基于时间-能量预算的Ashmole光环模型批判性评述:从边界条件到捕食者-猎物动态整合

《Journal of Avian Biology》:Models of Ashmole's Halo

【字体: 大 中 小 】 时间:2026年09月27日 来源:Journal of Avian Biology 1.9

编辑推荐:

  Ashmole光环(Ashmole's halo)是指海鸟集群因自身摄食行为导致集群周边食物可获得性下降的区域。基于时间与能量预算所构建的光环模型,已被用于预测集群成员摄食速率随距集群距离的变化关系。在此基础上,海鸟密度被预测为距离的函数,该函数关系进而被用于

  
Ashmole光环(Ashmole's halo)是指海鸟集群因自身摄食行为导致集群周边食物可获得性下降的区域。基于时间与能量预算所构建的光环模型,已被用于预测集群成员摄食速率随距集群距离的变化关系。在此基础上,海鸟密度被预测为距离的函数,该函数关系进而被用于关联集群规模与觅食范围。本文对此研究路径进行了批判性评述。该研究方法的有效性不仅具有学术意义,更因其被用于评估环境变化对海鸟种群的影响而具有现实价值。研究人员将该方法与纳入猎物动态(prey dynamics)的替代模型进行比较,并对未来研究方向提出了建议。
一、研究背景与问题提出
Ashmole于1963年提出了一种关于海鸟种群密度依赖调控机制的解释框架,认为繁殖集群会消耗其周边区域的食物资源,从而形成食物可获得性下降的区域。随着集群规模增大,繁殖成功率将下降,觅食效率较低的个体可能无法成功繁殖。Birt等人于1987年将这一现象正式命名为"halo"(光环),即围绕繁殖集群形成的低猎物可获得性区域。该概念虽源于海鸟研究,但其逻辑同样适用于其他集群繁殖动物,如某些雨燕、燕子、海豹和海狮等。Gaston在2004年指出,Ashmole关于海鸟种群调控的思想可能是海鸟生物学中最具统一性的理论,为进化策略和当前行为对策提供了解释框架。
本研究旨在探讨能否仅依据集群规模或觅食范围的知识,预测某一海鸟物种Ashmole光环的形态。所谓形态,指猎物可获得性如何随距集群距离变化。研究人员对Gaston等人于2007年提出的基于时间与能量预算的模型进行了批判性分析。该模型因简洁性而具有吸引力,尤其是不涉及猎物的消耗与更新过程,却能产生关于光环的预测。由于该模型已被应用于保护生物学实践,验证其有效性至关重要。研究人员将该模型与Rueffler和Lehmann于2024年提出的包含猎物动态的替代模型进行了比较。
Ashmole光环可在两种情境下建模:有限繁殖季节情境和持续繁殖情境。前者系统未必处于平衡态,繁殖季节长度对预测结果有重要影响;后者则自然以平衡态作为光环的考察结果。两种模型分别对应Gaston等人(有限繁殖季节)和Rueffler与Lehmann(平衡态结果)的研究路径。
二、研究内容与主要结论
研究人员首先建立了Ashmole光环模型的分析框架。框架包含两个核心要素:亲鸟的最优行为选择和食物随时间的消耗变化。在最优行为方面,中央位置觅食理论通常假设亲鸟最大化向幼鸟输送能量的速率,即总速率(gross rate),但该速率未考虑亲鸟自身的能量消耗。多种货币函数被提出用于亲鸟喂食行为的分析,包括总速率、净速率(net rate)和效率(efficiency)等。当多个觅食选项被使用时,各选项在模型货币下应等值,这对应于理想自由分布(ideal free distribution)的基本思想。
在时间-能量(TE)模型方面,Gaston等人于2007年提出的模型包含能量平衡和最大输送两个假设。能量平衡要求亲鸟获取的能量等于自身消耗的能量加上输送给幼鸟的能量;最大输送假设则声称觅食决策最大化向巢中幼鸟的输送速率。TE模型通过时间约束和能量平衡条件,推导出临界净获取速率随距离变化的边界线。然而,研究人员指出该边界线并非光环本身,因为若消耗过程正在发生,边界不可能在繁殖季节结束前达到,否则繁殖尝试将失败。边界线仅表明被使用的觅食选项必须位于边界之上以满足时间约束。
在输送速率与最优性分析方面,研究人员指出TE模型中输送速率(Delivery Rate)被固定为Y/T,这与"最大化输送速率"的假设存在矛盾。Gaston等人未明确定义在此语境下输送速率的新含义,这影响了模型的预测能力。研究人员考察了多种货币函数沿边界线的变化:总速率沿边界随距离增加而降低,净速率和效率同样沿边界变化,这意味着亲鸟若持续最大化这些货币,将倾向于沿边界向靠近集群的方向移动。Houston于1987年提出的总体速率(overall rate)货币,将亲鸟能量消耗转换为补充能量所需时间,从而在极限情况下与TE模型的时间预算方程重合。研究人员由此提出,亲鸟应始终选择最大化总体速率的觅食选项,这将使选项降至边界线,但边界线并不必然指示光环形态,实际光环形态对应等总体速率线(isocline)。
在TE模型与集群规模及保护应用方面,Gaston等人通过两个假设建立集群规模与最大觅食范围的关系。假设1认为在任意距离D处,鸟类能以速率b(D)摄食,该速率等于净获取速率加觅食时代谢速率;假设2认为若某区域具有速率b(D),则该区域将有αb(D)只鸟类觅食,其中α为物种特异常数。通过计算各距离环带内觅食鸟数量并累加,可获得集群规模C与最大觅食范围Dmax的函数关系。Gaston等人于2013年利用Coats Island和Digges Island的数据拟合出α=0.001,并给出Dmax关于logC的三次方程。然而,该预测假设鸟类从集群到Dmax处处觅食,且鸟密度和数量随距离递增,这与Patterson等人于2022年对海鸦(murres)的观测不符,也与其他多种物种的证据相矛盾。
在TE模型与理论最大觅食范围方面,研究人员指出Gaston等人基于所谓基础速率(basal rate)的倍数设定摄食速率上限缺乏生物学依据,因为基础速率依赖于休息时间Tr,而生理性摄食速率上限不应依赖于该参数。研究人员提出另一种方案:以旅行时间占满全部时间作为绝对时间极限,即Tt=Tf=0时的距离上限。
在猎物动态(PD)模型方面,Rueffler和Lehmann于2024年提出了首个严格的Ashmole光环一般模型,将鸟类行为与鸟类和猎物的种群动态一致地纳入分析。模型假设猎物初始均匀分布,猎物因被捕食而减少,因出生和扩散而增加,即反应-扩散过程。平衡态下猎物密度随距离增加至zmax处达到无鸟时的平衡值,光环半径即为zmax。光环形态仅取决于鸟类生物学特征而非猎物动态。zmax随飞行速度和猎物能量含量增加而增大,随飞行和搜索代谢率增加而减小。鸟类分布取决于扩散速率m:m为零或较小时,密度在zmax附近达到峰值后下降;m较大时,密度递增至zmax。但该模型基于亲鸟最大化净输送速率,未考虑亲鸟自身能量消耗的补充需求,因此不保证亲鸟的能量平衡。
三、主要技术方法
本研究主要采用两类建模方法。第一类是时间-能量(TE)模型,基于能量平衡方程和时间约束条件,推导临界净获取速率随距离变化的边界线,并结合最大输送假设分析最优觅食行为。第二类是猎物动态(PD)模型,采用反应-扩散方程描述猎物丰度的时空变化,将鸟类最优觅食行为与猎物种群动态耦合,求解平衡态下猎物密度和鸟类密度的空间分布。此外,研究人员还运用等值线分析(isocline analysis)考察不同货币函数(总速率、净速率、效率、总体速率)沿边界线的变化特征,并通过极限分析探讨最大觅食范围的理论上限。
四、讨论与结论
在讨论部分,研究人员指出TE模型和PD模型存在多方面差异。TE模型考虑单一物种在繁殖季节内的行为,满足能量平衡条件但不包含猎物动态,产生临界速率边界线。已有研究声称该边界线预测了Ashmole光环的形态,但Gaston等人自身在论文第124页承认其模型结果并非直接关联Ashmole光环,而是描述特定觅食位点必须支持的摄食速率。这一表述确认了边界线并非光环本身,也不指示其形态,同时削弱了利用边界线评估集群规模的合理性。
TE模型将时间约束给出的边界线与定义不清的最优亲鸟行为概念相结合。研究人员提出的总体速率最大化框架将边界线作为极限情形,但这一理论依据并不支持使用TE模型估计集群规模。假设边界线上的临界净获取速率能反映实际摄食速率或净获取速率随距离的变化,是不成立的。从临界速率到集群规模的推导涉及两个假设:假设1假定临界摄食速率在每个距离D处均可实现,假设2据此估计鸟类密度。这两个假设预测鸟类将从集群到Dmax处处觅食,但实际觅食区域往往呈局部化分布。
TE模型的可靠性不仅关乎学术兴趣。Gaston等人于2013年使用该模型预测加拿大东部北极地区工业开发的影响,基于上述问题,该预测可能无法产生可靠结果。基于时间-能量模型的方法不应被视为估计集群规模与觅食范围一般关系的可行替代方案,Patterson等人于2022年直接利用实测数据建立的经验关系更为可靠。
PD模型考虑了鸟类动态(通过明确且一致的最优性条件给出)和猎物动态(通过反应-扩散方程给出)共同决定的平衡态,使猎物动态与亲鸟最优觅食行为相耦合。该模型的主要缺陷在于未考虑能量平衡条件,因此无法确保平衡态下亲鸟能满足自身和幼鸟的能量需求。
TE模型在表征环境质量差异方面能力有限,载荷大小L的差异是最明显的方式。该模型存在一个普遍问题:环境变化导致Dmax增加被解释为食物增加,而实际中觅食范围扩大往往是对食物减少的响应。PD模型因包含表征环境质量的参数而不存在此问题。
TE模型和PD模型均预测鸟类将在直至最大距离的全程觅食。研究人员认为这对Gaston等人的影响更大,因为其试图为特定物种产生预测并利用边界线摄食速率推断集群规模与觅食范围的关系。Rueffler和Lehmann模型中直至zmax均有觅食者存在,是从初始均匀分布假设中一致涌现的结果,该假设使一些一般性原理得以建立。Rueffler和Lehmann不仅证明鸟类比例有时随距离递减,还证明当多种鸟类共用一个集群时,稳定的觅食分区可以涌现,而TE模型未考虑多物种集群。
研究人员还讨论了Dukas和Edelstein-Keshet于1998年关于觅食者间干扰效应的研究。该研究假设摄食速率与食物可获得性、觅食区域大小和觅食者数量相关,在无消耗且无光环的情况下,最大觅食距离仍可随集群规模增加而增大,表明干扰效应可独立于消耗过程产生距离-规模关系。
研究人员认同Rueffler和Lehmann的观点:完整的Ashmole光环模型必须包含猎物动态和捕食者行为选择。TE模型不适合作为未来研究的起点。研究人员提出以下研究方向:第一,以纳入能量平衡的货币函数重复PD模型分析,这相对易于实现,但需将亲鸟在不同空间位置为自身觅食的方面纳入分析;第二,构建繁殖季节尺度的PD模型;第三,在Dukas和Edelstein-Keshet框架基础上,结合适当的猎物动态探索觅食者间干扰效应。此外,Hemerik等人于2014年的模型涉及繁殖季节内多时间步的捕食者-猎物相互作用,但缺乏共同进化过程;Alonzo等人于2003年对南极企鹅与磷虾相互作用的研究在进化稳定终点观察到Ashmole光环,但光环并非该研究的主要焦点。目前仍缺乏对捕食者与猎物共同进化中光环涌现条件的系统性探索。
研究结论可概括为:TE模型提供的边界线不必然对应Ashmole光环,也不指示其精确形态;边界线仅表明被使用的觅食选项必须位于边界之上以满足时间约束。TE模型在保护应用中的两个关键假设缺乏实证支持,其预测与多种物种的观测数据不符。PD模型为Ashmole光环研究提供了更坚实的理论基础,但需纳入能量平衡条件以完善其生物学合理性。未来研究应聚焦于PD模型的扩展,包括能量平衡货币、繁殖季节动态和觅食者干扰效应等方面。
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