种群对环境变化的响应具有很强的尺度依赖性。单个生物体会在局部与周围环境发生相互作用,但这些相互作用的后果通常会在更大的空间尺度上表现为种群动态,比如在田地、农场和地区层面(Grimm & Railsback, 2005; Jeltsch et al., 2025; Levin, 1992)。农业环境计划、土壤生物多样性恢复以及提升景观连通性的措施等管理和政策干预通常在这些更大尺度上实施,但用于支撑这些决策的数据往往来自针对个体、样方或单个田地的实验、监测和特征测量(Gardner et al., 2024; Hodson et al., 2021; McKenzie et al., 2013)。对于生态建模而言,这种尺度差异带来了实际挑战。也就是说,所选择的模型空间尺度会显著影响模型产生的模式以及从模型输出中得出的结论。如果模型尺度过小,可能会遗漏重要的相互作用或空间结构;而如果模型尺度过大,则可能使得计算速度变慢或难以进行分析。
基于个体的机制模型非常适合用于研究这类具有尺度依赖性的系统,因为这类模型能够明确表示生物体,并且能够让种群层面的模式从生理、行为和局部相互作用中产生出来(Grimm et al., 2005; Grimm & Railsback, 2005; Johnston, 2024)。将个体的能量预算、资源获取和行为决策纳入模型,能够在环境条件发生变化或出现新情况时提高预测精度,因为在这些情况下,仅依靠相关性分析的方法可能可靠性较低(Grimm & Berger, 2016; Johnston et al., 2019)。不过,这类模型往往计算成本较高,尤其是在需要在较大空间尺度、高度异质的环境或高空间分辨率下模拟详细的个体级过程时。因此,选择合适的模型尺度同样需要在生态真实性与计算可操作性之间进行权衡。
在生态学领域,生态真实性与可操作性之间的权衡早已被人们所认识。莱文斯在1966年就指出了真实度、精确度和普遍性之间的矛盾,而后来的面向模式建模研究则强调要选择足够复杂的模型复杂度,以便在不引入不必要的复杂性的前提下重现多种观测到的模式(Wiegand et al., 2003)。最近,这种平衡被称作“梅达沃区域”,即一个中间区域,在该区域内,模型结构足够详细,能够捕捉到相关的系统行为,但又不会过于复杂,以至于带来的成本高于收益(Grimm et al., 2005; Wang et al., 2024)(见框1)。然而,对于空间生态模型而言,这一概念目前仍主要停留在定性层面。我们仍然缺乏实用的方法来确定能够在可接受的计算成本下实现足够生态真实度的模型尺度。
梅达沃区域在生态建模中的应用
梅达沃区域指的是模型复杂度的中间水平,在该水平上,相对于所需投入的努力,能够获得最有用的洞察结果(Medawar, 1967; Loehle, 1990)。过于简单的模型可能会忽略重要的过程,而过于复杂的模型则可能导致计算成本过高或难以解读(Grimm et al., 2005; Wiegand et al., 2017)。在生态建模中,这一概念为在选择模型结构或空间尺度时,在生态真实性与可操作性之间进行平衡提供了有用的指导思路(见图1;Wang et al., 2024)。
戈尔德等人(2026)提出,可以通过研究随着空间尺度增大模型输出的变化情况,来处理真实度与可操作性之间的权衡问题。如果随着空间尺度的增大,种群数量、生物量、生命阶段结构以及空间分布等关键种群特征的变化逐渐减缓并最终趋于稳定,而模型运行时间(作为可操作性的一个实用且可测量的指标)却持续增加,那么一个中间空间尺度或许能够在真实性与可操作性之间实现实际的平衡。在此,我们利用之前已经经过验证的、能够明确考虑空间因素的蚯蚓种群机制模型EEEworm来检验这一观点(Johnston, Holmstrup, et al., 2014; Johnston et al., 2015, 2018)。我们以霍德森等人(2021)研究的英国五个牧场地点为研究对象,让模型在逐渐扩大的空间范围内运行,同时量化种群的数量、能量和空间相关特征的变化情况以及相应的计算成本。在局部尺度上,蚯蚓种群的变动似乎主要由生物过程驱动,而非环境梯度作用(Hodson et al., 2021),因此它们是非常适合用于这项研究的测试系统。具体而言,我们研究了:(1)随着模型尺度增大,不同模型输出结果的稳定速度如何;(2)是否能够找到能够在真实性与可操作性之间实现平衡的实用模型尺度;(3)不同类型的模型输出结果在这一点上是否存在差异。通过这些研究,我们为如何在机制生态模型中应用梅达沃区域提供了田间尺度上的验证。