跨尺度热点转换与城市鸟类丰富度的尺度依赖性驱动因素

《Ecological Indicators》:Cross-scale hotspot transition and scale-dependent drivers of urban bird richness

【字体: 大 中 小 】 时间:2026年08月05日 来源:Ecological Indicators 8.7

编辑推荐:

  生物多样性保护已成为快速城市化地区的主要挑战,这些地区的环境异质性在空间和季节维度上重塑了生态格局。然而,大多数研究集中于识别单一最优尺度,而忽视了生物多样性响应如何随尺度变化。在本研究中,研究人员开发了一个整合多尺度分析、可解释机器学习和季节模拟的框架,以研

  
生物多样性保护已成为快速城市化地区的主要挑战,这些地区的环境异质性在空间和季节维度上重塑了生态格局。然而,大多数研究集中于识别单一最优尺度,而忽视了生物多样性响应如何随尺度变化。在本研究中,研究人员开发了一个整合多尺度分析、可解释机器学习和季节模拟的框架,以研究中国深圳的城市鸟类多样性模式。分析了超过215,000条公民科学(citizen-science)鸟类记录和环境变量,空间尺度范围从300米到2000米。结果显示,模型性能和环境响应均表现出强烈的尺度依赖性(scale dependency)。在所有尺度中,1000米达到了最高的预测准确性和生态可解释性,代表了建模城市鸟类多样性的最优尺度。跨尺度热点分析识别出稳定、衰减和新兴三种热点转换模式,表明支持生物多样性的条件在尺度缩放过程中经历了持久、衰减和空间重组。环境驱动因素表现出跨尺度的层级性转变,从细尺度生境调控过渡到更广泛的气候、地形和人为控制,并伴随广泛的非线性阈值响应。季节模拟进一步揭示了与物种物候(phenology)相关的热点分布和驱动因素主导地位的显著时间变化。总体而言,本研究为理解城市生物多样性响应提供了一个尺度自适应框架,并为快速城市化景观中的生态监测、生物多样性保护和空间规划提供了实用启示。
**城市鸟类丰富度的跨尺度热点转换与尺度依赖性驱动因素研究解读**

**研究背景与问题**

城市生物多样性是衡量城市生态健康的重要指标。快速城市化导致景观结构和组成发生根本性改变,侵蚀了城市内部的生态韧性,加剧了栖息地丧失和破碎化,进而引发城市生物多样性的级联下降。鸟类在城市食物网中占据重要地位,对环境变化高度敏感,其空间分布和丰度动态可作为环境变化的敏感指示器,因此在评估生态系统健康方面不可或缺。然而,尽管已有研究日益认识到单尺度分析的局限性,并开始转向系统的多尺度比较,但多数研究仍集中于识别单一最优尺度,忽略了空间缩放过程中生态信号的动态转化,即尺度转换结构。生态系统具有非线性跨尺度相互作用的复杂系统特性,在异质性城市景观中,生态效应并非简单叠加,而是可能通过稳定传播、衰减或涌现等路径发生转化。此外,现有研究虽已纳入季节动态,但大多局限于描述物种组成或丰富度的季节差异,或检验简单线性关系,未能捕捉环境驱动因素跨季节的非线性响应和阈值动态。为解决这些空白,研究人员开发了一个整合多尺度分析、可解释机器学习和季节动态模拟的集成框架,并应用于中国深圳。

**研究内容与结论**

该研究旨在通过多尺度分析、可解释机器学习和季节模拟,揭示城市鸟类丰富度的空间格局和驱动机制。研究利用超过215,000条公民科学(citizen-science)鸟类记录,在300米、500米、1000米和2000米四个空间尺度上分析鸟类丰富度与环境变量的关系。结果表明,1000米网格为建模城市鸟类多样性的最优操作尺度(operative scale),在该尺度上极限梯度提升(XGBoost)模型达到了最高的预测精度和生态可解释性。跨尺度热点分析识别出三种热点转换模式:稳定转换(stable-transition)、衰减转换(attenuated-transition)和新兴转换(emergent-transition)热点,表明生态优势在空间粒度增加时经历了结构性重组而非线性传播。环境驱动因素表现出显著的尺度依赖性主导地位转变:从微尺度(300米)的生境因子,到中尺度(500米和1000米)的气候调节,再到宏尺度(2000米)的地形和人为影响。季节模拟进一步揭示了热点分布和驱动因素主导地位的显著季节变化,与鸟类物候和城市资源供给的时空匹配相关。该研究发表在《Ecological Indicators》(Ecological Indicators)期刊上,为理解城市生物多样性响应提供了尺度自适应框架,并为快速城市化地区的生态监测、生物多样性保护和空间规划提供了科学依据。

**主要技术方法**

研究人员首先从多源公民科学平台(包括eBird基本数据集、中国鸟类报告中心、朱雀会及观鸟君移动应用)整合了2020年1月至2024年12月期间约215,000条鸟类观测记录,并进行了严格的空间稀疏化处理以降低观测偏差。环境变量涵盖气候(平均温度、平均降水)、地形(数字高程模型DEM衍生的坡度和坡向)、生境(归一化差异植被指数NDVI、土地覆盖、距水域距离、距海岸线距离、植物功能类型PFT)和人为因子(人口密度、夜间灯光指数NLI、距城市距离、距道路距离),并通过分区统计方法整合至各网格尺度。研究采用四种机器学习算法:贝叶斯线性回归(BLR)、支持向量回归(SVR)、随机森林(RF)和极限梯度提升(XGBoost),以环境变量为输入、鸟类丰富度为响应变量建模,通过网格搜索和五折交叉验证优化超参数,并利用独立测试集及空间分区交叉验证评估模型性能。模型解释方面,采用沙普利加法解释(SHAP)量化各环境因子的边际贡献,并使用偏依赖图(PDP)可视化非线性响应曲线和关键生态阈值。局部空间关联指标(LISA)用于识别各尺度上统计显著的鸟类丰富度高-高聚类(热点)和低-低聚类(冷点),并通过相邻尺度空间叠加分类热点转换模式。季节模拟中,将气候变量和NDVI计算为季节均值,其他变量作为静态变量,在最优操作尺度(1000米)上重复建模和解释分析。

**研究结果**

**3.1 多尺度模型评估与最优操作尺度**

研究人员通过决定系数R2和均方误差MSE评估了四种算法在四个空间尺度上的预测性能。结果显示,极限梯度提升(XGBoost)在大多数尺度上始终优于其他模型,性能排序为XGBoost > 随机森林(RF) > 支持向量回归(SVR) > 贝叶斯线性回归(BLR)。模型性能在空间尺度上呈现明显的峰谷模式,1000米网格达到最高预测精度(R2 = 0.79,随机分区;空间分区交叉验证R2下降10.1%),成为最优操作尺度,而2000米尺度性能最差。

**3.2 鸟类热点的尺度转换与尺度依赖性驱动因子**

**3.2.1 鸟类热点的时空尺度转换**

基于局部空间关联指标(LISA)聚类,研究人员在每个尺度上识别出显著热点,并根据相邻尺度间的空间重叠关系将跨尺度热点转换模式分为三类:稳定转换热点(多个尺度维持热点状态)、衰减转换热点(细尺度为热点,空间聚合后失去)和新兴转换热点(细尺度非热点,更粗尺度成为热点)。稳定转换热点(如深圳湾和沿海部分区域)形成跨尺度的相对持久生态骨架;衰减转换热点主要集中于细到中尺度转换(如500米到1000米),体现在梅林山公园、梧桐山及大鹏东部;新兴转换热点在2000米尺度上与大型生态空间(如银星湖公园、梧桐山)关联,并在深圳湾和铁岗水库周围与稳定热点相邻分布。

**3.2.2 环境驱动因子的尺度依赖性与主导地位转变**

通过沙普利加法解释(SHAP)量化环境预测因子的边际贡献,研究人员发现预测因子主导地位从微尺度生境因子向中尺度气候调节,最终向宏尺度地形和人为影响转变。300米尺度上,生境相关变量贡献占模型总体的46%;500米和1000米尺度上气候因子影响最强;2000米尺度上地形因子相对贡献最高。进一步分析显示,降水在500米和1000米尺度上对丰富度驱动效应最显著,温度在300米和2000米尺度上成为主导因子;距海岸线距离在所有尺度上持续显著,而距水域距离呈现更复杂的非线性模式;人为干扰因子如道路距离在300-500米细尺度上呈负效应,夜间灯光指数在2000米尺度上与高城市化区域丰富度正相关。

**3.2.3 多尺度非线性响应与阈值转变**

偏依赖图(PDP)分析揭示了关键环境预测因子的非线性响应模式。气候因子方面,年降水在约1720-1750毫米区间内与较高鸟类丰富度关联,超出此区间丰富度下降;温度响应呈尺度依赖性,1000米尺度上最强正响应发生在约17.5-19°C。距海岸线距离在所有尺度上持续支持鸟类丰富度,但效应空间范围差异显著;距水域距离在约500米内保持正效应,超出后逐渐减弱;天然草地(natural grassland)在覆盖度较低(细尺度约4%,粗尺度约7-10%)时呈正效应。人为因子方面,细尺度上鸟类丰富度随距道路距离增加而增加,正效应在约500米后明显;2000米尺度上人口密度呈非线性U型响应,约4000-20000人/平方公里区间内预测丰富度较低。

**3.3 热点转换与驱动因子耦合的季节动态**

基于最优操作尺度(1000米)的季节模拟显示,春季(迁徙期)生境相关变量贡献占模型总体的48%,热点集中于岗铁水库和深圳湾,偏依赖图(PDP)显示距水域超过约382米后丰富度急剧下降;夏季温度成为主要约束因子,热点范围显著收缩,丰富度在温度升高时普遍下降,但在约29°C以上重新上升;秋季热点覆盖范围最大,气候约束较弱,天然草地正效应在覆盖度约28%以内维持;冬季气候因子贡献占34%,热点高度集中于深圳湾区域,温度在整个冬季对丰富度呈一致正效应。

**讨论与结论**

讨论部分指出,极限梯度提升(XGBoost)的优越性能与城市鸟类丰富度数据的内在特征相关,即多环境维度(气候、生境、地形、人为干扰)的非线性层级交互作用。1000米最优操作尺度可能对应于鸟类群落整合异质性环境信息的最有效空间窗口,在微生境利用与宏观环境干扰之间取得最佳平衡。跨尺度热点转换模式揭示了生态条件在空间缩放过程中的持久、衰减与重组机制:稳定转换热点(如深圳湾)代表持久生态适宜性和栖息地稳定性;衰减转换热点(如西部沿海500米到1000米转换)反映微生境优势被高密度城市基质稀释;新兴转换热点(如梧桐山2000米尺度)表明大型生态综合体可产生累积生物多样性效益。环境驱动因子的尺度依赖性转变反映了鸟类在不同空间尺度上的行为与生态策略:微尺度生境依赖即时觅食和庇护条件,中尺度气候调节植被生产力和昆虫资源,宏尺度地形和城市化梯度施加整体约束。气候变量的非线性阈值响应表明城市鸟类群落对气候窗口高度敏感。生境变量的非线性响应支持景观异质性的递减边际效应,而距水域和海岸线距离的多重阈值响应揭示了复杂城市基质中的潜在空间补偿过程。人为干扰的尺度依赖性双重效应(细尺度干扰主导,粗尺度资源补贴与干扰平衡)表明人类影响并非均匀负面,而是干扰与资源供给的动态相互作用结果。季节动态表明,春季迁徙依赖水域前沿和海岸线距离作为生态踏脚石,夏季热应力过滤繁殖鸟分布,秋季气候约束放松使热点覆盖最大化,冬季热调节促使鸟类向沿海区域集中。研究强调,有效生物多样性保护需要整合跨尺度生态连通性与全年栖息地功能,并建议将1000米操作尺度作为标准化规划单元,衰减转换热点区域可用于生态踏脚石和廊道布局,维持大型生态斑块的连通性至关重要。同时,应促进异质性生境镶嵌,并在迁徙期保护沿海生态网络,夏季通过增加植被覆盖缓冲热应力,冬季利用沿海庇护所和城市微气候支持越冬鸟类。

研究结论部分翻译如下:本研究整合了多尺度机器学习建模、通过沙普利加法解释(SHAP)和偏依赖图(PDP)的可解释机器学习以及季节模拟,以阐明深圳城市鸟类丰富度的空间格局和驱动机制。得出四项主要结论。第一,1000米网格尺度构成城市鸟类多样性建模的最优操作尺度,在该尺度上极限梯度提升(XGBoost)通过最佳平衡细尺度生境异质性与粗尺度信号平均化,达到了峰值解释力。第二,鸟类热点展现出三种结构不同的尺度转换模式——稳定、衰减和新兴——表明生态优势随空间粒度增加经历了结构性重组而非线性传播,且在不同尺度转换中呈现不对称主导性。第三,环境驱动因子呈现显著的尺度依赖性主导地位转变,从微尺度的生境因子通过中尺度的气候调节过渡到宏尺度的地形和人为影响,其生态效应常在特定环境范围内呈现非线性转变,反映了鸟类丰富度与环境资源条件跨尺度的关联变化。第四,季节动态进一步揭示热点分布和驱动因子主导地位受鸟类物候需求与城市资源供给的时空匹配所支配,春季迁徙关键依赖于水域前沿和海岸线距离作为生态踏脚石,热应力过滤夏季和冬季分布,而秋季气候约束放松使热点覆盖最大化。总体而言,这些发现为高动态城市景观提出了一种精准保护框架,以操作尺度作为监测的科学基础,以尺度转换类型学作为空间规划的诊断工具,以季节驱动因子转变作为适应性管理的时间维度。通过超越传统单尺度方法,该框架使生物多样性治理能够匹配生态过程尺度、响应关键环境转变,并与物种生活史节律同步,从而增强快速环境变化下城市生态系统的韧性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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