《European Journal of Forest Research》:Evaluating spatial methods and local drivers for predicting Chinese tallow (Triadica sebifera) invasion in a coastal community of Southern Mississippi
编辑推荐:
摘要:乌桕(Triadica sebifera)是美国东南部具严重威胁的入侵树种,造成严重的生态及经济损失。尽管已有大量区域尺度研究,但鲜有研究探讨理解乌桕密度局地驱动因子的方法,特别是在密西西比州沿海的松林平原(pine flatwoods)。本研究评估了五
摘要:乌桕(Triadica sebifera)是美国东南部具严重威胁的入侵树种,造成严重的生态及经济损失。尽管已有大量区域尺度研究,但鲜有研究探讨理解乌桕密度局地驱动因子的方法,特别是在密西西比州沿海的松林平原(pine flatwoods)。本研究评估了五种统计模型——线性回归(Linear Regression, LR)、空间自回归误差模型(Spatial Autoregressive Error Model, SEM)、空间自回归滞后模型(Spatial Autoregressive Lag Model, SLM)、条件自回归回归模型(Conditional Autoregressive Regression model, CAR)及采用高斯(Gaussian)和双平方(bisquare)核函数的地理加权回归(Geographically Weighted Regression, GWR)——以比较其预测密西西比沙丘鹤国家野生动物保护区(Mississippi Sandhill Crane National Wildlife Refuge)内4.75 km2区域内乌桕密度的表现。来自219个样方的野外数据在斑块(patch)尺度上聚合。显著的空间自相关(Moran's I = 0.12, p值 = 0.005)证明了使用空间模型的合理性。采用双平方核函数的GWR表现最佳(AIC = 27.24),其次为CAR模型(AIC = 28.62),两者均有效捕捉了局地空间格局并降低了残差自相关。乌桕密度与较低海拔、经常湿润的土壤及中等密度的松类中层林(pine midstory)相关联,这些条件有利于种子扩散与幼苗定居。将局地尺度空间模型与生态学野外数据相结合,可为脆弱海岸生态系统中有针对性的管理策略提供依据。
论文解读:评估空间方法及局地驱动因子对美国密西西比州南部沿海群落内乌桕(Triadica sebifera)入侵预测的效果
乌桕(Triadica sebifera,Chinese tallow)是原产于东亚的入侵植物,20世纪初被引入美国用于制皂工业,现已在美国东南部沿海平原广泛扩散,形成单优种群落,排挤本地种、改变土壤与火干扰机制,并造成显著经济损失。已有研究多在区域或全美尺度利用分类回归树(CART)、空间自回归模型等探讨乌桕分布影响因子,但针对密西西比州海湾沿岸松林平原(pine flatwoods)这一生态敏感生境中乌桕密度局地驱动机制及不同空间统计方法适用性的比较研究仍较缺乏。由于乌桕分布在空间上存在明显自相关且环境变量与物种密度的关系可能随位置变化(空间非平稳性,spatial non-stationarity),传统全局回归模型可能无法充分刻画其局地变异。因此,研究人员在密西西比沙丘鹤国家野生动物保护区(Mississippi Sandhill Crane National Wildlife Refuge, MSCNWR)选取典型过火单元,比较五种回归模型对乌桕密度预测的表现,并识别影响乌桕密度的关键生境因子,以期为沿海脆弱生态系统的入侵物种精准管理提供方法与依据。该研究成果发表于《European Journal of Forest Research》。
主要关键技术方法
研究人员于2021年5月在MSCNWR的O4过火单元(4.75 km2,2018年最后一次计划烧除)布设调查。依NAIP影像及林分结构将研究区划分为21个斑块(patch),在各斑块内简单随机布设共219个16 m2样方(quadrat),记录GPS坐标、土壤湿度(1–10标度)、松类上层林(overstory)及中层林(midstory)密度、乌桕密度、草本盖度等,乌桕及林分变量由样方向斑块尺度聚合。从数字高程模型(DEM)提取海拔,ArcGIS Pro计算距道路距离。经方差膨胀因子(Variance Inflation Factor, VIF)多重共线性检验后保留松类中层林密度、土壤湿度及草本盖度(grass cover)三变量(VIF≈1.02–1.04)作为预测变量。Moran's I检验确认乌桕密度存在显著空间自相关(I=0.12, p=0.005)后,分别拟合:普通线性回归(LR)、空间自回归误差模型(SEM)、空间自回归滞后模型(SLM)、条件自回归模型(CAR)及地理加权回归(GWR,含Gaussian与bisquare核函数,带宽独立优化),空间权重矩阵为一阶Queen邻接。以AIC(Akaike Information Criterion)及残差空间自相关评估模型优劣,GWR额外输出局部R2(Local R2)及预测分布图。
Results(结果)
研究人员通过对比五种模型汇总统计量发现,LR模型AIC最高(197.43)且残差呈明显空间聚集,未能解释空间结构。SEM(AIC=86.03)和SLM(AIC=82.01)较LR改善,残差空间聚类减弱。GWR-Gaussian核(AIC=77.79, R2=0.59)进一步改善。CAR模型(AIC=28.62)与GWR-bisquare核模型(AIC=27.24, R2=0.63)表现最优,残差范围最窄且残差空间自相关最小,其中GWR-bisquare拟合优度最高。GWR-bisquare所得局部R2在研究区中东部较高,表明预测因子与乌桕密度的关系具空间非平稳性。乌桕高密度区对应高土壤湿度(低洼排水不良区)、较低草本盖度及中等松类中层林密度;乌桕密度空间分布与低海拔积水区吻合。
Discussion(讨论)
研究人员指出,采用bisquare核的GWR因能刻画回归系数随位置变化(空间非平稳性),获最低AIC及最高R2,最适合本研究中乌桕密度与生境因子的局地关系建模;CAR模型亦能有效处理不规则斑块单元的空间依赖。乌桕高密度聚集于研究区东南部低海拔、土壤偏湿区域,微地形引起的水分汇集及可能的水媒种子传播促进了乌桕定居;该区域草本盖度低可能为过湿条件下原生草本受抑、乌桕竞争压力减小之共同响应,而非直接种间作用。中等松类中层林透光度适宜乌桕幼苗建立,过密阔叶冠层则抑制其生长。外围已有乌桕种群持续提供繁殖体(propagule pressure),可能削弱局地治理效果,提示需将再入侵动态纳入管理规划。研究局限为单过火单元尺度,推广至更广区域需进一步验证。综上,将局地空间模型(特别是GWR与CAR)结合生境因子调查可有效识别乌桕入侵驱动机制,为沿海松林平原入侵植物监测与靶向清除提供方法学支撑与管理启示。