《Canadian Journal of Fisheries and Aquatic Sciences》：Drivers of walleye, brook trout, and lake trout abundance in Québec lakes
编辑推荐：
文章推荐语
为应对气候变化和人为活动对内陆渔业构成的威胁，研究者基于魁北克政府三十余年的标准刺网监测数据，运用随机森林模型分析了662个湖泊，揭示了梭鲈、溪红点鲑和湖红点鲑三种重要游钓鱼类丰度的关键驱动因素。研究发现，鱼类群落组成是影响两种鲑科鱼类丰度的主要因子，而气候因素对梭鲈更为重要。该研究加深了对种群驱动机制的理解，强调了在渔业管理计划中考虑鱼类群落背景的重要性。
论文解读文章
在广袤的加拿大魁北克省，星罗棋布的湖泊不仅是壮丽的自然景观，更是维系当地文化与经济的重要命脉。据统计，每12位魁北克居民中就有1位参与某种形式的休闲垂钓，每年由此产生的消费额超过8亿加元。然而，这片宝贵的水域资源正面临着严峻挑战：气候变化悄然改变着水温与降水格局，外来物种的入侵打破了原有的生态平衡，流域土地利用的变化也在持续影响着湖泊水质与鱼类栖息地。为了在全球变化的背景下实现渔业的可持续管理，一个核心问题亟待解答：究竟是哪些因素，在决定着湖泊中重要鱼类种群的兴衰？它们又如何相互作用？传统的线性模型可能难以捕捉其中的复杂与非线性关系，这呼唤着新的研究视角与方法。
为此，研究团队的目光投向了魁北克环境、应对气候变化、野生动物和公园部自20世纪80年代末起系统开展的标准化鱼类监测数据。这项历时三十余年、覆盖全省的长期监测项目，为揭示鱼类种群动态的宏观规律提供了独一无二的宝贵资料。研究者们选取了在北美休闲、生计乃至商业渔业中均占据重要地位的三种鱼类——梭鲈、溪红点鲑和湖红点鲑作为研究对象，试图通过先进的机器学习技术，从海量环境与生物数据中，抽丝剥茧，找出驱动其种群丰度的关键钥匙。这项研究成果最终发表在了渔业与水生科学领域的权威期刊《Canadian Journal of Fisheries and Aquatic Sciences》上。
为了开展这项研究，作者主要采用了以下几种关键技术方法：
首先，研究依赖于魁北克环境部在1988至2022年间对全省662个湖泊进行的标准化刺网调查数据，以此估算鱼类相对丰度（以单位努力渔获量CPUE表示）。其次，研究者收集并计算了涉及湖泊空间位置、形态测量、土地利用、水质、连通性、气候、捕捞压力和鱼类群落组成等八大类的38个预测变量，其中大量地理空间数据来自公开数据库（如WorldClim气候数据、LakeAtlas湖泊图谱）。最后，研究核心采用了随机森林这一机器学习模型来分析预测变量与三种鱼类CPUE之间的复杂关系，该模型能有效处理变量间可能存在的交互、非线性和相关性效应，并辅以偏依赖图来解读关键驱动因子与丰度间的具体关系模式。
研究结果
鱼类丰度的空间格局与群落背景
研究首先绘制了三种鱼类在全省湖泊中的丰度分布图。结果显示，梭鲈的分布更局限于该省西部，而溪红点鲑在东部丰度较高，湖红点鲑则未呈现明显的空间格局。通过主坐标分析（PCoA）对鱼类群落组成的解析表明，群落结构显著影响着鱼类丰度。例如，溪红点鲑的最高CPUE出现在其单独存在的同域分布湖泊中；湖红点鲑的较低丰度则与狗鱼、梭鲈等大型肉食性鱼类的存在相关联。
关键驱动因素的物种差异性
随机森林模型揭示，三种鱼类丰度的最佳预测变量存在显著差异，模型表现最佳的是溪红点鲑（R2= 0.54），其次是湖红点鲑（R2= 0.46）和梭鲈（R2= 0.44）。具体来看：
- •
梭鲈：其丰度最主要受降水季节性（变化）驱动，其次为纬度和最热月最高气温。丰度随降水季节性增强和纬度升高而增加，但与最高气温呈负相关，这与之前认为梭鲈偏好温暖气候的假设相反。值得注意的是，水质透明度（赛克盘深度）并未成为其重要预测因子。
- •
溪红点鲑：影响其丰度的最关键因素是鱼类群落组成（PCoA轴1）和群落丰富度，两者均呈强烈的负效应，即物种越丰富或群落结构越复杂，溪红点鲑丰度越低，这强有力地支持了其在高产环境下更适应同域分布的假说。此外，经度（向东丰度增加）和捕捞压力也显示出正效应，而最高气温为负效应。
- •
湖红点鲑：其丰度几乎一半的变异可由鱼类群落组成（PCoA轴2）解释，丰度较低与狗鱼、梭鲈、白鲑等鱼类的存在有关。湖泊形态因素如湖体圆形度、滞留时间和最大深度也对丰度有正向影响，但效应远小于群落因素。与假设部分一致的是，湖红点鲑丰度在更深、更冷、溶氧更高的湖泊中更高。
研究结论与讨论
本研究首次在魁北克省的大尺度上评估了重要游钓鱼类的丰度驱动因素。结论清晰地表明，尽管气候和湖泊物理栖息地条件具有一定影响，但本地鱼类群落的组成和结构是理解溪红点鲑和湖红点鲑种群动态的核心。对于溪红点鲑，避开种间竞争是其种群繁荣的关键；对于湖红点鲑，与其他大型鱼类（可能是竞争者或改变其摄食生态的物种）的共存关联着较低的丰度。这一发现强调了渔业管理计划必须考虑鱼类种群所处的群落背景，例如，在引入物种或制定保护策略时，需预见其对目标物种可能产生的级联效应。
研究也部分修正或深化了先前的一些认知。例如，梭鲈丰度与较冷气候的正相关关系，提示其种群可能在北部湖泊中更为稳定，这对预测气候变化的影响具有参考价值。然而，预期的水质透明度对梭鲈的主导影响在本研究的大尺度梯度上并未显现，可能由于所研究湖泊的深度提供了充足的光学避难所。
重要意义与展望
这项工作不仅深化了对魁北克湖泊鱼类种群生态学的理解，更具重要的管理实践意义。它证实了利用长期监测数据结合机器学习模型进行大尺度栖息地评估和渔业生产潜力预测的可行性。在气候变化背景下，研究揭示的所有三种鱼类丰度与最高气温的负相关关系，为它们作为气候变暖的指示物种提供了证据，警示了未来渔业资源面临的潜在风险。
当然，研究也存在局限，如非随机选择的湖泊样本限制了对更极端环境梯度的探索，部分重要变量（如营养物质）的数据缺失等。未来，整合遥感数据以扩展环境变量集，并关联生长、年龄结构等更多种群参数，将有助于构建更精准的预测模型，从而为制定更有效的保护措施、守护宝贵的水生资源提供更强大的科学支撑。
