《Functional Ecology》:Targeted behavioural and microclimate data collection substantially improves biophysical model predictions of energy expenditure in wild birds
编辑推荐:
能量是生命的基础,在变化环境下准确预测自由生活动物的能量消耗是生态学与全球变化生物学的核心问题。自由生活动物的每日能量消耗(daily energy expenditure, DEE)可通过双标水(doubly labelled water, DLW)技术直接
能量是生命的基础,在变化环境下准确预测自由生活动物的能量消耗是生态学与全球变化生物学的核心问题。自由生活动物的每日能量消耗(daily energy expenditure, DEE)可通过双标水(doubly labelled water, DLW)技术直接定量,或通过外推代谢率的呼吸计量(respirometry)测量估算,亦可利用生理生态(biophysical)原理建模估算。然而,后两类方法的准确性取决于数据质量与模型参数化水平。研究人员以自由生活的南斑鸫(Southern Pied Babbler, Turdoides bicolor)为对象,以DLW测量的DEE为基准,评估了呼吸计量外推与生理生态模型对DEE的估算效果。呼吸计量外推与生理生态模型的参数化方案包括:(a)假定动物行为与假定有效温度(operative temperature, Te);(b)假定动物行为与实测Te;(c)自然条件下精细尺度(焦点focal)行为观测与实测Te;(d)粗尺度(扫描scan)行为观测与实测Te。随后,研究人员在不同日最高气温(air temperature, Tair)范围内,量化了准确预测实测DEE所需的最小野外采集数据量。结果表明,在所有Tair值下,采用假定行为与Te参数化的模型均无法以95%置信度预测DEE。采用焦点观测与实测Te的生理生态模型结果与DLW测量值高度吻合(为实测DEE的94.1%–95.3%),而扫描观测则降低准确性(为实测DEE的81.7%–88.1%)。采用焦点或扫描观测及实测Te的呼吸计量外推分别预测DEE为观测值的82.1%–88.9%与69.0%–87.1%。不同行为数据输入的对比显示,提高DEE预测精度无需穷尽式采样。研究人员提出一种优先在代表性Tair下采集行为观测与Te测量的针对性方案,可在维持模型精度的同时最小化野外工作量。生理生态模型日益被用于预测环境变化下的物种互作、分布、存活与适合度,其必须具备生物学相关性、充分依据与准确性,方可可靠支撑生态与保护研究。
论文发表于《Functional Ecology》。研究背景方面,动物种群的持续生存依赖于个体通过生理与行为响应波动环境条件以平衡能量与水交换的能力。在全球快速变化的背景下,这种平衡愈发困难,导致分布偏移、物候改变、体型下降及与热相关的适合度代价。预测能量与水供需错配的影响需要行为、生理与物理环境的详细信息。生理生态(biophysical)建模的发展提升了预测物种对热景观变化响应的能力,但其准确性依赖于恰当的行为、微气候与生理参数化。自由生活动物的能量与水交换可通过同位素示踪剂如广泛使用的双标水(doubly labelled water, DLW)技术定量,该方法涉及捕获个体、采血并肌注标记水(通常标记H2与O18),随后再捕获采血;也可通过口服剂量并从排泄物取样实现非侵入式测量,但这需要理想条件。当DLW、加速度计或心率遥测等直接方法不可用时,可通过回归模型将受控条件下获得的气体交换测量值外推至自然环境来估算,典型如呼吸计量(respirometry)需在温控代谢舱中测量空气温度(air temperature, Tair)、体温(body temperature, Tb)、代谢率与失水量,但外推面临舱内有效温度(operative temperature, Te)≈ Tair且个体静止的限制,而野外微位点Te因辐射得热或避热可能显著高于或低于Tair,且需考虑活动成本。另一方法生理生态模型基于热交换原理预测个体体温调节、水分平衡与代谢,整合功能性状与环境条件,且不严格依赖实证方法,还可基于生理与环境预测行为,但常限于体温调节相关行为,忽略其他影响DEE的行为,导致过度简化。鉴于此类模型日益用于识别脆弱物种与保护决策,用自由生活个体的实测数据验证其输出至关重要。为此,研究人员以非侵入式DLW测量的南斑鸫(Turdoides bicolor)自然条件下不同Tair的DEE为基准,比较了不同参数化的呼吸计量外推与生理生态模型,并用表现最优模型量化准确预测DEE所需的最小野外数据量,以理解生理生态模型预测动物对环境变化响应的适用性与局限,为其保护规划验证提供依据,并提出数据收集优先级建议以提升模型预测气候变化响应的能力与保护价值。
关键技术方法方面,研究人员以南非南部喀拉哈里库鲁曼河保护区长期研究的习惯化南斑鸫(Turdoides bicolor)为样本队列,采用已发表的非侵入式DLW法测量自由生活成鸟DEE作为验证基准;行为数据来自同一种群夏季连续焦点(focal)与瞬时扫描(scan)观测,记录活动类型、位置与光照暴露以计算微位点与时间分配并应用活动乘数于静息代谢率(resting metabolic rate, RMR);微气候方面在四类微位点部署黑 bulb 有效温度(Te)记录仪获取连续Te剖面;生理数据通过在另一站点对捕获个体进行开放流通过式呼吸计量(open flow-through respirometry)测量28–54°C内的蒸发失水量(evaporative water loss, EWL)、Tb与RMR;建模采用呼吸计量外推与NicheMapR内温动物模块生理生态模型,按四种参数化方案即假定行为与Te、假定行为与实测Te、焦点观测与实测Te、扫描观测与实测Te进行,并通过广义线性混合模型(generalised linear mixed models, GLMMs)以95%置信区间(confidence interval, CI)评估预测值与DLW实测值的一致性,并对最优模型进行随机与分层子集的行为数据敏感性分析以确定最小数据需求。
研究结果部分,首先为3.1 Empirical data(实证数据)。研究人员通过DLW实测发现DEE随Tair升高而下降(95% CI: ?0.315 至 ?0.129, z = 4.694, 条件R2 = 0.557),范围涵盖Tair = 20–40°C;呼吸计量测得静息代谢率(RMR)的热中性区上限临界温度(upper critical limit of thermoneutrality, Tuc)为Tair = 42.3°C,之上RMR线性增加至最小热中性值的177%;连续焦点观测显示高能耗活动比例随日最高Tair增加而减少(95% CI: ?0.891 至 ?0.163; t = ?3.545; 调整R2 = 0.623),低能耗活动增加(95% CI: 0.335 至 0.853; t = 5.609; 调整R2 = 0.813),中等能耗活动无显著变化,而瞬时扫描未能反映高、低能耗活动的此种温度变化模式,且两种观测均显示较高Tair > 35°C时鸟类在遮阴微位点时间更长。
其次为3.2 Performance of modelling approaches for daily energy expenditure(每日能量消耗建模方法的表现)。其中3.2.1 Model parameterisation with assumed data (baseline models)(使用假定数据的模型参数化(基线模型))表明,采用假定行为且假定Tair ≈ Te或NicheMapR预测Te的呼吸计量外推与生理生态模型,在所有Tair下均无法以95% CI预测实测能量消耗,也未反映DEE随Tair升高而下降的趋势。3.2.2 Models parameterised with observed behaviour data and assumed (Tair ≈ Te) and predicted (using NicheMapR) temperature(使用观测行为数据与假定及NicheMapR预测温度参数化的模型)显示,无论连续焦点或瞬时扫描行为数据,在假定Tair ≈ Te时两模型均不在95% CI内;换用NicheMapR预测Te虽改善但仍未能在所有Tair下达到95% CI。3.2.3 Models parameterised with assumed behaviour data and measured temperature(使用假定行为与实测温度参数化的模型)指出,即使采用实测Te,若行为为假定,两模型仍无法以95% CI预测实测DEE。3.2.4 Combined models parameterised with observed behaviour data and measured temperature(使用观测行为与实测温度参数化的联合模型)中,呼吸计量外推用连续焦点观测与实测Te时在Tair < 34.5°C内落在95% CI但高于此温度则否(R2 = 0.30),用扫描观测与实测Te则任何Tair下少于50%预测值在95% CI内(R2 = 0.28);生理生态模型用焦点观测与实测Te时所有预测值均在实测值95% CI内(R2 = 0.67),用扫描观测与实测Te则在Tair > 34.9°C后超出95% CI(R2 = 0.29)。
再次为3.3 Minimum empirical data needed to accurately predict DEE using the best performing model(使用最优模型准确预测DEE所需的最小实证数据)。表现最佳的生理生态模型(焦点观测+实测Te)经敏感性分析表明,无论是随机还是分层减少焦点观测样本量,预测DEE基本落在95% CI内,唯一例外是随机方式仅用10%行为数据时在Tair < 26.5°C预测值超出95% CI;而分层方式在每日起始Tair选取一日代表(n = 17日)仍能维持预测在95% CI内。
讨论部分总结,研究人员指出用自然条件下的行为与温度数据参数化预测模型十分关键,基于通用假定与Te的模型无法在95% CI内预测自由个体能量消耗,加入观测行为与实测Te提升两方法预测能力,其中连续焦点观测而非扫描采样结合实测Te带来最大提升,行为驱动的生理生态模型比行为驱动的呼吸计量外推更准确预测昼行鸟类DEE。南斑鸫DEE随Tair升高而降反映高温下活动减少与占用阴凉微气候,焦点观测较扫描更能捕捉高低活动行为及遮阴微位点占用差异。研究表明纳入相对较少实证行为与Te数据可大幅提升预测,可采用针对性方法在相关Tair范围收集代表日数据(如本研究Tair = 20–40°C, n = 17日)以最小化工作量。多数模型在整个Tair范围近似实测DEE均值,简化方法或对长期均值预测有用,部分无实证行为模型也能捕捉DEE随Tair上升而降的总体趋势以识别方向性模式,但定量预测需详细参数化。习惯化种群易获焦点数据,非习惯化或隐秘种则难,行为温度阈值具物种特异性,跨物种外推需谨慎并以实地观察验证。NicheMapR预测Te虽便利但需以实测Te验证校准,否则可能误导。变暖增加热日频率加剧能量水平衡挑战与行为权衡,准确预测DEE可联系Tair下体重波动建模。生理生态模型日益普及但尚无通用到无需物种与情境验证之程度,研究人员提供了在模型中纳入少量针对性行为与Te数据以提升性能与保护价值的框架,强调相关野外数据的关键性及针对性采样降本路径,以更可靠预测物种气候韧性或脆弱性并支撑保护决策。
研究结论部分翻译:研究人员的主要目标是验证采用行为与微气候假定参数化的生理生态模型(相较实证观测行为与有效温度)是否能重现实测生理参数(此处为能量消耗),展示这种一致性是此类模型应用于预测情景前的关键步骤。研究人员提出了一种优先采集行为与微气候数据以更好告知热与能量交换生理生态模型的框架。研究人员强烈建议在预测动物对环境变量响应的模型中纳入自然条件下收集的实证行为数据,因其能增强现实性与保护价值。纳入观测行为与Te数据提升了这些模型表征驱动动物环境变量响应机制的有用性,深化对进化生态学及全球变化对生存影响的理解。尽管分析聚焦鸟类能量消耗,发现广泛适用于不同空间与时间尺度的小型昼行内温动物。更广泛的信息是,生态模型无论生理、行为或种群,在植根于生物学相关数据时可获得预测力。对于任何可获得或能收集适宜行为与Te数据的分类群,应使用这些数据参数化预测模型,这将提升模型准确性与预测模型成为强有力生态及保护工具的潜力。因此,跨学科研究人员均可受益于采用类似的模型参数化方法。