《Methods in Ecology and Evolution》:Better defining habitat patches to improve spatially explicit modelling outputs
编辑推荐:
模拟建模(simulation modelling)在评估种群对全球变化(如生境丧失或生境破碎化)的生物学响应方面变得越来越普遍。为了产生可靠的结果,这种方法需要非常小心地设置模型。对于空间显式建模(spatially explicit modelling),
模拟建模(simulation modelling)在评估种群对全球变化(如生境丧失或生境破碎化)的生物学响应方面变得越来越普遍。为了产生可靠的结果,这种方法需要非常小心地设置模型。对于空间显式建模(spatially explicit modelling),这涉及所有空间参数,尤其是生境斑块(habitat patches),即种群动态和扩散发生的空间单元。研究人员开发了一种方法,用于划分对模拟目标物种的种群动态具有生物学意义的生境斑块。基于Voronoi镶嵌(Vorono? tessellation)原理,这种完全自动化的方法将连续的生境地块分割,使得生成的斑块满足所需面积(例如,研究物种的一个或多个家域(home range)的平均大小)。研究人员研究了斑块定义对模型输出(种群密度、生境占据率、扩散成功率、直线性和距离)的影响,比较了基于当前通常定义的斑块(连续的生境单元格集合)和基于物种适应性定义的斑块时的预测结果。为此,研究人员使用了空间显式个体模型平台(spatially explicit individual-based modelling platform, RangeShifter),以法国南部的五个研究区域为例,以欧洲红松鼠(European red squirrel)为研究对象。研究结果表明,该框架能有效将大型连续生境地块划分为更小的、物种适应性斑块。结果还表明,模拟输出在很大程度上取决于生境斑块的划分,且在不同景观中效应基本一致。研究人员还发现,平均扩散距离和种群密度需要物种适应性斑块定义才能尽可能接近经验数据。最后,为了能够将预测数据用于保护或再引入目的,在选择物种适应性生境斑块定义后,需要调整物种适应性参数。
**论文解读:优化生境斑块定义以提升空间显式模型模拟的真实性**
**研究背景与问题**
空间显式模型(spatially explicit models)在评估种群对生境丧失和破碎化等全球变化的响应中应用日益广泛。此类模型依赖生境斑块(habitat patches)作为基本空间单元,种群动态(如繁殖、竞争)和扩散过程均在斑块内或斑块间发生。然而,目前多数研究采用基于连续像元集合的斑块定义,这种定义可能导致三种问题:斑块大小符合生物学意义、斑块过小(无法容纳个体或种群)、以及斑块过大(即“超大斑块”,oversized patches)。超大斑块使得模型内部无法合理表征空间过程——例如,密度依赖作用施加于从未相遇的个体,或个体在斑块内长距离扩散却仍被视为“内部扩散”,从而产生不真实、误导性的模拟结果(如种群密度、扩散距离和基因流)。尽管已有研究通过阈值去除过小斑块,或依据物种间隙穿越距离(gap-crossing distance)合并邻近斑块,但针对超大斑块问题的系统性解决方案尚属空白。因此,本研究旨在提出一种基于物种生物学特征的斑块划分框架,并评估斑块定义对空间显式个体模型(spatially explicit IBM)输出结果的影响。
**研究内容与意义**
研究人员开发了一种自动化的斑块划分方法,基于Voronoi镶嵌(Vorono? tessellation)原理,将连续生境地块分割为大小符合物种家域(home range)范围的物种适应性斑块(species-adapted patches)。以欧洲红松鼠(Sciurus vulgaris)为例,在法国南部五个不同生境数量与空间配置的景观(16 km × 16 km窗口)中,使用RangeShifter平台进行模拟。通过比较不同斑块定义(连续像元定义 vs. 五种目标家域倍数:HR1、HR5、HR10、HR20、HR50)对种群密度、斑块占据率、扩散距离、扩散轨迹直线性、扩散成功率及连续生境内扩散比例等指标的影响,揭示了斑块定义对模拟输出的关键作用。该研究首次系统量化了斑块定义偏差,强调了在空间显式建模中采用物种适应性斑块划分的必要性,为提升模型生态真实性提供了方法论基础。论文发表于《Methods in Ecology and Evolution》。
**关键技术方法**
研究人员采用以下关键技术:(1)基于Voronoi镶嵌的斑块自动分割流程,通过随机或规则网格生成点,进行三元搜索(ternary search)确定最优分割点数,使分割后斑块大小落入目标范围(如1个家域、5个家域等);(2)使用空间显式个体模型RangeShifter(R包RangeShiftR实现),其包含斑块尺度种群动态子模型(密度依赖的出生、死亡、迁出、迁入)和细胞尺度扩散子模型(随机运动模拟器SMS,考虑景观阻力与感知范围);(3)模拟数据集来自法国南部五个景观区域(Aix-en-Provence、Montpellier、Navacelles、Pic St Loup、Alpilles),生境定义为树冠覆盖度>30%的像元(Copernicus 2018数据,100 m分辨率),并以文献中欧洲红松鼠的家域(2.25–12.5 ha)和扩散参数(平均1 km)进行模型校准。忽略试剂及具体培养操作步骤。
**研究结果**
**3.1 斑块划分对生境斑块层的影响**
通过方差分解和线性混合模型分析,研究人员发现斑块划分方式(HR类别)解释了斑块指标(数量、平均大小、目标大小范围内比例、平均间距)25%–90%的变异。该方法使大多数斑块(HR1–HR20)落入目标大小范围(比例达0.75–0.80),且不同景观间变异较小。对于HR50,比例波动较大(如Montpellier仅0.45),且斑块大小分布更离散。随着目标斑块增大,斑块数量减少、平均面积增大、平均间距减小,且变化趋势在不同景观中方向一致,但部分景观(如Aix和Montpellier)变化幅度更显著。
**3.2 斑块划分对模拟输出的影响**
方差分解显示,HR类别解释了模拟输出指标(种群密度、占据率、平均扩散距离、直线性、连续生境内扩散比例)79%–99%的变异,而景观ID仅解释1%–16%。线性混合模型证实斑块划分显著影响所有输出指标。随着目标斑块增大(从HR1到HR50):种群密度下降约4倍(从0.25 ind./ha降至0.08 ind./ha),HR5获得的密度最接近经验值(0.1 ind./ha);斑块占据率快速上升至接近100%(HR20),随后略降;平均扩散距离从~1.5 km(HR1)增至~5 km(HR50),仅HR1落在文献预期范围(700–1500 m);扩散轨迹直线性降低;连续生境内扩散比例从HR1的约75%降至HR50的30%–50%;扩散成功率始终约18%,变异较大。不同景观间效应方向一致,但变化幅度有差异,如生境较少的Montpellier和Aix景观中,扩散距离增长较慢。
**讨论与结论**
讨论部分指出,本研究提出的框架有效解决了超大斑块问题,使斑块大小趋于均匀且符合物种生物学需求。模拟输出对斑块定义的高度敏感性表明,不当的斑块定义会引入系统性偏差,影响种群密度、扩散距离等关键推断,这一发现对生态模拟社区具有重要警示意义。研究人员强调,斑块划分方式与景观特征(生境数量与空间组织)及物种特性(家域大小、扩散能力、密度依赖敏感性)之间存在复杂交互作用,因此应用该框架时需针对性选择目标斑块大小范围(如HR5或HR10)。研究结论部分可概括为:物种适应性斑块定义是空间显式个体模型参数调整的前提,只有采用与物种生物学一致的斑块划分,才能获得接近经验数据的模拟结果,从而为保护或再引入等应用提供可靠预测。研究人员建议未来研究应明确报告斑块定义、开展敏感性分析,并与野外数据验证,以推动基于过程的生物多样性建模向更高生态真实性发展。