在环境压力与合作条件下，竞争物种的新兴空间组织结构

《Mathematics and Computers in Simulation》：Emergent spatial organization of competing species under environmental stress and cooperation

　　

作者：Ton Viet Ta

摘要

理解物种如何在相互作用的环境压力下持续存在并共存，是生态学和全球变化生物学中的一个核心挑战。在这里，我们开发了一个空间显式的反应-扩散（RD）框架，用于研究在由气候变异性、人为污染、资源异质性和合作互动塑造的异质景观中竞争物种的耦合生态-环境动态。环境温度通过类似厄尔尼诺-南方涛动（ENSO）动态的低频振荡来演变，而污染和资源则从局部来源扩散。物种的生长受到密度依赖的竞争的制约，这种竞争受到动态变化的环境承载能力的限制，该环境承载能力将非生物压力因素与内生的合作场相结合，而这种合作场本身也遵循RD动态，并会受到污染的负面影响。

数值模拟揭示了持续的空间组织的自发出现，包括优势种类的分离、稳定的竞争边界以及物种之间的不对称聚集。基于边界几何形状、分形维数、空间熵和优势区域动态的定量空间分析，从高度混合的初始条件数值上展示了向低复杂性、准静态空间配置的转变。共存通过不同的空间策略实现：一种物种占据更大的空间比例，而另一种物种则通过更高的局部密度得以持续存在。合作增强了物种对环境压力的抵抗力，但在高度污染的区域会局部崩溃，从而在空间缓冲作用上产生强烈的异质性。

除了正向模拟之外，我们还引入了一个混合的逆向建模框架，该框架将数值模拟与深度学习相结合，仅利用两个时间上分离的空间种群快照来推断高维模型参数。使用在合成数据上训练的Swin Transformer（Swin）架构，我们准确地恢复了关键的人口统计、扩散和环境敏感性参数，并实现了可靠的短期空间预测；然而，由于非线性空间系统的固有敏感性，长期预测会出现偏差。总的来说，我们的结果建立了一个统一的框架，将稀疏的生态观测与机制性的时空动态联系起来，这对预测在加速环境变化下的生物多样性响应具有重要意义。