揭示群落结构及其环境响应的联合物种分布模型的研究进展

物种分布模型通常用于基础生态和应用生态研究,用来确定影响生物分布和物种丰富度的因素,量化物种与非生物条件的关系,预测物种对土地利用和气候变化的反应,并确定潜在的保护区.在传统的物种分布模型中,生物的相互作用很少被纳入,而联合物种分布模型(JSDMs)作为近年提出的一种新的可行方法,可以同时考虑环境因素和生物交互作用,因而成为分析生物群落结构和种间相互作用过程的有力工具.JSDMs以物种分布模型(SDMs)为基础,通常采用广义线性回归模型建立物种对环境变量的多变量响应,以随机效应的形式获取物种间的关联,同时结合隐变量模型(LVMs),并基于Laplace近似和马尔科夫蒙脱卡罗模拟的最大似然估计或贝叶斯方法来估算模型参数.本文对JSDMs的产生及理论基础进行归纳总结,重点介绍了不同类型JSDMs的特点及其在现代生态学中的应用,阐述了JSDMs的应用前景、使用过程中存在的问题及发展方向.随着对环境因素与多物种种间关系研究的深入,JSDMs将是今后物种分布模型研究的重点.

基于HMSC模型分析山东近海夏季底层鱼类的环境适应性与种间关系

传统的物种分布模型很少将种间关系纳入建模框架中,妨碍了对物种栖息分布的准确预测。近年来联合物种分布模型(JSDMs)越来越受到关注,但在海洋领域实际应用仍较为缺乏。本研究根据2017年夏季山东近海底拖网调查数据,结合水深、底层水温和底层盐度等环境数据,采用物种群落层次模型(HMSC)方法研究了山东近海17种底层鱼类与环境因素之间的关系和种间相关性。本研究根据生物与环境之间的线性或非线性关系以及随机效应构建了5种HMSC,并利用广泛适用信息准则(WAIC)等指标以及交叉验证方法,评价了模型拟合程度和预测效果。结果表明,最优模型为包含随机效应的非线性模型(模型五),非线性模型优于线性模型,且在模型中考虑种间关系能明显地提高模型的拟合效果。温度是影响山东近海底层鱼类分布的主要因素,占平均可解释方差的51.4%,其次是水深和随机效应,分别占35.7%和12.8%。山东近海大部分底层鱼类与水深存在显著线性正相关关系,而与水温存在显著的非线性关系。底层鱼类种间具有显著相关性,按其相关性的正负可大致分为3组,表明种间关系在预测物种分布方面的作用不容忽视。本研究建议,在建模中应同时考虑非生物因素和生物之间的相互关系,研究结果为预测渔业资源栖息分布提供了重要参考。

生态因子对雷州湾海域鱼类重要种分布影响的量化评价

【目的】量化生物及非生物生态因子对雷州湾海域鱼类重要种分布的影响,厘清鱼类对各种变量变动的响应,为今后预测该海域渔业资源的丰度变动及基于群落视角的渔业管理和研究提供实例。【方法】根据2018—2020年每年春、秋季于雷州湾开展的底拖网鱼类调查数据,先利用相对重要性指数(IRI)筛选出生态鱼类重要种,用于构建联合物种分布模型(JSDMs);进而结合冗余分析(RDA)进行验证,以量化评价生态因子对鱼类重要种种群分布的作用。【结果】2018—2020年在雷州湾逐年春、秋两季调查共捕获鱼类217种,其中17种鱼类(IRI≥100)为生态重要种;构建的联合物种分布模型较好地反映了鱼类实际分布(后验拟合效果R2=0.46);环境因子对雷州湾海域鱼类重要种的分布影响最大(达61.3%),其中溶解氧(DO)的作用最大(DO=4.39~10.36,21.6%),而不同鱼类对不同生态因子的耐受性或其栖息地偏好也是导致分布年际波动的原因之一;总体上,种间作用对鱼类分布的影响相对较小(38.7%),但对部分鱼类如条纹叫姑鱼(Johnius fasciatus,84.5%)、皮氏叫姑鱼(Johnius belangerii,73.0%)和棕斑兔头鲀(Lagocephalus spadiceus,60.9%)等的分布起着决定性作用。【结论】环境因子主要影响雷州湾鱼类的分布,不同鱼类因环境耐受或生境偏好存在明显的年际差异;种间作用对鱼类分布的影响相对较小,但对部分鱼类如条纹叫姑鱼、皮氏叫姑鱼和棕斑兔头鲀等起关键性作用。

种间作用对物种分布模拟的影响及建模方法

物种分布模型(SDMs)通过量化物种分布和环境变量之间的关系,并将其外推到未知的景观单元,模拟、预测地理空间中生物的潜在分布,是生态学、生物地理学、保护生物学等研究领域的重要工具。然而,目前物种分布模型主要采用非生物因素作为预测变量,由于数据量化和建模表达困难,生物因素特别是种间作用在物种分布模型中常被忽略,将种间作用纳入物种分布模型被认为是当前物种分布建模面临的主要挑战。鉴于此,本文综述了种间作用对物种分布模拟的影响,明确了种间作用纳入物种分布模型的必要性,总结了目前物种分布模型纳入种间作用的4种主要途径及其优缺点,并论述了纳入种间作用的物种分布模型的未来发展方向。研究认为,将种间作用纳入物种分布模型的首要条件是要确保物种分布模拟的空间尺度和种间作用发生的空间尺度一致,且训练数据应涵盖较大的环境异质空间以确保种间作用在异质生境中的多样性;为了消除多重共线性对物种分布模型预测的影响,所有的非生物、生物因素都应充分考虑且准确量化;同时指出,描述种群/群落动态是将种间作用纳入物种分布模型的重要发展方向。