摩洛哥水域大型海洋动物搁浅事件：物种多样性、时空分布特征及主要威胁因素解析

本研究针对里海(CS)经济鱼类Chelon saliens和Vimba persa的栖息地适宜性(HS)评估难题，采用最大熵模型(MaxEnt)结合21项环境参数，通过302次采样验证，发现随机森林(rf)和支持向量机(svm)算法预测精度分别达83%和80%，揭示光合有效辐射(PAR)、海表温度(SST)等关键环境因子对物种分布的影响，为制定保护区划和渔业管理策略提供科学依据。

　　

在欧亚大陆腹地的里海(CS)，这片全球最大的内陆水体正面临严峻生态挑战。随着环境污染、过度捕捞和水位波动等问题加剧，具有重要经济价值的底栖鱼类如Chelon saliens和Vimba persa种群数量持续下降。这些物种不仅是当地渔民生计的保障，更是维持里海生态系统平衡的关键环节。然而，关于它们的栖息地偏好和分布规律始终缺乏系统研究，这严重制约了科学保护措施的制定。

为此，伊朗渔业科学研究院(IFSRI)的研究团队在《Regional Studies in Marine Science》发表创新性研究。该团队沿伊朗里海沿岸5-100米水深区域，通过302次底拖网采样（使用24.7米网口宽度的Guilan和Sisara科考船），结合21项环境参数（包括海表温度SST、溶解氧DO%、光合有效辐射PAR等），首次应用最大熵模型(MaxEnt)集成机器学习算法，系统评估了两种鱼类的栖息地适宜性(HS)。研究采用随机森林(rf)和支持向量机(svm)等先进算法，通过比较曲线下面积(AUC>0.9)验证模型可靠性。

【主要技术方法】
研究团队在2008-2010年采用标准化底拖网采样（30分钟/站，2.5节航速），获取203尾C. saliens（占比50.87%）和99尾V. persa（占比24.81%）的分布数据。结合现场测量与卫星遥感数据，选取21项环境变量（如SST、PAR、铵盐浓度等），通过MaxEnt模型计算最大熵分布概率，采用十折交叉验证评估模型性能，最终确定rf和svm分别为两种鱼类的最优预测算法。

【研究结果】

1. 算法性能

• C. saliens的最佳预测模型为随机森林(rf)，准确率达83%，关键环境因子为溶解氧饱和度(DO%，34%)、PAR(11%)和SST(7%)
• V. persa的最佳模型为支持向量机(svm)，准确率80%，主要受PAR(34%)、SST(19%)和铵盐浓度(7%)影响

1. 栖息地分布

• 高适宜栖息地占比呈现显著差异：C. saliens达73%，而V. persa仅38%
• 单位面积渔获量(CPUA)与HS评分呈正相关，证实模型预测的生态合理性

1. 环境响应

• 两种鱼类均表现出对沿海浅水区的强依赖性，这与它们摄食微底栖生物的生态习性相符
• 气候变化敏感度分析显示，SST波动对V. persa分布影响尤为显著

【结论与意义】
该研究首次量化了里海两种经济鱼类的栖息地选择模式，证实MaxEnt模型在海洋物种分布预测中的卓越性能（AUC>0.9）。研究发现：

1. 光合有效辐射(PAR)是影响两种鱼类分布的最共有敏感因子，暗示初级生产力在栖息地选择中的核心作用
2. C. saliens对溶解氧的强依赖性（贡献率34%）提示其可能成为水质变化的指示物种
3. V. persa种群对温度变化(SST贡献19%)的高度敏感，预示气候变暖可能加剧其分布区收缩

这些发现为制定差异化的保护策略提供了科学依据：对C. saliens应重点保护富氧沿岸带，而V. persa的管理需特别关注温度调控。研究团队建议在HS>0.6的区域设立禁渔区，并通过人工增殖手段优化低适宜区的生态环境。该成果不仅填补了里海鱼类栖息地研究的空白，更为全球类似封闭水域的生态系统管理提供了范式。