长期预测模型揭示美国切萨皮克湾流域内溪流状况的广泛变化

《Hydrobiologia》:Long-term predictive modeling of stream condition suggests wide-spread changes within the Chesapeake Bay Watershed, USA

【字体: 大 中 小 】 时间:2026年07月30日 来源:Hydrobiologia 2.4

编辑推荐:

  溪流生态系统在全球范围内持续面临退化,凸显了保护与恢复的迫切需求。对溪流状况的区域性分析受到稀疏时空数据,特别是长期时间尺度的限制。为弥补这一空白,研究人员利用观测数据预测了1985年至2023年(39年)期间切萨皮克湾流域(Chesapeake Bay Wa

  
溪流生态系统在全球范围内持续面临退化,凸显了保护与恢复的迫切需求。对溪流状况的区域性分析受到稀疏时空数据,特别是长期时间尺度的限制。为弥补这一空白,研究人员利用观测数据预测了1985年至2023年(39年)期间切萨皮克湾流域(Chesapeake Bay Watershed, CBW)内360,893条小型非潮汐溪流段落的年度生物状况。预测基于随机森林模型(Random Forest, RF),该模型通过大量底栖大型无脊椎动物(benthic macroinvertebrate)数据集以及自然景观特征、土地覆盖和气候变量等预测因子进行训练。评估了四个生物指标:除纹石蛾科(Hydropsychidae)外的蜉蝣目(Ephemeroptera)、襀翅目(Plecoptera)和毛翅目(Trichoptera)百分比(%EPT-H)、蜉蝣目百分比(%Ephemeroptera)、附着功能群(clinger functional group)百分比(%Clingers)以及生物完整性指数(Index of Biological Integrity, IBI)。结果显示,华盛顿特区和马里兰州巴尔的摩附近生物状况较差,这些城市化区域所有指标均呈下降趋势。空间异质性明显:南部许多溪流的IBI和附着百分比上升,而北部溪流下降;除东南平原生物区(Southeastern Plains bioregion, SEP)外,整个流域的%EPT-H和蜉蝣目百分比均下降。到2021年,预测整个流域IBI改善的溪流长度仅占0.9–1.1%,未达到管理目标。本研究展示了长期数据和机器学习在预测溪流状况、识别关键压力源以及指导恢复和保护选址方面的效用。
**论文解读:基于长期预测模型的切萨皮克湾流域溪流状况变化分析**

**研究背景与问题**
全球溪流生态系统正经历持续的生物状况改变,需进行景观尺度的长期监测与评估。然而,区域分析长期受限于时空数据的稀疏性,尤其缺乏高时间分辨率的数据。切萨皮克湾流域(Chesapeake Bay Watershed, CBW)作为美国重要的经济与生态区域,虽拥有大量底栖大型无脊椎动物(benthic macroinvertebrate)观测数据,但先前模型(Maloney et al., 2022a)仅采用粗时间步长的土地覆盖(每三年)和静态气候变量,预测结果显示2001–2019年流域整体状况无变化,与观测数据(2000–2005至2018–2023间隔内改善10.3%)矛盾。该矛盾阻碍了切萨皮克湾项目(CBP)溪流健康工作组(SHWG)对“2025年溪流里程较2008年基线改善10%”目标的进展评估。因此,本研究旨在利用年度土地覆盖和时变气候数据,构建更精确的预测模型,估计1985–2023年每年所有小型溪流(≤200 km2上游排水)的生物状况,并分析趋势,以辅助管理决策。

**关键技术方法**
研究人员采用随机森林机器学习(Random Forest, RF)回归模型,训练数据来自切萨皮克湾流域底栖大型无脊椎动物生物完整性指数(Chessie BIBI)数据集(5943个样点),该数据集由波托马克河流域州际委员会(ICPRB)维护,涵盖12个生物区(bioregion)。预测变量选自公开的“ChesBay 24k”数据集,包括自然景观(土壤、地质、高程)、人类活动(水坝、污水处理厂)、年度土地覆盖(1985–2023年国家土地覆盖数据库NLCD)和月度气候数据(1980–2023年Daymet),经相关性筛选后保留89个预测因子。模型预测四个生物响应指标:原始Chessie BIBI得分(BIBI_raw)、%EPT-H、%Ephemeroptera和%Clingers,并应用于360,893条溪流年度预测,通过Mann-Kendall检验和Theil-Sen斜率计算趋势。

**研究结果**
**随机森林模型(Random forest models)**
测试数据集显示,各模型解释变异量分别为:%EPT-H(0.59)、%Clingers(0.50)、%Ephemeroptera(0.49)、BIBI_raw(0.47),表明模型未过拟合。重要性分析显示,上游不透水地表覆盖率在所有模型中均为前三重要变量,呈负相关;局部集水区平均坡度、上游平均高程与多个指标正相关;上游落叶林覆盖率在所有模型中均进入前十,呈正相关;气候变量(如采样月及前月最大气温)在部分模型中与指标负相关,阈值约15–23°C。

**长期预测及其趋势(Long-term predictions and their trends)**
1985–2023年,华盛顿特区和巴尔的摩周边区域所有四个指标均呈强烈负趋势。空间异质性明显:第一组(BIBI_raw和%Clingers)在东南平原(SEP)、南大巴谷(SGV)和南岭谷(SRV)生物区多数溪流呈正趋势,北部流域呈负趋势;第二组(%EPT-H和%Ephemeroptera)除SEP外全流域普遍下降。

**Chessie BIBI模型预测与管理目标(Chessie BIBI model predictions and management goals)**
按五级分类,极差和差状况主要分布在皮埃蒙特(Piedmont)和大西洋中部沿海平原(MAC)生物区,良好和优秀集中在山区。1985–2023年,华盛顿和巴尔的摩周边极差站点增加,SEP许多站点从一般改善为良好,SRV从良好改善为优秀,北部站点从优秀降为良好。无论基线年份(1985、1987或2008),大多数溪流状况未变(>89%)。以公平、良好、优秀总和(%FGE)衡量,单年基线显示最大增加在2020年(1.7%),但年际波动大;±2年滑动平均后,2021年较2008年基线仅增加0.9%,远低于10%目标。

**讨论与结论**
讨论部分指出,不透水地表和落叶林覆盖率是重要预测因子,但地形变量(坡度、高程)可能因与土地利用或栖息地条件混淆而显重要;气候变量(如最大气温)对年际变异贡献显著,但难以区分直接效应。模型预测的改善幅度(0.9%)低于观测数据(6.0%–10.3%),原因可能包括:缺失时变管理实践数据、观测数据自身偏差(如采样协议差异)、观测数据内在变异(RMSE为2.8–4.6)限制趋势检测。年际变异主要源于气候波动,而非土地覆盖的缓慢变化。

**结论**
水生生态学正进入一个关键时期,得益于大型响应和预测因子数据集、生态知识综合以及人工智能/机器学习的快速进步。本研究利用这些进展帮助CBP的SHWG评估其10%目标的进展。然而,研究结果也被整合到一个更大的项目中,旨在为管理者和合作伙伴提供CBW整体溪流状况的多指标评估,并通过合作驱动的网络工具呈现。目前已发布的指标包括鱼类、盐度和物理栖息地,其他指标(溪流温度、营养物、流量)正在开发中。该工具可识别预测的高质量静态区域(用于保护)和退化区域(用于恢复),多指标方法使用户能够突出导致生物状况改变的压力源,从而促进针对性的管理或恢复行动。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号