观测与模型衍生训练变量共线性对河口藻类物种分布模型的影响机制研究

本研究针对物种分布模型(SDMs)构建中环境变量共线性导致的参数不确定性问题，以切萨皮克湾7种有害藻类为对象，创新性地结合现场观测与机制模型输出数据，采用广义线性模型(GLMs)和回归树方法，揭示了训练信息类型(共线性水平/数据来源)对关键环境预测因子筛选、藻华关联性解析及模型预测精度(～5%)的显著影响，为优化藻华监测策略提供了科学依据。

　　

在河口生态系统中，藻类爆发的预测一直是环境管理的重大挑战。传统物种分布模型(SDMs)虽然能通过环境变量与生物存在的统计关系进行预测，但面临两个关键瓶颈：一是环境变量间普遍存在的共线性会增大模型参数不确定性；二是模型训练阶段使用的现场观测数据与预报阶段采用的机制模型输出存在数据源差异，这种"训练-应用断层"可能影响预测可靠性。更复杂的是，藻类生态位涉及Grinnellian生态位(环境驱动)、Hutchinsonian现实生态位(种间竞争)等多种理论框架，使得环境变量与藻华的关系解读充满挑战。

针对这些问题，美国弗吉尼亚海洋科学研究所等机构的研究团队在《Ecological Informatics》发表创新研究。该工作以切萨皮克湾7种常见有害藻类(包括Prorocentrum minimum、Microcystis sp.等)为研究对象，首次系统评估了训练信息类型——包括不同共线性水平(|ρ|>0.4-0.7)和环境数据来源(现场观测vs ROMS-ECB机制模型输出的16-19个变量)——对SDMs预测体系的影响。通过50次重复的广义线性模型(GLM)构建和回归树分析，结合Akaike信息准则筛选最优变量组合，量化了模型对藻华事件的预测准确率(α₁)和非藻华事件准确率(α₀)。

关键技术方法包括：1) 整合1985-2020年切萨皮克湾42个站点多深度观测数据与ROMS-ECB三维水动力-生物地球化学模型输出；2) 采用Pearson相关系数(ρ=E[(X_i-X?)(Y_i-Y?)]/{E[(X_i-X?)²]E[(Y_i-Y?)²]}^1/2)量化变量共线性；3) 构建logit(η)=ln[p/(1-p)]=β₀+∑β_ix_i的GLM模型；4) 通过Shapley值评估回归树变量重要性。

研究结果揭示：

1. 共线性分析：现场观测与模型输出均显示T(水温)-swrad(太阳辐射)、AOU(表观氧耗)-NH₄⁺等存在强相关性(|ρ|>0.5)，但TON(总有机氮)-pH在模型输出中呈正相关，而在观测中呈负相关。

2. GLM关联性：移除共线性变量后，Heterocapsa triquetra等藻类与盐度(S)的关联强度显著提升。水温(T)始终是最重要预测因子，而垂直混合系数(D)和剩余流速(flow)等模型特有变量对Microcystis sp.预测具有独特贡献。

3. 模型精度：现场观测训练的SDMs在|ρ|阈值0.4时，Prorocentrum minimum等4种藻华预测精度(α₁)显著降低5%，但机制模型训练的SDMs精度保持稳定(65-95%)。回归树分析显示类似规律，但对Prorocentrum minimum等物种的预测精度随共线性降低而提升。

4. 生态位解读：多数藻类与TON的正相关可能反映藻类对环境的反馈(增加有机氮)，而非因果关系。Prorocentrum minimum等3种藻类的相似环境响应暗示可能存在生态位重叠或共生关系。

这项研究的重要意义在于：首次系统量化了训练信息类型对河口藻类SDMs的全链条影响，证实机制模型数据可提高预测稳定性，而共线性处理能揭示新的关键环境因子(如盐度)。提出的"生态位解释框架"为辨析环境驱动vs生物反馈提供了方法论指导。实践层面，研究明确了水温监测对藻华预警的普适重要性，并为切萨皮克湾监测计划(Chesapeake Bay Program)优化观测网络提供了科学依据——例如对Heterocapsa triquetra等物种需加强盐度梯度观测。该成果对发展"下一代生态预测模型"具有启示价值，未来需进一步整合多种生态位理论(如源-汇动态)以提升预测可靠性。