基于机制的聚类揭示了融合原位与卫星观测数据（KORUS-OC 2016）下朝鲜半岛边缘海浮游植物群落组成的差异性控制因素

《Journal of Phycology》：Mechanism-based clustering reveals distinct controls on phytoplankton community composition across Korean marginal seas from integrated in situ and satellite observations (KORUS-OC 2016)

　　

摘要

浮游植物调控着海洋食物网、生物地球化学过程以及海洋中与气候相关的深层碳输出，但控制其分布的机制在空间和时间上各不相同，这限制了基于合并数据进行的推断。我们开发了一种基于机制的聚类框架，根据多变量广义线性混合模型（GLMM）推断出的协变量-群落响应指纹对站点进行分组。将主要类群之间的站点特定随机效应视为指纹并进行聚类，以定义机制一致的分组；对地球静止轨道海洋色成像仪（GOCI）卫星时间序列采用动态因子分析（DFA）进行分析，以提供互补的动力学背景。将该方法应用于韩国边缘海域春季观测数据，GLMM指纹聚类识别出四个聚类，相较于合并数据集（调整后R² = 0.221）和基于组成的聚类基线，冗余分析的预测力有所提高。浮游植物群落组成与黄海中的层化现象关系最为密切，东海中与大中尺度涡旋/上升流驱动关系最为密切，南海中则表现为暖流与淡水影响的对比。黄海聚类与层化相关的控制因子表现出高度一致性（调整后R² = 0.847）。东海聚类的预测力仍然较低（调整后R² = 0.272），这与难以仅用现场协变量捕捉的大中尺度驱动有关，而基于DFA的卫星诊断则支持了涡旋/上升流相关的变异性。南海被分为两个聚类（调整后R² = 0.492和0.424），反映了暖流与淡水影响的对比。该框架为动力学复杂的沿海海域提供了面向机制的区域化的可解释路径。

数据可用性声明

支持本研究结果的数据可从以下公共仓库和来源获取。KORUS-OC HPLC色素数据集可从NASA海洋生物学处理组档案馆获取（https://oceandata.sci.gsfc.nasa.gov/ob/getfile/17d71b8f18_KORUS_DOC_seabass.sb）。Level 2 GOCI遥感反射率数据可从NASA戈达德航天中心海洋色档案馆获取（http://oceandata.sci.gsfc.nasa.gov）。MODIS-Aqua Level 3海表温度数据可通过DOI获取：10.5067/MODSA-1D4D9。NeurOST Level 4海表高度异常和地表地转流产品可从NASA/JPL物理海洋学分布式主动档案馆获取，DOI为：10.5067/NEURO-STV24。原始质体16S rDNA序列读段可在NCBI序列读段档案馆中获取，BioProject登录号为PRJNA1494145，SRA登录号为SRR39598467至SRR39598536。为本研究生成的分析就绪数据集和派生数据产品可通过方法和补充信息中描述的程序从这些公共数据源复现，也可在合理请求下从通讯作者处获取。