葡萄牙大陆（大西洋东北部）海域Physalia physalis贝类的时空分布模式及其环境驱动因素

葡萄牙海岸氏水母 strandings与环境因子的关系研究。基于公民科学项目GelAvista 2016-2022年数据，结合海表温度（SST）、风向、强度、NAO指数及上涌指数，采用广义线性混合效应模型分析发现：冬季至春季（11-5月）观测频次最高，与低温（SST降低时出现率上升）显著相关；主导风向为北风（WindDir8）及东北风（WindDir1），但南、西风也可能推动氏水母向岸移动。研究揭示存在长期（年增长率27%）观测趋势，可能关联气候变化，但需结合公众参与度等混杂因素进一步验证。

　　
本研究以葡萄牙海岸为对象，通过公民科学项目GelAvista收集的2016-2022年数据，首次系统分析了长须蜇（Physalia physalis）的时空分布规律及其与环境变量的关联。研究团队来自葡萄牙海洋与大气研究所（IPMA），在生物学家Clara Cordeiro、Soraia Pereira和Antonina dos Santos以及环境科学家Patrícia Carvalho的协作下，结合气象、海洋学等多源数据，揭示了该物种的生态行为特征及环境驱动机制。

### 研究背景与科学价值
长须蜇作为广布型殖民生物，其触手携带的剧毒刺细胞对人类构成严重健康威胁。该物种在葡萄牙西部海岸频繁出现，而南部相对罕见。研究团队指出，这类海洋生物的快速繁殖特性可能引发经济和社会问题，例如破坏旅游业、威胁渔业资源，并造成公众健康风险。当前对长须蜇生态分布的研究仍存在显著空白，特别是其与北大西洋振荡（NAO）、上涌指数等大型气候系统的关联尚未明确。

### 研究方法与数据整合
研究采用多学科交叉方法整合公民科学数据与环境观测数据：
1. **地理分划**：将葡萄牙大陆海岸划分为北、中、里斯本及塞图巴尔、西南和南五大区域，综合考虑地形特征（如岬角、海湾分布）和人口密度差异。
2. **数据清洗**：从GelAvista平台接收的2600条原始记录中，通过置信度分级（1级高置信度、3级低置信度）筛选出1036条有效数据，最终保留681条具备完整环境参数的样本。
3. **环境变量构建**：
- **海表温度（SST）**：来自Copernicus海洋服务，空间分辨率0.05°×0.05°，每日更新
- **风速风向**：IPMA气象站数据（共14个监测点），包含8个方向分类（N-E-S-W等）
- **气候指标**：NAO指数（NOAA提供）、上涌指数（西班牙海洋研究所数据）
4. **统计分析**：
- 采用负二项广义线性混合模型（GLMM），纳入月度与区域随机效应
- 通过AIC准则比较泊松分布与负二项分布的模型拟合度
- IRR（发生率比率）用于量化环境变量对物种数量的影响强度

### 关键研究发现
#### 时空分布特征
- **空间分布**：西部海岸（北至中心区域）出现频率达总记录量的68%，南部仅占12%。西南部因狭窄陆架和频繁 mesoscale涡旋活动，记录数量显著低于其他区域。
- **时间模式**：每年11月至次年5月为高发期（占总记录的63%），其中2021年1月单月记录达15次，单次最高发现量达1000+个体。冬季 strandings的个体密度是夏季的3-5倍。

#### 环境驱动机制
1. **海表温度（SST）**：
- 呈显著负相关（p<0.01），每升高1个标准差导致物种出现率下降34%
- 与预期相反，低温环境（<16°C）反而促进 strandings，可能因冷水域增强浮游生物生产力，为长须蜇提供食物来源
- 2020年夏季南岸SST达22°C，但 strandings仍异常增多，提示存在其他驱动因素

2. **风向影响**：
- 北风（WindDir8）和东北风（WindDir1）导致物种出现率降低约52-67%
- 西南风（WindDir5）和西风（WindDir6）显著增加 strandings概率（IRR 0.43-0.72）
- 静风（WindDir0）为最优条件，IRR达1.27（95%CI 1.05-1.52）
- 研究发现西北风与南风对物种分布具有空间异质性影响，这与葡萄牙西部大陆架环流特征相关

3. **气候振荡指标**：
- NAO指数未达显著性水平（p=0.15），但冬季正值NAO正相位时 strandings达峰值
- 上涌指数与 strandings存在季节性耦合：夏季上涌事件（6-9月）与西海岸 strandings正相关，但未通过统计检验

#### 长期趋势分析
- **时间序列特征**：2016-2022年物种出现频率年均增长2.4%（IRR=1.27，p=0.01）
- **异常事件解析**：
- 2018年3月南部爆发性 strandings（>50个体/记录），与同期异常上涌事件及3场热带气旋影响相关
- 2021年1月全西海岸 strandings激增，可能受极地气团异常南下影响，但未检测到NAO显著波动

### 方法创新与局限
研究突破传统海洋学监测模式，创新性地采用公民科学数据：
- **数据权重调整**：通过观测者人口密度和海滩使用频率（冬季周末游客量减少37%）进行标准化处理
- **混合效应模型**：同时纳入区域（随机效应）和时间（月度随机效应）的复合变异，解释力提升28%
- **环境变量筛选**：排除风速强度（p=0.29）和NAO指数（p=0.15），聚焦关键因子（SST、风向、时间趋势）

### 理论贡献与实践意义
1. **生态学理论**：
- 验证了"风-流协同驱动"假说：西北风增强沿岸流，促进物种向岸运输
- 发现SST与 strandings的负相关模式，与智利海域研究形成对比，提示物种对温度的响应存在区域特异性

2. **应用价值**：
- 预警系统：建立基于风向和SST的 strandings预测模型（AUC=0.89）
- 海岸管理：识别高风险区域（西海岸中心区风险指数达0.78），指导防护措施
- 公共健康：2020-2022年数据显示1月 strandings与医院急诊量呈0.41正相关（p=0.003）

3. **方法学突破**：
- 首次将公民科学数据与高分辨率海洋环境模型耦合
- 开发"标准化观测者指数"（SOI）校正数据偏倚

### 未来研究方向
1. **机制验证**：
- 开展实验室模拟实验，验证不同水温（8-25°C）和盐度（32-37‰）对物种存活率的影响
- 建立多源数据融合系统，整合卫星遥感（如MODIS海面温度）、浮标观测与公民科学数据

2. **气候变化应对**：
- 构建百年时间序列预测模型，量化RCP4.5情景下 strandings增长潜力
- 开发基于机器学习的早期预警系统（MLAOS），集成5年以上的历史数据

3. **监测体系优化**：
- 建立动态置信度分级标准，将低置信度记录纳入修正模型
- 设计区域性观测网络，重点加强西南部监测密度（当前仅占数据总量的4%）

### 结论
本研究证实葡萄牙海岸长须蜇 strandings呈现显著空间异质性和时间递增性，环境驱动机制以风向主导（贡献度38%），次之为SST（贡献度27%）。长期监测数据揭示物种出现频率与全球变暖趋势存在同步性（R2=0.21），但需排除观测强度增加的干扰效应。研究建议将公民科学平台（如GelAvista）纳入海洋生物多样性长期监测体系，同时加强高分辨率环境数据库建设，为应对未来可能出现的 strandings 爆发提供决策支持。