-
生物通官微
陪你抓住生命科技
跳动的脉搏
Science:物种灭绝和范围缩小导致了全球食物网的崩溃
【字体: 大 中 小 】 时间:2022年08月29日 来源:Science
编辑推荐:
根据一项新的研究,自晚更新世以来,超过一半的陆生哺乳动物的食物网链接由于灭绝和范围缩小而消失,该研究使用深度学习模型来识别过去13万年间全球食物网的变化。
根据一项新的研究,自晚更新世以来,超过一半的陆生哺乳动物的食物网链接由于灭绝和范围缩小而消失,该研究使用深度学习模型来识别过去13万年间全球食物网的变化。研究结果不仅强调了物种流失对生态系统长期持久性和功能的影响,而且强调了通过生物多样性恢复和保护来恢复食物网的可能性,为研究过去、现在和未来的生态网络提供了一个有价值的框架。
人类活动导致了当代物种的灭绝和消亡,并通过破坏食物网对全球生物多样性和生态系统功能造成了连锁反应。这不仅是一个现代现象——自近13万年前的最后一个间冰期以来,物种多样性的广泛灭绝和下降也为许多动物群体,尤其是陆生哺乳动物所熟知。
然而,这些下降对食物网的影响很难理解,因为物种特有的捕食者-猎物之间的相互作用很少在化石记录中保存下来。为了更好地理解这些动态,Evan Fricke和他的同事们建立了一个包括灭绝和现存哺乳动物特征、地理范围和捕食者-猎物相互作用的全球数据库,并使用机器学习方法模拟了自晚更新世以来全球陆生哺乳动物食物网的变化。尽管自上一个间冰期以来,只有约6%的陆生哺乳动物物种灭绝,但Fricke等人发现,全球超过一半的食物网链接已经消失,尤其是在人类首次到达一个地区和欧洲殖民等全球化事件之后,食物网的下降尤为急剧。
更重要的是,虽然全球食物网的下降大部分源于很久以前发生的物种灭绝,但现存哺乳动物范围的缩小也导致了类似程度的下降,这表明生物自然范围的恢复可以从根本上恢复食物网的复杂性。
Eoin O ' gorman在一篇相关的文章中写道:“(Fricke等人的)深度学习算法通过提高预测摄食相互作用的准确性,优于常用的异速生长和系统发育模型。”“尽管使用机器学习方法来研究和模拟复杂的食物网结构并不是一项新尝试,但它还没有成为该领域的标准工具。”