气候驱动的生态级联效应：从针叶林种子丰歉到鸟类爆发性迁徙及人畜共患沙门氏菌病流行的预测模型

《Proceedings of the National Academy of Sciences》：An ecological cascade links climatic variability to avian irruptions and zoonotic salmonellosis outbreaks

本研究通过多层次贝叶斯模型揭示了气候变率（如ΔT）→针叶树球果产量（masting）→食籽鸟类（如松金翅雀）爆发性迁徙（irruption）→禽类沙门氏菌病（salmonellosis）流行的生态级联机制。该模型可作为提前6个月预测疫情风险的早期预警系统（如CRPSS评估），为通过暂停喂鸟器等公共卫生干预降低人兽共患（zoonotic spillover）风险提供科学依据。

　　

气候变率驱动针叶树球果产量的变化

研究的第一环节聚焦于气候变率如何影响针叶树球果产量。通过对MASTREE+数据库中冷杉（Abies）、云杉（Picea）和铁杉（Tsuga）等树种的数据分析，结合Daymet提供的气候数据，模型量化了连续两年七月平均最高气温差值（ΔT）对球果产量的关键作用。研究证实，当出现暖夏接冷夏的负ΔT模式时，次年球果产量会显著下降（中位数效应θ = 0.24，89% CrI = 0.19至0.29），例如，气温下降3°C可导致局部球果产量近乎减半（预测下降中位数48.2%）。同时，模型还捕捉到了球果产量的“丰-歉”年际交替现象（1年滞后的自回归效应ν = -0.19），即一个丰产年之后往往跟随一个歉收年，体现了植物繁殖的资源分配策略。通过对北美西部和东部针叶林区的区域估算，研究显示了球果产量在空间上的高度同步性。

有限的球果产量引发鸟类爆发性迁徙

模型的第二层次揭示了球果歉收如何触发食籽鸟类的爆发性迁徙。利用美国奥杜邦学会圣诞节鸟类调查（CBC）的长期数据，研究分析了包括松金翅雀（Spinus pinus）、红胸?（Sitta canadensis）、晚蜡嘴雀（Coccothraustes vespertinus）等8种具有爆发性迁徙特性的鸣禽。研究结果表明，区域球果产量指数（RM）与鸟类迁徙强度呈显著负相关。在北美西部，球果产量对迁徙强度的平均跨物种效应μ_ω1为-0.75（89% CrI = -1.11至-0.44），在东部为μ_ω2= -0.64（89% CrI = -1.0至-0.29）。这意味着当球果短缺时，鸟类被迫离开北方森林，大规模向南迁徙。此外，在东部地区还发现鸟类迁徙存在较弱的年际自回归效应（μ_η2= -0.24），即非迁徙年后更可能发生迁徙年。

鸟类爆发性迁徙导致沙门氏菌病疫情

研究的核心发现是松金翅雀的爆发性迁徙与禽类沙门氏菌病疫情之间存在强关联。对美国地质调查局野生动物健康信息共享平台（WHISPers）的疫情报告分析显示，具有爆发性迁徙特性的物种参与了美国西部85%和东部45%的鸣禽沙门氏菌病疫情，并且在规模最大的疫情（报告个体数≥90百分位数）中占79%。其中，松金翅雀是报告中最常出现的物种（西部74%，东部38%），远高于其他物种。贝叶斯模型进一步量化了这一关联：在北美西部，松金翅雀迁徙强度显著增加疫情发生的概率（效应β₁= 0.69，89% CrI = 0.12至1.34），模型预测当迁徙强度从较弱水平（-1.5SD）增强到较强水平（+1.5SD）时，疫情发生概率从30.3%升至74.7%。更重要的是，迁徙强度也与疫情规模（报告的病死个体总数）正相关，在西部（效应κ₁= 0.25）和东部（κ₂= 0.16）均得到强有力支持。在西部，发生大规模疫情（≥500个体）的概率在强迁徙年高达39.3%，而在弱迁徙年仅为0.5%。

沙门氏菌病疫情的预测预报

基于上述明确的生态级联关系（气候ΔT → 球果产量 → 松金翅雀迁徙 → 沙门氏菌病疫情）及其约1.5年的时间滞后性，研究构建了一个近期的预测预报工具（全预报模型）。该模型能够在使用 contemporaneously available information 的前提下，对未来冬季的区域疫情风险和规模进行概率性预估。通过连续分级概率技巧评分（CRPSS）和布里尔技巧评分（Brier skill score）评估，全预报模型在预测疫情规模（CRPSS = 4.8%）以及不同阈值疫情（如>100个体，技巧评分10.4%；>500个体，技巧评分6.1%）的发生概率上，均优于仅基于历史发生频率的基准模型。研究还探讨了数据可用性对预报效果的影响，发现即使缺乏实时球果产量数据（数据盲化模型），仅依靠气候数据仍能产生有一定价值的预报（CRPSS = 3.6%），但精度低于全预报模型，这凸显了通过公民科学或遥感技术加强实时数据收集的重要性。

材料与方法概述

研究整合了来自Daymet的气候数据、MASTREE+的球果产量数据、NASA的树冠覆盖数据、奥杜邦学会CBC的鸟类出现记录以及USGS WHISPers的疾病报告数据。采用统一的贝叶斯层次模型框架，同步估计了气候、球果产量、鸟类迁徙和疾病疫情之间的生态联系，并考虑了空间自相关（如条件自回归模型）、物种间协方差以及疫情数据的零膨胀特性（采用跨栏模型，Hurdle model）。模型参数使用无信息先验，并通过马尔可夫链蒙特卡洛（MCMC）方法在rstan环境中进行拟合，确保了参数收敛性和模型可靠性。预报评估通过历史滚动预报（rolling forecasts）的方式进行，模拟了模型在过去21年间的实际预测性能。