基于模拟模型评估淡水贻贝采样方法：密度、空间分布与采样努力对准确性与精确度的影响

本文针对淡水贻贝野外调查方法选择难题，通过空间显式个体模型（SAMPL）系统模拟了简单随机采样（SRS）、样带随机采样（TRS）、自适应集群采样（ACS）和定性定时搜索（QTS）四种方法。研究发现贻贝密度、空间分布及采样努力量共同影响所有方法的准确性、精确度和物种检出率；QTS在贻贝密集或聚集时CPUE指标变异极大，不宜作为密度代理；定量方法（SRS、TRS）需在高努力量下才能保证低密度种群的估计准确性；ACS在低密度时效率较高但工作量难以预估。研究为生态调查设计提供了关键理论依据和实践指导。

　　

淡水贻贝（Unionida）作为水生生态系统中的重要指示物种，其种群动态监测对保护管理和生态研究具有重要意义。然而，由于贻贝种群常具有密度低、空间分布聚集、可探测性差异大等特点，传统野外调查方法在实际应用中面临巨大挑战。不同采样方法在准确性、精确度和效率方面的表现缺乏系统比较，特别是定性方法与定量方法之间的效能差异尚未明确。更复杂的是，贻贝的真实种群参数在野外环境中往往未知，使得方法评估工作难以开展。这些问题的存在严重制约了贻贝种群研究的可靠性和保护措施的有效性。

为解决这一难题，研究人员开发了基于智能体的空间显式模拟模型SAMPL（Survey Analysis for Monitoring Population Levels），通过控制已知的种群参数来系统评估四种常用采样方法的性能。该研究发表在国际期刊《Ecological Genetics and Genomics》上，为贻贝种群监测提供了重要的方法论指导。

研究团队采用NetLogo平台构建的SAMPL模型模拟50m×10m矩形区域的贻贝种群，设置三种空间分布模式（随机、泊松聚集、Matérn聚集）和四种密度梯度（0.01-7.0只/m2）。通过BehaviorSpace功能进行大规模模拟实验，每种情景运行100次重复。主要技术方法包括：（1）空间显式个体模型构建，模拟不同分布格局的贻贝种群；（2）四种采样方法算法实现，包括SRS、TRS、ACS和QTS的标准化流程；（3）加权线性回归和随机化协方差分析（ANCOVA）等统计方法评估性能指标；（4）利用R软件进行大规模数据处理和模型拟合比较。所有模拟均基于德克萨斯州野外调查数据参数化，确保了模型的现实适用性。

研究结果主要体现在三个方面：

"效果贻贝密度对CPUE的影响"表明，CPUE与真实贻贝密度呈显著正相关，但在空间聚集分布下，CPUE的变异程度随密度增加而急剧增大。随机分布时CPUE变异最小（SD: 3.71），而三个随机Matérn聚集分布时变异最大（SD: 41.63）。这说明QTS方法在贻贝聚集分布时作为密度替代指标的可靠性较低。

"空间分布、密度和采样方法对种群估计的影响"显示，所有定量方法在低密度（0.01只/m2）时准确性都较差（误差率＞115%），但随着密度增加明显改善。TRS方法在多数情况下表现最优，ACS在低密度时精确度最高但需要最多采样工作量。QTS的伪缺席率远高于定量方法，即使在较高密度（0.1只/m2）下仍有26.43%的模拟未能检测到贻贝。

"模拟采样准确性和检测比例随采样努力增加"证实，SRS和TRS的误差下降符合幂律方程，常见密度下采样50m2后误差迅速下降，但低密度时需要更大采样面积。ACS在聚集分布中效率最高，能快速检测大部分种群。QTS的种群检测比例增长模式多样，聚集分布时符合多项式方程，随机分布时则呈线性增长。

研究结论强调，种群估计的质量很大程度上取决于所采用的调查技术，而技术选择应基于对种群特征（如密度和空间分布）与调查设计因素（如努力量和方法）之间相互作用的深入理解。TRS方法因其能够捕捉河流宽度环境梯度而表现稳健，是多数情况下的可靠选择。ACS特别适用于稀有和聚集种群，但需要谨慎规划工作量。QTS虽然在实际调查中因覆盖面积大而常能发现更多物种，但其固有的可变性和探测偏差限制了其作为密度估计工具的可靠性。

这项研究的重要意义在于首次通过模拟模型系统比较了定性和定量贻贝采样方法的性能，为研究人员根据具体调查目标和资源条件选择适当方法提供了科学依据。研究开发的SAMPL模型作为一个开源工具，允许用户进一步探索不同参数场景下的方法表现，推动了贻贝种群生态学研究的方法学进步。研究结果不仅适用于淡水贻贝，其方法论框架也可推广到其他稀有、聚集分布的水生生物种群调查中，对保护生物学和生态系统管理具有重要实践价值。