《Oikos》:Characterising fine-scale habitat associations for range expanding species with limited data: a case study on the West Nile Virus vector, Culex modestus
编辑推荐:
物种向新区域扩张的生态和流行病学后果正随气候变化同步增长。旨在监测范围扩张物种的研究人员必须优化利用有限资源,以实施能够检测新入侵和范围扩张的有效监测。统计模型可用于表征物种的适宜气候生态位——结合气候预测时,可预测未来可能的物种分布范围。然而,许多物种具有限
物种向新区域扩张的生态和流行病学后果正随气候变化同步增长。旨在监测范围扩张物种的研究人员必须优化利用有限资源,以实施能够检测新入侵和范围扩张的有效监测。统计模型可用于表征物种的适宜气候生态位——结合气候预测时,可预测未来可能的物种分布范围。然而,许多物种具有限制其在气候包络线内分布精细尺度的环境需求。范围扩张事件罕见,使得对比物种被发现地点与已知不适宜地点变得困难。监测范围扩张物种的研究人员即使数据匮乏,也必须能够就下一步采样地点做出知情决策。本文研究人员提出一种方法——采用改编自生态位因子分析(ecological niche factor analysis, ENFA)的原理——在不依赖大量数据或伪缺失生成的情况下,表征扩张物种的精细尺度栖息地关联。这种推断得益于高分辨率卫星影像,它为定义精细尺度栖息地提供了更高精度。研究人员将该方法应用于蚊虫 Culex modestus 的幼虫栖息地,该物种是西尼罗病毒(West Nile virus, WNV)的潜在媒介,目前正在英国扩张其分布范围。该方法通过在幼虫被发现的有限位点上对环境变量进行多变量相关性表征,以描述控制其分布的复杂相互作用关系。研究人员将这些变量与全国范围内的表征进行对比,以定义 Culex modestus 幼虫水生栖息地的特定生态位。研究人员希望本应用表明,即使缺乏丰富的存在与缺失数据,该方法也能为管理范围扩张媒介的研究人员提供有用见解。
**论文解读:利用有限数据表征范围扩张物种的精细尺度栖息地关联——以英国西尼罗病毒媒介 Culex modestus 为例**
**研究背景与问题**
随着气候变化,许多物种正在向更高纬度扩展其分布范围,包括传播传染病的节肢动物媒介。对于新引入或范围扩张的物种,其分布表征面临挑战:采样通常集中于物种可能扩散的前沿区域,导致物种发现地点与不适宜地点之间缺乏统计对比;同时,采样资源有限,难以获得大量存在与缺失数据。传统物种分布模型(species distribution model, SDM)常依赖伪缺失生成提供统计对比,但对于尚未实现全部生态位的扩张物种,伪缺失可能出现在适宜栖息地中仅因物种尚未扩散至此而未被占据的地点。因此,亟需一种仅利用存在数据、无需大量数据或伪缺失的方法,来表征扩张物种的精细尺度栖息地关联,以指导针对性监测。本研究以 Culex modestus(一种西尼罗病毒(WNV)的潜在媒介,在英国扩张其分布范围)为例,开展此类方法开发与应用。
**研究内容与结论**
研究人员改编了生态位因子分析(ENFA)的概念框架,采用完全参数化多元正态建模方法,直接估计环境变量的均值向量、协方差矩阵和随机效应,以对比物种存在地点与全球背景分布(英国境内沼泽和草地)的环境特征。通过高分辨率卫星影像(Sentinel-2,10米分辨率)提取植被指数和湿度指数,利用 Bhattacharyya 距离筛选变量,采用 Mahalanobis 距离分类,并生成精细尺度适宜性预测图。研究得出以下结论:该方法能够有效识别物种栖息地与环境背景之间的差异,确定 Culex modestus 幼虫偏好中度湿润、低至中等绿色植被的环境,而非完全淹水或高植被区域。模型成功应用于已知栖息地(北肯特沼泽)和潜在栖息地(迪伊河口、乌斯芬、邓杰内斯),显示北肯特沼泽和邓杰内斯自然保护区内存在高适宜性区域,而迪伊河口和乌斯芬适宜性较低。该研究为范围扩张物种的精细尺度栖息地建模提供了新途径,对西尼罗病毒在英国的风险评估和监测策略制定具有重要公共卫生意义。论文发表在《Oikos》。
**主要关键技术方法**
(1)**生态位因子分析(ENFA)改编**:采用多元正态分布建模,对比物种存在地点(70个存在记录,来自17个存在位点和58个存在采样点)与全球背景分布(8505个随机点,从英国沼泽、改良草地和中性草地中按面积加权抽取)。
(2)**高分辨率卫星影像特征提取**:利用2015–2022年英国 Sentinel-2 分析就绪数据(ARD),计算绿色叶指数(GLI)、归一化差异湿度指数(NDMI)、绿色归一化差异植被指数(GNDVI)的年均值、最大值和标准差。
(3)**变量筛选与模型评估**:通过Bhattacharyya距离衡量物种与全球分布差异,排除与噪声分布重叠的变量;采用10折交叉验证,基于Mahalanobis距离和敏感度-特异度最大化分类。
**研究结果**
**变量选择与分布特征**
通过 Bhattacharyya 距离筛选,最终纳入变量为:GLI 均值、GLI 最大值、NDMI 均值和 GNDVI 标准差。物种分布均值显示:NDMI 均值(1.3567e-01,95% CrI: 1.2871e-01–1.5969e-01)低于全球分布(0.2635),表明物种存在点偏向较干燥环境;GLI 均值(1.1873e-01)低于全球分布(0.1878),表明物种位点绿色植被较少;GNDVI 标准差(9.3040e-02)低于全球分布(0.1213),表明物种分布区植被年际变异更小。
**适宜性预测**
利用 Mahalanobis 距离计算出物种分布和全球分布的距离,并划分为四个象限。北肯特沼泽中,大部分沼泽和草地像素被分类为“接近物种分布且远离全球分布”(橙色),表明该区域高度适宜;而迪伊河口相似区域较少,且掩膜后大部分适宜区域被移除;乌斯芬中仅小斑块被分类为橙色;邓杰内斯自然保护区内存在明显橙色区域,指示该保护区内环境条件与 Culex modestus 高度匹配。
**模型分类性能**
通过最大化敏感度和特异度之和,确定最佳分类阈值为敏感度90%、特异度70.86%。在10折交叉验证中,物种点被正确分类为“接近物种、远离全球”的比例为90%,全球点被错误分类为同象限的比例为29.14%。
**讨论与结论**
讨论部分指出,该方法适用于依赖精细尺度栖息地的专性物种,尤其适用于仅存在数据且样本量小的情况。与传统SDM相比,该方法更侧重于缩小搜索范围而非提高模型精度。局限性包括:缺乏精细尺度温度等环境变量,以及像素独立分类不适用于栖息地面积大于像素分辨率的物种。研究结论部分总结:本文展示了一种方法,能识别物种栖息地在地类内的特有变量,成功应用于英国扩张分布的 Culex modestus 幼虫水生栖息地,揭示了湿度与植被的交互关系,并利用10米分辨率数据实现精细尺度表征。对于范围扩张物种,仅需存在数据、小样本量即可工作的方法至关重要。该研究为监测西尼罗病毒风险提供了实用工具。