优化生物多样性观测网络中的物种互作采样与监测策略

《Journal of Animal Ecology》：Optimizing sampling and monitoring of species interactions within Biodiversity Observation Networks

　　

优化监测策略应被设计用于高效监测生物多样性的所有关键组成部分。然而，与空间覆盖度和物种丰富度相比，物种互作在监测设计中常被忽视，部分原因是与物种分布相比，采样和监测互作本身具有固有难度。 本研究使用模拟方法检验了在生物多样性观测网络（Biodiversity Observation Networks, BONs）中监测物种互作的效率。研究人员测试了多种用于设计和优化BONs以监测物种互作的方法，并考察了增加监测位点数量时监测效率的变化。 研究表明，互作所需的采样努力显著更高，尤其是当互作实现和检测现实地依赖于物种丰度时。因此，对BONs内监测到相当比例互作的期望应低于对其物种的监测期望。 然而，从单物种视角出发，基于已知物种分布范围优化监测设计被证明是获取其互作的高效策略，优于基于总物种或互作丰富度的设计。进一步的效率提升需要详细了解已实现互作发生的位置，这凸显了更好地了解互作可能发生地点的必要性，以及整合影响互作实现的因素（如物种丰度）的重要性。 即使物种总分布范围被高估或低估10%，研究结果仍然一致，这表明优化所需信息的精度具有一定容忍度。 这些发现凸显了可达到的信息水平如何在设计BONs时带来效率提升。凭借正确的目标和优化策略，以及易于获取的信息（如物种分布范围），研究人员可以指导观测网络设计，将物种互作作为核心生物多样性组成部分进行监测。

论文解读文章

一、研究背景与问题提出

生物多样性监测应涵盖生物多样性的所有方面。《生物多样性公约》第7条呼吁缔约方识别对保护与可持续利用重要的生物多样性组成部分，并通过采样等技术手段进行监测。生物多样性观测网络（Biodiversity Observation Networks, BONs）是旨在协调观测系统、支持国际评估报告并加强生物多样性监测科学基础的协调性监测网络。近年来，多项研究指出当前BONs的采样设计存在空间覆盖过疏、尺度过粗、频次不足且缺乏时间重复等问题，同时监测设计更多关注空间平衡与代表性采样，而较少针对特定生态监测目标进行优化。

物种丰富度是监测中最常用的生物多样性度量指标，但仅依赖物种丰富度无法充分反映物种身份和功能角色，难以提供生物多样性持续性和生态系统服务的完整信息。物种互作是生物多样性的核心组成部分，对生态系统功能与健康至关重要，但在生物多样性监测和保护中代表性不足。互作介导群落和生态系统对变化的响应，具有自身的空间和宏生态动态，且可能比物种消失或变化得更快。尽管已有研究探讨了互作采样的完整性评估和采样努力对网络属性的影响，但尚未有研究系统回答在BON框架内应如何高效监测物种互作，以及BONs的有效性研究也未特别关注互作采样问题。

基于上述背景，本研究提出三个关键问题：第一，在BONs中对跨空间物种互作监测应抱有何种期望；第二，采样设计策略对互作检测效率有何影响；第三，哪些现有可用信息可用于优化未来BONs的互作监测设计，以及这些信息的精度要求如何。研究人员通过空间显式群落模拟，测试了BONs内监测物种互作的效率，并探索了网络采样优化的多种算法和设计选项，旨在为物种互作监测建立现实期望，并与物种丰富度和物种分布范围等更常被评估的要素进行比较。

二、研究开展内容与主要结论

研究人员采用空间显式模拟方法，在虚拟景观上生成物种分布范围、物种互作网络和BONs，系统评估了不同采样策略和优化目标下的互作监测效率。研究得出以下核心结论：在空间平衡的一般性BONs中，物种互作的监测期望应远低于物种和群落组成；当互作实现和检测受物种丰度影响时，检测互作所需的监测努力显著更高，尤其是涉及低丰度物种的稀有互作。从单物种视角出发，基于已知物种分布范围优化监测设计可高效获取目标物种的互作，优于基于总物种或互作丰富度的设计。此外，即使物种分布范围存在10%的高估或低估，监测效率仍保持稳定，表明优化所需信息精度具有一定容忍度。

三、关键技术与方法

本研究采用的主要技术方法包括：其一，利用中性景观模型（Neutral Landscape Models, NLMs）生成具有空间自相关性的物种分布范围，模拟自然景观中破碎化和斑块状栖息地特征；其二，采用生态位模型（niche model）生成物种间的可行互作元网络（metaweb），模拟食物网中捕食者—猎物关系；其三，基于Catchen等提出的时空过程模型，通过物种相对丰度调节互作实现概率和检测概率，生成已实现互作和已检测互作的空间分布；其四，采用多种位点选择算法设计BONs，包括平衡接受采样（Balanced Acceptance Sampling, BAS）、加权采样、范围内平衡采样和基于不确定性采样的目标采样（Targeted Sampling）策略；其五，通过拟合采样累积曲线并计算检测80%互作所需位点数（S₈₀）作为统一的采样效率度量指标，用于跨模拟比较不同策略和优化目标的效率。所有模拟均在Julia v1.11.9中实现，代码存档于Zenodo平台。

四、研究结果

4.1 模拟研究I：物种互作的采样期望低于物种丰富度

通过生成2550个空间平衡BON设计，研究人员比较了物种丰富度、可行互作、已实现互作和已检测互作四类采样目标的累积曲线。结果显示，物种采样在不到25个位点内即达到饱和，可行互作在25个位点内达到元网络中90%以上。然而，已实现互作和已检测互作在100个采样位点时仍低于全部可行互作的25%，在500个位点时低于50%。这表明在空间平衡BONs中，互作采样所需的努力远高于物种采样，凸显了为互作监测设计专门优化采样方案的必要性。

4.2 模拟研究II：目标采样和范围内平衡采样效率更高

基于200次独立模拟，研究人员比较了四种采样策略（平衡采样、加权采样、范围内平衡采样和目标采样）及四种优化目标（物种分布范围、概率分布范围、物种丰富度、已实现互作位置）。结果表明，范围内平衡采样和目标采样策略在获取焦点物种已实现互作方面效率最高，显著优于空间平衡采样。基于已知物种分布范围进行优化比基于概率分布范围或物种丰富度更高效，在78%和90%的模拟中分别优于后两者。基于已实现互作位置优化（最佳情景）预期表现最佳，但该信息在实际中通常难以获取。目标采样在63%的模拟中优于加权采样，两种策略在所有模拟中均优于平衡接受采样。

4.3 模拟研究III：物种分布范围估计的精度容忍度

通过系统改变焦点物种分布范围的估计偏移量（0至50%），研究人员评估了范围内平衡采样策略对范围高估和低估的容忍度。结果显示，范围高估导致S₈₀值线性增加，但在10%以内高估时效率与真实范围无显著差异；范围低估在10%以内同样保持稳定，即使低估达50%，在超过70%的模拟中效率仍未出现显著下降，但方差较大。这表明监测设计对物种分布范围信息的精度要求具有一定弹性，现有不完美信息已可用于指导互作监测优化。

五、讨论与结论

研究讨论指出，在空间平衡的一般性BONs中，物种互作的监测期望应显著低于物种和群落组成，这强化了为物种互作设计专门优化采样方案的必要性。采用单物种视角（如关注关键种或高度数物种的互作）可依托可达到的信息水平获得有效结果。基于已知物种分布范围优化监测设计被证明是获取目标物种已实现互作的高效策略，优于基于物种丰富度等群落层面信息的优化，表明对系统拥有更多信息并不总是带来更高的监测效率。进一步效率提升的关键在于更好地了解互作可能发生的位置，以及整合影响互作实现和检测的因素（如物种丰度）。研究还表明，监测设计对物种分布范围估计的10%高估或低估具有容忍度，这意味着现有的不完美信息已足以指导BONs的互作监测设计优化。

研究结论认为，物种互作采样成本高昂，因此利用现有自然史信息（如物种分布范围或偏好栖息地）的目标导向方法对于将互作监测纳入正在发展的监测项目至关重要。通过选择适当的目标（如焦点物种的互作）并利用可达到的信息（如物种分布范围）优化监测设计，可以有效提高互作监测效率。研究结果在物种总分布范围被高估或低估10%时仍保持一致，表明优化所需信息精度具有一定容忍度，现有信息虽不完美，但已可用于指导物种互作监测。这些发现为设计BONs时提升监测效率提供了可行路径，有助于将物种互作作为核心生物多样性组成部分纳入观测网络设计。