基于随机森林算法的物种分布模型揭示长江江豚的分布模式

《Scientific Reports》：The species distribution model based on the random forest algorithm reveals the distribution patterns of Neophocaena asiaeorientalis

研究人员构建长江江豚（YFP）的物种分布模型（SDM），发现其栖息地偏好具季节性，为保护提供关键依据。

　　# 长江江豚分布模式研究：为濒危物种保护点亮希望之光
在广袤的长江水域，生活着一种珍稀的淡水鲸类 —— 长江江豚（Yangtze finless porpoise，YFP），它是中国特有的极度濒危物种，如同长江生态系统中的一颗璀璨明珠，对维持生态平衡意义重大。然而，近年来，人类活动频繁，如航运、采砂等，严重挤压了长江江豚的生存空间，其种群数量急剧减少，生存状况岌岌可危。

为了更好地保护长江江豚，深入了解它们的分布模式和栖息地偏好至关重要。以往的研究虽然对江豚的分布有一定的观察，但对于其在鄱阳湖等栖息地的偏好及驱动因素尚不明确，且江豚种群分布受水文条件影响，季节性波动明显，这些都给保护工作带来了巨大挑战。

在此背景下，江西省水生生物保护救助中心和农业农村部鄱阳湖长江江豚保护基地的研究人员开展了一项极具意义的研究。他们运用随机森林算法（Random Forest algorithm，RF）构建物种分布模型（Species Distribution Model，SDM），旨在揭示长江江豚的分布模式，为其保护管理提供科学依据。这项研究成果发表在《Scientific Reports》上，为长江江豚的保护带来了新的希望。

研究人员采用了多种关键技术方法。在研究区域选择上，他们选取了鄱阳湖的一处大型沙坑区域，该区域受人类活动干扰较小，具有代表性。在数据采集方面，根据相关技术规范，设立 12 个采样点，在 2023 年 4 月、6 月、9 月和 12 月进行了 4 次调查，收集了 57 种水生因素数据，并通过特定方法生成水生因素图层。同时，利用研究船和专业设备确定长江江豚的出现点和伪缺失点。最后，借助 R 语言中的相关软件包，基于 RF 算法构建 SDM，并对模型性能进行评估 。

研究结果

1. 栖息地环境调查结果：4 次调查共发现 26、38、37 和 21 组长江江豚。部分江豚因雨季水位上升出现在研究区域外。
2. 最适宜阈值：随着阈值增加，袋外（OOB）估计误差率和出现点分类错误率逐渐降低，伪缺失点分类错误率升高，三条曲线在阈值约 550m 时相交。
3. SDM 的应用：SDM 对同期江豚分布预测准确，江豚均分布在模型预测区域；但对其他调查期预测效果有限，部分预测甚至出现极端情况，如认为整个研究区域均为出现区或缺失区。
4. 水生因素对 SDM 的贡献：当 SDM 中使用 15 个因素时，交叉验证误差曲线趋于稳定，不同模型中排名靠前的水生因素有所不同，有 13 种水生因素多次出现在多个模型的顶级水生因素列表中。
5. SDM 的性能：除 9 月外，重建 SDM 的 AUC（曲线下面积）和 TSS（真技能统计量）均高于初始 SDM 。

研究结论与讨论

研究发现长江江豚种群分布存在季节性迁移，在沙坑和主航道之间活动，体现出季节性栖息地偏好。虽然 SDM 在预测江豚实际分布时存在一定局限性，但研究表明，确定江豚的出现点和伪缺失点，以及选择关键因素，是构建 SDM 的基础要素。

研究还发现，总磷酸盐浓度和蓝藻密度是影响江豚分布的重要因素，推测它们可能通过影响猎物资源间接影响江豚分布。此外，研究指出，在构建江豚 SDM 时，应考虑人为活动强度指标，同时可利用环境 DNA（eDNA）技术与声学监测相结合，解决猎物资源难以纳入模型的问题。

这项研究首次运用 RF 算法构建长江江豚的 SDM，明确了影响江豚分布的关键因素，为长江江豚的保护管理提供了关键见解，也为濒危水生物种 SDM 的发展奠定了理论基础，让我们在保护长江江豚的道路上迈出了坚实的一步，为这一珍稀物种的未来带来了更多希望。