在加拿大芬迪湾一个具有生态和生物重要性的区域，对两种形成海岸生物栖息地的物种进行了高分辨率的物种分布建模

在加拿大Fundy海湾的HH/WI/P生态显著区域，通过近海床成像调查获取两种底栖生物的分布数据，结合11个环境变量构建高分辨率物种分布模型（5米网格）。结果显示Boltenia ovifera和Modiolus modiolus的分布与海底地形、洋流速度显著相关，但丰度模型性能不足，为海洋管理提供了空间分布依据。

　　
本研究聚焦加拿大湾-of-Fundy地区两个具有海洋保护意义的底栖无脊椎动物——茎足海鞘（Boltenia ovifera）和马蹄海蛤（Modiolus modiolus）——的高分辨率物种分布模型（SDMs）构建与生态价值评估。研究区域为Head Harbour/West Isles/Passages（HH/WI/P）生态或生物显著区（EBSA），面积约113平方公里，该区域因强湍流与上升流特征形成独特的海底地形和生物群落，但长期面临底栖渔业活动的干扰压力。

### 研究背景与科学问题
沿海生态系统普遍面临生物多样性保护与渔业资源利用的平衡难题。茎足海鞘和马蹄海蛤作为生物生成栖息地的主要构建者，其分布规律直接影响区域海洋生态系统的结构和功能。现有研究多基于有限采样点或粗分辨率数据（>100米），难以准确反映物种在复杂海底地形中的空间异质性。本研究通过整合高精度水下光学影像数据（5米分辨率）与多源环境参数，首次尝试在局部尺度（1-80米水深）建立生物生成栖息地的高分辨率预测模型，为精细化管理提供科学依据。

### 数据采集与模型构建方法
研究团队采用自主开发的近海底光学成像系统（深度覆盖8-79米），在2016-2017年间完成49条拖曳式调查航线的影像采集，获取2530张包含生物分布与环境特征的标准化图像。图像分析系统结合Wentworth分级法对底质进行分类（硬质/软质基底），并通过密度分级（0-456个/m2）量化生物丰度。环境数据集包含11个关键变量：海底地形坡度、洋流速度（最大/最小/均值/标准差）、水深、底质粗糙度（Rugosity指数）及多波束测深生成的三维地形数据。

### 创新性技术应用
1. **斜向地理坐标（OGCs）模型**：突破传统空间坐标（X,Y）的局限性，引入16种不同方向的地理坐标组合作为预测因子，有效消除模型因空间自相关导致的预测偏差，使茎足海鞘模型的AUC（0.80）达到较高精度。
2. **分层验证策略**：采用"按 Transect 剔除法"（leave-transect-out cross-validation）评估模型性能，既保证空间独立性又避免传统交叉验证中因采样聚集导致的评估偏差。
3. **双响应机制建模**：分别构建 presence（存在概率）和 abundance（生物量）模型。其中茎足海鞘的 abundance 模型虽未达理想效果（VE=0.003），但 presence 模型与生物量观测数据的相关系数达0.73，形成有效互补。

### 关键研究发现
1. **生物分布与环境因子关系**：
- 茎足海鞘偏好中等至高强度底质粗糙度区域（Rugosity >5），水深集中在16-40米，与之前 Nova Scotia 的调查结果形成空间呼应。
- 马蹄海蛤呈现双峰分布特征：浅水区（20-30米）与深水区（70-80米）均存在高密度聚集，其分布与洋流速度（0.38 m/s）和底质粗糙度呈显著正相关。

2. **高密度生物生成区识别**：
- 在CD87和CD65 Transect区域发现茎足海鞘密度峰值（456/m2）和马蹄海蛤次峰值（240/m2），这些区域满足欧洲标准中"生物生成礁"（>9个/m2且连续>25米2）的核心要求。
- 特别值得注意的是，茎足海鞘在低坡度（<15°）的岩质基底上同样形成高密度聚集区，这与传统认知中陡坡与硬质基底的正相关性形成补充。

3. **管理应用价值**：
- 模型成功识别出西 passages（Deer Island至Maine海岸段）和东 head Harbour（Campobello岛周边）两大核心生物生成区，为加拿大海洋保护网络（Marine Conservation Network）的细化提供依据。
- 预测显示，现有渔业活动对茎足海鞘的威胁系数比马蹄海蛤高17%，提示需要差别化管理策略。

### 方法论突破与局限
1. **OGCs的空间表征创新**：
通过引入斜向地理坐标，模型能有效捕捉海洋环境中非正态分布的空间依赖特征（如洋流循环路径、基底构造带等），特别在EBSA复杂的潮汐通道区域，预测精度提升23%。

2. **多尺度数据融合策略**：
将1米分辨率的底质分类数据（来自政府海洋测绘）与5米环境预测网格进行空间配准，解决传统大尺度SDMs（>100米）无法识别局部微地形对物种分布的影响问题。

3. **模型性能的生物学解释**：
- 茎足海鞘的 presence 模型显示与水深呈负相关（-0.68），但 abundance 模型受制于底质异质性（如岩屑破碎带）和渔业干扰未被充分表征。
- 马蹄海蛤的 presence模型对洋流速度敏感度最高（贡献率14.5%），但 abundance模型受限于数据采集深度（<80米），导致对200米水深区生物生成潜力评估不足。

### 生态管理启示
1. **空间规划优化**：
- 核心保护区应优先覆盖模型预测概率>0.25的区域（茎足海鞘）和>0.06区域（马蹄海蛤），这两个阈值分别对应75%和66%的balanced accuracy。
- 在30-50米水深带建立渔业禁捕区（覆盖68%的高密度生物生成区），同时在80米深度带预留监测空白区，为后续研究预留空间。

2. **动态监测体系构建**：
- 建议在现有调查基础上，增加视频成像频次（建议采样间隔≤30天），重点监测CD87和CD65 Transect区域的动态变化。
- 开发基于OGC的空间预警系统，当预测概率超过0.3时自动触发生态红线监测机制。

3. **跨尺度协同管理**：
- 将本研究的5米分辨率模型与加拿大国家尺度SDMs（如Beazley等2017年的 Scotian Shelf模型）进行时空嵌套，构建"点-面"结合的管理框架。
- 针对渔业活动，建议采用"移动保护区"策略，根据模型预测结果每季度调整保护区的地理边界。

### 技术延伸与未来方向
1. **机器学习模型优化**：
探索集成学习（如XGBoost）与空间自回归模型的混合架构，可能提升 abundance 模型的预测精度（VE目标值需>0.2）。

2. **多源数据融合**：
建议将现有模型与声呐扫描得到的基底多普勒信号（回波强度与基底结构关系）进行联合建模，提升硬质基底识别能力。

3. **长期监测网络建设**：
在模型高概率区域（如西 passages）部署水下机器人自动监测系统，实现生物量与环境参数的实时数据采集（建议采样频率≥1次/周）。

本研究为高密度生物生成区的精准管理提供了技术范式，其OGC空间表征方法可扩展至其他复杂地形区域的海洋生物研究。后续工作应着重于建立渔业活动强度与生物生成区衰减的量化关系模型，以及开发适用于北方海域的自主水下采样系统（AUVs），这将显著提升模型在冰期海域等极端环境下的预测能力。