基于层次贝叶斯的状态空间模型用于研究具有隐匿生命阶段的三级营养动态

《Ecological Modelling》:Hierarchical Bayesian state-space modeling of tritrophic dynamics with cryptic life stages

【字体: 大 中 小 】 时间:2026年07月05日 来源:Ecological Modelling 3.5

编辑推荐:

  Kin Ho Chan|Rob Moerkens|Stijn Bellinkx|Marlies Huysmans|Vincent Sluydts比利时安特卫普大学科学学院进化生态学小组,Drie Eiken校区,2610安特卫普摘要对三营养级动态进行机制建模十分困难,因为通常存在

  
Kin Ho Chan|Rob Moerkens|Stijn Bellinkx|Marlies Huysmans|Vincent Sluydts
比利时安特卫普大学科学学院进化生态学小组,Drie Eiken校区,2610安特卫普

摘要

对三营养级动态进行机制建模十分困难,因为通常存在三大挑战阻碍对该系统的精确建模:会导致不可预测的时间波动的过程随机性、无法直接观察的隐秘生命阶段,以及引发生态过程局部差异的空间异质性。虽然以往的研究已使用状态空间模型或贝叶斯方法在独立环境中应对这些挑战,但目前尚无证据表明可将这些挑战统一在同一个框架内进行整体建模。在此,我们应用分层贝叶斯状态空间模型(HBSSM),在可控的温室生物控制系统中同时解决这些挑战。我们在14排温室中设置了蚜虫(M. persicae)——寄生蜂(A. colemani)——捕食者(M. pygmaeus)的群落。我们的HBSSM成功实现了收敛(所有人口参数均满足R^ <1.1),同时保持了参数的可识别性。后验预测检验显示,该模型在趋势(方向准确率中值为100%)、幅度(标准化均方根误差为18%)以及时间(预测峰值与观测峰值在±1周内吻合)方面,对所有模型物种的预测均十分准确。从实际意义来看,我们的研究结果揭示了害虫入侵初期这种矛盾的现象:这一阶段虽最为关键,却最难被观测到。我们发现,已建立稳定的种群能与协同作用,在入侵初期通过时间上的生态位划分,有效抑制的种群密度及其累积危害,从而起到预防疫情爆发的作用。然而,这一阶段的可检测性最低,若初始种群数量估算有误,可能会导致预测误差增加3倍。总体而言,我们证明了HBSSM可作为统一框架,同时应对这三大挑战,且可能适用于其他复杂的多营养级系统。不过,我们的分析也提示,除了模型结构之外,还需关注可检测性方面的限制。

章节节选

引言

对种群动态的机制性理解对于生态学而言至关重要,因为它能将生态过程转化为可理解的数学表达式,揭示驱动这些过程的因素,进而预测不同情况下未来的种群状况。随着外来物种入侵、全球变暖以及生态系统退化等问题的日益严重,对这类预测的需求也在不断上升,因为它们能为实际的缓解措施提供依据。而这种理解往往依赖于

模型描述

蚜虫(A)、A. colemani成虫(Pa)以及被寄生的干尸化蚜虫(Pm),)、广食性捕食者(M)之间的相互作用十分复杂。
该模型融合了Gompertz生长模型(Tj?rve和Tj?rve,2017)、Nicholson-Bailey模型(Nicholson和Bailey,1935)以及Holling的功能响应类型(Holling,1965;Skalski和Gilliam,2001)。考虑到指数增长可能对初始条件较为敏感,稍小的差异就

试验结果

在温室中发现蚜虫后,我们从2024年的第11等周开始,对14排温室进行了为期7周的监测,期间每周释放,并让种群尽早建立起来(见图3)。M. persicae的平均数量从第11周的每株5.3 ± 7.8只迅速增长,到第14周的3周内达到了每株105.2 ± 51.6只的峰值。之后,M. persicae的数量开始下降,降至接近零的水平(不到5只)

讨论

由于参数成功收敛且预测精度较高(方向准确率中值为100%,NRMSE为14%),据我们所知,我们的研究是首个将三个营养级、隐秘生命阶段、空间重复性及参数变化以及受控实验共同纳入同一框架的分层贝叶斯状态空间模型应用案例。这一成果解决了三营养级预测中的三大核心难题。首先,我们的SSM成功实现了

结论

预测对于许多日益严重的生态问题而言至关重要,因为它能为实际决策提供指导。尽管存在过程随机性、隐秘生命阶段以及空间异质性三大挑战,但我们仍展示了在实际的温室生物控制环境中,如何成功运用分层贝叶斯状态空间模型(HBSSM)同时应对这些挑战,同时还确保了模型的收敛性以及参数的可识别性。尤为重要的是,

资金来源

本研究由比利时弗拉芒政府的弗拉芒创新与创业机构(VLAIO)资助,属于Baekeland项目(编号HBC.2022.0698)的一部分。

生成式AI使用声明

在准备本研究时,作者使用了Chatgpt 5.1、Gemini 3和Claude 4.5来协助Python代码调试并提升文本可读性。在使用这些工具和服务后,作者对内容进行了必要的审核和修改,并对最终发表文章的内容负全责。

CRediT作者贡献说明

Kin Ho Chan:撰写——初稿、可视化、验证、方法论、研究、正式分析、概念构建。Rob Moerkens:撰写——审阅与编辑、方法论、研究、数据整理、概念构建。Stijn Bellinkx:撰写——审阅与编辑、数据整理。Marlies Huysmans:撰写——审阅与编辑。Vincent Sluydts:撰写——审阅与编辑、研究、概念构建。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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