Predish：基于生态位异速生长模型的水产养殖鱼类捕食风险评估决策支持工具

推荐：为解决多品种混养(polyculture)系统中鱼类捕食风险预测难题，研究人员开发了基于总长度(total length)的生态位异速生长(niche allometric)模型Predish。该工具通过4207组捕食事件数据校准和13707组事件验证，实现敏感性0.88、特异性0.96的精准预测，为可持续水产养殖提供关键决策支持。

　　

在水产养殖领域，多品种混养(polyculture)作为提升系统可持续性的古老实践，近年来因能优化资源利用、增强系统韧性等优势重获关注。然而，肉食性鱼类(piscivorous species)与其它鱼类的共存面临严峻挑战——捕食(predation)作为最具破坏性的种间相互作用，可导致高达100%的幼体死亡率。传统通过实际混养观察捕食行为的方法不仅效率低下，更因伦理问题饱受争议。目前虽有基于体型比例或行为策略的预测方法，但前者多针对特定物种，后者因养殖环境简化导致行为策略失效，均难以满足实际需求。

针对这一技术空白，由Lévy等领衔的研究团队开发了创新性决策支持工具Predish。该研究通过整合4207组实测捕食数据（涵盖24种肉食性鱼类、19个科）和13707组非捕食事件，构建了基于对数转换总长度(log₁₀
TL)的生态位异速生长模型。研究采用分位数回归(quantile regression)计算5%和95%分位数的斜率与截距，确定捕食者-猎物体型关系的上下边界。验证显示模型敏感性(sensitivity)达0.88，特异性(specificity)达0.96，真实技巧统计(TSS)为0.84，曲线下面积(AUC)达0.92，整体表现优异。

关键技术方法包括：1) 通过Web of Science等数据库系统收集全球鱼类捕食事件数据；2) 使用Plot digitizer软件提取文献图表中的体型数据；3) 采用R语言quantreg包的"rq"函数进行分位数回归分析；4) 整合TOFF（Traits OF Fish）数据库补充缺失的鱼类功能性状数据；5) 通过pROC包计算ROC曲线及AUC值验证模型效能。

【模型开发】
研究团队首先明确定义捕食为"活体猎物被完整吞食"，据此筛选出2106组校准数据和2101组验证数据。通过分位数回归建立的预测公式为：
log₁₀
(Prey_TLmax
) = (A_95%
× log₁₀
(Piscivore_TL
)) + Y_95%

log₁₀
(Prey_TLmin
) = (A_5%
× log₁₀
(Piscivore_TL
)) + Y_5%

其中A为斜率，Y为截距，TL表示总长度。该模型创新性地在个体层面评估风险，并能量化特定体型区间的被捕食概率。

【工具应用】
开发的R语言界面工具Predish具备三大功能：1) 自动匹配TOFF数据库补全缺失的鱼类体型和食性数据；2) 计算各肉食性鱼类的可捕食体型范围；3) 生成捕食风险矩阵和热图。两个案例研究显示，柬埔寨池塘养殖中Wallago attu对63%混养物种存在风险，而欧洲循环水系统(RAS)中Acipenser transmontanus成虫对76.2%物种构成威胁。

【讨论与展望】
研究揭示模型敏感性随捕食者与猎物体型变异度差异增大而降低(Spearman ρ=-0.58)。尽管存在对部分摄食策略(如鳗鲡的撕咬式捕食)不适用、未考虑生长动态等局限，Predish仍为设计低风险混养系统提供了重要基准。作者建议用户根据投喂策略(如饱食/饥饿)、养殖系统复杂度(如池塘/RAS)和经济风险承受力调整风险阈值。

这项发表于《Aquaculture》的研究，通过将生态位理论转化为实用工具，标志着水产养殖从经验主义向预测科学的转变。未来整合栖息地偏好、生长模型等要素，将进一步完善多品种兼容性评估体系，推动可持续水产发展。