基于空间动态多状态占据模型解析旧金山湾三角洲长鳍鲑(Spirinchus thaleichthys)的稀有种群动态格局

这篇研究通过整合三种鱼类监测项目数据，创新性地运用空间多状态动态占据模型（spatial multistate dynamic occupancy models），揭示了濒危物种长鳍鲑(Spirinchus thaleichthys)在旧金山湾三角洲(San Francisco Bay-Delta)的时空分布驱动机制。研究发现物种占据状态主要受年际变化、空间自相关等大尺度过程影响，而高丰度状态则与局部栖息地条件（如潮汐湾滩、木质结构）显著相关。该框架为稀有物种动态建模提供了新范式，其绘制的季节性分布图谱可直接支持流域管理决策。

　　

引言

物种分布动态解析是濒危物种恢复的关键，但传统方法常受限于检测误差和自相关数据。旧金山湾三角洲的长鳍鲑种群因数量锐减被列为濒危物种，其丰度指数虽记录下降趋势，却难以支撑精准保护。本研究整合20毫米网(20-mm)、夏季拖网(STN)和秋季中层拖网(FMWT)三大监测系统数据，构建空间动态多状态占据模型，将站点丰度划分为未占据、低丰度占据和高丰度占据三态，阈值设定为计数分布的0.8分位数（≥21尾）。

研究方法

研究区域覆盖111,000 km²的萨克拉门托-圣华金河三角洲，选取30个固定站点11年（2011-2021）数据。模型通过薄板样条估计空间平滑项，引入年随机效应和日序二次项捕捉时空异质性。检测概率建模中特别区分了不同网具类型（STN检测低丰度概率仅0.06 vs 20-mm的0.21）和透明度（Secchi深度每增加51 cm使20-mm检测概率从0.21降至0.03）。采用吉布斯变量选择筛选环境驱动因子，包括盐度、水温、三角洲出流等水文参数，以及潮汐植被、洼地湿地等8类栖息地特征。

核心发现

占据动态：初始占据概率0.29（95%CI:0.08-0.55），高丰度概率0.13（0.01-0.44）。占据状态转变主要受日序二次项驱动（OR=3.0-4.9），空间随机效应中位数OR达6.26，揭示未测量的大尺度过程主导分布格局。丰度驱动：木质斜坡栖息地(tvw)使高丰度维持概率(ρ₃)降低10倍（OR=0.10），而潮汐湾滩(tbf)促进丰度提升（OR=1.11）。底部水深每增加1个标准差，高丰度概率提升74%（OR=1.74）。

管理启示

研究颠覆了传统认知：尽管水体透明度(Secchi)显著降低检测率（p₂的OR=0.12），但未影响真实占据概率。模型首次量化了渔具类型差异——FMWT对高丰度群体的"降级检测"效应（检出高丰度概率仅0.005 vs 20-mm的0.31）。空间残差分析表明，关键栖息地（如南湾产卵场）尚未被现有监测网络覆盖，建议扩大至潮汐浅滩等木质结构稀少区域。

方法论创新

该框架证实多状态模型在真平均丰度≥3、检测率≥0.1时仍具可靠性。通过分离检测过程（如STN对高丰度群体检出率仅5%）与生态过程，解决了传统指数"将零值混为一谈"的缺陷。动态建模整合了不同季节调查数据，突破单次调查的时空局限，为高度流动的河口物种提供全年周期管理洞见。

局限与展望

当前模型未包含幼鱼索饵场等关键生境数据，未来需结合声学遥测等技术验证空间残差代表的生态过程。研究者强调，移除堤岸木质结构可能提升局部丰度，但流域尺度的恢复仍需解决未识别的系统级驱动因子。