Bayesian inference on beta diversity via feature allocation models with imperfect detection

想象一下，你是一名侦探，正试图在一个巨大的、隐形的城市中破解谜题。这座城市就是自然界，而它的居民是数以百万计的、我们用肉眼无法看见的微小真菌、细菌和昆虫。为了理解这座城市是如何运作的，科学家需要知道两件事：谁住在那里，以及不同的社区之间有多大的差异。这就是生态学领域的核心概念，即“β多样性”（beta diversity）。你可以把 β 多样性想象成衡量当你从一个公园走到另一个公园时，剧中的角色阵容发生了多大的变化。如果公园 A 只有松鼠，而公园 B 只有鸽子，那么它们非常不同（高 β 多样性）。如果两个公园都有松鼠、鸽子和知更鸟，那么它们就非常相似（低 β 多样性）。

然而，破解这个谜题极其困难。首先，“居民”经常在躲藏。仅仅因为你在树上没看到松鼠，并不意味着它不在那里；也许它正在睡觉，或者你的望远镜倍数不够好。在科学中，这被称为“检测不完全”（imperfect detection）。其次，这座城市非常巨大。由于物种太多，即使你到处寻找，也可能会漏掉那些稀有的物种。传统的计数方法通常假设它们拥有完美的视力，认为如果没看到某个物种，它就不存在。这会导致对世界的描述出现偏差，让我们误以为有些社区是空荡荡的，而实际上那里生机勃勃。

这时，一支新的统计学家团队带着一套全新的工具登场了。他们开发了一个巧妙的数学框架，称为 MOSAIC（具有不完全检测能力的多元站点占用式物种分配模型）。MOSAIC 不再假装拥有完美的视力，而是承认：“我们可能错过了一些客人。”他们将数据视为一场“猜猜是谁”的游戏，通过计算一个物种实际上存在但只是未被发现的概率，与它确实不存在的概率，来得出结论。通过这种方式，即使在数据混乱且充满缺失信息的情况下，他们也能绘制出一张更清晰的地图，展示物种是如何在不同地点之间共享的。

隐形的宾客名单

为了理解作者所做的工作，请想象你正在举办一场大规模的全球百乐ों晚宴。你邀请了来自全球 34 个不同城市的宾客。在每个城市的餐桌旁，人们都在为自己带来的食物拍照。但问题在于，相机出了故障。有时，一道菜就在桌上，但相机却没能拍下照片。有时，这道菜是真的不在那里。

过去，分析这些百乐ों照片的科学家会简单地统计他们所看到的东西。如果城市 A 的照片显示有一份比萨，而城市 B 的照片显示有一份沙拉，他们就会说：“这两个城市没有任何共同点。”但这忽略了故障的相机。也许城市 B 其实也有比萨，但相机漏掉了它。这会导致一个错误的结论，即认为这些城市之间的差异比实际情况更大。

MOSIC 模型就像一位超级聪明的侦探，它观察照片并询问：“鉴于相机经常漏拍的情况，比萨实际存在的可能性有多大？”该模型将两个截然不同的事件分开：占用（物种是否实际存在于该地点？）和检测（我们是否真的看到了它？）。通过将这两个概念分开，该模型可以估算出实际存在的物种数量，即使是那些从未出现在照片中的物种。

“局部可交换性”的魔力

这类侦探工作最大的障碍之一是，自然界并非千篇一律。在许多旧的统计模型中，科学家假设每个地点都只是同一组物种池的随机排列。这就像假设世界上每个城市都有完全相同的混合人群，只是顺序不同。但我们知道事实并非如此。热带城市与北极城市的“氛围”和宾客名单完全不同。

作者引入了一个概念叫做“局部可交换性”（partial exchangeability）。可以这样理解：与其假设每个城市都是同一副扑克牌的随机洗牌，不如允许每个城市拥有自己独特的牌组，但遵循某些规则。这些牌组是相关的（它们都来自同一个全球物种池），但每副牌的具体内容取决于当地的条件，比如温度或风力。这使得模型能够尊重热带森林确实看起来与雪原截然不同这一事实，同时仍能利用一个地方的信息来推测另一个地方的情况。

“β 多样性”评分

本文的主要目标是衡量 β 多样性——即两个城市之间的宾客名单有多大的不同。作者提出了一种计算此评分的新方法，该方法考虑了“故障相机”的问题。

他们定义了一个评分（我们称之为“相似性评分”），范围从 0 到 1：

• 0 表示两个城市的物种组成完全相同。
• 1 表示它们之间完全没有共同之处。

至关重要的是，这个评分设计得非常公平。如果城市 A 有 100 个物种，城市 B 有 100 个物种，且它们共有 50 个，评分会反映这一点。但如果城市 A 有 1,000 个物种，城市 B 也有 1,000 个物种，而它们仅共有 50 个，该评分会意识到这是一个更大的差异。作者证明了他们的方法具有鲁棒性：即使你不能确定相机的“故障程度”到底有多高（他们称之为参数 $\sigma$），最终的相似性评分依然保持得非常稳定。这就像是一个指南针，即使你稍微偏离了中心，它依然能指向北方。

用模拟数据测试理论

在将模型应用于现实生活之前，作者玩了一个使用“虚假”数据的游戏。他们创建了一个包含 3,000 个物种和 3 个不同站点的计算机模拟世界。他们故意让相机漏掉一些东西。然后，他们让 MOSAIC 模型尝试猜测真实的共有物种数量。

结果令人振奋。模型的预测与他们输入模拟程序的“真实”数字高度吻合。它成功地发现，即使相机漏掉了很多物种，底层的模式（即谁在与谁共享什么）仍然是可以恢复的。他们还在一个更复杂的场景（15 个站点和 5,000 个物种）中进行了测试，结果同样表现出色，通常优于那些忽略“故障相机”问题的旧方法。

现实世界的测试：空气中的真菌

最后，作者利用 全球孢子采样项目 (GSSP) 的数据，将他们的模型应用于现实世界。该项目收集了来自北半球（从北美到北极）34 个地点的空气样本。其目标是研究空气中的真菌。

这些数据对于这类问题来说，其“混乱”程度恰到好处：

• 他们发现了 15,352 种不同的真菌类型。
• 但其中一半以上（57%）是“一次性赢家”——即只被观察到过一次的物种。
• 数据是稀疏的，这意味着许多物种很可能被完全漏掉了。

使用 MOSIC，作者估计研究区域内真实的真菌物种数量实际上约为 16,574 种。这表明大约有 1,200 种真菌虽然存在，但从未被采样器检测到。

他们还研究了驱动这些真菌群落的因素。通过将天气数据输入模型，他们发现：

• 纬度 和 温度 是最大的驱动因素。真菌遵循一种可预测的模式：它们在赤道附近多样性最高，随着向两极移动，多样性逐渐降低。
• 温度 呈现出“倒 U 型”关系。真菌喜欢适度的温暖，但在过热或过冷时难以生存。
• 降雨 具有负面影响。看起来强降雨会将真菌孢子从空气中冲刷下来并降落在地面上，从而使其难以在空气样本中被发现。

这意味着什么

本文并不声称已经解决了所有生物多样性的谜团。相反，它提供了一把更好的放大镜。它表明，通过承认我们的检测方法是不完美的，并允许不同地方遵循不同的规则，我们可以更真实地描绘地球上生命的分布图景。

作者展示了他们的方法提供了一种“连贯的概率处理”，这意味着它不仅给出一个数字，还给出了一个带有置信度的可能答案范围。当他们将该方法应用于真菌数据时，结果符合生物学逻辑，证实了已知的关于真菌如何响应气候的模式。

简而言之，MOSIC 是一个帮助生态学家停止猜测并开始计算的工具。它承认世界充满了隐形的宾客，并为我们提供了一种数学方法来计数，即使他们在阴影中躲藏。这是理解生物多样性如何随全球气候变化而变化的至关重要的一步，对于保护自然世界至关重要。