野外验证的集成栖息地建模揭示海草生态潜力与碳储存能力

《Journal of Marine Science and Engineering》：Field-Validated Ensemble Habitat Suitability Modeling Indicates Seagrass Ecological Potential and Carbon Storage Capacity

　　

有效的海草系统海岸管理需要同时识别现存草场和适合恢复的退化区域。然而，这些决策通常依赖于提供有限生态状况或碳潜力信息的分布图。研究人员在中国广鹿岛周围的海草草场开发了一个集成栖息地建模（ensemble habitat modeling, EHM）框架，以检验栖息地适宜性指数（habitat suitability index, HSI）是否可作为生态性能和碳储存潜力的代理指标。通过整合多种单算法预测，集成模型减少了算法依赖性变异，并实现了强大的预测性能（ROC = 0.967，TSS = 0.876），预测结果覆盖了2023年野外测绘草场面积的92.59%至98.98%。HSI与地上生物量和芽密度呈正相关。以生物量作为响应变量直接拟合的预测模型显示，地上生物量随HSI增加而增加，留一法交叉验证的均方根误差（RMSE）为77.68 g DW m^?2。高HSI样本还表现出与理论生物量-密度包络线较小的相对偏差，以及更高的理论生物量潜力实现比例。模拟的沉积物碳密度与2023年沉积物比较结果一致，从而支持条件性碳储量筛选。研究结果支持将集成来源的HSI用作生物量相关生态潜力的局部空间代理，而非栖息地质量、实际生物量或已实现碳储量的直接度量。通过区分预测适宜栖息地、观测草场分布和基于模型的潜在碳储量，该框架在明确陈述的生态和建模假设下，为保护优先排序、恢复机会评估和蓝碳规划提供了空间筛选工具。

**海草生态潜力与碳储量的野外验证集成栖息地建模研究解读**

**一、研究背景与科学问题**

海草床是最具生产力的沿海生态系统之一，在栖息地提供、沉积物稳定和蓝碳储存等方面发挥着关键作用。然而，受沿海建设、水质退化、沉积物扰动和水动力改变等多重压力的交互影响，全球海草床面积持续衰退。物理扰动还会通过改变床面剪切力、沉积物输运和海床稳定性等直接削弱草场结构与碳储存功能。尽管海草分布图提供了基础基线，却无法反映位点的生态状况与恢复潜力，而恢复潜力恰恰是理解生态系统韧性和碳动态的关键。一个地区可能具备适合海草生存的非生物条件，但由于补充限制、恢复不完全、历史扰动或生物相互作用等原因，目前仅支持较低生物量。传统栖息地适宜性模型常依赖单一算法，结果因算法敏感性不同而不稳定；更重要的是，模型导出的栖息地适宜性指数常被解读为栖息地质量或恢复潜力的指标，却缺乏针对野外实测性能指标的独立生态验证。因此，一个关键科学问题亟待回答：能否可靠地预测不仅海草在哪里出现，而且在哪些环境条件下能够实现更高的实际生态性能？

**二、研究内容与意义**

研究人员以中国黄海北部长山群岛广鹿岛周边海域为研究区，构建了集成栖息地建模（EHM）框架，将多源发生记录与环境及人为预测因子层相结合，生成集成来源的HSI表面。通过野外实测地上生物量和芽密度评估HSI的生态解释能力，并以生物量-密度种间边界线（interspecific boundary line, IBL）作为诊断基准。研究发现，集成模型减少了算法依赖性变异，实现了强预测性能，HSI与地上生物量和芽密度呈正相关，高HSI样本表现出更小的IBL相对偏差和更大的理论生物量潜力实现比例。该研究支持将集成来源的HSI作为生物量相关生态潜力的局部空间代理，为保护优先排序、恢复机会评估和蓝碳规划提供了空间筛选工具，明确区分了预测适宜栖息地、观测草场分布和基于模型的潜在碳储量三个概念。

**三、关键技术方法概述**

研究人员整合了2022至2025年生长季的系统野外调查、船载声学调查和高分辨率无人机影像解译获取海草存在-不存在记录，结合九项环境变量和五项人为压力因子构建10 m分辨率预测因子层。采用11种单一算法（包括广义线性模型（GLM）、广义加性模型（GAM）、随机森林（RF）、最大熵（MaxEnt）、极端梯度提升（XGBOOST）等）进行预测，以真技能统计量（TSS）>0.6、Kappa系数>0.6、受试者工作特征曲线下面积（ROC）>0.8为阈值筛选模型，通过均值、中位数、委员会平均和加权平均四种策略构建集成模型。以重复交叉验证和2023年野外测绘草场分布作为独立空间验证。利用回归模型和局部加权回归散点平滑法（LOESS）检验HSI与生态参数关系，计算IBL偏差指标，并通过生物量对HSI的直接校准进行碳储量估算。

**四、研究结果**

**集成模型提高空间预测稳健性：**通过比较单一模型和集成模型的ROC、TSS和Kappa值，发现单一模型性能差异显著，RF的ROC最高（0.950±0.018），GLM的TSS和Kappa最高。集成产品EMca达到最高ROC（0.967）和TSS（0.876）。空间验证显示，集成模型对2023年野外测绘草场面积的平均观测栖息地覆盖率（spatial overlap, SO）为95.67±2.78%，显著高于单一模型的75.65±5.26%，表明集成建模有效减少了对单一算法的依赖。

**EHM来源HSI的空间格局遵循生态梯度：**不同算法的高适宜性区域空间分布差异明显，FDA、GAM和GLM倾向于描绘近岸宽阔高适宜性带，可能存在过度预测；MaxEnt和RF则产生更破碎的高HSI斑块。集成模型展现出更高的空间连贯性，与从浅水、清澈、低扰动栖息地向更深或更多扰动离岸条件的生态梯度一致。

**HSI与生物量、密度及IBL接近度相关：**HSI与野外实测地上生物量和芽密度呈正相关。线性HSI-生物量模型解释了72.3%的HSI变异（R²=0.723，p<0.001）。IBL分析显示，高HSI类别的平均IBL对数偏差从低HSI类别的1.99降至0.94，理论IBL生物量实现比例从0.014±0.008增至0.115±0.014，表明高HSI样本更接近理论生物量-密度包络线。

**HSI来源生物量支持潜在碳储量估算与恢复优先排序：**基于生物量对HSI的线性校准（留一法交叉验证RMSE=77.68 g DW m^?2），模拟适宜栖息地情景的总生态系统碳储量为19,624.45至24,448.72 Mg C，高于当前草场范围的11,386.63至14,185.80 Mg C。沉积物碳约占总碳储量的95%。高HSI与现有碳丰富草场重合区域被识别为保护优先区，高HSI但当前草场覆盖缺失或减少的区域为恢复机会区。

**五、讨论与结论**

该研究的主要贡献在于将集成来源的栖息地适宜性与野外观测的草场结构明确关联。HSI与生物量和芽密度的正相关表明其可捕捉草场结构发育的变异，但HSI仍是模型化指数，不应等同于实际生物量、已实现生态系统状况或当前碳储量。预测适宜栖息地、观测草场分布和基于模型的潜在碳储量是三个不同概念，不应互换使用。沉积物碳使用统一参考深度密度进行面积外推，而非格网尺度的空间预测。模型存在局部校准、物种记录合并、人为压力代理等局限，区域外推需独立验证。未来可耦合水动力模型和海草生长-扰动模型，评估高HSI位点是否持续支持草场恢复、持久性和长期碳积累。本研究开发的集成栖息地建模框架将海草发生预测与野外实测草场结构和模型化碳储量筛选联系起来，为保护优先区、恢复机会区和约束诊断区的识别提供了空间基础，但模型的区域外推需独立验证和本地重校准。