基于理化变量的东热带太平洋海景分类及其生态管理意义

本研究针对东热带太平洋(ETP)环境异质性高但缺乏精细化分类的问题，通过整合20年卫星与模型数据（7种ECVs），首次系统比较FCM与SOM-PAM算法，划分出15个生态可解释的海景单元（SS-1至SS-15），揭示了盐度梯度带（SS-1-3）、洋流主导区（SS-12-13）等关键生境，为海洋空间规划与生物适应性进化研究提供新框架。

　　

东热带太平洋（ETP）作为全球生物多样性热点区域，其复杂的海洋环境犹如一幅由温度、盐度和洋流编织的生态画卷。这片海域不仅孕育着独特的珊瑚礁和特有物种，更因加利福尼亚寒流与赤道暖流的交汇形成剧烈环境梯度。然而，现有全球性海洋分区（如Longhurst provinces）的空间分辨率不足，难以捕捉ETP精细的环境异质性，导致管理策略与生态过程的空间错配。这种认知缺口严重制约着区域海洋保护规划的有效性，特别是对珊瑚幼虫扩散路径和物种适应性进化等关键生态过程的理解。

针对这一挑战，由墨西哥国家科学技术委员会（CONAHCyT）资助的研究团队创新性地融合了20年卫星遥感与海洋模型数据，选取7类Essential Climate Variables（ECVs）——包括海表温度（SST）、盐度、pH值等关键参数，首次系统比较了三种模糊C均值聚类（FCM）与自组织映射-分区围绕中心点（SOM-PAM）算法的分类效能。研究范围覆盖从加利福尼亚湾至秘鲁北部的ETP全域，通过计算轮廓指数（SI）和划分熵（EI）等指标验证分类稳定性，最终构建了迄今最精细的ETP静态海景分类体系。

关键技术方法包括：1）整合NOAA CoralTemp v3.1的日分辨率SST与Copernicus海洋数据库的月尺度ECVs数据；2）采用FCM算法处理环境参数的非线性关系；3）应用SOM-PAM神经网络保留空间拓扑特征；4）通过主成分分析（PCA）降维验证分类生态合理性。

研究结果
Variability in seascapes between algorithms in ETP
FCM算法识别出13类海景，而SOM-PAM则划分出15类。后者在哥斯达黎加沿岸等过渡带展现出更精细的空间分辨率（图2d），其轮廓指数较FCM提高23%，能更好解析洋流锋面等细微环境梯度。

Discussion
新分类体系首次揭示了ETP中5类核心海景单元：高盐度变异区（SS-1-3）对应赤道冷舌生物地理边界；强流速区（SS-12-13）精确匹配加利福尼亚上升流系统；而SS-15则定位到河流冲淡水影响显著的沿岸带。值得注意的是，SS-7-10热稳定区与珊瑚避难所的分布高度吻合，为解释该区域珊瑚逆境适应提供了环境框架。

Conclusions
该研究通过机器学习首次实现了ETP海景的客观定量划分，15类海景单元中6类与现有生物地理区划（如MEOW ecoregions）存在空间一致性，而SS-5等3类过渡带则代表了全新发现的海洋过程界面。这套基于ECVs的分类系统不仅为区域海洋保护网络设计提供1km级精度的空间模板，更通过揭示环境梯度与生物适应性的关联（如SS-8的pH缓冲特性），为预测气候变化下物种分布变迁奠定了理论基础。

这项发表于《Marine Environmental Research》的成果，其独特价值在于将物理海洋学参数转化为生态功能单元，特别是通过SOM-PAM算法捕捉到传统方法难以识别的环境过渡带（如SS-6的次表层涌升信号）。作者团队特别指出，未来可结合环境DNA等技术验证海景分类的生态相关性，这将推动ETP从"地理空间管理"迈向"过程导向管理"的新范式。