基于贝叶斯信念网络的南欧海藻林生态系统服务评估：葡萄牙海岸案例研究

《Economics & Human Biology》：Assessing ecosystem services provision using Bayesian Belief Network in Southern Europe marine forests

本研究针对南欧海洋森林生态系统服务(ES)评估中数据有限、机制复杂等挑战，创新性地应用贝叶斯信念网络(BBN)方法，整合实地测量与专家知识，模拟预测了葡萄牙海岸带海藻林和鳗草草甸的ES供给动态。研究发现，气候变化和人类活动压力显著影响海洋森林状况，而恢复干预可使ES供给提升高达40个百分点。该研究为数据稀缺环境下评估ES供给提供了可靠方法学框架，并为制定针对性保护策略提供了决策支持工具。

　　

在广阔的海洋生态系统中，海藻林和鳗草草甸如同陆地上的森林，是至关重要的“海洋森林”。它们不仅支撑着丰富的海洋生物多样性，还为人类提供食物供给、气候调节、水质净化等一系列宝贵的生态系统服务(ES)。然而，这些生机勃勃的水下世界正面临着前所未有的威胁——沿海开发、过度捕捞，特别是气候变化导致的海水升温、极端天气事件频发，以及入侵物种的扩散，正在严重侵蚀这些生态系统的健康和服务功能。尤其在南欧地区，尽管这些栖息地生态意义重大，但在政策框架中却未得到充分体现，其动态变化机制也因数据有限而难以精确评估。如何在这种复杂且不确定的环境中，科学评估海洋森林的生态系统服务供给能力，并预测其在不同压力情景下的变化，成为生态学家和决策者面临的紧迫问题。

为了回答这一挑战，由Miguel Fernandes、Jo?o Seixo、Jo?o N. Franco和Maria A. Cunha-e-Sá组成的研究团队，在《Economics 》上发表了他们的最新研究成果。他们独辟蹊径，将起源于医学和机器学习领域的贝叶斯信念网络(BBN)引入海洋生态研究，以南欧重要的过渡带——葡萄牙大陆海岸为研究区域，对北部的Viana do Castelo、中部的Peniche、南部的Sines的海藻林，以及南部Ria Formosa泻湖的鳗草草甸，进行了一次深入的“生态系统服务体检”。

研究人员开展这项研究主要运用了几个关键技术方法。首先，他们通过系统文献综述（筛选了127篇符合标准的文章）和专家咨询（来自BlueForests项目），构建了描述驱动因子、海洋森林状况与ES之间因果关系的概念模型（有向无环图，DAG）。其次，他们设计了针对海藻和鳗草的专业调查问卷，采集了9位领域专家（3位海藻专家，6位鳗草专家）对于驱动因子状态、海洋森林条件概率以及ES供给水平的认知数据，并依据回答置信度进行加权平均，以此为基础估算贝叶斯网络中的条件概率表(CPT)。第三，为了对比，研究还利用2011-2020年间葡萄牙海岸的实地观测数据（750个样本），尝试构建了简化版的数据驱动BBN模型，并进行了大量（819,200个模型）的参数学习和模型验证（如k折交叉验证）。最后，利用构建好的专家BBN模型，模拟了气候变化、人类压力、累积影响以及保护与恢复成功四种情景下，海洋森林状况及ES供给的潜在变化。

3.1. 专家知识驱动的贝叶斯网络

分析结果显示，葡萄牙海岸不同区域的海洋森林健康状况存在显著差异。在气候变化情景（设定海水温度和极端事件为“高”水平）下，北部Viana do Castelo的海藻林处于“良好”状态的概率下降，而处于“差”状态的概率从3%上升至12%。当叠加人类压力（如底拖网、埋藏）形成累积影响情景时，海藻林处于“差”状态的概率进一步攀升至31%。尽管如此，专家认为Viana do Castelo和Peniche的海藻林在最可能的情况下仍能维持“中等”状况，而Sines的海藻林则被预期持续处于“差”的状况。相应地，ES供给也呈现出区域异质性。例如，Viana do Castelo的生物多样性和健康效益供给在悲观情景下可能从“高”转为“低”，而碳封存和水质净化服务在多数情景下保持“高”供给水平。对于Ria Formosa的鳗草草甸，尽管专家评估其当前状况为“差”，但多数ES（除标志性物种外）仍被认为有较高的供给概率，不过在悲观情景下，“低”供给水平的可能性会增加。

模型分析进一步揭示，恢复行动能带来显著效益。如果通过保护或恢复措施使Viana do Castelo和Peniche的海藻林达到“良好”状态，或使Sines的海藻林达到“中等”状态，其ES的“高”水平供给概率最高可提升40个百分点。同样，将Ria Formosa鳗草草甸恢复到“良好”状态，也能使多种ES的供给水平显著提升。

3.2. 基于实测数据的贝叶斯信念网络

与专家知识模型形成对比的是，基于有限实地测量数据构建BBN面临巨大挑战。研究发现，在数据稀缺环境下，最简约的模型（即每个变量仅设2个状态）预测性能最好。然而，即使是最佳模型，也因数据量不足导致许多条件概率表(CPT)无法准确估计，部分概率值只能从均匀分布中抽取，甚至出现某些情景下海藻状况“差”的概率为100%的极端结果，这与专家基于经验的判断存在明显分歧。该部分分析凸显了在现有观测数据条件下，完全依赖数据驱动方法进行复杂生态建模的局限性。

4.1. 数据维度问题

本研究深入探讨了在生态建模中面临的“维度”与“数据”之间的权衡。研究表明，当模型变量多、结构复杂，而实地观测数据有限时，模型复杂度的增加会急剧放大数据需求，导致参数估计不准确或不可行。专家基于其长期积累的、对特定地点生态过程的深刻理解所提供的知识，在数据稀缺情况下成为构建可靠模型、评估ES供给动态不可或缺的补充，甚至是更优的选择。

4.2. 对保护和恢复的启示

BBN模型结果与已有研究相呼应，揭示了气候变化（特别是海水升温）通过影响物种分布（如海藻向北部收缩）、加剧草食性动物压力和入侵物种扩散，正在深刻改变葡萄牙海岸海洋森林的生态系统结构。同时，人类活动如Ria Formosa的破坏性捕捞、富营养化等，构成了叠加压力。模型成功识别了这些关键压力点，并量化了它们对ES供给的潜在影响。例如，海藻林相关的生物多样性、碳封存等服务，以及鳗草草甸的标志性物种（如海马）生存状况，被识别为受威胁最大的服务类型。这为确定保护优先序提供了科学依据。研究明确指出，恢复行动应优先选择生态恢复潜力大的区域，如Viana do Castelo, Peniche和Ria Formosa，而非生态可能已发生不可逆转变的Sines地区，以最大化恢复行动的生态和社会经济效益。

4.3. 政策启示

该研究为欧盟“到2030年恢复我们的海洋和水域”使命提供了有针对性的科学支持。它强调，应对海洋森林面临的复杂压力，需要基于科学的、具有针对性的管理策略。BBN模型作为一种决策支持工具，能够帮助政策制定者模拟不同管理干预措施（如控制特定驱动因子）的后果，从而优化资源配置，提升政策的有效性和效率。研究呼吁加大对海洋生态监测和数据收集的投入，以便未来能构建更精确、更稳健的生态模型，为海洋保护和可持续利用提供更强有力的支撑。

4.4. 局限性与未来方向

研究者也坦诚指出了本研究的局限性，包括专家知识的主观性、模型对复杂现实系统的必要简化，以及ES供给过程本身的复杂性和难以量化等。未来的研究可以朝着整合更多实证数据、探索更复杂的模型结构（如考虑非线性关系和阈值效应）、将评估结果与经济学估值相结合等方向发展。

综上所述，这项研究成功地应用贝叶斯信念网络(BBN)方法，在南欧海洋森林生态系统服务评估这一数据挑战突出的领域，开辟了一条整合专家知识与实地数据的有效路径。它不仅揭示了葡萄牙海岸带海藻林和鳗草草甸生态系统服务供给的空间异质性及其对气候变化和人类活动的脆弱性，还量化了生态恢复可能带来的巨大效益。更重要的是，该方法学框架本身为在不确定性环境下进行生态系统评估和管理决策提供了可推广的工具，对推动基于生态系统的海洋管理、实现生物多样性保护和气候变化应对目标具有重要的理论和实践意义。