在洄游障碍处分析跳跃与移动潜能

为什么会关心会跳跃的鱼与河流屏障

世界各地的河流上布满了小型大坝、堰和涵洞，将连续的流水划分为不相连的片段。这些结构有时能通过阻挡入侵者保护本地物种，但也会阻止鲑鱼等洄游鱼类到达它们觅食和产卵的场所。本研究聚焦于这一旅程中的一个戏剧性瞬间——鱼试图跃过障碍的那一刹那——并利用一种新的计算模型提出一个既简单又重要的问题：在何种条件下鱼类实际上可以越过去？

河流被分成阶梯

河流中的大多数屏障并不是巨大的混凝土墙，而是只有几米高的低矮构筑物。鱼能否通过这些小落差取决于生物学与物理学的复杂交互：鱼的力量和体长、流水的速度和深度、落差高度，以及当水流跌入下方水池时流场变得多么湍动。管理者面临两难选择。在一些河段，他们希望为受重视的物种（如虹鳟）上溯创造更容易的条件；在另一些地方，则希望阻止入侵物种扩散。无论哪种目标，都需要知道一个屏障何时真正阻挡了鱼——以及何时那些有决心的跳跃者仍能找到缝隙通过。

构建数字化的跳跃

早期的工具常以非常简化的方式处理鱼类跳跃，仅用单一的障碍高度或平均水速来判断是否可通过。本文开发的新模型更像是为鱼类量身定制的数字风洞。它将经典的跃体在空中弧线描述与高分辨率三维水流模拟相结合，模拟水流绕构筑物的运动。在这条虚拟河流中，研究者释放出成千上万条模拟鱼，每条鱼在体长、最高速、起始位置和起跳角度上略有差异。模型随后追踪哪些个体越过了障碍、哪些未能完成跳跃，生成“好”与“差”起跳点的地图，并给出种群总体的成功概率。

在现实世界中检验模型

为检验这一方法是否贴近现实，作者首先在密歇根的一处已有大坝处对模型进行了校准，该处有录像记录的虹鳟尝试跳跃情况。通过调整典型鱼类从新地点重试的次数，模型被调至其预测的成功率与野外观测相匹配。在完成校准后，研究转向第二个地点——名为 FishPass 的新建结构，其弯曲、迷宫式的堰顶旨在阻挡不受欢迎的鱼类，同时为通道工具的受控试验提供场地。在这里，模型探讨了从常态流量到罕见极端洪水的一系列河流状态，并估算虹鳟越过的频率。

计算机鱼揭示的内容

虚拟试验显示，对于大多数流量水平，虹鳟越过 FishPass 屏障的概率非常低——在典型流量下低于1%，即便在严重洪水期间也仅上升到约10%。成功的跳跃往往来自体型更大、速度更快的个体，并且起跳点非常具体，要求水深与流向恰好配合。在低流量时，跌水池中的水太浅，无法让大鱼积累速度；在高流量时，更深的水和更强的水流创造了更多机会，尤其是在结构弯曲处的水-pocket 内。几乎所有成功的跳跃都发生在弧形堰上，而不是相邻的低流段——后者被保持为浅而急的水流以阻止通过。

设计更好的屏障与鱼道

本研究得出结论：该新模型可以为管理者提供更清晰的图景，显示屏障形状、池深或流场模式的细微变化如何影响鱼类通行的概率。对于 FishPass，结果表明当前设计在大多数条件下对大多数虹鳟构成强有力的屏障，有助于在测试其他控制手段时限制鱼类的非意图移动。更广泛地说，研究表明，通过将详细的水动力学与鱼类能力的现实变异结合起来，可以设计出既能为目标物种打开通道、又能牢固阻挡入侵者的河流构筑物——而无需依赖粗糙的经验法则。

引用: Zielinski, D.P. Analyzing leaping and movement potential at a migratory barrier. Sci Rep 16, 9746 (2026). https://doi.org/10.1038/s41598-026-40492-9

关键词: 鱼类通道, 河流屏障, 虹鳟（steelhead）, 计算流体动力学, 鱼类跳跃