技术摘要：将热调节量化为蜜蜂（Apis mellifera）的延伸表型

1. 问题陈述

本研究旨在解决生态进化建模中的一个关键空白：即缺乏一个将生物能量学、行为热调节与不断变化的生存环境选择压力联系起来的综合框架。虽然生态位构建理论和“延伸表型”（Dawkins, 1982）的概念表明生物体能够主动改变其环境，但目前的研究通常将这些视为离散的或概念性的特征，而非连续且可测量的特征。

具体而言，现有文献未能实现以下目标：

• 将蜜蜂（Apis mellifera）的热调节行为量化为与环境压力梯度（如气候速度）相关的连续指标。
• 直接将声学能量特征与代谢支出及热调节努力程度相关联。
• 模拟快速气候变化（气候速度）和生境退化（NDVI 下降）如何共同驱动不同生物气候带内的蜂群不稳定性。
• 在单一预测模型中进行整合了北方针叶林、温带地中海和干旱地中海系统的跨洲际比较分析。

核心问题在于，在非平稳气候机制下（此时蜂群的能量税呈非线性增加），无法在发生前检测到从稳态平衡向终端蜂群崩溃的转变。

2. 研究方法

2.1 概念框架：生态位构建指数 (NCI)

本研究通过引入生态位构建指数 (NCI)，将热调节行为作为一种延伸表型进行操作化处理。该指标综合了：

• 气候速度 ($V_{cli}$): 景观中热生态位移动的速率（源自 ERA5-Land 和 CHIRPS 数据）。
• 生境稳定性: 以植被生产力（MODIS NDVI）表示。
• 热调节努力程度: 通过采集到的蜂箱声音进行声学能量（功率谱密度，PSD）量化。

NCI 是一个缩放后的度量值（0 到 1），其中数值高于 0.500 表示稳定，低于该值则表明存在高度崩溃风险。

2.2 数据来源与多模态集成

研究利用了跨越三个不同生物气候区域的跨洲际数据集：

1. 北方针叶林（加拿大魁北克）： 低气候速度（0.42 km/yr），高 NDVI（0.685）。数据来源于 MSPB 纵向数据集。
2. 温带地中海（意大利罗马）： 中等气候速度（3.9 km/yr），NDVI 下降（0.422）。数据来自 Zenodo 存储库。
3. 干旱地中海（西班牙马德里）： 高气候速度（>5.8 km/yr），关键 NDVI（~0.312）。数据来自 Zenodo 存储库。

声学数据： 对蜂箱级录音（Open-Source Beehive, NU-Hive, MSPB）进行了分析，以检测扇风行为。应用了功率谱密度 (PSD) 分析来量化热调节的能量成本。

遥感数据： MODIS NDVI (MOD13Q1/MYD13Q1) 提供了生境生产力指标，而 CHIRPS/ERA5-Land 则提供了气候速度指标。

2.3 计算架构：混合 CNN-Bi-LSTM

为了解码复杂的生物声学特征并预测代谢权衡，本研究采用了混合卷积神经网络 (CNN) 与双向长短期记忆网络 (Bi-LSTM) 架构。

• CNN 层： 从 1D 频谱图中提取局部空间特征。
• Bi-LSTM 层： 捕捉扇风行为中的长期时间依赖性和衰竭趋势。
• 超参数： 模型使用 64 个卷积滤波器（卷积核大小为 3）、Bi-LSTM 单元（第一层 128 个，第二层 64 个）、批大小为 16，并使用 Adam 优化器，学习率为 0.0001。
• 训练： 模型经过 35 个 epoch 的训练，设置了早停机制（耐心值 30），并使用 Robust Scaler 进行预处理以处理高波动异常值。

3. 主要结果

3.1 分叉阈值 (NCI = 0.500)

研究确定了一个关键的分叉阈值 NCI = 0.500。

• 稳定状态： NCI > 0.500 的蜂群维持稳态。北方针叶林系统（魁北克）表现出 NCI 为 0.509，其特征是消极热调节和低代谢成本（~0.0004）。
• 崩溃状态： NCI < 0.500 的蜂群面临终端崩溃。干旱地中海系统（马德里）显示 NCI 为 **0.445**，这是由超热应力和高代谢成本（>0.015）驱动的。
• 过渡性不稳定： 温带地中海系统（罗马）在阈值附近徘徊，NCI 为 0.487，显示出压力迹象，但尚未达到完全崩溃。

3.2 进化挤压与能量税

观察到气候速度与热调节努力之间存在非线性关系：

• 随着气候速度增加（从 0.42 km/yr 增加到 >5.8 km/yr）以及 NDVI 下降，蜂群的能量税呈指数级上升。
• 在马德里，声学努力程度 (PSD) 超过 0.015，表明剧烈的扇风活动已超过生理极限，导致“生态位失效”。
• 这种现象被称为**“进化挤压” (Evolutionary Squeeze)**，即适应能力同时受到生境质量下降（低 NDVI）和上升热应力（高 $V_{cli}$）的限制。

3.3 模型性能

混合 CNN-Bi-LSTM 架构在区分稳定状态与易崩溃状态方面表现出高度的预测可靠性：

• 准确率 (Accuracy): 87.50%
• 召回率 (Recall): 100%（零假阴性；所有崩溃事件均被检测到）。
• 精确率 (Precision): 93.33%
• AUC 得分: 0.8937
• 损失 (Loss): 稳定在 ~0.2014。

模型成功标记了所有生态位崩溃的实例，验证了使用声学能量作为代谢压力代理指标的有效性。

4. 重要性与主张

本文声称通过以下贡献推动了生态进化理论和精准养蜂业的发展：

1. 量化延伸表型： 它提供了一个数据驱动的范式，将热调节不仅视为一种生理反应，而且是一种将生物能量学与环境选择压力联系起来的可测量的延伸表型。
2. 生态位构建指数 (NCI)： 它引入了一种新型度量标准，连接了生境稳定性与生物能量学，为预测蜂群崩溃提供了早期预警系统。
3. 识别临界点： 它通过实证验证了分叉阈值 (NCI = 0.500)，挑战了生态建模中的线性假设，并证明了蜂群稳定性可以发生突变而非渐变。
4. 多尺度数据集成： 通过结合遥感数据 (NDVI, 气候速度) 与生物声学 AI，该研究创建了一个此前所缺失的、具有时空动态性的凝聚模型。
5. 进化挤压的证据： 它证明了生境退化与快速气候速度的结合产生了特定的“挤压”，从而限制了适应潜力，迫使蜂群陷入能量耗竭。

研究结论指出，热调节是关键的生态进化机制，其中能量极限定义了适应的边界。通过绘制可测量的生理特征来映射选择压力，本研究为追踪气候波动增加背景下的授粉者韧性提供了一个新框架。

5. 作者承认的局限性

作者谦逊地指出了若干限制：

• 地理范围： 研究局限于特定的地中海和北方针叶林区域，这可能会影响全球普适性。
• 代理指标验证： 使用声学 PSD 作为代谢成本的代理指标是间接验证的，缺乏直接的生理测量（如呼吸测定法）。
• 指数粒度： 虽然 NCI 非常有用，但它将复杂的微观生态相互作用浓缩为一个单一的综合指标。
• 模型可解释性： 尽管混合深度学习架构准确度高，但仍具有一定的“黑箱”性质，限制了对所学表征的完全解释。
• 时间分辨率： 遥感数据可能会忽略可能影响即时蜂群行为的快速、短期生物波动。