[论文解读] Predicting trophic relations in ecological networks: a test of the Allometric Diet Breadth Model

Stefano Allesina|ArXiv.org|Nov 10, 2009

Plant and animal studies被引用 25

一句话总结

本研究通过与仅基于体型的简化模型及概率性零模型对比，检验了基于广义觅食理论和体型异速生长规律的确定性生态网络模型——体型食性广度模型（ADBM）的预测性能。尽管该模型具有较高的生物学合理性，但其在预测营养链接方面的表现并未显著优于简化模型或随机零模型，表明当前的ADBM公式缺乏足够的实证支持，不宜纳入食物网结构模型中。

ABSTRACT

Few of food web theory hypotheses/predictions can be readily tested using empirical data. An exception is represented by simple probabilistic models for food web structure, for which the likelihood has been derived. Here I test the performance of a more complex model for food web structure that is grounded in the allometric scaling of interactions with body size and the theory of optimal foraging (Allometric Diet Breadth Model - ADBM). This deterministic model has been evaluated measuring the fraction of trophic relations correctly predicted. I contrast this value with that produced by simpler models based on body sizes and find that the data does not favor the more complex model: the information on allometric scaling and optimal foraging does not significantly increase the fit to the data. Also, I take a different approach and compute the p-value for the fraction of trophic interactions correctly predicted by ADBM with respect to three probabilistic null models. I find that the ADBM is clearly better at predicting links than random graphs, but other models can do even better. Although optimal foraging and allometric scaling could improve our understanding of food webs, the models need to be ameliorated to find support in the data.

研究动机与目标

• 评估体型食性广度模型（ADBM）相较于仅基于体型的简化模型，是否能显著提升对生态网络中营养链接的预测能力。
• 通过将ADBM的链接预测准确率与三种概率性零模型（随机有向图、级联模型、基于群体的随机有向图）进行比较，评估其性能的统计显著性。
• 判断ADBM中引入的异速生长规律与最优觅食理论是否能显著提升其对实证食物网数据的拟合效果。
• 探究ADBM的预测成功是否由饮食区间的结构性特征等潜在机制驱动，而非其复杂的生物学假设。
• 证明在评估复杂生态网络模型时，与零模型进行严格统计比较的重要性。

提出的方法

• ADBM基于捕食者与猎物体型及参数b，通过公式计算猎物的收益性，收益性定义为 $ P_{ij} = \frac{B_i(bB_j - B_i)}{B_j} $。
• 模型通过数值最大化包含攻击率与处理时间参数（a, a₁, a₂, b）的能量摄入函数，确定最优食性广度，即选择使能量收益最大的猎物数量。
• 对每个捕食者，模型选取至多最优食性广度范围内的最有利猎物，从而基于体型和链接数量输入生成确定性食物网结构。
• 性能通过正确预测的实证营养链接比例（重叠Ω）进行衡量，比较ADBM、简化模型（Ratio、LogRatio）与三种概率性零模型的表现。
• 通过为每种零模型精确推导的概率质量函数，计算p值，检验ADBM的重叠是否显著优于随机或零模型。
• 采用AIC与Akaike权重进行模型比较，评估拟合度与复杂度之间的权衡；概率性版本的模型通过似然法进行比较。

实验结果

研究问题

• RQ1 体型食性广度模型（ADBM）在预测营养链接方面是否显著优于仅使用体型信息的简化确定性模型？
• RQ2 与随机网络和零网络模型相比，ADBM的预测性能是否具有统计显著性？
• RQ3 ADBM的成功在多大程度上由饮食区间的结构性特征等底层机制驱动，而非异速生长或最优觅食原理？
• RQ4 能否通过AIC等信息准则，利用ADBM和简化模型的概率版本评估模型拟合度并考虑复杂度？
• RQ5 ADBM中当前的异速生长与最优觅食公式是否在实证食物网数据中留下可检测的痕迹？

主要发现

• ADBM在预测性能上并未显著优于仅基于体型与区间的简化确定性模型（如Ratio与LogRatio模型）。
• 在所有情况下，ADBM的性能均显著优于随机有向图（p < 0.05），但在所有情况下均劣于基于群体的随机有向图（p ≈ 1.0）。
• ADBM的平均重叠（Ω）显著低于基于群体的随机有向图，后者平均优势达0.292。
• ADBM的概率版本的AIC在9个案例中有5个劣于随机模型，且在所有情况下均劣于级联模型，表明其拟合度相对于复杂度表现较差。
• 在两个网络中（Broom，p > 0.06；Skipwith，p > 0.45），ADBM的性能与级联模型无显著差异，表明其统计优势有限。
• 结果表明，ADBM的预测成功更可能由饮食区间性等简单机制驱动，而当前的异速生长与最优觅食假设在实证数据中缺乏足够支持，难以证明其在模型中的合理性。