关于预测农业用地利用对溪流和河流生物群落影响的讨论：方法回顾、评估与指导

《Environmental Reviews》：Discussion of Predicting impacts of agricultural land use on stream and river biota: method review, evaluation, and guidance

农业土地利用对溪流生物影响评估中贝叶斯网络（BN）的适用性及改进空间分析。摘要：

　　

Elliott等人（2024年）最近提出了一种分层的指导方法，用于应用多种建模方法来评估农业土地利用对流动环境中淡水生物的影响。在这里，我们希望通过强调贝叶斯网络（BN）建模的最新进展来补充他们的概述，这些进展解决了作者指出的某些限制，这些限制使得某些方法在满足表3（Elliott等人，2024年）中列出的标准方面表现“较差”或“中等”：“空间分布性”、“数据需求低”、“透明性”、“明确的不确定性”、“适合社区参与”、“因果关系”、“区分土地利用与景观”以及“能够反映气候变化”。虽然Elliott等人（2024年）的研究范围是评估新西兰农业土地利用和管理对溪流生物的影响，但我们认为，了解其他地理区域的最新进展对于更全面地评估BN的能力是相关的（更多细节见表S.1）。

在过去十年中，BN的空间应用取得了显著进展。这些应用包括对农业流域中营养物质（Glendell等人，2022年）和农药污染风险（Piffady等人，2021年；Troldborg等人，2022年）的空间明确评估；农业系统的表示（Stritih等人，2020年），以及土地利用和管理对淡水生物的影响（Forio等人，2022年）。特别是Forio等人（2022年）开发了一种河流段尺度的评估方法，研究了河岸植被对淡水大型无脊椎动物的影响，证明了BN能够在精细的空间分辨率下表示树状空间结构。

在数据可用性较低的情况下，BN特别适用，因为它们具有将先验假设（或信念）与新证据相结合的能力；因此，我们不同意作者给出的“较差/中等”分类。BN可以通过专家判断来构建，正如Stewart等人（2021年）在生态系统服务权衡建模中所展示的那样。它们还可以使用不同空间和时间分辨率的多样化数据进行参数化，Glendell等人（2023年就以Ramganga河为例对水质物理化学参数进行了建模。

根据Forio等人（2022年）的观点，“简单性是BN的一个关键优势，因为它允许直接解释模型模拟和预测结果，从而促进学习过程”。因此，我们认为BN适合社区参与（Adams等人，2023年；2024年），并且它们在不确定性方面是透明和明确的（Negri等人，2024年b）。此外，BN的因果属性已经得到了充分证实（Kj?rulff和Madsen，2013年；Pearl和Mackenzie，2018年；Phan等人，2019年），并在许多应用中得到了验证，包括土地利用对鱼类和其他生物的影响（Forio等人，2015年；Landis等人，2017年）。此外，已经开发了符合因果驱动因素-压力-状态-影响-响应框架的BN，用于表示欧洲河流/溪流（Molina-Navarro等人，2020年）和湖泊（Moe等人，2016年）中土地利用与水体生态（基于生物的）状态之间的关系。

BN在表示气候变化和土地利用变化对淡水质量影响方面的应用取得了很大进展，使得能够整合来自气候模型集合和情景的气候预测，这些预测通过概率分布来表示（Sperotto等人，2019年；Mentzel等人，2022年；Adams等人，2023年；Martínez-Megías等人，2023年；Moe等人，2024年；Negri等人，2024年a）。此外，BN还被用来研究气候变化和土地利用相关压力因素对中国淡水大型无脊椎动物（Li等人，2018年）以及美国鲑鱼（Landis等人，2024年）的影响。

我们同意Elliott等人（2024年的观点，即使用动态BN表示反馈机制需要进一步发展。另一种解决方案是在将结果整合到BN之前，使用机制模型来表示反馈过程，Landis等人（2024年以鱼类种群模型为例进行了说明。我们也认为，表示连通性和理解遗留效应（即由于营养物质/污染物积累导致的延迟响应；Sharpley等人，2013年；Mcdowell等人，2015年）在流域系统中的情况是一个重要的知识空白，需要进一步的研究来使用BN来表示这一过程。尽管存在一些分歧，我们仍然感谢Elliott等人（2024年在激发关于不同建模方法优缺点的讨论方面的努力，并提供这些额外证据作为“更新先验信念”的手段。