在智利南部蜿蜒的峡湾中，一片片"红色幽灵"正悄然威胁着全球第二大鲑鱼生产国的 aquaculture (水产养殖) 产业。这些被称为有害藻华(Harmful Algal Blooms, HABs)的现象，不仅会导致鱼类大量死亡，还会产生毒素污染海产品，对人类健康构成严重威胁。2016年，智利因 Pseudochattonella verruculosa 藻华损失了约8亿美元的鲑鱼产量，而 Alexandrium catenella 藻华又给软体动物养殖业带来了3000-4000万美元的损失。
然而，预测这些"海洋幽灵"的踪迹却是一项极具挑战性的任务。藻华的形成受到复杂的环境因素和物种间相互作用的共同影响，传统的预测模型往往只关注环境变量，而忽略了生态系统中微妙的生物相互作用。更棘手的是，智利峡湾系统具有高度的环境异质性——冰川融水、河流输入、复杂的海底地形和变化的海流模式共同创造了一个动态多变的环境，使得任何单一的预测方法都难以胜任。
在这项发表于《Ecological Informatics》的研究中，由日本山口大学国际一体福祉研究中心领衔的国际团队，开发了一种创新的耦合建模方法，为智利的有害藻华预测提供了新的解决方案。研究人员没有局限于单一模型，而是同时采用了三种互补的预测方法：物理粒子扩散模型(Parti-MOSA)模拟藻细胞随海流的运输路径；长短期记忆网络(LSTM)利用DNA宏条形码数据识别微真核生物的出现模式；而最具创新性的是经验动态模型(Empirical Dynamic Modeling, EDM)，该方法通过分析物种间因果关系来预测藻华动态。
研究团队利用智利鲑鱼技术研究所(INTESAL)长达30年的浮游植物监测数据，重点分析了智利南部三个代表性站点(Metri、Quellón和Melinka)的伪菱形藻(Pseudo-nitzschia)水华事件。他们采用收敛交叉映射(Convergent Cross Mapping, CCM)技术识别了与伪菱形藻存在因果关系的其他浮游植物物种，并在此基础上构建了预测模型。
主要技术方法包括：基于CROCO(Coastal and Regional Ocean Community Model)海洋模型和WRF(Weather Research and Forecasting)大气模型开发的粒子扩散模型Parti-MOSA；利用长期浮游植物监测数据(1992-2020年)训练的LSTM神经网络；以及应用EDM框架中的CCM和多元s-map方法分析物种间因果关系。研究数据来源于INTESAL的浮游植物监测项目(PROMOFI)，涵盖智利巴塔哥尼亚北部三个站点的每周采样数据。
因果物种识别结果
研究发现，角藻(Ceratium)和细柱藻(Leptocylindrus)与两个伪菱形藻物种组(P. seriata 和 P. delicatissima)均存在显著的因果关系。通过CCM分析结合相位锁定双替代方法，研究人员确定了多个对伪菱形藻水华具有预测能力的浮游植物物种，这些物种主要为硅藻类。s-map分析进一步揭示了这些因果关系的强度随时间变化的模式，为理解物种间动态相互作用提供了新视角。
预测性能评估
EDM模型在不同地点和物种间表现出显著差异的预测性能。对Metri站点的P. seriata组预测效果最佳，观测值与预测值之间的相关系数达到0.733(P < 0.0001)，平均绝对误差(MAE)为0.137，均方根误差(RMSE)为0.994。相比之下，Quellón和Melinka站点的预测性能相对较弱(相关系数0.055-0.190)，反映了HAB预测的空间异质性。模型在预测水华发生(有/无)方面表现良好，但在定量预测藻细胞浓度方面精度有限。
生态学意义
大多数被识别的因果物种为硅藻，这一发现具有重要意义，因为硅藻往往在高营养条件下大量繁殖，并经常与HAB事件共同出现。角藻等甲藻种类具有高游动能力、形成孢囊能力和潜在的混合营养行为，这些特征表明它们可能与伪菱形藻在生态位上有重叠，通过竞争或促进作用影响水华发展动态。
研究结论强调，EDM提供了一种有前景的方法来捕捉HAB系统中的物种间相互作用，特别是对于伪菱形藻水华的早期检测。然而，预测性能存在明显的空间变异，表明需要针对特定地点进行模型校准。将物种相互作用模型与环境和海洋学变量相结合，可能会进一步提高预测性能。
这项研究的创新之处在于首次将EDM应用于真实监测场景下的HAB预测，通过物种间因果关系而不仅仅是环境因子来进行预报。这种耦合建模框架为智利及其他地区的水产养殖业提供了更加可靠的有害藻华早期预警系统，有望显著减少因藻华事件造成的经济损失。未来，随着实时物种识别技术和环境传感器网络的完善，这种基于生态相互作用的预测方法有望成为海岸带生态系统管理的核心工具。
研究的局限性包括仅使用了样本内重建相关性评估模型性能，未进行样本外测试；模型在水华发生检测方面表现良好，但在定量预测水华强度方面仍有不足；未纳入环境变量可能限制了模型的预测精度。这些限制为未来研究指明了方向，包括开发交叉验证框架、整合实时环境数据以及扩展监测网络覆盖范围等。
打赏
