可进入区域定义和人类活动预测因子对西南地区紫茎泽兰(Ageratina adenophora)栖息地适宜性建模的影响

《Ecological Indicators》:Effects of accessible-area definition and human activity predictors on habitat suitability modeling of Ageratina adenophora in southwestern China

【字体: 大 中 小 】 时间:2026年06月25日 来源:Ecological Indicators 8.7

编辑推荐:

  准确的入侵风险制图对于管理入侵植物至关重要,然而物种分布模型(SDM)的输出可能受到预测因子选择和可进入区域定义的强烈影响,特别是对于其扩散与人类活动密切相关的物种。以西南地区的紫茎泽兰(Ageratina adenophora)为案例,研究人员在三个由缓冲区

  
准确的入侵风险制图对于管理入侵植物至关重要,然而物种分布模型(SDM)的输出可能受到预测因子选择和可进入区域定义的强烈影响,特别是对于其扩散与人类活动密切相关的物种。以西南地区的紫茎泽兰(Ageratina adenophora)为案例,研究人员在三个由缓冲区定义的可进入区域(20、50和80 km)下,仅使用自然变量(N)以及自然加人类活动变量(NH)开发了六个Maxent模型。在所有可进入区域中,NH模型始终优于N模型,表现为验证和分块交叉验证中更高的受试者工作特征曲线下面积(AUC)值,以及更低的训练-验证差异。在空间上,两组模型都识别出大致相似的高风险区域,但NH模型预测的适宜面积显著更小且更破碎。NH模型还表现出更低的不确定性、更高的空间稳定性,以及对可进入区域扩展的敏感性降低。人类活动预测因子的加入进一步改变了栖息地适宜性的主要预测因子,将主导地位从N模型中的海拔、温度季节性和距河流距离转变为NH模型中的夜间灯光、道路距离和居民点距离。这些发现强调了可进入区域划定和人类活动预测因子在基于物种分布模型的紫茎泽兰入侵风险预测中的共同重要性。未来的评估应明确定义生态上现实的可进入区域,并纳入人类活动变量,以提高预测入侵风险模式的稳健性、现实性和管理相关性。
生物入侵是全球环境变化的重要组成部分,是生物多样性丧失、生态系统退化和农业损害的关键驱动因素。紫茎泽兰(Ageratina adenophora)是中国西南地区最具破坏性的入侵植物之一,具有高繁殖能力、快速扩散和广泛生态耐受性,已入侵森林、草地、农田、路边等受干扰生境,造成重大生态影响和经济损失。西南地区复杂地形、强烈气候异质性和密集人类干扰使其成为主要入侵热点和潜在扩散源区。准确识别紫茎泽兰的适宜生境和入侵热点对于入侵风险评估和区域管理至关重要。物种分布模型(SDM)广泛用于评估入侵风险,其中Maxent模型因仅需存在记录且预测性能强而被常用。然而,SDM输出可能受预测因子选择和可进入区域(M)定义的强烈影响。以往研究主要关注自然环境约束,对人类活动的作用评估不足。人类活动通过增加繁殖体压力、促进扩散和创造适宜建立条件来促进入侵。因此,纳入人类活动预测因子(如道路网络、夜间灯光)可能提高预测性能。此外,可进入区域定义是SDM不确定性的重要来源,但以往对紫茎泽兰的研究通常依赖单一校准范围,缺乏生物学相关性评估。因此,本研究旨在联合评估可进入区域定义和人类活动预测因子对模型性能、不确定性、预测风险和变量重要性的影响,为紫茎泽兰入侵风险评估和管理提供更稳健的基础。

研究人员以紫茎泽兰为案例,在三个可进入区域(20、50、80 km缓冲区)下,分别构建仅自然变量(N)和自然加人类活动变量(NH)的Maxent模型,共六个模型。通过比较模型性能、空间预测、不确定性和稳定性,发现NH模型在所有可进入区域下均优于N模型,预测的适宜区更小更破碎,不确定性更低,稳定性更高,且主要预测因子从自然变量(海拔、温度季节性、距河流距离)转变为人类活动变量(夜间灯光、道路距离、居民点距离)。这些发现强调了可进入区域划定和人类活动预测因子在基于SDM的入侵风险预测中的共同重要性。论文发表在《Ecological Indicators》。

研究人员从全球生物多样性信息设施(GBIF)、中国数字植物标本馆(CVH)和国家标本信息基础设施(NSII)收集紫茎泽兰发生记录,经空间稀疏化(1 km网格)后保留289个有效记录。可进入区域定义为以发生点为中心的20、50、80 km缓冲区(M20、M50、M80)。环境变量包括19个生物气候变量(WorldClim)、海拔和坡度(国家青藏高原数据中心)、土壤属性(pH、黏粒含量、有机碳)、距河流距离(OpenStreetMap)等自然变量,以及夜间灯光强度、距道路距离、距居民点距离、距建设用地距离等人类活动变量。通过Pearson相关(|r|≥0.75)和方差膨胀因子(VIF<10)筛选变量,最终保留9个自然变量和4个人类活动变量。使用Maxent算法,采用分块划分方法进行模型校准,测试不同特征组合(FC)和正则化乘子(RM),基于训练受试者工作特征曲线下面积(T_AUC)、验证AUC(V_AUC)、AUCdiff、赤池信息准则(AICc)和系数数量选择最优模型。通过独立分块交叉验证评估模型稳健性。进行空间预测比较(阈值0.3)、不确定性(像素标准差)和稳定性(三模型一致性)分析。

3.1 模型精度评估:通过比较六个模型的评价指标,发现NH模型在所有可进入区域下均具有更高的训练AUC、验证AUC和分块交叉验证AUC,以及更低的AUCdiff,表明NH模型预测性能更好、过拟合更少。其中M80 NH模型表现最佳。

3.2 入侵预测的空间格局、变化、不确定性和稳定性:通过空间预测比较,N模型预测的适宜区更广泛连续,而NH模型预测的适宜区更小更破碎,高风险区更局限。NH模型的不确定性更低(低不确定性占67.4%),稳定性更高(稳定不适合区占72.2%),而N模型不确定性高(中高不确定性合计67.4%),稳定性差(可变区占35.3%)。NH模型对可进入区域扩展的敏感性降低。

3.3 人类相关预测因子对紫茎泽兰预测适宜性的影响:通过预测因子重要性分析,N模型中主要预测因子为距河流距离、海拔、土壤pH和温度季节性;NH模型中夜间灯光、距道路距离和距居民点距离成为主要预测因子。响应曲线显示,适宜性随夜间灯光强度增加而增加,随距道路和居民点距离增加而降低。NH与N预测差异沿人类活动梯度变化:在距离变量高值区,NH预测通常低于N;在夜间灯光高值区,NH预测高于N。

讨论部分总结:研究结果表明,人类活动变量提高了模型可靠性,细化了风险区域,并改变了驱动因素认知。自然变量定义环境边界,人类活动变量决定实际入侵发生。管理上应优先关注道路、居民点、河流走廊和高夜间灯光区域。研究结论部分翻译:本研究表明,预测因子组成和可进入区域定义显著影响紫茎泽兰入侵风险建模。在不同可进入区域假设下,纳入人类活动预测因子的模型始终优于仅自然变量模型,产生更低的不确定性和更稳定的风险估计,表明人为变量为逼近实际入侵风险提供了重要的补充信息。仅自然变量模型倾向于预测更广泛的潜在适宜区,而自然-人类模型保留了主要高风险区域同时减少了外围过度预测,表明自然环境条件定义了适宜性的广泛界限,而人为因素进一步塑造了入侵最可能发生的区域。这些发现强调了将人类活动变量和可进入区域不确定性整合到入侵物种分布模型中的必要性。对于管理,应优先监测持续高风险和低不确定性区域,特别是靠近道路、居民点、河流走廊和高度人类改造景观的区域。
相关新闻
生物通微信公众号
微信
新浪微博

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