一种预测方法能更好的辨别哪些物种是脆弱的

麻省理工学院的一个研究小组提出了一种评估生态系统的预测方法，以对不同物种的相对脆弱性进行排名，并检测出受到威胁但可能被忽视的物种。

　　

野火、洪水、污染和过度捕捞等破坏因素都可能改变生态系统的平衡，有时甚至会危及整个物种的未来。但是，评估这些生态系统以确定哪些物种面临的风险最大，从而将保护行动和政策集中在最需要它们的地方，这是一项具有挑战性的任务。

大多数这样的研究假设生态系统本质上处于一种平衡状态，在最终恢复到平衡状态之前，外部扰动会导致暂时的变化。但这一假设无法解释生态系统经常处于变化之中的现实，它们不同组成部分的相对丰度随着它们自己的时间表而变化。现在，麻省理工学院和其他地方的一组研究人员提出了一种更好的、可预测的方法来评估这些系统，以便对不同物种的相对脆弱性进行排名，并检测出受到威胁但可能被忽视的物种。

他们发现，与目前进行这种排名的传统方法相反，种群数量最低或数量下降最快的物种——今天通常使用的标准——有时并不是最危险的物种。

这一发现发表在今天的《生态学快报》杂志上，由麻省理工学院土木与环境工程副教授Serguei Saavedra、最近的博士生Lucas Medeiros和其他三位博士共同发表。

Saavedra说，这项新工作类似于爱德华·洛伦兹几十年前对天气模式的分析，使该领域发生了革命性的变化。洛伦兹的研究表明，微小的扰动最终可能导致非常大的结果——著名的表述是，蝴蝶在一个地方扇动翅膀，最终可能导致另一个地方的飓风。他说:“即使是非常接近的初始条件，在给定的一段时间内也会发生很大的变化，因此变得不可预测。”考虑到这一点，“我们说，如果我们用同样的视角来试图弄清楚哪些是最敏感的物种，会发生什么?”

在某些情况下，比如在天气预报方面，科学家了解现象的基本物理原理，并能在一定程度上生成描述其动力学的方程。他说，复杂的生态系统不是这样的，我们甚至没有单个物种的动力学的基本方程，更不用说整个系统了。但在过去十年左右的时间里，他说，该团队已经开发出了数学技术，这样“我们就可以在不知道基本方程的情况下对动力学进行描述”，只要有足够的时间序列数据可以处理。

该团队开发了两种不同的方法，称为预期灵敏度排名和特征向量排名。在使用大量模拟数据的测试中，这两种方法都表现良好，产生的排名与模拟模型的基本假设所期望的排名非常接近。

对物种脆弱性进行排序的传统尝试往往集中在体型(较大的物种往往更脆弱)和种群规模等指标上，这两者在很多时候都是有用的指标。但是，正如Saavedra所指出的，“这些物种嵌入在群落中，这些群落具有非线性的突发性行为，一个地方的一个小变化就会以另一种方式完全改变系统的其他方面。”

一个生态系统中的物种可能有丰度的上升和下降，有时是周期性的，有时是随机的或由外力决定的，这意味着一个给定扰动的确切时间可能会造成很大的差异——这是平衡模型无法解释的。Medeiros说:“基于平衡动力学的方法对物种相互作用效应有着静态的看法。”“在非平衡丰度波动下，这些相互作用的影响会随着时间的推移而改变，影响任何给定物种对扰动的敏感性。”

例如，一个在夏季高度活跃但在冬季休眠的物种可能会受到夏季野火或热浪的强烈影响，但如果破坏发生在冬季，则完全不受影响。或者，如果捕食者和猎物之间的相互作用在一年中发生变化，那么在某些季节，破坏的时机可能比其他季节更具破坏性。

Saavedra说，新的分析方法广泛适用于任何类型的生态系统，无论是海洋还是陆地，热带还是北极。事实上，当应用于具有许多相互作用和恒定流量的系统时，这些公式是如此普遍，以至于一些研究人员也成功地将它们应用于预测金融市场的动态。

Saavedra说:“这些技术适用于任何非线性动力学或一般失平衡的动力系统。”他说，小组中一直在研究这些技术的一名学生最终为一家对冲基金工作，还有一名学生休了长假，去了一家外国银行工作。“他基本上能够应用这些技术，而且它们很有效。”

但是这项工作的主要目标仍然是评估物种的脆弱性，而且研究结果已经开始被应用。例如，这篇论文的第一作者Medeiros正在加州大学圣克鲁斯分校和美国国家海洋和大气管理局工作，将这些技术应用于渔业管理。Saavedra说:“特别是渔业，你有大量的数据系列，观察这些种群规模随时间的上升和下降。”他说，利用这些数据，现在有可能“精确预测对气候变化或最高捕捞配额比率最敏感的物种。”

该研究团队还包括Stefano Allesina，他目前就职于芝加哥大学和西北大学;现就职于法国蒙彼利埃大学的Vasilis Dakos;以及现就职于加州大学圣地亚哥分校的George Sugihara。这项工作得到了麻省理工学院环境解决方案计划、马丁家族可持续发展研究员协会、美国国防部环境研究与发展计划、国家科学基金会、内政部和麻省理工学院海洋拨款计划的支持。