灰熊重引入与人为干扰下群落互作的生态预测：模糊互作网络(FIWs)在复杂系统中的验证与应用

本文采用模糊互作网络(FIWs)模型，前瞻性预测灰熊(Ursus arctos)重返北美西部生态系统对群落结构的级联效应。研究揭示：1) 灰熊密度升高将导致黑熊(U. americanus)、美洲狮(Puma concolor)等大型食肉动物种群下降；2) 小型食肉动物出现"中捕食者释放"(mesopredator release)现象；3) 降水减少与人类狩猎压力会放大营养级联效应。FIWs为物种重引入(species rewilding)的生态影响评估提供了量化框架。

　　

Highlight

重引入生态学面临的核心挑战在于：长期消失的物种重返生态系统时，如何预测其引发的复杂直接/间接互作？灰熊作为关键种(keystone species)的回归，为验证这一命题提供了理想模型。我们的模糊互作网络(FIWs)预测显示：

研究结果

综合考虑所有互作类型(图3a)，模型预测黑熊种群受影响最大，美洲狮、郊狼(Canis latrans)、灰狼(C. lupus)和有蹄类次之。食腐鸟类轻微下降，小型食肉动物则呈现小幅增长。在人为压力情境下：1) 降水减少使美洲狮种群降幅达12%；2) 人类狩猎使驼鹿(Alces alces)数量锐减22%；3) 双重压力导致营养级联效应产生协同放大现象。

讨论

当灰熊密度达到高位时，通过干扰竞争(interference competition)、剥削竞争(exploitation competition)和捕食三重机制，可能引发：1) 大型食肉动物"竞争排除"(competitive exclusion)；2) 中捕食者通过"规避行为"(avoidance behavior)实现生态位分化；3) 有蹄类"下行控制"(top-down control)增强。值得注意的是，气候干旱化与狩猎压力会产生非叠加效应(non-additive effects)，使传统群落模型预测失准。

Conclusion

FIWs框架的三大优势：1) 兼容定性/定量数据；2) 适应数据稀缺系统；3) 揭示非线性互作。其局限性体现在：1) 依赖静态平衡假设；2) 缺乏空间显式输出；3) 对行为可塑性(behavioral plasticity)的量化不足。该模型为全球变化下的物种恢复计划提供了"假设-检验"双循环研究范式。