定向空间过程的特征向量图的灵活指定

《Methods in Ecology and Evolution》:Flexible specification of directional spatial processes for eigenvector maps

【字体: 大 中 小 】 时间:2026年07月15日 来源:Methods in Ecology and Evolution 5.7

编辑推荐:

  理解空间结构对于分析物种分布、生物多样性和群落动态至关重要。利用特征向量图的空间分析为捕捉生态数据中的空间模式提供了一个通用框架。在这些方法中,非对称特征向量图(AEM)特别适用于捕捉由水流等定向过程引起的非对称空间模式。利用AEM的空间分析在水生环境的生态研

  
理解空间结构对于分析物种分布、生物多样性和群落动态至关重要。利用特征向量图的空间分析为捕捉生态数据中的空间模式提供了一个通用框架。在这些方法中,非对称特征向量图(AEM)特别适用于捕捉由水流等定向过程引起的非对称空间模式。利用AEM的空间分析在水生环境的生态研究中被广泛应用。然而,AEM提取的空间特征函数及其所代表的空间依赖性的解释仍不明确。本研究澄清了AEM的概念基础,并提出了一种称为扩展非对称特征向量图(XAEM)的扩展方法,以更好地表示由运输过程引起的定向空间依赖性。首先,研究人员证明原始AEM可以被解释为基于可达性表示空间过程。然后,研究人员通过引入空间滞后结构来扩展该框架,以表示具有衰减的定向依赖性,而不是像原始AEM中那样假设简单的可达性。研究人员进行模拟以比较XAEM和AEM在各种空间模式下的性能。模拟结果表明,提出的模型灵活地捕捉了从确定性单向梯度到随机空间结构的大范围情景中的非对称空间模式,这些模式是在不同衰减参数下生成的。为了证明其在真实世界生态系统中的适用性,研究人员将提出的方法应用于基于环境DNA(eDNA)的沿海鱼类群落数据。使用XAEM从观测到的海流中导出的空间特征函数捕捉到了与水温分布非常匹配的空间模式,而AEM未能检测到这种模式。这突显了XAEM在分析沿海环境中由海流驱动的空间结构方面的潜力。提出的方法提高了对由运输过程引起的空间依赖性产生的非对称空间模式的理解,这些模式可能被传统方法忽略。
## 论文解读:定向空间过程的特征向量图的灵活指定

### 研究背景、问题与意义

在生态学研究中,理解空间结构对于分析物种分布、生物多样性和群落动态至关重要。物种分布常表现出由生态与环境过程相互作用驱动的空间模式,导致空间自相关。定向过程(如风和水流)会产生非对称空间模式,忽略这些空间依赖性可能导致统计推断偏差(如高估生态关联)。特征向量图(Eigenvector maps)方法,特别是Moran特征向量图(MEM),能有效处理线性回归中的空间自相关,但MEM假设对称空间关系,不适用于定向过程。为弥补这一缺陷,Blanchet等人(2008b)提出了非对称特征向量图(AEM),该框架利用有向连接编码站点间关系,被广泛应用于水生环境研究。然而,AEM提取的空间特征函数特性常不清晰,尤其在沿海环境(如海湾、河口)中,由潮汐和风驱动的水流导致多方向空间依赖,而AEM最初针对单向结构设计,难以直接处理循环连接。因此,现有AEM框架需要重新解释或扩展以充分捕捉运输引起的空间依赖。本研究旨在澄清AEM的概念基础,并提出扩展非对称特征向量图(Extended Asymmetric Eigenvector Maps, XAEM),以更好地表示由运输过程引起的定向空间依赖性。该论文发表在《Methods in Ecology and Evolution》。

### 关键技术方法概述

研究人员主要采用了以下关键技术方法:(1)概念重解析:将AEM的站点-边矩阵(Es)解释为从边级输入到站点级空间模式的变换,指出AEM基于可达性(reachability)表示空间依赖,即所有下游站点受边输入影响相同,未考虑扩散或衰减。(2)模型构建:提出XAEM,通过引入空间滞后结构,定义非对称空间权重矩阵W(站点间定向影响),构造影响矩阵M = (I - αW)-1,其中α控制衰减程度,从而表示具有衰减的定向依赖。XAEM特征函数从双中心化M矩阵的特征向量获得。(3)模拟研究:基于10×10规则网格,设定单向定向结构,生成两种人工响应变量:确定性一维梯度(Case 1)和随机过程产生的空间模式(Case 2),比较XAEM与AEM的表现。(4)实证应用:将该方法应用于日本根岸湾基于环境DNA(eDNA)的沿海鱼类群落数据(8个站点),结合观测的声学多普勒海流数据构建权重矩阵,进行冗余分析(RDA)和变差分解。

### 研究结果

#### 3.1 模拟研究
通过比较XAEM和AEM在32种空间模式下的最佳模型性能(使用调整R2),结果显示:在Case 1(确定性梯度)中,XAEM在空间模式1、2、4和8上明显优于AEM,且XAEM的二进制权重方案在多数模式中被选为最佳,表明XAEM在简单单向梯度上表现稳定且拟合更好。在Case 2(随机过程)中,XAEM在空间模式2~8上的平均调整R2均高于AEM,且随空间依赖性增强,差异更明显。当空间依赖性极弱(纯噪声)时,XAEM的显著结果率低,表明I型错误率得到合理控制。此外,XAEM的主特征向量随α变化:小α提取更对称的模式,大α模式接近AEM;当α接近其上限时,两种方法的第一特征向量高度相关(相关系数0.88),而XAEM的二进制表示与AEM二进制表示高度相似(相关系数0.96)。

#### 3.2 沿海鱼类群落空间分析应用
在eDNA鱼类群落数据分析中,对环境变量的RDA显示水温为显著因子(调整R2=0.69,p=0.002)。特征向量图空间分析显示,基于观测海流的XAEM变量显著(调整R2=0.22,p=0.022),而AEM的所有四种权重方案均未产生显著特征函数。这表明XAEM捕捉到了AEM忽略的空间模式。XAEM拟合的主要空间模式显示从内湾到外湾的陡峭梯度,与AEM假设的落潮空间结构相似。变差分解表明,环境变量的独特贡献最大(43%),XAEM与环境变量的共享部分几乎解释了所有被XAEM解释的变异(共享部分34%),XAEM的独特贡献可忽略。这说明XAEM捕捉的空间模式主要反映了环境诱导的空间结构(如水温梯度),而非独立的定向过程。该应用证明,引入带衰减的流权重定向连接(而非AEM的单纯可达性)提高了空间特征函数的生态可解释性。

### 讨论与结论总结

讨论部分指出:本研究重新解释了AEM作为运输引起空间依赖的表示方法,并提出了基于站点间影响矩阵M的替代模型XAEM。新模型通过引入衰减参数α,仅增加最小参数数量即可灵活表示从确定性梯度到随机结构的大范围空间模式,且自然处理循环连接(无需像AEM那样人为拆分双向边)。模拟结果与理论特性一致:在强空间依赖时,XAEM优势更明显。eDNA应用表明,XAEM能检测到AEM忽略的、与环境变量(水温)高度重叠的空间模式,这与沿海环境中潮汐驱动的流动影响一致。尽管空间与环境效应混杂是常见问题,但XAEM框架也适用于检测未测量的环境变量引起的空间模式。模型的灵活性也意味着其性能强烈依赖于先验信息(如α的约束),但该约束可通过设定范围(0到π1)控制。

结论部分(翻译):本文提出了一种灵活的方法来构建能够解释运输过程引起的空间依赖的空间特征函数。提出的模型称为XAEM,作为AEM的替代方案,通过衰减传播来表示空间依赖,而AEM基于可达性表示空间依赖。对AEM框架的解释阐明了每个模型编码的空间依赖类型,并突出了可达性表示在沿海环境中的局限性。该模型通过针对AEM和XAEM捕捉的空间模式的模拟得到验证,展示了其在表示广泛空间结构方面的灵活性。此外,通过将观测海流纳入eDNA鱼类群落空间变异分析,展示了其在真实数据中的应用。这种新方法改进了现有模型,为理解定向过程影响下的环境变异和生物响应提供了一个更灵活的框架,适用于野外数据。
相关新闻
生物通微信公众号
微信
新浪微博

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