综述:泰勒功率定律的六十年:从生态与统计规律到复杂系统中的异质性与稳定性
《Physics of Life Reviews》:Six Decades of Taylor's Power Law: From Ecological and Statistical Regularity to Heterogeneity and Stability Across Complex Systems
【字体:
大
中
小
】
时间:2026年08月07日
来源:Physics of Life Reviews 11.8
编辑推荐:
•泰勒幂律将物种的平均丰度与其方差联系起来,展现了跨学科的普遍规律。•这一规律催生了两种研究路径:数学收敛定理的探索以及针对特定领域内在机制的寻找。•其应用范围涵盖流行病学、金融学、生态学以及计算系统领域,有助于对临界点事件提前预警。•从理论层面来看,泰勒幂律源自迭代复杂系统,与
•泰勒幂律将物种的平均丰度与其方差联系起来,展现了跨学科的普遍规律。•这一规律催生了两种研究路径:数学收敛定理的探索以及针对特定领域内在机制的寻找。•其应用范围涵盖流行病学、金融学、生态学以及计算系统领域,有助于对临界点事件提前预警。•从理论层面来看,泰勒幂律源自迭代复杂系统,与相变和尺度不变性密切相关。•未来的研究旨在弥合关于异质性、稳定性及演化方面的理论与应用研究之间的差距。
引言
所谓泰勒幂律,有时也简称为泰勒定律,它通过幂函数将非负度量的平均值(均值)与在空间上或时间上分离的不同采样区域中该度量值的方差联系起来。这一“定律”最初发表于著名的《自然》杂志论文《聚集方差与均值》(LR [1])中,其公式为:V=a·Mb/ln?(V)=A+b·ln?(M),其中A=ln(a),b为需估算的参数。LR Taylor [1]中所举的泰勒幂律实例均为生物数据,其中大部分是在生态学研究中采集的昆虫样本。正因如此,这一关系被认为体现了种群分布与丰度的生态学概念。T. R. E. Southwood在他的《生态学方法》教材[2]中首次使用了“泰勒幂律”这一名称。然而,在那篇《自然》论文发表后的六十年间,人们发现泰勒幂律几乎适用于所有科学领域的数据,乃至许多技术及人类相关领域的数据。本文综述了跨多个学科中支持泰勒幂律现象的生物学与非生物学证据。为体现其跨学科特性,我们在此介绍物理学家使用的另一种泰勒幂律形式——波动标度律,其表达式为S∝Mα或log[S]∝α·log[M],其中S为标准差,显然α=b/2。
从纯粹的统计学角度来看,泰勒幂律本质上反映了随机变量(X)的一阶矩与二阶矩之间的关系。二者之间的精确函数关系为:V[X]=E[X2]?(E[X])2,其中X为随机变量。这意味着随机变量X的二阶矩即方差V等于X2的数学期望即均值M减去X的均值平方。这一关系看似简单,人们或许会认为可以轻易给出数学证明。有人可能会思考,方程(3)是否可以用幂函数来近似表示,即V[X]=E[X2]?(E[X])2∝f[E(X)]∝(?)aE(X)b,其中E[•]=M为数学期望即一阶矩,V[•]为方差即关于均值的二阶矩。但从理论上讲,这种函数关系并非必然成立,因为它取决于统计分布类型。例如,当X服从泊松分布时,V[X]=M[X];而当X服从负二项分布时,V与M的关系为:V[X]=M[X]+M[X]2/k,其中k为离散度或聚集参数。不同的统计分布会产生不同的V-M关系,因此我们得出结论:并不存在适用于所有统计分布的通用且精确的方差-均值关系。这一观察结果表明,要为泰勒幂律提供严谨的数学证明可能十分困难。
自被发现以来,泰勒幂律吸引了各学科研究人员的关注,尤其是生态学家和统计学家。人们对它的态度从野外生物学家和农业科学家(尤其是昆虫学家和植物病理学家)的热烈接受,到统计学家和理论生态学家的谨慎怀疑不等。后者的怀疑主要源于泰勒幂律的分数次幂形式不符合现有的统计理论,且难以将其纳入正在发展的种群动态框架之中。而实际工作中的生物学家则发现,这一关系有助于分析那些很少符合费希尔统计理想条件的野外数据。泰勒幂律通过提供精确的变换方式,使异方差(非均匀)的野外数据更符合统计假设,从而便于分析;此外,它还是一种有效的工具,可用于描述自然种群的非随机(聚集型)空间和时间分布。这场激烈的争论持续了从20世纪60年代到80年代。
在接下来的20年里,人们开始研究新的生态机制以及数学/统计层面的解释,同时其他学科也在自己的数据中发现了泰勒幂律的存在。理论和实证研究都在探索泰勒幂律适用的范围与局限。近20年来,泰勒幂律又吸引了研究波动标度及其与物理世界中相变和其他复杂过程之间关系的物理学家的兴趣;而生物学家——尤其是微生物组生态学家——则发现泰勒幂律同样适用于微生物群落、景观结构以及共现网络,其应用范围已超出20世纪60年代在宏观生物生态学(植物和动物)领域确立的种群层面应用。
在继续探讨之前,有必要明确什么是泰勒幂律,以及它不是什么。泰勒幂律被定义为非负随机变量的方差V与均值M之间的幂律关系,即V=aMb。这是一种矩关系,描述了二阶矩(方差)如何随一阶矩(均值)变化,指数b则决定了这种变化的特性。令数学统计学家困惑的是,从统计矩理论的角度看似乎不存在明确的函数关系,但与此同时,从科学、技术到人文社科等各个领域却不断有越来越多的证据支持V-M幂函数关系。这种“强大的经验规律却缺乏普适的数学推导”的矛盾,正是泰勒幂律研究的核心问题,也促使人们必须进行严谨的区分。
文献中存在的一个混淆来源是人们倾向于将泰勒幂律与其他幂律混为一谈。虽然泰勒幂律是一种特定的方差-均值关系,但其他幂律描述的则是截然不同的现象,具体可参见表1。
为何要一起讨论它们?尽管存在这些差异,但它们之间仍存在有意义的关联。Tweedie收敛定理[4]表明,泰勒幂律与1/f噪声都可以源自同一类指数扩散模型,这说明二者具有共同的数学起源。类似地,异速生长规律与泰勒幂律也能通过种群平均密度联系起来[5]。在第3节中,我们将详细探讨这些关联。不过在整篇综述中,我们会保持清晰的区别:泰勒幂律特指同一随机变量的方差-均值幂律关系;而当我们讨论其他幂律时,则是从它们与泰勒幂律的关系角度出发,而非将其视为泰勒幂律的实例。
自泰勒最初发现泰勒幂律以来的六十年间,相关文献数量庞大且分布零散。其中较为全面的著作当属R. A. J. Taylor所著的专著《泰勒幂律:自然界的秩序与模式》,该书系统阐述了这一规律的实证与理论基础,重点聚焦生物学和生态学领域——这反映了该规律最初起源于昆虫学,并被广泛应用于植物和动物种群的研究。
本综述在三个重要方面与该著作有所不同。首先,也是最根本的一点,我们采用了跨学科的研究视角,范围远远超出了生物学和生态学领域。泰勒幂律已在物理学(复杂系统中的波动标度)、计算机科学(网络流量与进化计算)、经济学(股市流动性问题)甚至数论等领域被发现。虽然Taylor [6]提到过部分关联,但本综述则全面梳理了泰勒幂律在自然科学和社会科学领域的各种表现形式,旨在探寻跨越学科界限的共通数学结构与生成机制。当然,我们也意识到自身的知识局限可能限制这一目标实现——尤其是在理论统计学和物理学领域,由于我们缺乏深入的专业训练,泰勒幂律的广泛应用可能使我们无法完全达成这一目标。此外,即便我们付出了努力,所综述的文献仍可能偏向于我们更为熟悉的领域。
其次,我们强调了泰勒幂律研究的双轨发展路径。一条路径以数学和统计学为核心,侧重于抽象的理论基础,尤其是Tweedie收敛定理及其对理解泰勒幂律为何会在如此多样的背景下出现的意义;另一条路径则以生态学、物理学及其他实证学科为主,关注具体的应用场景和特定系统中的作用机制。这种双重性既为研究带来了丰富性,也造成了碎片化现象;本综述的一个核心目标就是整合这两种视角。不过,要实现这种整合,仍可能受到上述限制的制约。
第三,我们将泰勒幂律的应用范围从传统的种群层面拓展到了群落层面和网络层面。近期的研究成果包括针对群落异质性的泰勒幂律扩展形式(TPLE)[7],以及用于描述网络异质性的网络泰勒幂律(TPLoN)[8],这些新工具为不同生物组织层级间的尺度分析提供了可能。在Taylor撰写专著时,这些扩展形式尚处于初期阶段,如今已值得进行系统性的梳理。我们还探讨了过去十年间出现或发展成熟的领域中的应用,尤其是微生物组生态学领域——高通量测序技术产生的海量数据使得泰勒幂律能够在前所未有的规模上得到应用。
据我们所知,此前尚无综述同时涵盖这三个维度。正是这种新颖性促使我们在认识到自身知识不足的情况下仍决定开展这项工作。我们将本综述划分为八个主题领域(见图1),并按三个时间阶段安排:奠基阶段(20世纪60年代–80年代)、数学与统计整合阶段(20世纪90年代–2000年代),以及当前向复杂系统与网络领域拓展的阶段(2010年代–2020年代)。这样的结构旨在凸显六十多年来泰勒幂律研究中的连续性与概念转变。
研究泰勒幂律的实际意义极为深远。在农业、林业和渔业等领域,作物、树木和鱼类的种群波动会直接影响人类的食物和木材供应,进而带来显著的经济影响。在野生动物保护领域,尤其是对于濒危物种而言,种群密度下降会增加灭绝风险(阿利效应),还可能引发遗传多样性瓶颈,带来长期的进化后果。泰勒幂律还被用于预测COVID-19的转折点与死亡率[9,10],以及人类整体的死亡率[11]。
虽然泰勒幂律最初是为生物种群的V-M数据拟合的,但该幂函数本身并不要求数据必须来自生物种群。事实上,方差-均值幂函数关系(方程1)已在病毒、细菌、真菌、动物、植物以及人类身上得到验证。此外,泰勒幂律还适用于许多非生物现象,如地震震级、星系分布、计算机网络中的数据包流量,以及进化计算中的适应度值。其应用范围几乎涵盖了所有应用复杂性科学的领域。这种重叠并非巧合,因为幂律标度往往是复杂系统的涌现特性。因此,本综述的内容不仅限于生物学或生态学领域。作为一种普适的标度定律,泰勒幂律在研究复杂系统与网络的异质性及稳定性方面发挥着关键作用(见框S1)。在物理学和复杂性科学中,普适性、尺度不变性、相变以及自组织临界性等概念往往与包括泰勒幂律在内的幂律规律密切相关(参见[12];框S1)。
物理学家和技术人员发现波动标度律与泰勒幂律其实是同一现象,这一发现带来了新的见解。一些生物学家的怀疑部分源于泰勒幂律仅具描述性特征且缺乏预测能力。此外,泰勒幂律也并非像最初认为的那样具有高度的物种特异性,不过在相似的实验条件下,其研究结果依然具有重复性。持续的理论与分析工作表明,泰勒幂律或许能为生态学实现预测性研究的目标做出贡献。
在本综述中,我们将探讨何为符合泰勒幂律要求的数据集。产生泰勒幂律的各种数据收集方式——无论是实证研究还是建模——可分为两类基本数据流:空间数据流和时间数据流,此外还包括混合物种、群落层面以及网络层面的扩展形式[7,8]。第2节将对泰勒幂律数据类型进行详细分类。虽然泰勒幂律最初是通过生物种群的空间采样发现的,但许多非生物领域的泰勒幂律研究则集中在时间尺度分析上,比如股市波动、外汇交易以及计算机网络中的信息流量[[13], [14], [15], [16]]。
鉴于泰勒幂律相关文献的数量极为庞大,我们的研究范围仅限于那些最能体现并支撑本综述结构的作品。我们围绕两个核心维度来组织这篇综述:时间脉络(20世纪60年代–80年代、90年代–2000年代、2010年代–2020年代)以及八个主题领域(见图1)。在每个时期,我们都会研究两类主要的研究主题:抽象的(数学和统计学)以及具体的(生态系统和物理系统)。这种结构形成了我们所称的“间断景观”,这一概念借鉴了进化生物学中的适应度景观理论。八个主题领域如下:第2部分探讨了早期对种群空间聚集及生态机制的关注;第3部分研究了TPL的数学基础,包括其与偏态统计分布的一致性以及Tweedie收敛定理;第4部分综述了各种生成的机制,从解析种群模型到基于模拟的方法;第5部分讨论了区分样本TPL与种群TPL的方法论问题;第6部分探讨了TPL、种群稳定性以及同步性之间的关系;第7部分将TPL扩展到复杂网络和生态系统;第8部分分析了TPL在微生物生态学中与其他幂律关系的联系;第9部分梳理了微生物组生态学中关于TPL的快速发展文献;第10部分则对研究成果进行了总结,并提出了未来研究的方向。
历史起源:泰勒的陷阱网络
TPL最早的验证是基于对昆虫种群的广泛野外采样。L.R.泰勒在英国建立了两个全国性的陷阱网络:一个是始于1964年、由志愿蛾类爱好者运营的灯光陷阱网络,另一个则是用于监测蚜虫的吸虫陷阱网络,该网络至今仍是罗斯汉姆斯特德昆虫调查项目的一部分(https://repository.rothamsted.ac.uk/)。这些网络产生了大量数据集,为系统地检验TPL提供了可能。
TPL与偏态统计分布的一致性(2700字)
本节探讨了TPL与某些偏态统计分布之间的对应关系。第一个小节聚焦于Adès分布,Perry和Taylor[53]研究了将其应用于昆虫种群数量数据的情况,发现有一类Adès分布可以拟合以满足TPL条件。第二个小节则深入探讨了Tweedie分布[54],Kendal[55]发现这类尺度不变的指数扩散模型(EDM)能够……
TPL的生成机制(2800字)
在上一节研究了产生TPL的统计分布之后,我们现在来探讨TPL是如何从种群增长和动态模型中产生的。虽然第3节中的统计分布提供了数学基础,但此处介绍的模型则着眼于那些能够产生方差-均值幂律的生态、进化及物理过程。这些机制从种群增长模型的解析推导到随机过程不等多样。
样本TPL与种群TPL,以及素数分布(1200字)
在第四节探讨了TPL的生成机制之后,我们现在转向两个看似不同但实际上都围绕采样与底层结构之间关系展开的主题。第一个主题涉及一个基本的方法论问题:即从有限数据估算得到的样本TPL与理论上在无限数据情况下应存在的种群TPL之间的区别。Giometto等人[73]证明,样本指数可能会系统性地存在差异……
TPL、种群稳定性、同步性与临界点(2000字)
在研究了统计基础(第3节)、生成机制(第4节)以及采样方法论问题(第5节)之后,我们现在来探讨TPL与种群和群落生态学中的两个关键概念——稳定性和同步性——之间的关系。空间同步性,即不同地点的种群密度趋于同步波动的现象,对种群持续存在、灭绝风险以及生态系统管理有着重要影响。作为衡量……的TPL,在复杂网络和生态系统中的应用(2000字)
在研究了种群、群落和时间序列中的TPL之后,我们现在将其应用扩展到复杂网络。无论是生态网络(物种共存、食物网)、技术网络(互联网、电网)还是社会网络,它们都是由节点(实体)和链接(相互作用)构成的。复杂性科学、图论和网络科学中的关键概念总结在S1框中,读者可参考其中的定义和背景信息。TPL已被应用于多种网络中……
TPL与微生物生态学中的其他幂律关系(1300字)
在确立了TPL的统计基础(第3节)、其生成机制(第4节),以及其在种群和网络中的应用(第2、6、7节)之后,我们现在来审视微生物生态学中其他幂律关系的更广阔图景。自1961年发现TPL以来,它已在微生物生态学(植物和动物领域)得到广泛研究,其中很多内容已在前面的章节中阐述。本节的目的是不重复探讨TPL本身,而是综述其他……
微生物组生态学中的TPL(2200字)
在了解了微生物生态学中的TPL及其他幂律关系(第2–8节)之后,我们现在转向一个在过去二十年里才发展成熟的领域:微生物组生态学。高通量测序技术的出现,尤其是人类微生物组计划(HMP),产生了大量关于不同宿主、身体部位以及不同时间点上微生物丰度的数据。这些数据使得研究人员能够探究在植物和动物中观察到的宏观生态学模式是否也存在于微生物组中……
观点总结(1800字)
在本次综述中,我们追踪了泰勒幂律六十年的发展历程,它从昆虫种群中的经验观察,逐渐发展成为在物理学、生态学、微生物学、经济学甚至数论领域都普遍存在的统计规律。我们将这一发展历程按照两个相互垂直的维度进行组织:时间线(20世纪60年代–80年代、90年代–2000年代、2010年代–2020年代)以及八个主题领域(第2–9节)。这种结构揭示出了TPL研究领域的“间断景观”,即……
作者贡献
MZS构思了这篇综述并撰写了手稿;RAJT对手稿进行了修改。两位作者均同意提交此文。
数据/代码可用性
无。
未引用的参考文献
[[126], [127], [128], [129], [130], [131], [132], [133], [134], [135], [136], [137], [138], [139], [140], [141], [142], [143], [144], [145], [146], [147], [148], [149], [150], [151], [152], [153], [154], [155], [156], [157], [158], [159], [160], [161], [162], [163], [164], [165], [166], [167], [168], [169], [170], [171], [172], [173], [174], [175], [176], [177], [178], [179], [180], [181], [182], [183], [184], [185], [186], [187], [188], [189]]
利益冲突声明
作者声明没有已知的、可能影响本文研究的财务利益或个人关系。
致谢
本综述工作得到了哈佛大学Bullard奖学金、中国国家自然科学基金(NSFC #72274192)以及兴滇人才计划的慷慨支持。
作者:Zhanshan (Sam) Ma, R.A.J. Taylor