在全球大力推动海洋可再生能源发展的浪潮下，海洋中的人工结构如海上风电场（OWFs）、石油和天然气平台等数量急剧增加。以欧洲为例，其海上风电场装机容量已达 28GW，众多人工结构的涌现给海洋生物多样性及其生态系统带来了复杂的影响。一方面，软底群落靠近人工结构时会发生改变 ；另一方面，大量海洋生物会附着在人工硬质结构上生长。然而，当前在评估人工结构对底栖生物群落影响的研究中，面临着诸多困境。大多数环境影响评估数据收集研究的时空尺度较小，缺乏国际统一的数据收集方法、指标和数据库。不同研究在采样设备、样本分析、数据存储管理以及分类学等方面存在差异，导致数据分散且不一致，难以开展大规模的综合研究，现有数据也未能得到充分利用 。

研究结果

1. 数据构成：BISAR 数据集包含 105 次巡航在 34 个人工结构及周边软底采集的 3864 个样本，涉及 890 个分类群，有 68433 条记录 。这些样本来自不同类型的人工结构，如海上风电场、石油和天然气平台、研究平台以及地质礁等。
2. 样本采集详情：不同人工结构的采样方式和时间各有特点。以 FINO 1 研究平台为例，在 2005 年 4 月至 2007 年 10 月期间，于 1 - 28 米的 9 个不同水深处，在垂直表面随机采集 20×20cm 的刮擦样本 。德国的 alpha ventus 海上风电场不仅采集了结构上的生物样本，还采集了海床群落样本，采样时间为 2009 年秋季至 2012 年 。
3. 数据记录与存储：BISAR 数据以多表格形式存储，包括巡航、站点、样本、生物群落、沉积物等主要表格，以及数据集、采样设备、分类群等查找表。数据可在 figshare 平台获取，未来还将通过 CRITTERBASE 网络门户提供 。
4. 数据质量控制：研究团队在数据整合过程中进行了严格的质量控制。对比采样面积与设备面积，检查样本中分类群相关信息的唯一性，并同步分类学信息 。利用 CRITTERBASE Collector App 辅助质量检查，确保数据高质量整合 。

鎵撹祻

涓嬭浇瀹夋嵎浼︾數瀛愪功銆婇€氳繃缁嗚優浠ｈ阿鎻ず鏂扮殑鑽墿闈剁偣銆嬫帰绱㈠浣曢€氳繃浠ｈ阿鍒嗘瀽淇冭繘鎮ㄧ殑鑽墿鍙戠幇鐮旂┒

10x Genomics鏂板搧Visium HD 寮€鍚崟缁嗚優鍒嗚鲸鐜囩殑鍏ㄨ浆褰曠粍绌洪棿鍒嗘瀽锛�

娆㈣繋涓嬭浇Twist銆婁笉鏂彉鍖栫殑CRISPR绛涢€夋牸灞€銆嬬數瀛愪功

鍗曠粏鑳炴祴搴忓叆闂ㄥぇ璁插爞 - 娣卞叆浜嗚В浠庣涓€涓崟缁嗚優瀹為獙璁捐鍒版暟鎹川鎺т笌鍙鍖栬В鏋�

涓嬭浇銆婄粏鑳炲唴铔嬬櫧璐ㄤ簰浣滃垎鏋愭柟娉曠數瀛愪功銆�