《Global Change Biology》：Predicting Coral Cover Trends From Local to Broad Spatial Scales
编辑推荐：
现代生物多样性监测项目旨在提供对关键类群丰度和分布趋势的快速评估，并为决策提供及时的科学见解。在向利益相关者传递这些信息时，一个重要的考虑因素是不确定性的量化，这决定了检测跨栖息地和区域变化的稳健性。在珊瑚礁科学中，稀疏且零散的监测数据集阻碍了对珊瑚礁栖息地变
现代生物多样性监测项目旨在提供对关键类群丰度和分布趋势的快速评估，并为决策提供及时的科学见解。在向利益相关者传递这些信息时，一个重要的考虑因素是不确定性的量化，这决定了检测跨栖息地和区域变化的稳健性。在珊瑚礁科学中，稀疏且零散的监测数据集阻碍了对珊瑚礁栖息地变化的评估。研究人员引入了一个全面的预测框架，用于在局部尺度（5 km2 预测单元）上估计硬珊瑚覆盖趋势及相关不确定性。该模型通过潜在过程公式化（latent process formulation）考虑了珊瑚覆盖的空间和时间依赖性，其中相关性在空间和时间上明确结构化，并包含描述热胁迫（heat stress）和热带气旋（tropical cyclones）暴露的环境变量。研究人员使用加权空间聚合方法（weighted spatial aggregation approach）预测亚区域和区域尺度的趋势，亚区域和区域的范围根据地理背景而变化。相同的方法通过ReefCloud平台结合多个模型的输出来估计更广泛空间尺度的趋势，确保预测反映造礁珊瑚的空间分布，并且不确定性在空间尺度上得到适当传播。该模型还量化了热胁迫和热带气旋的影响，并描述了它们与不同干扰强度梯度下珊瑚覆盖变化的关联。研究人员使用两个案例展示了该框架的价值：澳大利亚大堡礁中部和美属萨摩亚。这些应用共同突出了该综合方法作为预测各种空间尺度珊瑚覆盖趋势的广泛适用方法的潜力。研究人员还讨论了由于现有数据集的局限性导致的框架的显著不确定性，并提出了提高珊瑚礁趋势检测稳健性及其对环境干扰归因的方法。
**研究背景与问题**
全球生物多样性监测旨在通过评估关键类群（如造礁珊瑚）的丰度变化，为管理决策提供依据，但量化不确定性是确保变化检测稳健性的核心挑战。在珊瑚礁科学中，稀疏且零散的监测数据（例如长期站点不足15年）严重限制了栖息地变化的评估，尤其在全球珊瑚礁大部分区域缺乏连续观测。现有方法难以充分处理空间和时间依赖性，且对多重扰动（如热胁迫和热带气旋）的归因能力有限。为此，研究人员开发了一个综合预测框架，以提升从局部（5 km2）到广泛空间尺度（>5000 km2）的珊瑚覆盖趋势估计能力，并量化不确定性，从而支持基于证据的珊瑚礁管理。该研究发表在《Global Change Biology》。
**关键技术与方法**
研究采用固定秩克里金（Fixed-Rank Kriging, FRK）模型，通过低秩空间基函数与时间基函数的张量积构建时空依赖结构，并将热胁迫（Degree Heating Weeks, DHW）和热带气旋暴露（4 MW模型估算的破坏性波浪持续时间）作为固定效应纳入回归框架。模型通过蒙特卡洛（Monte Carlo）采样从预测分布中量化局部不确定性，并利用加权空间聚合方法（基于珊瑚礁面积加权）将局部预测整合至亚区域和区域尺度。模拟实验评估了模型在稀疏数据下的稳健性。数据来源包括：中央大堡礁（Central Great Barrier Reef, GBR）的ReefCloud数据库（358个珊瑚礁、1728个断面，2006–2024年，来自多个监测项目）和美属萨摩亚NOAA国家珊瑚礁监测计划（507个断面，2015、2018、2023年）。
**研究结果**
1. **1 The Spatio-Temporal Prediction Framework**
- **1.1 Benthic Monitoring Data**：珊瑚覆盖通过卷积神经网络（convolutional neural network）从水下照片中分类50个点，并聚合至断面尺度。
- **1.2 Local Spatial Scale**：预测单元为5 km2六边形网格，限于浅水珊瑚生境（0–12 m），确保与造礁珊瑚分布一致。
- **1.3 Disturbances**：热带气旋暴露（年最大破坏性波浪持续时间）和热胁迫（年最大DHW）作为环境变量，考虑0–2年滞后效应。
- **1.4 Predictive Model**：FRK模型以珊瑚计数为响应变量，纳入空间-时间基函数、局部尺度变异和珊瑚礁随机效应，并通过留出法（随机和块状）评估预测性能（R2范围0.55–0.89）。
- **1.5 Weighted Spatial Aggregation**：将局部预测分布按珊瑚礁面积加权后聚合，计算区域均值并传播不确定性，年际显著变化用箭头表示（≥90%概率）。
- **1.6 Simulation Experiments**：模拟显示模型在稀疏数据下仍能捕获时空特征，但短期数据会低估局部不确定性（附录S1）。
- **1.7 Association With Disturbances**：通过模型参数（效应大小及95%预测区间）评估扰动与珊瑚覆盖变化的关联，并预测沿扰动强度梯度的响应曲线。
2. **2 Use Cases**
- **2.1 The Central Great Barrier Reef**
- **2.1.1 Trends Across Spatial Scales**：三个子区域模型（Wet Tropics、Burdekin、Mackay Whitsunday）的R2为0.79–0.89。局部尺度（如Wet Tropics）显示珊瑚覆盖在20%–25%波动，显著下降年份（2011、2017–2018）和恢复年份（2008、2015、2021、2023）；区域尺度（中央GBR）在20%–35%间波动，识别出两个下降期（2007–2009、2018–2019）和两个恢复期（2013–2016、2020–2023）。
- **2.1.2 Association With Disturbances**：所有子区域中扰动与珊瑚覆盖下降呈负相关（95%预测区间不跨零）。Wet Tropics中热胁迫（滞后0和1年）效应最强（平均下降18.3%）；Mackay Whitsunday中热带气旋（滞后0和2年）效应最强（下降约38%–44%）；空间分布显示局部扰动单独作用时下降幅度较小（5%–11%），联合作用时更大。
- **2.2 American Samoa**
- **2.2.1 Trends Across Spatial Scales**：单模型R2为0.55。局部预测覆盖约20%，Tutuila南部和Swains Island在2015年达40%。亚区域尺度：Tutuila在2020年显著下降，Swains Island从40%降至18%后恢复；区域尺度在25%–15%间波动，2018和2020年显著下降。
- **2.2.2 Association With Disturbances**：仅热带气旋（滞后0年）有负效应，线性下降（50%至35%），但不确定性较大；空间上Tutuila南部下降最大（5%–27%）。
**讨论与结论**
讨论指出：框架通过ReefCloud平台整合，可提升数据覆盖、分析和报告能力，但短期数据主导（<5年）和地理偏差（如监测集中在小区域）会降低局部预测性能并增加不确定性。例如，美属萨摩亚因缺乏2020年观测数据，模型需外推，导致气旋效应估计需谨慎。未来需纳入急性扰动（如棘冠海星爆发）和慢性胁迫（如水质变化），并优化模型变量选择标准。框架可指导监测站点优化（如高不确定性区域优先采样）和动态调整（如显著变化期加强监测）。研究结论：两个案例表明该综合方法可作为预测各种空间尺度珊瑚覆盖趋势的广泛适用方法，但需注意现有数据集限制导致的显著不确定性，并建议通过改进数据覆盖和扰动归因来提升趋势检测稳健性。
