《基于古地理模型研究海洋生物多样性发展过程》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: liguiju
  • 发布时间:2022-07-16
  • 由西班牙国家研究委员会海洋科学研究所(ICM-CSIC)主导的一项研究通过一个基于板块构造和环境因素(主要是海洋温度和食物供应)开创性的模型,重建了海洋动物从起源(大约5.5亿年前)到现在的多样性。研究发现,现代海洋生物多样性处于有史以来最高水平是通过所谓的生物多样性热点位置的长期稳定性实现的,这些热点地区物种数量特别多。这一研究成果已发表在《自然》(Nature)杂志上。这一发现与化石记录不同,新模型没有空白和采样偏差,因为模型中多样性的历史是数值模拟的,而不是从化石数据中重建的。该模型揭示了多样性的增加是真实的,并且与过去2亿年中多样性热点的发展有关,当时地球的环境条件相对稳定。

    到目前为止,对全球生物多样性历史和现代生物多样性起源的理解一直依赖于化石记录,化石证明在过去五十亿年中地球的生命遭受了至少五次大规模灭绝的打击。二叠纪-三叠纪的大灭绝是有史以来最严重的,90%以上的海洋物种消失,生态系统处于崩溃的边缘。2.5亿年后的今天,海洋中的生命比以往任何时候都更加多样化。化石记录中的空白需要使用一种新的计算方法来重建生命史。本次研究的模型能够重现现代海洋多样性的地理分布,特别是热点,并揭示创造它们的机制。(李亚清 编译)

  • 原文来源:https://www.bristol.ac.uk/news/2022/july/marine-biodiversity-boost.html
相关报告
  • 《多国科学家开发可模拟全球海洋生物变化的模型》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:mall
    • 发布时间:2019-03-15
    • 随着时间的推移和自然气候的波动,海洋生物系统经历了不同程度的变化,被称为“气候惊喜”的生物突变也在海洋的许多区域被发现。为了进一步了解这些变化——无论是突然的、意料之外的还是长期的——来自法国国家科学研究中心(CNRS)和索邦大学(Sorbonne University)的科学家团队与来自欧洲、美国和日本研究机构的研究人员开发了一种基于生命排列的宏观生态理论(METAL)的新方法。 为了构建计算机模型,研究人员设计了大量对自然温度变化表现出广泛反应的模拟物种(伪物种)。这些伪物种避免了超出其耐受性范围的热波动,形成了“伪群落”,并逐渐在模型中占据所有海洋区域。海洋生物多样性监测项目只覆盖海洋的一小块区域,通常只覆盖海岸附近的区域。这个以METAL理论为基础的新模型提供了全球覆盖范围,并允许快速识别能够强烈影响海洋生物多样性和相关生态系统的服务(如渔业、水产养殖和碳循环)的重大生物变化。当最初对14个海洋区域进行测试时,该模型准确地预测了自20世纪60年代以来实地观察到的实际生物变化。通过将该模型应用到全球海洋,研究人员能够量化这些生物变化的程度和空间范围。 该模型还让科学家们注意到,近来“气候惊喜”数量出现了前所未有的上升,原因可能是厄尔尼诺现象、大西洋和太平洋的温度异常以及北极变暖。在大多数情况下,该模型可以在事件发生前一年进行预测,从而可以确定目前野外观察所忽略的生物多样性受到威胁的地区。尽管海洋生物多样性每年为人类提供8000万吨鱼类和无脊椎动物,但这一新计算机模型揭示的变化可能会以对人类有益或有害的方式在世界范围内重新分配海洋群落和物种。 (刘思青 编译)
  • 《海洋生物物种分布模型交叉验证方法研究取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2024-10-28
    • 近日,中国科学院南海海洋研究所林强研究员团队在海洋生物物种分布模型构建中如何选择交叉验证方法取得新的研究进展,相关成果“Cross-validation matters in species distribution models: A case study with goatfish species”于2024年9月17日在线发表在国际顶尖生态学期刊Ecography上。 在全球生物多样性持续丧失的背景下,准确评估生物多样性的空间分布模式对于制定有效的保护和管理策略至关重要。物种分布模型(SDMs)已成为评估生物多样性的一种重要工具,它通过分析物种分布数据与生态因子之间的关系来预测目标物种的适宜栖息地分布。在模型构建过程中,交叉验证是评估模型预测性能的关键步骤。交叉验证通过在不同数据集上反复训练和验证模型,帮助研究人员选择最佳模型参数。虽然随机交叉验证方法是最常见的选择,但最近一些研究者提出了空间交叉验证方法,以解决随机交叉验证忽视空间自相关性的问题。 该研究通过随机交叉验证与空间交叉验证方法,以海洋近海典型鱼类—羊鱼(Actinopteri: Syngnathiformes: Mullidae)为对象进行模型的参数优化和性能评估。研究发现,两种交叉验证方法在95%的物种中得出了不同的最佳模型参数组合,并且在预测当前和未来的栖息地分布方面存在显著差异。随机交叉验证方法在预测性能上可能存在过高估计的风险,而空间交叉验证方法倾向于保守。 同步研究结果表明,尽管随机交叉验证和空间交叉验证方法在物种分布预测上存在差异,但两者均一致得出印度-澳大利亚群岛是羊鱼物种丰富度最高的地区,并且最易受到气候变化的影响。 本研究首次系统性地比较了随机交叉验证与空间交叉验证方法对SDMs结果的影响,揭示了选择交叉验证方法对SDMs预测性能和结果的重要影响,为生物多样性评估研究提供了新的视角。 该研究工作得到了国家自然科学基金项目、国家重点研发计划项目等的联合资助。 相关论文信息:Hongwei Huang,Zhixin Zhang*,ákos Bede-Fazekas,Stefano Mammola,Jiqi Gu,Jinxin Zhou,Junmei Qu,& Qiang Lin*,2024: Cross-validation matters in species distribution models: a case study with goatfish species. Ecography. DOI: 10.1111/ecog.07354. 原文链接:https://nsojournals.onlinelibrary.wiley.com/doi/full/10.1111/ecog.07354