多物种方法对于优化保护是必要的:在墨累-达令盆地(澳大利亚)将遗传算法与随机模型相结合

《Environmental Conservation》:Multi-species approaches are necessary to optimize conservation: integrating a genetic algorithm with stochastic models in the Murray–Darling Basin (Australia)

【字体: 大 中 小 】 时间:2026年07月10日 来源:Environmental Conservation 2.5

编辑推荐:

  环境水释放(environmental water delivery)在全球范围内实施,以弥补河流调控和消耗性用水对生态的影响。分配必须平衡人类、多种依赖水的物种以及受管理系统中的非生物过程之间竞争(且常常冲突)的需求。为了优化保护的水分配,研究人员开发了一种

  
环境水释放(environmental water delivery)在全球范围内实施,以弥补河流调控和消耗性用水对生态的影响。分配必须平衡人类、多种依赖水的物种以及受管理系统中的非生物过程之间竞争(且常常冲突)的需求。为了优化保护的水分配,研究人员开发了一种新颖的优化框架,将遗传算法(genetic algorithm)与集成系统模型(integrated systems model)相结合,以优化近乎最优的分配方案,从而在世界上调控最严重的流域之一——墨累-达令盆地(Murray–Darling Basin, 澳大利亚)中,最大化一种灌木(Duma florulenta)、一种树(Eucalyptus camaldulensis)和一种树蛙(Ranoidea raniformis)的成效。该算法对16个湿地属性赋予权重,并在25年的预测窗口内优化这些权重以优先分配。表现最佳的解决方案不需要额外资源,但改善了两个优先植物的成效,并使存活蛙群数量翻倍。将多用户模型修改为仅考虑R. raniformis提升了该物种的成效,但以牺牲两种植物物种为代价,这突显了通过单一物种视角分配共享资源的风险。研究人员展示了优化和多物种方法作为决策支持工具在环境水分配及其类似资源分配问题中的价值。
论文解读:

研究背景:全球淡水生物多样性因河流调控和消耗性用水受到严重威胁,湿地生态系统尤其脆弱,但受关注不足。环境水释放(environmental water delivery)作为恢复性干预措施被广泛应用,但分配需平衡人类、多种依赖水物种及非生物过程的竞争需求。现有监测多聚焦单一物种或类群(Pahl-Wostl et al.),难以处理物种间的水需求冲突,例如高速水流利于洄游鱼类但会冲刷栖息地,环境水流需同时满足水生、岸生植被和湿地生物的竞争性需求。传统方法因解空间庞大难以全面评估,故需借助元启发式方法(metaheuristics),如遗传算法(genetic algorithm, GA),以在有限计算资源下逼近最优解。然而,遗传算法需要精心设计目标函数,以避免单目标优化损害生态系统整体。本研究旨在通过整合遗传算法与随机模型,为多用户系统(如多种物种和关键过程)的环境水分配提供可追踪的优化框架,并验证其作为决策支持工具的价值。

研究人员开展的研究:研究人员将遗传算法与一个空间显式、基于个体、随机的湿地生态水文模型(该模型模拟了澳大利亚墨累-达令盆地Murray–Darling Basin一个70公里河段内的23个湿地)相结合,优化16个湿地属性权重(attribute weights),以在25年预测窗口内优先分配环境水。目标是最大化两种优先植物(灌木Duma florulenta、树Eucalyptus camaldulensis)的成效,并控制水生捕食者,同时最大化国家易危物种——南部铃蛙(Ranoidea raniformis)的种群响应。研究共评估了43300个独特解,并与仅考虑植物的对照情景比较。此外,还通过移除两种植物的水分配进行了单用户模型比较,并使用提升回归树(boosted regression tree, BRT)进行敏感性分析。

主要结论:表现最佳的解决方案在不增加资源前提下,改善了两种植物的管理成效,并使铃蛙存活亚种群数量翻倍。单用户模型虽提升铃蛙效果,却导致两种植物过灌或欠灌,凸显单一物种视角分配共享资源的风险。优化框架证实多物种方法能平衡竞争需求,为环境水分配提供稳健决策支持。论文发表在《Environmental Conservation》。

关键技术方法概述(不超过250字):研究人员开发了集成遗传算法(genetic algorithm, GA)与随机生态水文模型(stochastic hydro-ecological model)的优化框架。模型基于澳大利亚墨累-达令盆地(Murray–Darling Basin)一个70公里河段(样本来源于该河段23个湿地,包括41号至423号湿地,编号自上游至下游),模拟了25年水文情景(选取100条处于干旱百分位20%的流量序列)。遗传算法优化了16个湿地属性权重(如湿地面积、干涸年限、管理优先级等),通过轮盘赌选择、一点交叉和突变(突变幅度随世代缩小)在43300个解中逼近最优。使用拉丁超立方采样(Latin hypercube sampling)初始化解空间,并采用岛屿模型(island approach)并行计算。敏感性分析使用提升回归树(boosted regression tree, BRT)评估权重相对重要性,Kendall秩相关系数判断单调关系。

研究结果:

- 优化收敛与绩效:四个优化岛屿均在各自运行时间内收敛。对照情景年均交付164 ML水(分两次行动),第25年铃蛙平均存活亚种群数为4(适应度fitness)。评估解的适应度范围3.63至7.62,年均交付次数增加58.5%–98.5%,年均体积增加34.1%–104.8%,且体积与交付次数均与适应度呈正线性关系,但适应度在同一体积水平下变化较大(表明除体积外,分配策略至关重要)。

- 最佳与最差解决方案:500个最佳解平均适应度7.6,优先向湿地3、4、5、7、8、9交付;500个最差解则更分散交付至湿地1-15。最佳解未优先向下游湿地(18、21、22、23)交付,但并非算法偏差(中间解曾优先下游,却未进入极值集合)。

- 单用户模型比较:移除两种植物水分配后,500个最佳解使铃蛙平均存活亚种群数从7.6增至9.03(+18.8%),但导致湿地5的D. florulenta过灌及湿地9、11、13、14、15的E. camaldulensis欠灌。单用户与多用户模型解适应度排名不一致,表明权重相对重要性因问题而异,减少属性而不重新优化权重会降低适应度。

- 最佳解属性权重与敏感性分析:最佳解(适应度7.62)权重倾向优先上游湿地(attribute 16, 权重9.07)、极大湿地(attribute 8, 权重6.73)、大湿地(attribute 7, 权重6.06)及干涸4年的湿地(attribute 4, 权重8.55),负权重关联过去一年保持满水的湿地(attribute 9, 权重-5.91)及干涸1-3年和5年的湿地。提升回归树显示16个权重解释95.56%适应度变异,其中7个权重贡献>1%,除属性12(是否为D. florulenta优先湿地?)外各属性均有单调关系。

讨论总结与结论:基于模拟的优化方案在假设条件下形成局部最优,不同气候或约束条件下性能可能下降,故不适用于生成静态策略,但可作为年度决策支持工具(通过结合观测水文、监测状态和短期预报)。混合智能系统(hybrid intelligence systems)可融合人工智能与专家判断,克服模型未捕捉的现实复杂性。尽管已有优化方法在墨累-达令盆地应用(如盐度管理、调度优化),但未见实际实施报道,可能与发表滞后或嵌入多证据链有关。单用户模型(如种群生存力分析)在多用户系统中易产生误导,突出多物种方法的必要性。模型局限性包括:将湿地淹没视为二元状态,忽视交付时机和持续时长对物种需求的差异(如铃蛙需春季12周连续淹没);假设固定水预算和填满体积,未考虑土壤类型、渗漏和基础建设成本等因素。未来需纳入更多用户、细化参数、整合成本与体积估算。

结论:该优化的多物种框架(optimized multi-species framework)提供了一个可追踪的路径,将生态模型整合到年度水规划周期中。通过耦合观测水文、更新的生态状态和短期流量预报,管理者每年可生成近乎最优的供水优先级,同时保留最终决策的控制权。这种混合方法为机构提供了务实的采纳路线,无需彻底改革现有治理结构。多物种焦点降低了通过单物种视角分配共享资源的风险,并可轻松整合到适应性管理周期中,逐步优化以适应不断变化的交付约束。鉴于丰富的文献、计算速度的持续提升和渐进式开放数据政策,优化的多用户模型(optimized multi-user models)有望改善保护成效并减少环境水规划中的不确定性。
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