时间对齐与基于连通性的空间分离在浮游生物β多样性预测中的作用

《Ecological Modelling》：The role of temporal alignment and connectivity-informed spatial separation in plankton beta-diversity prediction

　　

在描述和预测动态海洋生态系统时，如何表示环境的时间结构是一个核心问题。研究人员通过一个平流海洋生态系统中的浮游生物β多样性（beta-diversity）来探讨这一问题，探究预测因子设计（predictor design），特别是环境预测因子的时间表示（temporal representation）与空间分离（spatial separation）的公式化，如何影响基于相异度（dissimilarity）的模型的性能。研究人员利用耦合水动力-生物地球化学海洋模型（SINMOD）在挪威中部沿海和陆架海域进行了2019年的每日模拟，生成了硅藻（diatoms）、鞭毛藻（flagellates）、纤毛虫（ciliates）、细菌（bacteria）和异养纳米鞭毛虫（heterotrophic nanoflagellates）的群落，并计算了采样站点间的成对布雷-柯蒂斯相异度（Bray–Curtis dissimilarity）。β多样性在贝叶斯空间广义相异混合模型（spGDMM）框架内进行建模，以在共同概率结构内比较替代预测因子公式。研究人员将时间对齐的环境预测因子与年平均值摘要进行了比较，并评估了基于欧氏距离（Euclidean distance）和来自拉格朗日粒子模拟（Lagrangian particle simulations）的传输知情连通性度量（transport-informed connectivity metric）的空间项。使用空间留出验证（spatial hold-out validation）和概率评分规则（probabilistic scoring rules）评估预测性能。时间分辨预测因子（time-resolved predictors）相对于年平均值持续提高了预测技能并减少了最坏情况误差，且随着更多环境预测因子的加入，这一优势进一步增加。空间分离项产生了较小但一致的增益，且连通性度量优于欧氏距离。这些结果表明，在动态海洋系统中，预测性能强烈依赖于环境强迫时间结构的表示，而传输知情空间项提供了次要改进。因此，在此类动态系统中，预测因子设计应优先考虑时间表示，而非进一步完善空间分离项。

浮游生物是海洋生态系统的基础，驱动生物地球化学循环和食物网动态，但生活在高度动态的平流环境中，其群落结构受短期环境变化和物理传输的共同影响。传统β多样性（beta-diversity）预测模型（如广义相异模型GDM）通常采用长期平均环境变量和欧氏距离（Euclidean distance）作为预测因子，这些假设源于陆地固着生物应用，但难以捕捉浮游生物群落对快速环境变率和水团连通性的响应。目前存在一个问题：如何设计预测因子（predictor design）以提升动态海洋系统中β多样性的空间预测能力，特别是时间表示和空间分离项的优化。为此，研究人员Harold Horsley等人利用耦合水动力-生物地球化学模型（SINMOD）模拟2019年挪威中部海域的浮游生物群落，采用贝叶斯空间广义相异混合模型（spGDMM）框架，比较了时间分辨（time-resolved）与年均值（annual-mean）环境预测因子，以及欧氏距离与基于拉格朗日粒子模拟的连通性时间（connectivity time）度量。研究发现，时间分辨预测因子显著优于年均值，且随预测因子丰富度增加优势扩大；连通性度量优于欧氏距离，但增益相对较小。结论表明，在动态海洋系统中，预测因子的时间对齐是主导建模选择，而传输知情空间项仅提供次要改进。该研究为动态海洋生态系统β多样性建模提供了设计优先级指导，论文发表在《Ecological Modelling》上。

关键技术方法方面，研究人员主要使用了以下方法：首先，利用SINMOD（一种耦合物理-生物化学海洋模型）在800米分辨率下模拟挪威中部沿海和陆架海域的每日水动力和生物地球化学场，生成5个功能群（硅藻、鞭毛藻、纤毛虫、细菌、异养纳米鞭毛虫）的时空分布。其次，通过拉格朗日粒子模拟计算站点间的连通性时间（connectivity time），基于反向时间积分和最小到达时间定义。最后，采用spGDMM（贝叶斯空间广义相异混合模型）框架，以Bray–Curtis相异度为响应变量，使用单调三次I样条拟合非线性效应，并在共同的概率结构内比较不同预测因子公式。

研究结果部分包括以下内容：
3.1 时间对齐显著提高预测技能：通过比较时间分辨（TR）与年均值（TA）环境预测因子，在高度变异性期间（σ_diss≥Q₇₅），TR模型在93.4%的对比中表现更好，中位数CRPS技能从21.1%（TA）提高到31.2%（TR），最坏情况误差（q₉₀）降低13.2%。这表明时间分辨预测因子在动态系统中显著改善预测性能。
3.2 时间分辨率随预测因子丰富度增加而更重要：随着预测因子集从TS（温度+盐度）扩展到TS+VS（+涡度+硅酸盐）和TS+VS+NAD（+硝酸盐+铵盐+溶解有机碳），TR模型的CRPS技能从31.2%增至44.9%，而TA模型仅从21.1%增至25.7%，技能差距从10.1个百分点扩大至19.2个百分点。最坏情况误差在TR下持续降低，而TA下变化不大，表明预测因子丰富度仅在时间对齐时才有价值。
3.3 连通性优于欧氏距离：在环境基线模型基础上，连通性时间相比欧氏距离带来更大的技能提升，中位数增量分别为1.301个百分点和0.779个百分点，连通性在95.5%的运行中提高技能，并在72.6%的对比中优于欧氏距离。最坏情况误差也因连通性而降低更多（中位数q₉₀：欧氏距离0.163，连通性0.160）。连通性度量稀疏（66.3%站点对无连接）且与欧氏距离弱相关，表明其提供了额外信息。
3.4 群落异质性的季节结构：每日成对相异度的标准差呈现明显季节变化，峰值出现在四月末和八月，与高技能期对应。经验空模型CRPS与变异性高度相关（Pearson r=0.997），表明预测难度主要由群落异质性驱动。

总结讨论部分，研究人员指出时间对齐是主导因素，年均值虽保留部分基线结构但错失大部分可解释信号；连通性度量虽优于欧氏距离但增益较小，可能由于其简单设定和近表面高度时变环境的主导性。研究局限包括简化群落表示、仅分析近表面层、以及模拟环境与预测因子的耦合可能夸大绝对技能。翻译研究结论部分：在动态海洋系统中，预测性能强烈依赖于环境强迫时间结构的表示，而传输知情空间项仅提供次要改进。因此，预测因子设计应优先考虑时间表示，而非进一步完善空间分离项。