解析迁徙季节性与共存性：迁徙水鸟异常驱动的关联网络

《Biology》：Disentangling Seasonality from Co-Occurrence: Anomaly-Driven Networks of Migratory Waterbirds Chien-Hen Hung and Pei-Fen Lee

　　

理解迁徙水鸟物种随时间如何共变（co-vary）可揭示功能群（guild）结构并为动态滨海湿地监测提供指导，然而季节性物候（seasonal phenology）可能会夸大简单的共存（co-occurrence）信号。在此，研究人员利用来自台湾永安湿地的标准化月度鸟类计数数据（涵盖两个调查区块的36个调查月份：2014年11月及2015年1月至8月，以及2016年10月至2018年12月），推断去季节性（de-seasonalized）的种间关联。研究人员分析了50个常规记录物种及一个由13种鸻鹬类和鸭类组成的焦点子集。针对每个物种，研究人员将原始计数转化为去除反复出现的季节性模式的月度异常值（monthly anomalies），随后量化成对斯皮尔曼相关性（pairwise Spearman correlations），并使用Benjamini–Hochberg FDR（q ≤ 0.05）控制多重检验以构建关联网络。基于异常值的网络揭示了强烈的功能群结构：正相关链接集中在涉禽内部和游禽内部，这与共享的栖息地利用和觅食机制一致；而负相关链接较少，暗示了潜在的生态位划分或时空隔离。稳健性分析（移动块自举稳定性、循环移位零模型比较及对数转换异常值敏感性）支持主要网络模式不太可能由偶然对齐产生。该研究框架提供了一种透明的、基于时间序列的方法来分离物候学与关联推断，为湿地监测及水鸟群落动态假说生成提供了实用框架。

论文深度解读：解析迁徙季节性与共存性——迁徙水鸟异常驱动的关联网络

研究背景与立项依据

滨海湿地作为全球变化最为剧烈的生态系统之一，是迁徙候鸟沿迁飞路线不可或缺的节点，承担着补给、越冬及重组栖息地利用的关键功能。然而，随着全球湿地丧失与退化，依赖连续功能停歇地和非繁殖地的水鸟种群已出现显著下降。尽管传统的单一物种趋势监测至关重要，但面对群落组成随季节和生境可及性不断重构的动态系统，管理者迫切需要能够捕捉群落层面重组信号的工具。生态学网络思维为此提供了视角，但在强季节性迁徙系统中，原始月度计数产生的共存模式往往被共同的季节性物候所主导，导致“伪相关”。例如，两种水鸟可能因均在冬季达到数量峰值而表现出强相关性，但这仅仅是因为它们共享相同的季节时间表，而非生态过程上的耦合。因此，如何从多年度月度丰度数据中剔除季节性物候这一主导混杂因子，进而推断出具有生态学意义的种间关联，构成了本研究的核心科学问题。

研究方法概述

研究人员基于台湾永安湿地（Yongan Wetland）约130公顷的人工盐田湿地，收集了两个时间段总计36个月的标准化月度水鸟调查数据。研究构建了包含50个常规记录物种的月度物种×时间矩阵，并定义了包含13种代表性鸭类（Anatidae）和鸻鹬类（Charadriidae/Scolopacidae）的焦点子集（focal13）。技术方法核心在于首先通过计算月度异常值（anomaly）来消除每个物种的季节性基线，即观测值减去该日历月份物种特异性均值。随后，研究人员基于原始计数和异常值序列分别量化成对斯皮尔曼相关性（Spearman’s rank correlation, ρ），并利用Benjamini–Hochberg错误发现率（FDR, q ≤ 0.05）进行多重检验校正。网络构建采用无向加权关联网络，节点代表物种，边代表通过FDR筛选的显著关联。为了验证结果的可靠性，研究实施了三项稳健性诊断：保留短期时间依赖性的移动块自举法（moving-block bootstrap）、破坏种间时间对齐的循环移位零模型（circular-shift null comparison）以及评估极端峰值影响的对数转换敏感性分析。

研究结果

3.1 季节性动态与物候

对36个月时间序列的分析显示，水鸟组合表现出强烈且可重复的季节性，丰度集中在非繁殖期（9月至次年4月），而在休假期（5月至8月）极少出现。群落水平的总计数在越冬期（11月至次年2月）表现出显著的峰值，鸻形目（Charadriiformes）主导了主要的冬季峰值。物种水平的轨迹进一步揭示了异质性物候特征：部分物种表现出短暂的脉冲式峰值，符合迁徙中转或短暂停留的特征；另一些则显示出跨越数月的广泛冬季居留模式。值得注意的是，许多物种在休假期出现了长串的零值，这强化了“原始计数中的共存可能被共享季节性夸大”的观点。

3.2 原始计数与异常值关联的对比

研究人员对比了原始月度计数与去季节性异常值序列的关联差异。结果显示，大多数物种对在两种分析中均未表现出显著性。一部分仅在原始计数中显著的关联，在去除季节性后消失，表明其主要由共享物候驱动。相反，少数在异常值分析中新出现的显著关联，揭示了在共享季节性被移除后，物种在“高于或低于季节性预期”偏差上的同步性。总体而言，原始计数产生了140个显著关联，而异常值产生了164个，这表明去季节性处理并未削弱反而澄清了真实的共波动信号。

3.3 焦点13物种的主要显著关联

在焦点13物种中，基于异常值识别出了22个显著关联，其中20个为正相关，2个为负相关。最强的结构涉及游禽内部的紧密聚类，而涉禽则形成了较小的中心集群。小环颈鸻（Little Ringed Plover）构成了鸭类核心与涉禽组合之间最清晰的桥梁。

3.4 显著关联的网络结构

在50个物种的全组合中，共有164个物种对通过了FDR阈值。在焦点13子集的网络中，正相关的连接占主导地位，特别是在鸭类内部，跨功能群的链接较少，仅保留了两条负边。这表明群落结构主要表现为共享生境状态的追踪。

3.5 稳健性与敏感性

移动块自举显示，鸭类模块内的边缘具有较高的稳定性，表明核心模式并非由少数调查月份驱动。循环移位零模型的中位数为0条显著边，远低于观测到的164条，支持了观测到的关联信号不太可能由偶然产生。对数转换分析保留了主要的鸭类阳性模块，证实了对数变换下主要模式的稳健性。

结论与讨论

本研究通过移除物种特异性的季节性基线，量化了台湾南部永安湿地迁徙水鸟的时间共波动。结果表明，基于异常值的关联网络揭示了清晰的功能群结构：游禽和涉禽内部的正相关连接集中，反映了共享的栖息地利用和觅食机制；而负相关连接的稀缺则可能暗示了生境状态切换下的时空隔离。尽管相关分析不能直接证明物种间的相互作用机制，但结合移动块自举和零模型比较，证实了该异常值框架能有效分离共享季节性强迫与持久的共波动模式。这项研究为长期监测数据提供了一种实用的计算流程，有助于从时间维度解析湿地群落的重组动态，并为未来的空间点格局分析及环境协变量整合奠定了基础。该研究成果发表于《Biology》期刊。