提升物种分布模型在气候变化研究中的生态合理性与性能评估

本研究针对物种分布模型(SDMs)在气候变化应用中忽视生态合理性的问题，通过分析北海南部11种商业鱼类57年的观测数据，对比60种不同自由度的SDMs模型性能。研究发现传统模型选择指标常与生态合理性冲突，提出结合温度响应曲线验证与多指标评估的新范式，为气候适应性政策提供更可靠的预测工具。

　　

随着全球气候变化加剧，海洋物种分布格局正在发生显著改变，这对渔业管理、海洋空间规划和生态保护带来严峻挑战。物种分布模型(Species Distribution Models, SDMs)作为预测物种地理分布的核心工具，其可靠性直接关系到气候适应政策的科学性。然而当前SDMs应用存在两大痛点：一是模型选择过度依赖统计指标而忽视生态合理性验证，二是传统评估方法在气候变化情景下的外推能力存疑。这些问题在海洋生态系统中尤为突出，可能导致误导性的管理决策。

针对这些瓶颈，德国Thünen研究所等机构的研究团队在《Ecological Modelling》发表重要研究。该团队创新性地将生态合理性验证纳入模型选择流程，以北海南部11种商业鱼类为研究对象，基于57年渔业调查数据构建60种不同复杂度的SDMs（包括GAMs和GLMs），系统比较三种交叉验证设计(CV1-CV3)和AIC、MAD、PLM等六种性能指标。研究首次提出"温度部分效应"(Temperature Partial Effect, TPE)的生态验证标准，要求最优模型必须满足：响应曲线呈钟形、温度范围符合物种生理耐受、峰值对应生态最适温度。

关键技术方法包括：(1)采用国际底拖网调查(DATRAS)1965-2021年冬季鱼类丰度数据，按成熟体长区分成幼体和成体22个生命阶段；(2)使用AHOI插值数据集获取0.2°分辨率的海底温度数据；(3)开发空间阻滞(CV2)和丰度阻滞(CV3)等新型交叉验证方案；(4)建立包含二次多项式温度项和空间平滑项(s_P
(k=St))的混合模型架构；(5)通过高斯滤波降尺度处理解决"亚网格噪声"问题。

研究结果揭示：

1. 模型选择方法的比较
   通过22个物种-生命阶段(SLSs)的1320次模型测试发现，不同性能指标常产生矛盾结果。如CV1随机分割选择的"最低分模型"(LSM)中，有38%呈现非生态的TPE曲线，这些模型在温度外推时预测能力急剧下降。

2. 生态合理性的关键作用
   排名前4的"顶级性能模型"(TP models)均呈现钟形TPE曲线，其中模型m.55（含温度二次项和空间平滑项）在85%的SLSs中保持生态合理性。典型案例显示，大西洋鳕(adult Gadus morhua)的最适温度区间为6-10°C，与已知生态位高度吻合。

3. 评估指标的性能排序
   MAD和PLM指标在模型区分度上表现最优（一致性达100%），显著优于传统AIC（67.8%）和CV1偏差（67.8%）。这些指标能有效捕捉1970-2019年间栖息地适宜性(HS)的多年代际变化。

4. 空间项的必要性
   所有高排名模型均包含空间平滑项s_P
   (k=St)，证实静态生物因素（如种间竞争）和未建模环境变量的重要性。移除该术语的模型在重现观测到的分布变化时误差增加2.3倍。

这项研究的重要结论在于建立了SDMs开发的"双轨验证"范式：既要通过多指标交叉验证确保统计稳健性，又必须验证环境响应曲线的生态合理性。特别是对于气候变化研究，采用二次多项式温度项能有效避免非物理的外推结果。研究者建议未来SDMs应用应：(1)优先选择MAD/PLM等气候敏感性指标；(2)强制实施TPE的钟形曲线验证；(3)保留空间项以解析生物互作效应。该框架已成功应用于欧盟"气候智能型渔业"管理计划，为应对海洋生物地理格局重构提供了方法论基础。

值得注意的是，研究发现的"指标冲突"现象揭示了传统模型选择的内在局限性——当不同指标指向不同模型时，生态合理性应成为最终仲裁者。这一认识将推动SDMs从纯数据驱动向"生态机制约束下的数据建模"范式转变，对提升气候变化预测的可靠性具有里程碑意义。