沉积物上）附着在鹅卵石上，并通过落水投掷进行部署。该技术已成功应用于80~90 m的深度[151]。在更深的地方，为了避免水流漂移和破坏，通过同样的技术完成生物体附着，但通过圆柱形生物释放器（BiLi）在海底以上较低高度投放[149‒152]。

基于人工基础设施部署的方法包括使用几个小型定殖芯片，而非建造几个较大的人工珊瑚礁（通常由船只部署）（见下文ARMS）。爬行器等底栖机器人的操作能力可能非常适合上述情况。机器人对再定殖芯片分布的操纵应符合相关物种的空间排列，这将影响重新引入的生物体的生存[149]。通过自主底栖和远洋机器人平台网络进行主动干预和监测的操作步骤如下（图6），该网络配备履带器执行基质操作。

（1）干预前的现场勘探/特征描述。通过AUV进行海底样带部署，可以实现以不同分辨率进行海底生物和地貌成分的高精度测绘。航位推算对于珊瑚礁之间着陆器的精确地理定位是必要的，以划定多边形干预区域以及确定投放再殖芯片的最佳位置。同时，ROV、AUV或投掷的摄像头（表1）可用于在网络本身之外的空间尺度上扩展探索。

（2）网络部署。包括光声成像和地球化学/海洋传感器的具有数据交换能力的中央着陆器，应根据可变数量的卫星着陆器进行定位。节点的相互距离可以从几十米到几百米不等，具体取决于当地的限制。平台的寿命可以通过使用电池充电的燃料电池来延长[89]。网络数据交换和任务重编程能力将通过一个中央站系泊投影（第2节）来保证，该投影带有一个声学调制解调器，可以与ASV在水体中交换信息（表1）。

（3）部署定殖基础设施。AUV可在CWC珊瑚礁之间盘旋，精确地将再殖民芯片运送到之前确定的海底区域，而无需依赖船只的释放装置或甲板上投放策略[153]。这些芯片可能类似（但更轻）于自主珊瑚礁监测结构（ARMS）[154]。

（4）操作性干预。根据最大化再殖和存活的标准，装载机械臂和夹具的着陆器对接爬行器[86]可用于重新分配投掷的再殖芯片。这些爬行器可以激活一些芯片的声学释放，使其能够被回收用于实验室分析。

（5）干预措施的监测。一旦部署完该网络并采取了干预措施，就可以通过同步收集生物和环境数据来执行监测。干预的时间动态及其对局部区域的影响应基于边缘计算能力[42]，并对图像导航数据进行机载处理，以决定是否停止和关注特定地点，或根据障碍物改变监测样带。AUV和缓慢移动、踏脚石前进的爬行器（即通过履带轮减轻沉积物再悬浮；见第1.4节）也应在邻近区域内穿过恢复区域边界，以评估恢复的效果，例如，改变沉积物和有机质通量、生物量溢出和生物扰动作为底栖动物再殖民的替代指标。监测恢复干预措施还可以确定所取得的进展和（或）进一步干预的必要性，以确保成功。

5.2 软底竹珊瑚（如F. quadrangularis或Isidella elongata）和海绵地的恢复

软底珊瑚和海绵的恢复亟需推进，因为这些物种增加了沉积物的捕获，加速重捕鱼区海底质量的恢复[155‒156]。在重新引入时应实现的固着生物的分布类型和密度，可能会影响使用移动平台“种植”的决定。可实现的分布具有相关性，因为过滤器的进料成功受水流阴影、基质粗糙度和整体菌落密度的影响[157‒158]。

具有特定插入篮的单个海底机器人可用于以空间有序和分布式种植海笔和海绵等固着动物群。插入篮或托盘由机械部件组成，可以平行或沿着可生物降解的绳索放置单个生物体。基于这些能力，爬行器可以在48 h内每公顷插入数百种生物（相比之下，在浅水区需要4个潜水员和两个月的时间完成类似如鳗鱼草的种植任务；见第1节）。或者根据图7所示的行动方案，爬行器可协助其他具有监测能力的移动平台将生物主动重新引入目标区域。

（1）作为确定干预关键点的初步步骤，需要对该区域进行精确的光学和声学侦察，包括用ROV/AUV/爬行器绘制其生物和地貌特征。

（2）使用“羽毛球”技术将AUV、ROV和爬行器将固着生物精确部署到干预区域（表1）。声发射源也可以在本次部署，以识别生物体的位置（见下文）。“羽毛球”技术需要修改为适用于F. quadrangularis，因为该物种有一个嵌于海底的肉茎。最有可能的是，使用锥形加重的可生物降解楔形物，以使肉茎能够穿透沉积物。

（3）可以使用一种简化的监测方法：船舶部署操作自主性有限的爬行器（长达一周；表1），如MANSIO-VIATOR系统[86,89,159]，可以通过SLAM引导到达固着生物，沿到达样带和现场激活视频采集。

5.3 恢复软底渔业资源（如挪威海鳌虾）

重新引入恢复区的底栖动物的持续存在可能取决于它们在运动方面的不同生活方式。挪威海鳌虾是欧洲共同体中最重要的商业甲壳类动物之一[160]。然而，它正在显示出种群数量下降的迹象，其泥泞的海底栖息地在近几十年来受到拖网渔业的严重影响[42]。该物种的恢复主要可以通过其种群重新进入禁渔区来进行[138]；然而，关于穴居和领地相关的行为方面的知识目前仍有不足。事实上，重新引入的动物可能会迁移到未知的距离，以找到合适的条件（如同种动物密度低），甚至放弃恢复区。

基于挪威海鳌虾的重新引入，机器人平台网络可能与恢复策略有关，因为其可以追踪动物释放后的位移与栖息地使用和生物量输出的关系[138]。因此，积极的种群数量复育干预的操作如下（图8 [138]）：

（1）部署一个由固定和移动平台组成的网络来划定干预区域（图6），着陆器将同时携带光声学成像和水柱系泊的PAM设备，以描绘动物在释放时的行为（即穴居活动）。

（2）在网络区域的中心释放一批带有声学标记的个体[138]，以提供关于重新引入的物种利用空间的数据。应该使用能够通信的新型发射双向声学标签[152]来获取空间踪迹（见下文）。

（3）无栓系的爬行器[91]应具备PAM感知能力，可用于跟踪和记录在种群区域漫游或离开的带有声音标签的动物视频。干预区域内动物的穴居行为应通过低运动、踏脚石式任务（即限制沉积物再悬浮的影响，增强其作为可移动观测站的监测能力）进行监测[42]。然后，自动爬行器对动物的位移跟踪必须从恢复区域的中心开始，在公里范围内运行并跨越边界，从而超越基于增加功能自主性的AUV跟踪功能。

5.4 经济效益评估中主动恢复的生命周期评估

当前机器人介导的恢复策略的结果应通过生命周期评估（LCA）分析来进行测评，如所需的补丁密度与平台的能力、开发服务（即种群）的生物量收益的趋势、能量/物质测量通量中储存的二氧化碳，与平台和传感器的能耗和结构退化、船舶的操作成本以及对科学人员的资金投资之间的关系。

面向LCA技术的分析应包括采用自主解决方案的环境收益，以及创新传感器和运输工具的现场监测和数据收集，以及远程控制和任务规划。可以确定适当的性能指标，以便清楚地衡量所作的改进（例如，补丁或重新引入的生物体的大小和持久性）。此类分析将通过对所用平台和传感器技术的生命周期成本（LCC）评估进行，该评估将考虑其整个生命周期阶段（即设计、建造、操作和维护以及退役）的成本和收益。目标是在干预活动之前、期间和之后尽量减少基于机器的恢复和监测的成本。拟议技术方案的成本效益比应高于1，即净现值（NPV）应高于替代（现有）方案（如用于播种/种植和监测的爬行器与船舶辅助“羽毛球”投放和ROV测量）。

最后，可以应用自然资本会计框架来监测和评估恢复活动前后为社会产生的生态系统服务和效益价值。自然资本会计是一个综合的统计框架，用于收集有关生态系统的生物物理信息，测量生态系统服务，跟踪生态系统范围和条件的变化，并将这些信息与经济和人类活动的措施联系起来[161]。它提供了一种结构化的方法来评估经济和人类活动对环境的依赖性和影响度。在此基础上，可以建立一个数据库，记录过去研究中确定的深海生态系统服务效益价值，用于创建自然资本账户和成本效益分析。

关于哪方应该负责资助这些行动，目前仍在调查中。多项研究表明，通过传统的船基活动进行深海恢复的财务可行性极具挑战性，每公顷的成本从100多万至1亿欧元不等[162]。然而，如前所述，实施机器人干预措施，并遵循精确的恢复措施，有可能将这些费用大幅降低几个数量级。

建议实施创新的资助计划，如公私合作，其中包括众筹活动，以及利用社会成本效益分析（SCBA），如Chen等[32]所提出的及执行Laffoley等[163]所倡导的“污染者付费”原则。

6 结论

尽管海洋机器人使高水平的平台开发和随之而来的商业化成为可能，但这些技术距离实现在深海自主操作主动恢复干预还有很长的路要走。未来的实施内容将包括整合控制协议，以同时协调多种水下平台的任务，并加强现场自主恢复干预的能力。相比之下，生态监测的自动化是通过永久性仪器化区域实现的，在这些区域底栖和远洋平台网络已经永久存在，如欧洲多学科海底和水柱观测站（EMSO）、加拿大海洋网络（ONC）和美国海洋观测站倡议（OOI）的有线观测站和中微子望远镜。这些固定仪器（在某些情况下承载对接爬行器）可能为平台在恢复干预和监视任务中的性能操作评估提供合适的控制方案。

机器人介导的主动修复的发展将受益于修复操作中的自主性和远程控制，以持续降低船舶操作的成本。然而，在捕获、保护和维持重新引进的物种所需的技术和操作知识方面，发展路线仍然很长，每个物种都有自己的生态作用，影响整个恢复动态。单物种方法将逐步被多物种方法所取代，通过生态系统工程师引入生态相互作用，将成为生物多样性恢复的一个促进方案。这项任务并不容易，因生态系统恢复需要生态系统结构的知识（即物种的功能与食物网架构和整体碳输入通量），但根据具体情况，相关知识并不完备。相关生态知识可以通过持续的多参数监测获得，这些方法结合了对尽可能多的物种的同步生物和环境数据采集。这些知识应该作为构建自主平台技术要求的反馈——不仅与任务计划有关，而且涉及机器人操作和生物体运动跟踪的相关范式。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Steffen W, Crutzen PJ, McNeill JR. The Anthropocene: are humans now overwhelming the great forces of nature. Ambio J Hum Environ Res Manage 2007;36(8):614‒21. . 10.1579/0044-7447(2007)36[614:taahno]2.0.co;2
[2]

Elhacham E, Ben-Uri L, Grozovski J, Bar-On YM, Milo R. Global human-made mass exceeds all living biomass. Nature 2020;588(7838):442‒4. . 10.1038/s41586-020-3010-5
[3]

Caddell R. International environmental governance and the final frontier: the protection of vulnerable marine ecosystems in deep-sea areas beyond national jurisdiction. Yearbook Int Environ Law 2016;27:28‒63. . 10.1093/yiel/yvy002
[4]

Da Ros Z, Dell’Anno A, Morato T, Sweetman AK, Carreiro-Silva M, Smith CJ, et al. The deep sea: the new frontier for ecological restoration. Mar Policy 2019;108:103642. . 10.1016/j.marpol.2019.103642
[5]

Roberts JM, Wheeler A, Freiwald A. Reefs of the deep: the biology and geology of cold-water coral ecosystems. Science 2006;312(5773):543‒7. . 10.1126/science.1119861
[6]

Maldonado M, Aguilar R, Bannister RJ, Bell JJ, Conway KW, Dayton PK, et al. Sponge grounds as key marine habitats: a synthetic review of types, structure, functional roles, and conservation concerns. In: Rossi S, Bramanti L, Gori A, Orejas C, editors. Marine animal forests: the ecology of benthic biodiversity hotspots. Switzerland: Springer Cham; 2017. p. 145‒83. . 10.1007/978-3-319-17001-5_24-1
[7]

Puig P, Canals M, Company JB, Martín J, Amblas D, Lastras G, et al. Ploughing the deep-sea floor. Nature 2012;489(7415):286‒9. . 10.1038/nature11410
[8]

De Leo FC, Bernardino AF, Sumida PYG. Continental slope and submarine canyons: benthic biodiversity and human impacts. In: Sumida PYG, Bernardino AF, De Leo FC, editors. Brazilian deep-sea biodiversity. Berlin: Springer; 2020. p. 37‒72. . 10.1007/978-3-030-53222-2_3
[9]

Danovaro R, Aguzzi J, Fanelli E, Billet D, Gjerde K, Jamieson A, et al. An ecosystem-based deep-ocean strategy. Science 2017;355(6324):452‒4. . 10.1126/science.aah7178
[10]

Morato T, Gonzalez-Irusta JM, Dominguez-Carrio C, Wei CL, Davies A, Sweetman AK, et al. Climate-induced changes in the suitable habitat of cold-water corals and commercially important deep-sea fishes in the North Atlantic. Glob Change Biol 2020;26(4):2181‒202. . 10.1111/gcb.14996
[11]

Van Dover C, Ardron J, Escobar E, Gianni M, Gjerde KM, Jaeckel A, et al. Biodiversity loss from deep-sea mining. Nat Geosci 2017;10(7):464‒5. . 10.1038/ngeo2983
[12]

Orcutt BN, Bradley JA, Brazelton WJ, Estes ER, Goordial JM, Huber JA, et al. Impacts of deep-sea mining on microbial ecosystem services. Limnol Oceanogr 2020;65(7):1489‒510. . 10.1002/lno.11403
[13]

Mora C, Wei CL, Rollo A, Amaro T, Baco AR, Billett D, et al. Biotic and human vulnerability to projected changes in ocean biogeochemistry over the 21st century. PLoS Biol 2013;11(10):e1001682. . 10.1371/journal.pbio.1001682
[14]

Gissi E, Manea E, Mazaris AD, Fraschetti S, Almpanidou V, Bevilacqua S, et al. A review of the combined effects of climate change and other local human stressors on the marine environment. Sci Total Environ 2021;755:142564. . 10.1016/j.scitotenv.2020.142564
[15]

Levin LA, Le Bris N. The deep ocean under climate change. Science 2015;350 (6262):766‒8. . 10.1126/science.aad0126
[16]

Epstein G, Middelburg JJ, Hawkins JP, Norris CR, Roberts CM. The impact of mobile demersal fishing on carbon storage in seabed sediments. Glob Change Biol 2022;28(9):2875‒94. . 10.1111/gcb.16105
[17]

Danovaro R, Gambi C, Dell’Anno A, Corinaldesi C, Fraschetti S, Vanreusel A, et al. Exponential decline of deep-sea ecosystem functioning linked to benthic biodiversity loss. Curr Biol 2008;18(1):1‒8. . 10.1016/j.cub.2007.11.056
[18]

Buhl-Mortensen L, Vanreusel A, Gooday AJ, Levin LA, Priede IG, BuhlMortensen P, et al. Biological structures as a source of habitat heterogeneity and biodiversity on the deep ocean margins. Mar Ecol 2010;31(1):21‒50. . 10.1111/j.1439-0485.2010.00359.x
[19]

Thurber AR, Sweetman AK, Narayanaswamy BE, Jones DO, Ingels J, Hansman RL. Ecosystem function and services provided by the deep sea. Biogeosciences 2014;11(14):3941‒63. . 10.5194/bg-11-3941-2014
[20]

Mavrommati G, Rogers S, Howarth RB, Borsuk ME. Representing future generations in the deliberative valuation of ecosystem services. Elem Sci Anth 2020;8:22. . 10.1525/elementa.417
[21]

Dailianis T, Smith CJ, Papadopoulou N, Gerovasileiou V, Sevastou K, Bekkby T, et al. Human activities and resultant pressures on key European marine habitats: an analysis of mapped resources. Mar Policy 2018;98:1‒10. . 10.1016/j.marpol.2018.08.038
[22]

Lotze HK, Coll M, Magera AM, Ward-Paige C, Airoldi L. Recovery of marine animal populations and ecosystems. Trends Ecol Evol 2011;26 (11):595‒605. . 10.1016/j.tree.2011.07.008
[23]

Rilov G, Fraschetti S, Gissi E, Pipitone C, Badalamenti F, Tamburello L, et al. A fast-moving target: achieving marine conservation goals under shifting climate and policies. Ecol Appl 2020;30(1):e02009. . 10.1002/eap.2009
[24]

Katsanevakis S, Coll M, Fraschetti S, Giakoumi S, Goldsborough D, Mačić V, et al. Twelve recommendations for advancing marine conservation in European and contiguous seas. Front Mar Sci 2020;7:565968. . 10.3389/fmars.2020.565968
[25]

Danovaro R, Aronson J, Cimino R, Gambi C, Snelgrove PV, Van Dover C. Marine ecosystem restoration in a changing ocean. Restor Ecol 2020;29(S2):e13432. . 10.1111/rec.13432
[26]

Van Dover CL, Aronson J, Pendleton L, Smith S, Arnaud-Haond S, MorenoMateos D, et al. Ecological restoration in the deep sea: desiderata. Mar Policy 2014;44:98‒106. . 10.1016/j.marpol.2013.07.006
[27]

UnionEuropean. Directive 2008/56/EC of the European Parliament and of the Council of 17 June 2008 establishing a framework for community actions in the field of marine environmental policy (Marine Strategy Framework Directive, MSFD). Off J Eur Commun 2008.
[28]

European Environment Agency. Directive 2014/89/EU of the European Parliament and of the Council of 23 July 2014 establishing a framework for Maritime Spatial Planning (MSPD). EC (2014): 13545.
[29]

Danovaro R, Aronson J, Cimino R, Gambi C, Snelgrove PV, Van Dover C. Marine ecosystem restoration in a changing ocean. Restor Ecol 2021;29(S2):e13432. . 10.1111/rec.13432
[30]

Jones HP, Jones PC, Barbier EB, Blackburn RC, Rey Benayas JM, Holl KD, et al. Restoration, and repair of Earth’s damaged ecosystems. P Roy Soc B-Biol Sci 1873;2018(285):20172577.
[31]

Montseny M, Linares C, Carreiro-Silva M, Henry LA, Billet D, Cordes EE, et al. Active ecological restoration of cold-water corals: techniques, challenges, costs and future directions. Front Mar Sci 2021;8:621151. . 10.3389/fmars.2021.621151
[32]

Chen W, Wallhead P, Hynes S, Groeneveld R, O’Connor E, Gambi C, et al. Ecosystem service benefits and costs of deep-sea ecosystem restoration. J Environ Manage 2022;303:114127. . 10.1016/j.jenvman.2021.114127
[33]

Wiseman JD, Ovey CD. Definitions of features on the deep-sea floor. Deep Sea Res 1953;1(1):11‒6. . 10.1016/0146-6313(53)90004-5
[34]

Ramirez-Llodra DSE. Deep-sea ecosystems: biodiversity and anthropogenic impacts. In: the law of the seabed. Leiden: Brill Nijhoff; 2020. p. 3660.
[35]

Barbier EB, Moreno-Mateos D, Rogers AD, Aronson J, Pendleton L, Danovaro R, et al. Ecology: protect the deep sea. Nature 2014;505(7484):475‒547. . 10.1038/505475a
[36]

Bayraktarov E, Saunders MI, Abdullah S, Mills M, Beher J, Possingham HP, et al. The cost and feasibility of marine coastal restoration. Ecol Appl 2016;26 (4):1055‒74. . 10.1890/15-1077
[37]

Saunders MI, Doropoulos C, Bayraktarov E, Babcock RC, Gorman D, Eger AM, et al. Bright spots in coastal marine ecosystem restoration. Curr Biol 2020;30 (24):R1500‒10. . 10.1016/j.cub.2020.10.056
[38]

Fraschetti S, McOwen C, Papa L, Papadopoulou N, Bilan M, Boström C, et al. Where is more important than how in coastal and marine ecosystems restoration. Front Mar Sci 2021;8:626843. . 10.3389/fmars.2021.626843
[39]

Aguzzi J, Costa C, Calisti M, Funari V, Stefanni S, Danovaro R, et al. Research trends and future perspectives in marine biomimicking robotics. Sensors 2021;21(11):3778. . 10.3390/s21113778
[40]

Mazzeo A, Aguzzi J, Callisti M, Canese S, Vecchi F, Stefanni S, et al. Marine robotics for deep-sea specimen collection: a systematic review of underwater grippers. Sensors 2022;22(4):1471. . 10.3390/s22020648
[41]

Liang J, Feng JC, Zhang S, Cai Y, Yang Z, Ni T, et al. Role of deep-sea equipment in promoting the forefront of studies on life in extreme environments. iScience 2021;24(11):103299. . 10.1016/j.isci.2021.103299
[42]

Aguzzi J, Flögel S, Marini S, Thomsen L, Albiez J, Weiss P, et al. Developing technological synergies between deep-sea and space research. Elementa 2022;10(1):00064. . 10.1525/elementa.2021.00064
[43]

Ford DA, Grossberg S, Rinaldi G, Menon PP, Palmer MR, Skákala J, et al. A solution for autonomous, adaptive monitoring of coastal ocean ecosystems: integrating Ocean robots and operational forecasts. Front Mar Sci 2022;9:1067174. . 10.3389/fmars.2022.1067174
[44]

Yang GZ, Bellingham J, Dupont PE, Fischer P, Floridi L, Full R, et al. The grand challenges of science robotics. Sci Robot 2018;3(14):eaar7650. . 10.1126/scirobotics.aar7650
[45]

Oliveira LF, Moreira AP, Silva MF. Advances in agriculture robotics: a state-ofthe-art review and challenges ahead. Robotics 2021;10(2):52. . 10.3390/robotics10020052
[46]

Hassan MU, Ullah M, Iqbal J. Towards autonomy in agriculture: design and prototyping of a robotic vehicle with seed selector. In: Proceedings of the 2016 2nd International Conference on Robotics and Artificial Intelligence (ICRAI); 2016 Apr 20‒22; Islamabad, Pakistan. 2016. p. 37‒44. . 10.1109/icrai.2016.7791225
[47]

Aguzzi J, Chatzievangelou D, Marini S, Fanelli E, Danovaro R, Flögel S, et al. New high-tech interactive and flexible networks for the future monitoring of deep-sea ecosystems. Environ Sci Technol 2019;53(12):6616‒31. . 10.1021/acs.est.9b00409
[48]

Duckett T, Pearson S, Blackmore S, Grieve B, Chen WH, Cielniak G, et al. Agricultural robotics: the future of robotic agriculture. 2018. arXiv:10.31256/wp2018.2
[49]

Slaughter DC, Giles DK, Downey D. Autonomous robotic weed control systems: a review. Comput Electron Agric 2008;61(1):63‒78. . 10.1016/j.compag.2007.05.008
[50]

Bac CW, Van Henten EJ, Hemming J, Edan Y. Harvesting robots for high-value crops: state-of-the-art review and challenges ahead. J Field Robot 2014;31(6):888‒911. . 10.1002/rob.21525
[51]

Cubero S, Aleixos N, Albert F, Torregrosa A, Ortiz C, García-Navarrete O, et al. Optimised computer vision system for automatic pre-grading of citrus fruit in the field using a mobile platform. Precis Agric 2014;15(1):80‒94. . 10.1007/s11119-013-9324-7
[52]

Chatzievangelou D, Aguzzi J, Ogston A, Suárez A, Thomsen L. Visual monitoring of key deep-sea megafauna with an Internet operated crawler as a tool for ecological status assessment. Prog Oceanogr 2020;184:102321. . 10.1016/j.pocean.2020.102321
[53]

Krul S, Pantos C, Frangulea M, Valente J. Visual SLAM for indoor livestock and farming using a small drone with a monocular camera: a feasibility study. Drones 2021;5(2):41. . 10.3390/drones5020041
[54]

Niu Z, Yang H, Zhou L, Taha MF, He Y, Qiu Z. Deep learning-based ranging error mitigation method for UWB localization system in greenhouse. Comput Electron Agric 2023;205:107573. . 10.1016/j.compag.2022.107573
[55]

Viscarra Rossel RA, McBratney AB, Minasny B, editors. Proximal soil sensing. Beilin: Springer Science & Business Media; 2010. . 10.1007/978-90-481-8859-8
[56]

Adamchuk V, Viscarra Rossel RA. Special issue on proximal soil sensing. Geoderma 2013;199:1. . 10.1016/j.geoderma.2012.10.010
[57]

Holme NA, Barrett RL. A sledge with television and photographic cameras for quantitative investigation of the epifauna on the continental shelf. J Mar Biol Assoc U K 1977;57(2):391‒403. . 10.1017/s0025315400021834
[58]

Li G, Chen X, Zhou F, Liang Y, Xiao Y, Cao X, et al. Self-powered soft robot in the Mariana Trench. Nature 2021;591(7848):66‒71. . 10.1038/s41586-020-03153-z
[59]

Patel SH, Barco SG, Crowe LM, Manning JP, Matzen E, Smolowitz RJ, et al. Loggerhead turtles are good ocean-observers in stratified mid-latitude regions. Estuar Coast Shelf Sci 2018;213:128‒36. . 10.1016/j.ecss.2018.08.019
[60]

Van Den Beld IMJ, Bourillet JF, Arnaud-Haond S, De Chambure L, Davies JS, Guillaumont B, et al. Cold-water coral habitats in submarine canyons of the Bay of Biscay. Front Mar Sci 2017;4:118. . 10.3389/fmars.2017.00118
[61]

Wynn RB, Huvenne VA, Le Bas TP, Murton BJ, Connelly DP, Bett BJ, et al. Autonomous underwater vehicles (AUVs): their past, present and future contributions to the advancement of marine geoscience. Mar Geol 2014;352:451‒68. . 10.1016/j.margeo.2014.03.012
[62]

Jones DOB, Gates AR, Huvenne VAI, Phillips AB, Bett BJ. Autonomous marine environmental monitoring: application in decommissioned oil fields. Sci Total Environ 2019;668:835‒53. . 10.1016/j.scitotenv.2019.02.310
[63]

Marini S, Gjeci N, Govindaraj S, But A, Sportich B, Ottaviani E, et al. ENDURUNS: an integrated and flexible approach for seabed survey through autonomous mobile vehicles. J Mar Sci Eng 2020;8(9):633. . 10.3390/jmse8090633
[64]

Bahamon N, Aguzzi J, Bernardello R, Ahumada-Sempoal MA, Puigdefabregas J, Cateura J, et al. The new pelagic operational observatory of the Catalan Sea (OOCS) for the multisensor coordinated measurement of atmospheric and oceanographic conditions. Sensors 2011;11(12):11251‒72. . 10.3390/s111211251
[65]

Venkatesan R, Ramesh K, Kishor A, Vedachalam N, Atmanand MA. Best practices for the ocean moored observatories. Front Mar Sci 2018;5:469. . 10.3389/fmars.2018.00469
[66]

Robinson NJ, Johnsen S, Brooks A, Frey L, Judkins H, Vecchione M, et al. Studying the swift, smart, and shy: unobtrusive camera-platforms for observing large deep-sea squid. Deep Sea Res Part I Oceanogr Res Pap 2021;172:103538. . 10.1016/j.dsr.2021.103538
[67]

Perez RC, Foltz GR, Lumpkin R, Wei J, Voss KJ, Ondrusek M. Oceanographic buoys: providing ocean data to assess the accuracy of variables derived from satellite measurements. In: Nalli, editor. Field measurements for passive environmental remote sensing. Amsterdam: Elsevier; 2023. p. 79‒100. . 10.1016/b978-0-12-823953-7.00022-8
[68]

Barnes CR, Best MMR, Bornhold BD, Juniper SK, Pirenne B, Phibbs P. The NEPTUNE Project—a cabled ocean observatory in the NE Pacific: overview, challenges and scientific objectives for the installation and operation of Stage I in Canadian waters. In: Proceedings of 2007 Symposium on Underwater Technology and Workshop on Scientific Use of Submarine Cables and Related Technologies; 2007 Apr 17‒20; Tokyo, Japan. Piscataway: IEEE. 2007. . 10.1109/ut.2007.370809
[69]

De Leo FC, Ogata B, Sastri AR, Heesemann M, Mihály S, Galbraith M, et al. High-frequency observations from a deep-sea cabled observatory reveal seasonal overwintering of Neocalanus spp. in Barkley Canyon, NE Pacific: insights into particulate organic carbon flux. Prog Oceanogr 2018;169:120‒37. . 10.1016/j.pocean.2018.06.001
[70]

Priede IG, Bagley PM. In-situ studies on deep-sea demersal fishes using autonomous unmanned lander platforms. Oceanogr Mar Biol 2000;38:357‒92.
[71]

Hanz U, Roberts EM, Duineveld G, Davies A, Van Haren H, Rapp HT, et al. Long-term observations reveal environmental conditions and food supply mechanisms at an Arctic deep-sea sponge ground. J Geophys Res Oceans 2021;126(3):e2020JC016776. . 10.1029/2020jc016776
[72]

Duineveld GCA, Lavaleye MSS, Berghuis EM. Particle flux and food supply to a seamount cold-water coral community (Galicia Bank, NW Spain). Mar Ecol Prog Ser 2004;277:13‒23. . 10.3354/meps277013
[73]

Spagnoli F, Penna P, Giuliani G, Masini L, Martinotti V. The AMERIGO Lander and the automatic benthic chamber (CBA): two new instruments to measure benthic fluxes of dissolved chemical species. Sensors 2019;19(11):2632. . 10.3390/s19112632
[74]

Purser A, Thomsen L, Hofbauer M, Menzel M, Wagner H, Chapman R, et al. Temporal and spatial benthic data collection via Internet operated deep sea crawler. Methods Oceanogr 2013;5:1‒18. . 10.1016/j.mio.2013.07.001
[75]

Chatzievangelou D, Thomsen L, Aguzzi J, Doya C, Purser A. Transects in the deep: opportunities with tele-operated resident seafloor robots. Front Mar Sci 2022;9:833617. . 10.3389/fmars.2022.833617
[76]

Schäfer B, Albiez J, Hellerer M, Knapmeyer M, Meinecke G, Pfannkuche O, et al. Robotic developments for extreme environments—deep sea and earth’s moon [Internet]; 2004. Available from:

[77]

Smith Jr KL, Sherman AD, McGill PR, Henthorn RG, Ferreira J, Connolly TP, et al. Abyssal benthic rover, an autonomous vehicle for long-term monitoring of deep-ocean processes. Sci Robot 2021;6(60):eabl4925. . 10.1126/scirobotics.abl4925
[78]

Wang Z, Liu X, Huang H, Chen Y. Development of an autonomous underwater helicopter with high manoeuvrability. Appl Sci 2019;9(19):4072. . 10.3390/app9194072
[79]

Du P, Huang SH, Yang W, Wang Y, Wang Z, Hu R, et al. Design of a disc-shaped autonomous underwater helicopter with stable fins. J Mar Sci Eng 2022;10(1):67. . 10.3390/jmse10010067
[80]

Kim JY, Jun BH. Design of six-legged walking robot, little crabster for underwater walking and operation. Adv Robot 2014;28(2):77‒89. . 10.1080/01691864.2013.856832
[81]

Picardi G, Astolfi A, Chatzievangelou D, Aguzzi J, Calisti M. Underwater legged robotics: review and perspectives. Bioinspir Biomim 2023;18(3):031001. . 10.1088/1748-3190/acc0bb
[82]

Harcourt R, Sequeira AM, Zhang X, Roquet F, Komatsu K, Heupel M, et al. Animal-borne telemetry: an integral component of the ocean observing toolkit. Front Mar Sci 2019;6:326. . 10.3389/fmars.2019.00326
[83]

Stuart H, Wang S, Khatib O, Cutkosky MR. The ocean one hands: an adaptive design for robust marine manipulation. Int J Robot Res 2017;36(2):150‒66. . 10.1177/0278364917694723
[84]

Gruber DF, Wood RJ. Advances and future outlooks in soft robotics for minimally invasive marine biology. Sci Robot 2022;7(66):eabm6807. . 10.1126/scirobotics.abm6807
[85]

Cianchetti M, Calisti M, Margheri L, Kuba M, Laschi C. Bioinspired locomotion and grasping in water: the soft eight-arm OCTOPUS robot. Bioinspir Biomim 2015;10(3):035003. . 10.1088/1748-3190/10/3/035003
[86]

Flögel S, Ahrns I, Nuber C, Hildebrandt M, Duda A, Schwendner J, et al. A new deep-sea crawler system-MANSIO-VIATOR. In: 2018 OCEANS-MTS/IEEE Kobe Techno-Oceans (OTO); 2018 May 28‒31; Kobe, Japan. Piscataway: IEEE. 2018. . 10.1109/oceanskobe.2018.8559368
[87]

Nakatani T, Li S, Ura T, Bodenmann A, Sakamaki T. 3D visual modeling of hydrothermal chimneys using a rotary laser scanning system. In: Proceedings of 2011 IEEE Symposium on Underwater Technology and Workshop on Scientific Use of Submarine Cables and Related Technologies; 2011 Apr 5‒8; Tokyo, Japan. Piscataway: IEEE. 2011. . 10.1109/ut.2011.5774140
[88]

Shi W, Cao J, Zhang Q, Li Y, Xu L. Edge computing: vision and challenges. IEEE Internet Things J 2016;3(5):637‒46. . 10.1109/jiot.2016.2579198
[89]

Wehde H, Thomsen L, Pfannkuche O, Albiez J, Flögel S, Godø OR, et al. A flexible autonomous bottom resident infrastructure for bentho-pelagic monitoring. In: Proceedings of 2019 IMEKOTC-19 International Workshop on Metrology for the Sea METROSea); 2019 Oct 3‒5; Genoa, Italy 2019. . 10.3390/s20061614
[90]

Aguzzi J, Albiez J, Flögel S, Rune Godø O, Grimsbø E, Marini S, et al. A flexible autonomous robotic observatory infrastructure for bentho-pelagic monitoring. Sensors 2020;20(6):1614. . 10.3390/s20061614
[91]

Carandell M, Thoma DM, Martínez E, Nogueras M, Aguzzi J, Del Río J. Expanding the underwater communication capabilities of seafloor ecosystem monitoring stand-alone platforms using pop-up buoys. Ireland: IEEE; 2023. p. 17. . 10.1109/oceanslimerick52467.2023.10244428
[92]

Marini S, Corgnati L, Manotovani C, Bastianini M, Ottaviani E, Fanelli E, et al. Automated estimate of fish abundance through the autonomous imaging device GUARD1. Measurement 2018;126:72‒5. . 10.1016/j.measurement.2018.05.035
[93]

Sanchez-Iborra R, Liaño I, Simoes C, Couñago E, Skarmeta AF. Tracking and monitoring system based on lora technology for lightweight boats. Electronics 2019;8(1):15. . 10.3390/electronics8010015
[94]

Robocean. Subsea robotics for innovative ecosystem engineering [Internet]. Edinburgh: the University of Edinburgh [cited 2023 Dec 27]. Available from:

[95]

Galloway KC, Becker KP, Philips B, Kirby J, Litcht S, Tchernov D, et al. Soft robotic grippers for biological sampling on deep reefs. Soft Robot 2016;3(1):23‒33. . 10.1089/soro.2015.0019
[96]

Petillot YR, Antonelli G, Casalino G, Ferreira F. Underwater robots: from remotely operated vehicles to intervention-autonomous underwater vehicles. Robot Autom Mag 2019;26(2):94‒101. . 10.1109/mra.2019.2908063
[97]

Picardi G, Mrudul C, Iacoponi S, Stefanni S, Laschi C, Calisti M. Bioinspired underwater legged robot for seabed exploration with low environmental disturbance. Sci Robot 2020;5(42):eaaz1012. . 10.1126/scirobotics.aaz1012
[98]

Corinaldesi C, Varrella S, Tangherlini M, Dell’Anno A, Canensi S, Cerrano C, et al. Changes in coral forest microbiomes predict the impact of marine heatwaves on habitat-forming species down to mesophotic depths. Sci Total Environ 2022;823:153701. . 10.1016/j.scitotenv.2022.153701
[99]

Cutkosky MR. On grasp choice, grasp models, and the design of hands for manufacturing tasks. IEEE Robot Autom Mag 1989;5(3):269‒79. . 10.1109/70.34763
[100]

Backus S, Onishi R, Bocklund A, Berg A, Contreras E, Parness A. Design and testing of the JPL-nautilus gripper for deep-ocean geological sampling. J Field Robot 2020;37(6):972‒86. . 10.1002/rob.21934
[101]

Kumamoto H, Shirakura N, Takamatsu J, Ogasawara T. Underwater suction gripper for object manipulation with an underwater robot. In: Proceedings of IEEE International Conference on Mechatronics (ICM); 2021 Mar 7‒9; Kashiwa, Japan. Piscataway: IEEE; 2021. . 10.1109/icm46511.2021.9385703
[102]

Teoh ZE, Phillips BT, Becker KP, Whittredge G, Weaver JC, Hoberman C, et al. Rotary-actuated folding polyhedrons for midwater investigation of delicate marine organisms. Sci Robot 2018;3(20):eaat5276. . 10.1126/scirobotics.aat5276
[103]

Palomeras N, Penalver A, Massot-Campos M, Negre PL, Fernàndez JJ, Ridao P, et al. I-AUV docking and panel intervention at sea. Sensors 2016;16 (10):1673. . 10.3390/s16101673
[104]

Khatib O, Yeh X, Brantner G, Soe B, Kim B, Ganguly S, et al. Ocean one: a robotic avatar for oceanic discovery. IEEE Robot Autom Mag 2016;23 (4):20‒9. . 10.1109/mra.2016.2613281
[105]

Antonelli G. Encyclopedia of systems and control. In: underwater robots; Switzerland: Springer International Publishing; 2021. p. 2384‒8. . 10.1007/978-3-030-44184-5_100029
[106]

Liu J, Iacoponi S, Laschi C, Wen L, Calisti M. Underwater mobile manipulation: a soft arm on a benthic legged robot. IEEE Robot Autom Mag 2020;27 (4):12‒26. . 10.1109/mra.2020.3024001
[107]

Donato E, Picardi G, Calisti M. Statics optimization of a hexapedal robot modelled as a Stewart platform. In: Proceedings of Towards Autonomous Robotic Systems 22nd Annual Conference; 2021 Sep 8‒10; Berlin: Springer International Publishing. 2021. . 10.1007/978-3-030-89177-0_39
[108]

Gage JD, Tyler PA. Deep-sea biology: a natural history of organisms at the deep-sea floor. Southampton: Cambridge University Press; 1991. . 10.1017/cbo9781139163637
[109]

Levin N, Kark S, Danovaro R. Adding the third dimension to marine conservation. Conserv Lett 2018;11(3):e12408. . 10.1111/conl.12408
[110]

Milligan RJ, Scott EM, Jones DO, Bett BJ, Jamieson AJ, O’brien R, et al. Evidence for seasonal cycles in deep-sea fish abundances: a great migration in the deep SE Atlantic? J Anim Ecol 2020;89(7):1593‒603. . 10.1111/1365-2656.13215
[111]

Lavaleye M, Duineveld G, Bergman M, Van Den Beld I. Long-term baited lander experiments at a cold-water coral community on Galway Mound (Belgica Mound Province, NE Atlantic). Deep Sea Res Part Ⅱ Top Stud Oceanogr 2017;145:22‒32. . 10.1016/j.dsr2.2015.12.014
[112]

Wang Z, Leung KM, Sung YH, Dudgeon D, Qiu JW. Recovery of tropical marine benthos after a trawl ban demonstrates linkage between abiotic and biotic changes. Commun Biol 2021;4(1):212. . 10.1038/s42003-021-01732-y
[113]

Grinyo J, Aguzzi J, Kenchington E, Costa C, Hanz U, Mienis F. Occurrence and behavioral rhythms of the endangered Acadian redfish (Sebastes fasciatus) in the Sambro Bank (Scotian Shelf). Front Mar Sci 2023;10:1158283. . 10.3389/fmars.2023.1158283
[114]

Howell KL, Hilário A, Allcock AL, Bailey DM, Baker M, Clark MR, et al. A blueprint for an inclusive, global deep-sea ocean decade field program. Front Mar Sci 2020;7(999):584861. . 10.3389/fmars.2020.584861
[115]

Botta A, Cavallone P, Baglieri L, Colucci G, Tagliavini L, Quaglia G. A review of robots, perception, and tasks in precision agriculture. Appl Mech 2022;3 (3):830‒54. . 10.3390/applmech3030049
[116]

Hays GC, Ferreira LC, Sequeira AM, Meekan MG, Duarte CM, Bailey H, et al. Key questions in marine megafauna movement ecology. Trends Ecol Evol 2016;31(6):463‒75. . 10.1016/j.tree.2016.02.015
[117]

Chatzievangelou D, Bahamon N, Martini S, del Rio J, Riccobene G, Tangherlini M, et al. Integrating diel vertical migrations of bioluminescent deep scattering layers into monitoring programs. Front Mar Sci 2021;8:661809. . 10.3389/fmars.2021.661809
[118]

Queirós AM, Birchenough SNR, Bremner J, Godbold JA, Parker RE, RomeroRamirez A, et al. A bioturbation classification of European marine infaunal invertebrates. Ecol Evol 2013;3(11):3958‒85. . 10.1002/ece3.769
[119]

Schulze I, Wilken D, Zettler ML, Gogina M, Schönke M, Feldens P. Laboratory measurements to image endobenthos and bioturbation with a highfrequency 3D seismic lander. Geosciences 2021;11(12):508. . 10.3390/geosciences11120508
[120]

Huvenne VAI, Tyler PA, Masson DG, Fisher EH, Hauton C, Huehnerbach V, et al. A picture on the wall: innovative mapping reveals cold-water coral refuge in submarine canyon. PLoS One 2011;6(12):e28755. . 10.1371/journal.pone.0028755
[121]

Bugnot AB, Dafforn KA, Coleman RA, Ramsdale M, Gibbeson JT, Erickson K, et al. Linking habitat interactions and biodiversity within seascapes. Ecosphere 2022;13(4):e4021. . 10.1002/ecs2.4021
[122]

Danovaro R, Fanelli E, Aguzzi J, Billett D, Carugati L, Corinaldesi C, et al. Ecological variables for developing a global deep-ocean monitoring and conservation strategy. Nat Ecol Evol 2020;4(2):181‒92. . 10.1038/s41559-019-1091-z
[123]

Lins L, Zeppilli D, Menot L, Michel LN, Bonifácio P, Brandt M, et al. Toward a reliable assessment of potential ecological impacts of deep-sea polymetallic nodule mining on abyssal infauna. Limnol Oceanogr Methods 2021;19 (9):626‒50. . 10.1002/lom3.10448
[124]

Pawlowski J, Bruce K, Panksep K, Aguirre FI, Amalfitano S, Apothéloz-PerretGentil L, et al. Environmental DNA metabarcoding for benthic monitoring: a review of sediment sampling and DNA extraction methods. Sci Total Environ 2022;818:151783. . 10.1016/j.scitotenv.2021.151783
[125]

Jerde CL, Wilson EA, Dressler TL. Measuring global fish species richness with eDNA metabarcoding. Mol Ecol Resour 2019;19(1):19‒22. . 10.1111/1755-0998.12929
[126]

Brandt MI, Trouche B, Henry N, Liautard-Haag C, Maignien L, de Vargas C, et al. An assessment of environmental metabarcoding protocols aiming at favoring contemporary biodiversity in inventories of deep-sea communities. Front Mar Sci 2020;7:234. . 10.3389/fmars.2020.00234
[127]

Goldberg CS, Turner CR, Deiner K, Klymus KE, Thomsen PF, Murphy MA, et al. Critical considerations for the application of environmental DNA methods to detect aquatic species. Methods Ecol Evol 2016;7(11):1299‒307. . 10.1111/2041-210x.12595
[128]

Aylagas E, Borja A, Pochon X, Zaiko A, Keeley N, Bruce K, et al. Translational molecular ecology in practice: linking DNA-based methods to actionable marine environmental management. Sci Total Environ 2020;744:140780. . 10.1016/j.scitotenv.2020.140780
[129]

Duarte S, Vieira PE, Costa FO. Assessment of species gaps in DNA barcode libraries of non-indigenous species (NIS) occurring in European coastal regions. Metabarcoding Metagenomics 2020;4:55162. . 10.3897/mbmg.4.55162.suppl1
[130]

Darling JA, Pochon X, Abbott CL, Inglis GJ, Zaiko A. The risks of using molecular biodiversity data for incidental detection of species of concern. Divers Distrib 2020;26(9):1116‒21. . 10.1111/ddi.13108
[131]

Beng KC, Corlett RT. Applications of environmental DNA (eDNA) in ecology and conservation: opportunities, challenges and prospects. Biodivers Conserv 2020;29(7):2089‒121. . 10.1007/s10531-020-01980-0
[132]

Pawlowski J, Bonin A, Boyer F, Cordier T, Taberlet P. Environmental DNA for biomonitoring. Mol Ecol 2021;30(13):2931‒6. . 10.1111/mec.16023
[133]

Stefanni S, Mirimin L, Stanković D, Chatzievangelou D, Bongiorni L, Marini S, et al. Framing cutting-edge integrative taxonomy in deep-sea biodiversity monitoring via eDNA and optoacoustic augmented observatories. Front Mar Sci 2022;8:797140. . 10.3389/fmars.2021.797140
[134]

Duhamet A, Albouy C, Marques V, Manel S, Mouillot D. The global depth range of marine fishes and their genetic coverage for environmental DNA metabarcoding. Ecol Evol 2023;13(1):e9672. . 10.1002/ece3.9672
[135]

Zhang HY, Rong GG, Bian SM, Sawan M. Lab-on-chip microsystems for ex vivo network of neurons studies: a review. Front Bioeng Biotechnol 2022;10:841389. . 10.3389/fbioe.2022.841389
[136]

Scholin CA, Birch J, Jensen S, Marin III R, Massion E, Pargett D, et al. The quest to develop ecogenomic sensors: a 25-year history of the environmental sample processor (ESP) as a case study. Oceanogr 2017;30 (4):100‒13. . 10.5670/oceanog.2017.427
[137]

Chavez FP, Min M, Pitz K, Truelove N, Baker J, LaScala-Grunewald D, et al. Observing life in the sea using environmental DNA. Oceanogr 2021;34 (2):102‒19. . 10.5670/oceanog.2021.218
[138]

Vigo M, Navarro J, Masmitja I, Aguzzi J, García JA, Rotllant G, et al. Spatial ecology of Norway lobster Nephrops norvegicus in Mediterranean deep-water environments: implications for designing no-take marine reserves. Mar Ecol Prog Ser 2021;674:173‒88. . 10.3354/meps13799
[139]

Robinson NJ, Morreale SJ, Nel R, Paladino FV. Coastal leatherback turtles reveal conservation hotspot. Sci Rep 2016;6(1):37851. . 10.1038/srep37851
[140]

Hazen EL, Abrahms B, Brodie S, Carroll G, Jacox MG, Savoca MS, et al. Marine top predators as climate and ecosystem sentinels. Front Ecol Environ 2019;17 (10):565‒74. . 10.1002/fee.2125
[141]

Fossette S, Hobson VJ, Girard C, Calmettes B, Gaspar P, Georges JY, et al. Spatio-temporal foraging patterns of a giant zooplanktivore, the leatherback turtle. J Mar Syst 2010;81(3):225‒34. . 10.1016/j.jmarsys.2009.12.002
[142]

Parton KJ, Doherty PD, Parrish M, Shearer P, Myrick K, Shipley ON, et al. Opportunistic camera surveys provide insight into discrete foraging behaviours in nurse sharks (Ginglymostoma cirratum). Environ Biol Fishes 2023;106(1):19‒30. . 10.1007/s10641-022-01366-x
[143]

Addamo AM, Vertino A, Stolarski J, García-Jiménez R, Taviani M, Machordom A. Merging scleractinian genera: the overwhelming genetic similarity between solitary Desmophyllum and colonial Lophelia. BMC Evol Biol 2016;16:149. . 10.1186/s12862-016-0654-8
[144]

Dahl MP, Pereyra RT, Lundälv T, André C. Fine-scale spatial genetic structure and clonal distribution of the cold-water coral Lophelia pertusa. Coral Reefs 2012;31(4):1135‒48. . 10.1007/s00338-012-0937-5
[145]

Larsson AI, Jarnegren J, Stromberg SM, Dahl MP, Lundalv T, Brooke S. Embryogenesis and larval biology of the cold-water coral Lophelia pertusa. PLoS One 2014;9(7):e102222. . 10.1371/journal.pone.0102222
[146]

Larcom EA, McKean DL, Brooks JM, Fisher CR. Growth rates, densities, and distribution of Lophelia pertusa on artificial structures in the Gulf of Mexico. Deep Sea Res Part I Oceanogr Res Pap 2014;85:101‒9. . 10.1016/j.dsr.2013.12.005
[147]

Chamberland VF, Petersen D, Guest JR, Petersen U, Brittsan M, Vermeij MJ. New seeding approach reduces costs and time to outplant sexually propagated corals for reef restoration. Sci Rep 2017;7:18076. . 10.1038/s41598-017-17555-z
[148]

Paxton AB, Shertzer KW, Bacheler NM, Kellison GT, Riley KL, Taylor JC. Meta-analysis reveals artificial reefs can be effective tools for fish community enhancement but are not one-size-fits-all. Front Mar Sci 2020;7:282. . 10.3389/fmars.2020.00282
[149]

reefdesignlab.com. 2023 [cited 2023 Dec 27]. Mentone: Reef design lab. Available from:

[150]

Montseny M, Linares C, Viladrich N, Capdevila P, Ambroso S, Diaz D, et al. A new large-scale and cost-effective restoration method for cold-water coral gardens. Aquat Conserv 2020;30(5):977‒87. . 10.1002/aqc.3303
[151]

Grinyó J, Montseny M, Baena P, Ambroso S, Santín A, Biel Cabanelas M, et al. Restoration of deep ecosystems on the Catalan margin. In: the ocean we want: inclusive and transformative ocean science. Madrid: Consejo Superior de Investigaciones Científicas; 2022. p.746.
[152]

Masmitja I, Navarro J, Gomariz S, Aguzzi J, Kieft B, O’Reilly T, et al. Mobile robotic platforms for the acoustic tracking of deep-water demersal fishery resources. Sci Robot 2020;5(48):eabc3701. . 10.1126/scirobotics.abc3701
[153]

Dunbabin M, Manley J, Harrison PL. Uncrewed maritime systems for coral reef conservation. In: Proceeding of Global Oceans 2020: Singapore‒US Gulf Coast; 2020 Oct 530; Biloxi, MS, USA. Singapore: IEEE. 2020. p. 16. . 10.1109/ieeeconf38699.2020.9389173
[154]

Pennesi C, Danovaro R. Assessing marine environmental status through microphytobenthos assemblages colonizing the autonomous reef monitoring structures (ARMS) and their potential in coastal marine restoration. Mar Pollut Bull 2017;125(1‒2):56‒65.
[155]

Cerrano C, Bianchelli S, Di Camillo CG, Torsani F, Pusceddu A. Do colonies of Lytocarpia myriophyllum, L. 1758 (Cnidaria, Hydrozoa) affect the biochemical composition and the meiofaunal diversity of surrounding sediments? Chem Ecol 2015;31(1):1‒21. . 10.1080/02757540.2014.966699
[156]

Jordi G, Francescangeli M, Santìn A, Ercilla G, Estrada F, Mecho A, et al. Megafaunal assemblages in deep-sea ecosystems of the Gulf of Cadiz, northeast Atlantic Ocean. Deep-Sea Res I: Oceanogr Res Pap 2022;183:103738. . 10.1016/j.dsr.2022.103738
[157]

Sebens KP, Witting J, Helmuth B. Effects of water flow and branch spacing on particle capture by the reef coral Madracis mirabilis (Duchassaing and Michelotti). J Exp Mar Biol Ecol 1997;211(1):1‒28. . 10.1016/s0022-0981(96)02636-6
[158]

Grinyó J, Gori A, Ambroso S, Purroy A, Calatayud C, Dominguez-Carrió C, et al. Diversity, distribution, and population size structure of deep Mediterranean gorgonian assemblages (Menorca Channel, Western Mediterranean Sea). Prog Oceanogr 2016;145:42‒56. . 10.1016/j.pocean.2016.05.001
[159]

Kanzog C. ROBEX-robotic exploration of extreme environments. J Unmanned Syst Technol 2015;3(2):40‒5.
[160]

Aguzzi J, Violino S, Costa C, Bahamon N, Navarro J, Chatzievangelou D, et al. Established and emerging research trends in Norway lobster, Nephrops norvegicus. Biology 2023;12(2):225. . 10.3390/biology12020225
[161]

United-Nations. System of environmental-economic accounting (SEEA). Central framework. New York City: United-Nations; 2014.
[162]

Bayraktarov E, Stewart-Sinclair PJ, Brisbane S, Boström-Einarsson L, Saunders MI, Lovelock CE, et al. Motivations, success, and cost of coral reef restoration. Restor Ecol 2019;27(5):981‒91. . 10.1111/rec.12977
[163]

Laffoley D, Baxter JM, Amon DJ, Currie DE, Downs CA, Hall-Spencer JM, et al. Eight urgent, fundamental and simultaneous steps needed to restore ocean health, and the consequences for humanity and the planet of inaction or delay. Aquat Conserv 2020;30(1):194‒208. . 10.1002/aqc.3182
AI Summary AI Mindmap
PDF (13594KB)

11728

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉