基于穩(wěn)定同位素的消費者營養(yǎng)來源溯源的方法和過程

王 康 祝孔豪 郭鈺倫 徐 軍

(中國科學院水生生物研究所, 武漢 430072)

穩(wěn)定同位素分析已成為分析食物網結構的主要手段之一, 通常用來估算不同來源營養(yǎng)物質對消費者的貢獻[1—4]。研究食物網結構涉及分析和比較物種、種群或個體在生態(tài)位空間的相對位置, 這些數據為有關攝食關系和食物網結構的推斷提供了依據, 但它們不能直接反映出飲食的特征, 如通過胃內容物分析、飼養(yǎng)觀察或糞便分析來反映[5]。由于數據的間接性質, 在解釋與本文所討論的所有分析方法相關的同位素值時, 存在各種可能的歧義來源。突發(fā)生態(tài)因子也使獲得的穩(wěn)定同位素數據難以進一步解釋[5]: 首先, 同位素相似并不意味著生態(tài)功能相似, 因為兩個個體可能具有相同的同位素生態(tài)位, 但是生態(tài)位不同。也就是說, 雖然兩個不同個體的營養(yǎng)途徑不同, 但不同的資源庫可以具有相似的穩(wěn)定同位素值。其次, 如果不同的資源庫具有重疊的同位素值, 那么僅靠穩(wěn)定同位素值可能無法溯源特定的資源庫。第三, 當利用穩(wěn)定同位素重建攝食關系時, 必須在時間和空間尺度上對資源庫取樣, 以反映出元素的同化率和組織的周轉率[6]。所以, 穩(wěn)定同位素數據不僅是生物之間營養(yǎng)關系相互作用的結果, 也是眾多潛在生物和化學過程驅動的結果[7], 相關利用穩(wěn)定同位素數據進行溯源的研究更需要科學的解釋。

本文基于實測同位素數據集(浮游動物同位素數據集), 通過簡單統(tǒng)計檢驗、營養(yǎng)來源先驗信息的矯正, 構建系列貝葉斯模型; 通過比較模型總體性能, 及先驗信息和后驗分布差異等多種模型性能評價方法, 來描述消費者營養(yǎng)來源溯源的方法和過程。以此為應用穩(wěn)定性同位素技術開展消費者營養(yǎng)溯源研究, 提供指導方法。

1 數據質量

1.1 測試過程

穩(wěn)定同位素數據的報道, 理論上必須提供儀器校準(Calibration)和分析過程不確定性的充分信息。因此, 測試過程的監(jiān)控、量化和測量精度應如實報道。在儀器分析過程中, 通常需要報道數據分析的準確度(Accuracy)、精密度(Precision)、分辨率(Resolution)和可重復性(Repeatability)[8,9]。準確度表示測量結果與真實數值之間的誤差, 代表了儀器在正常運行條件下, 測定值有規(guī)則偏離真值的程度, 即測量偏差或系統(tǒng)誤差。精密度表示測量結果的分散性, 測定數據結果越分散, 分析的精密度越低, 誤差增大。可重復性表現為在改變了的測量條件下, 同一被測量物的測量結果之間的一致性。如果某一研究同位素分析在不同的時間和地點的儀器分析條件下進行, 則需要報告數據可再現水平。系統(tǒng)誤差主要是通過儀器校準和測試人員嚴格操作流程來降低, 且在穩(wěn)定同位素比率質譜測定中,與國際通用標準物質的“真實”值檢測的偏差小于0.1‰[10]。由于研究結果報道后, 讀者均未參與儀器操作和數據采集, 因此, 就研究本身的重現性(Reproducibility)而言, 同位素數據報道必須為讀者提供了一種合理的評估儀器分析的不確定性的途徑[8]。

因此, 在研究論文中需要報道的7個方面包括:(1)使用儀器的型號、公司名稱、所在單位和實驗室名稱; (2)使用的國際同位素參考標準(如AIRδ15N)、儀器校準的國際標準物質(Standard reference materials, 如USGS41)及其標準值(“真值”)[11];(3)用于檢測儀器分析過程中的工作標準物質(Working reference material)的類型、重復測量數、平均值和標準差(以附表形式報告)。工作標準物質通常是按照一定樣品檢測加入, 用于監(jiān)控儀器分析過程中的準確度和精密度變化, 及基線漂移特征;通常選用與測試樣品同類物質(如肌肉組織和骨骼組織等), 由執(zhí)行分析的實驗室自行制備或購買, 且在多個實驗室進行過對比測試[11]; (4)樣品本身的重復測定結果, 用以反映研究樣品本身的測試精密度,包括分析的重復率(如10%)、重復樣本數、平均值和標準差(以附表形式報告); (5)如果測試過程間隔了較長的時間或者更換分析測試儀器, 則需要報道不同時間和(或)地點的(1)—(4)相關內容。(6)標準不確定(Standard uncertainty), 用來反映數據分析整體誤差, 采用統(tǒng)計平方公差法(Root-Sum-Squares),計算上述全部引起測試誤差的整體特征[12]。(7)基于穩(wěn)定同位素比率質譜分辨率多為小于0.1‰, 因此數據報道過程有效數字保留至十萬分位(如-23.57‰)。

1.2 原始數據

研究論文數據存儲指的是長期的存儲學術研究論文的數據, 數據來源包括自然科學、社會科學和生命科學領域。得益于信息科技的發(fā)展[13], 數據可以大量且長時間的存儲。現在, 越來越多的國際期刊和研究機構要求發(fā)表的論文必須將論文中的數據存儲在公開的存儲數據庫中。其核心優(yōu)勢:(1)提高論文關注度, 便于其他學者引用、跟蹤和對比研究; (2)驗證該研究的重現性和真實性; (3)降低學術成本, 提升數據使用效率。因此, 建議原始的穩(wěn)定同位素及研究中所報道的相關數據以附表形式發(fā)表[14]; 在正文中以表格的形式(表 1), 報道研究對象(時間、空間、物種、類群等)穩(wěn)定同位素平均值和標準差的信息。

本文得益于原始數據共享的優(yōu)勢, 以Francis等[15]發(fā)表的湖泊浮游動物的穩(wěn)定同位素研究數據集為案例(表 1), 探討基于穩(wěn)定同位素的消費者營養(yǎng)來源重建的整個實踐過程。該數據集包含21個棲息地浮游動物和表層懸浮顆粒物、混合層下懸浮顆粒物和陸源有機碎屑三種潛在食物來源的穩(wěn)定同位素數據, 及一個反映光熱混合特征的環(huán)境因子。該項研究通過貝葉斯穩(wěn)定同位素混合模型估計, 清晰地闡明了陸源碎屑的貢獻率為＜5%, 并證實了湖泊光熱特征作用影響著浮游動物能量來源。

表1 浮游動物研究案例中三種食物來源與消費者的穩(wěn)定同位素特征Tab. 1 Stable isotope characteristics of three potential diet sources and zooplankton

1.3 簡單統(tǒng)計檢驗

在滿足穩(wěn)定同位素測量分析過程的準確度和精密度的前提下, 通常數據的分析假設, 例如隨機、獨立、正態(tài)、等方差、穩(wěn)定等及野外或控制實驗的平衡設計也同樣重要。在同位素技術應用于食物網研究的早期, 許多穩(wěn)定同位素數據的使用是基于簡單統(tǒng)計來定性推論從消費者或食物資源的相對關系[16—19]。因此, 簡單的統(tǒng)計檢驗對穩(wěn)定同位素技術在食物網研究中的應用打下了至關重要的基礎, 也是現在生態(tài)學的一個基本組成部分。

依據中心極限定理, 即不同概率分布的隨機變量(獨立與否非必要), 且均值和方差有限, 那么當樣本容量趨于無窮大時, 隨機變量之和的一個簡單變換就可以服從正態(tài)分布[20]。因此, “算術平均數是對真值的最大似然估計”這個假設成立(高斯分布定理)。穩(wěn)定同位素的自然屬性符合這種假設(圖 1A),因此在穩(wěn)定同位素的各類模型研究中, 均使用標準差和平均值來開發(fā)模型, 且在從個體到生態(tài)系統(tǒng)的整合過程中, 各個層次依然遵循整體分布假設(圖 1B)。需要指出的是, 根據以往統(tǒng)計經驗, 樣本容量必須達到30以上, 中心極限定理才能保證成立[20]; 但是,在實際研究中, 較低的樣本容量經常導致數據分布特征不能滿足統(tǒng)計假設; 而高樣本容量大幅增加采樣和分析成本, 也需要研究人員權衡。

圖1 穩(wěn)定同位素正態(tài)分布假設(A)與多層次混合特征(B)Fig. 1 Normal assumption (A) and mixing through different ecological levels (B)

首先, 對各類食物來源和消費者的穩(wěn)定同位素,進行正態(tài)分布和方差齊性檢驗。在對多個因變量(例如δ13C和δ15N)同時進行分析時, 常常假設因變量組合成的向量服從一個多元正態(tài)分布(Multivariate normality; 檢驗方法Royston test with post hoc Shapiro-Wilk test), 即隨機誤差必須為相互獨立的正態(tài)隨機變量[21]。多元方差齊性是指不同樣本的方差大體相同(Homogeneity of Multi-variances; 檢驗方法Bartlett’s Test)。如果方差非齊性, 則會掩蓋掉均值的差異信息, 影響第一類風險且導致錯誤的結論[21]。需要指出的是,F檢驗對正態(tài)型的偏離具有一定的穩(wěn)健性, 但對方差分析的偏離性較為敏感。

其次, 對各類食物來源和消費者的穩(wěn)定同位素,進行多變量方差分析(Multivariate analysis of variance, MANOVA), 用于檢測研究的食物來源及消費者之間是否有差異以及差異是否顯著。由于在樣本獲得過程中無法避免的差異, 及諸多無法控制的因素, 因此對各類食物來源和消費者的穩(wěn)定同位素進行比較(如δ13C和δ15N), 進一步判斷樣本間差異主要是隨機誤差造成的, 還是本質不同或環(huán)境效應引起的[22]。

最后, 參數檢驗都基于正態(tài)和方差齊性假設,可獲得更多且可比性強的結論。但是, 特別是在野外生態(tài)學調查中, 不可能總是獲得滿足上述這兩個假設的數據; 如果強行采用參數檢驗就會造成錯誤。因此, 在上述兩個假設不成立時, 亦可利用中位數進行檢驗, 即非參數檢驗; 或使用合理的數據轉換方法把數據轉換為正態(tài)分布。值得注意的是,許多統(tǒng)計方法雖然假定數據滿足正態(tài), 但是當樣本量大于15或20的時候就對正態(tài)條件不敏感了; 但是如果樣本量小于15且數據不滿足正態(tài)分布, 相關統(tǒng)計結果失真, 需要特別注意結論準確性。

以湖泊浮游動物的穩(wěn)定同位素研究為例, 經過多元正態(tài)分布檢驗和方差齊性分析, 該數據集中變量均為正態(tài)分布;δ13C方差齊性, 但δ15N方差非齊性(Bartlett’s test,P=0.004)。對δ15N進行更穩(wěn)健的替代檢驗發(fā)現方差非齊性(Levene’s test,P=0.0429)。再進一步, 對δ15N進行更加穩(wěn)健的非參替代檢驗發(fā)現方差齊性(Fligner-Killeen test,P=0.09377)。進一步進行多元單因素方差分析, 結果表明3種潛在食物來源表現出一種或一種以上的穩(wěn)定同位素顯著差異(圖 2), 適合進一步分析消費者的食物來源。

圖2 三種潛在食物來源的穩(wěn)定同位素多元單因素方差分析結果Fig. 2 Multivariate ANOVA of stable isotopes for three potential diet sources

2 同位素空間分析

2.1 營養(yǎng)富集指數

穩(wěn)定同位素技術在應用時需充分考慮引起穩(wěn)定同位素在機體內分餾的因素。例如, 穩(wěn)定氮同位素(δ15N)在相鄰兩個營養(yǎng)級間所產生的富集因子(Δδ15N)在3‰—5‰, 而δ13C值在相鄰營養(yǎng)級間富集因子(Δδ13C)僅為0.4‰—1.0‰[23]。營養(yǎng)富集指數獲取方法有兩種: 一種是在室內嚴格控制的條件下,測量實驗對象與其單一食物源之間穩(wěn)定氮同位素的差值; 另一種方法是選用野外生態(tài)系統(tǒng)中食源相對簡單的生物, 測量其組織與食源間的穩(wěn)定氮同位素的差值。室內實驗控制了實驗對象和餌料組成,但在室內條件下生物的代謝活動、消化吸收率和餌料組成等均與其自然生態(tài)系統(tǒng)下存在較大差異,很難獲取動物在自然狀態(tài)下真實的營養(yǎng)級富集因子[24]。同時在野外生態(tài)系統(tǒng)中, 不同的物種、不同的采樣部位和不同棲息環(huán)境下穩(wěn)定同位素的富集都存在差異, 又需要更多的室內試驗來得到特定營養(yǎng)級富集因子[24]。

針對這種情況, 許多研究者采用基線營養(yǎng)級富集因子的統(tǒng)計平均值或幾個統(tǒng)計平均值并用, 可提供一種最接近富集因子真實狀態(tài)的近似值[25], 從而更好地估算該種類的食源組成。Caut等[25]于2009年收集了66種期刊290個物種的營養(yǎng)級富集因子, 并按種類、生境和組織進行了分類歸納, 表 2顯示魚類各組織與食物之間的δ13C和δ15N的營養(yǎng)級富集因子的均值和標準誤, 在難以獲取準確的營養(yǎng)級富集因子的情況下可采用相關數據代替[26]。

表2 魚類各組織與其食源之間穩(wěn)定碳、氮同位素的營養(yǎng)級富集因子Tab. 2 Stable carbon and nitrogen isotopes fractionation factor of birds between the organizations and the food

2.2 同位素空間構建與檢驗

在運行模型之前, 必須檢查消費者穩(wěn)定性同位素數據是否絕大多數落入潛在營養(yǎng)來源確定的混合多邊形中。盡管通過營養(yǎng)富集因子校正后的穩(wěn)定同位素混合空間(圖 3), 可以初步進行判斷, 但是由于貝葉斯混合模型的數學性質, 即使這些結果不成立, 也會獲得方程的解[5,27]。因此, 必須檢查消費者穩(wěn)定性同位素數據是否絕大多數落入多種營養(yǎng)來源確定的同位素混合空間中[28]。此外, 同位素混合空間中營養(yǎng)來源和消費者同位素之間的共線性,及不同營養(yǎng)來源之間的差異水平等情況, 可會導致統(tǒng)計上多種營養(yǎng)來源貢獻的等效解決方案, 也需盡量避免[5,27]。如果沒有, 那么必須考慮工作假設中存在一個問題: 在測量過程中出現錯誤, 或者在分析中忽略了消費者的重要來源。由于貝葉斯建模包含不確定性(本例中為均值和標準偏差), 因此可以使用另一個貝葉斯建模工具來準確確定哪些樣本屬于混合多邊形[28,29]。在進一步模型中, 應舍棄不屬于混合多邊形的消費者樣本。

圖3 營養(yǎng)富集因子校正后的穩(wěn)定同位素混合空間Fig. 3 Trophic enrichment factor corrected isospace

以湖泊浮游動物的穩(wěn)定同位素研究為例, 通TEF校準, 結合多元單因素方差分析, 結果表明三種潛在食物來源表現出一種或一種以上的穩(wěn)定同位素顯著差異(P＜0.05), 且共線性特征不顯著(圖 2),適合進一步分析消費者的食物來源。

由圖 4所示(等值線顏色深淺顯示了概率輪廓),本研究數據總體質量高。圖 4A-C則顯示了消費者浮游動物同位素值的變化將如何影響食物來源混合模型可以合理解決的概率[28]。多邊形5%概率輪廓以外的浮游動物樣品將不再用于混合模型構建,從圖 4B中的示例中可以觀察到此問題的實例, 其中3個樣本(7、19、21號個體)位于指定的潛在源之外, 模型結果證實了這一點(圖 4C), 表示樣本在多邊形內只有5%以下的機會, 因此模型解釋程度低,在后續(xù)建模分析中予以剔除。圖 4D-F則顯示了消費者浮游動物同位素值的變化將如何影響營養(yǎng)來源混合模型低估風險的概率[29], 消費者浮游動物樣品落入風險區(qū)的概率總體低于50%, 未出現高于95%概率的樣本。

圖4 混合多邊形迭代模型Fig. 4 Mixing polygon simulation

需要強調的是, 如果在上述統(tǒng)計方法檢驗過程中, 發(fā)現較多的樣本不適用于建模, 則必須考慮研究假設中是否存在測量過程的錯誤、消費者的重要食物來源被忽略或營養(yǎng)富集因子使用不合理等問題[28]。

2.3 源合并

在利用穩(wěn)定同位素混合模型量化食物來源對消費者的貢獻過程中, 一個常見問題是來源過多,模型量化可信度下降。解決這一問題通常有兩類方法。一種是通過先驗信息, 即對消費者攝食信息或生態(tài)系統(tǒng)中食物資源信息, 進行相似分類組合,以便簡化科學問題, 控制來源數量, 提高模型量化的可信度, 降低不確定性。合并的基本原則為, 來源聚類的同位素特征沒有顯著差異, 且來源具有合理的關系, 組合來源具有一定的生態(tài)功能意義[30]。另一種方式是, 先使用混合模型獲得來源貢獻的所有可能量化結果, 根據每個來源的可能的貢獻范圍,對功能相關的食物來源組合的貢獻進行概括, 以此獲得對研究問題有益的總體來源量化結果[31]。源合并評估流程如下(圖 5), 由于湖泊浮游動物的穩(wěn)定同位素研究的來源僅為3種, 因此不對源合并進行討論。

圖5 源合并評估流程圖Fig. 5 Diagram of Source combination

3 同位素混合模型

3.1 常用模型

利用穩(wěn)定同位素質量平衡方程計算食物源的相對貢獻比例的基本模型構成如下:

式中,δXsample表示消費者穩(wěn)定同位素X(如δ13C或δ15N)的相對含量;fi為第i個食源的貢獻率;δXsourcei表示第i個食源的穩(wěn)定同位素X的相對含量;ΔX′為所測定的穩(wěn)定同位素X在食源與機體之間的營養(yǎng)級富集因子[32,33]。

從公式可知, 測定樣本和食源的n種穩(wěn)定同位素可以確定n+1種食源的貢獻率。例如, 將測定的樣本和食源的2種穩(wěn)定同位素值(δ13C和δ15N)代入質量平衡方程可確定3種食源的貢獻。此外, 公式中引入了營養(yǎng)級富集因子ΔX, 成為獲得食物來源比例的一個重要不確定性因素。

在大多數情況下, 消費者營養(yǎng)來源重建需要面臨更多食物源問題, 即n種同位素值和＞n+1種食物源, 因此需要更為復雜的模型來計算每種食物源的貢獻比例范圍[34]。應用較多的一種模型為線形混合模型, 它依據資源貢獻范圍(0—100%)內, 在各組合不同增量變化下, 在較小可容忍范圍內的潛在食物資源貢獻的頻率和范圍[35]。混合模型只對食物來源和消費者使用均值同位素特征, 并不直接考慮食物來源和消費者的變異性, 包括采樣和測量誤差。

另一類發(fā)展較多的模型為貝葉斯混合模型(如MixSIR、SIAR和MixSIAR)。它通過綜合先驗信息, 整合不確定因素(如多種食物來源、富集因子和同位素比率多變性等), 引入“取樣-重要性-再取樣(Sampling-importance-resampling, SIR)”的運算法則, 進行食源貢獻率的后驗概率檢驗, 提高了數據分析的精度[36,37]。

新的分析方法的出現, 也導致了一些關于哪種方法是最適合應用于穩(wěn)定同位素數據的爭論[38,39]。爭論主要集中在哪種分析方法是“正確的”或“錯誤的”, 但是, 識別不同方法最適合的問題類型或許才是問題的關鍵。同樣, 每種穩(wěn)定同位素分析方法也具有明顯的優(yōu)點和缺點, 并且每一種方法都適合于特定的情況。

3.2 先驗信息

當觀測到的數據樣本量或代表性有限時, 貝葉斯模型提供了將觀測到的數據與其他“先驗”信息相結合的能力, 即當有新數據可用時, 會更新先前的估計值。隨著當前掌握的信息不斷被更新, 形成了科學的“學習周期”。盡管使用胃腸含物來評估營養(yǎng)來源有一定的局限性[40], 但是對攝食關系依然提供了重要的先驗信息, 此外還包括環(huán)境中食物源的豐度、生物量和消費者的攝食行為習性等, 均可作為重要的先驗信息, 以提高混合模型預測的準確性[41]。

但是貝葉斯混合模型有一個特點, 如果先驗信息誤差較小, 則混合模型的后驗結果會反映先驗信息的分布趨勢和數據離散特點; 如果先驗信息誤差較大, 則導致混合模型的后驗結果存在更多不確定性, 逐漸接近沒有先驗信息模型的估算結果, 分析的準確性也會下降[30]。因此, 在開展此類研究前,需要投入大量的時間和精力進行數據收集和分析,了解哪些數據滿足了前期的假定條件, 這樣才能保證分析的準確性。

本研究展示了3個營養(yǎng)來源貢獻的先驗信息(圖 6), 包括默認先驗(右側)和信息先驗(左側), 針對3種營養(yǎng)來源, 包括表層懸浮顆粒物、混合層下懸浮顆粒物和陸源有機碎屑。默認先驗的營養(yǎng)來源貢獻由均值為零、標準偏差為1的正態(tài)分布混合確定。信息先驗是基于浮游動物的食性分析數據,3種來源質量比例均值分別為10%、80%和10%, 依據上述方法獲得營養(yǎng)來源邊際貢獻水平較大的分布特征。在進一步建模分析中, 本研究采用信息先驗的情景來分析浮游動物數據集。

圖6 先驗信息的不同情景Fig. 6 Priori information of two scenarios

3.3 模型選擇

本研究使用R包simmr[42]來擬合所有的同位素貝葉斯混合模型(iter=50000, burn=1000, thin=10,n.chain=4), 并使用JAGS(Just Another Gibbs Sampler)從后驗分布中提取樣本。通過馬氏鏈(Markov chain,MCMC)軌跡圖檢驗法、Geweke檢驗法和Gelman檢驗法等多種方法診斷了馬氏鏈的收斂性, 進一步估計有關參數或者進行其他統(tǒng)計推斷。

3.4 后驗分布檢驗與分析

貝葉斯混合模型在輸出結果中納入了食物來源和消費者的變異性, 及采樣和測量誤差, 其主要的統(tǒng)計數據是消費者營養(yǎng)來源的概率分布(圖 7),而不是消費者同位素值的預測。為避免輸出單一結果對真值造成誤判, 輸出結果的報道必須為讀者提供消費者營養(yǎng)源的概率分布, 而不是單一的數值(如平均值或中位數), 以包含實驗過程中的不確定性。輸出結果的可利用性與后驗分布的收斂程度相關, 收斂程度越大, 數據分布越集中, 其可信性也越高[36]。此外在某些情況下, 還應該提供后驗分布的統(tǒng)計邊界, 貝葉斯混合模型可提供95%的置信區(qū)間。

圖7 消費者營養(yǎng)來源貢獻的后驗信息Fig. 7 Posteriori information of consumer

本研究展示了基于貝葉斯混合模型的湖泊浮游動物攝食三種營養(yǎng)來源的后驗分布, 結果顯示陸源碎屑的貢獻率為＜5%, 證實了湖泊光熱特征作用影響著浮游動物能量來源, 并重新構建了陸源營養(yǎng)對水生消費者的貢獻程度。

4 結論

通過以上案例, 本文綜述了消費者營養(yǎng)來源重建的過程, 闡明了消費者營養(yǎng)來源重建過程中的諸多技術問題[27]。原始數據的規(guī)范化測試與簡單的統(tǒng)計檢驗, 為研究人員提供合理的評估儀器分析的不確定性的途徑, 并且能夠提高數據質量、剔除異常數據; 同位素空間的分析, 有助于檢驗數據質量是否符合建模需要; 能夠準確反映攝食關系的先驗信息以及對后驗分布的合理解讀, 不僅可以提高混合模型預測的準確性, 更能最大限度溯源消費者的營養(yǎng)來源(圖 8)。

圖8 穩(wěn)定同位素數據分析與營養(yǎng)來源重建流程圖Fig. 8 Summary diagram of the logical steps in stable analysis and dietary reconstruction

本文沒有涉及在解釋同位素數據集中許多相關的其他類型的信息(如營養(yǎng)鑒別因子、同位素選擇途徑、組織周轉率和脂質去除等), 因為其他綜述已經對此類問題進行了深入的討論[7,43—49]。本文的目標是提供方法, 概述目前用于回答有關消費者營養(yǎng)溯源問題的分析方法。無論何種方式的分析方式, 穩(wěn)定性同位素數據只能間接反映能量和營養(yǎng)物質在食物網中的流動, 并不能直接提供生物之間功能關系的明確信息。營養(yǎng)鑒別因子、食性先驗信息和組織周轉率等經驗數據的獲取依然需要大量的野外和室內的實驗支撐[7]。此外根據具體研究, 在實踐過程中, 評價指標多種多樣, 且分別刻畫了相對“真實模型”的信息損失。由于真實模型的未知性, 這些評價只能反應現有模型構建過程中相對較好的性能, 具體問題仍需具體分析。

附表1 華東中南部山區(qū)純淡水魚類名錄Attached table 1 The freshwater fishes in central and southern mountainous areas of East China

續(xù)附表1

續(xù)附表1

續(xù)附表1

續(xù)附表1

續(xù)附表1

續(xù)附表1

續(xù)附表1

續(xù)附表1