船舶网络 × 海温匹配:群岛生物安全规划与管理方案

船舶网络 × 海温匹配:群岛生物安全规划与管理方案

原文:Le CTU, Hewitt CL, Campbell ML. Protocol for integrating vessel networks and environmental matching to inform cost-effective archipelago biosecurity planning and management. STAR Protocols, 2026-08-24。 DOI: 10.1016/j.xpro.2026.104797 | PMCID: PMC13524858 作者单位:澳大利亚伊迪斯科文大学理学院;新西兰林肯大学统一生物安全研究中心

摘要

本方案介绍如何用网络分析评估旅游小型船舶在群岛间的移动所介导的生物安全风险,并以厄瓜多尔加拉帕戈斯群岛为示范案例。工作流把船舶移动数据与各岛屿海表温度(SST)结合:将岛屿定义为节点、航线定义为有向加权边,用高斯核函数把 SST 差异转换为"环境匹配度"并入边权重,从而同时刻画航线的人为重要性与物种存活的环境适宜性。产出包括岛屿风险排序表、群落(社区)脆弱性指标和网络可视化,可直接支撑监测优先级、航线管理与生物安全分区的决策。

实验前须知

本方案以加拉帕戈斯案例为示范:23 个岛屿作为分析节点,航线为有向边、以年航次频率加权。SST 被作为"环境过滤器"处理——海水温度强烈影响海洋生物的生长、分布与存活,而研究区域本身横跨很宽的 SST 梯度。研究窗口为 2015 年 2 月至 2016 年 1 月,每月 SST 取当月首日记录的均值。迁移到其他系统时,务必确认节点/边定义、环境变量和研究窗口与自身场景相匹配、内部一致。

创新点

本方案在统一的分析工作流中,把船舶移动连通性与环境匹配度整合起来:在边权重中引入高斯核 SST 相似度项,使网络同时捕捉航线的"人为重要性"与影响物种存活的"环境适宜性"。这让监测、管理干预与生物安全分区的优先级排序更透明、更有生物学依据、也更具成本效益。

机构许可

船舶移动、航线、运营商或管理数据在部分辖区可能受限。数据采集与使用必须符合相关机构与国家法规;在访问、汇编或共享任何受限数据集之前,须事先取得船舶运营商、港口当局、旅游机构或保护区管理方的必要许可。

数据与软件准备

旅游小型船舶移动数据的整理(Timing: 1–3 天)

本步骤指导从公开且经授权的来源收集与整理旅游船舶交通数据。

  1. 定义网络的范围与分析单元。

在关联研究中,作者把加拉帕戈斯群岛的 23 个岛屿定义为节点,以岛屿对之间的船舶航线为有向边、按航次频率加权。

  1. 从公开的旅游网站收集一整年的定期旅游船舶交通计划。
  1. 提取每条航线的出发岛、目的岛,以及 12 个月研究期内每条航线的年航次频率。
  1. 整理船舶移动数据:
  2. 将数据录入 Excel 表格,形成三列的边列表:from(出发岛)、to(目的岛)、frequency(年航次数);
  3. 将清洗后的边列表存为机器可读格式(如 .csv)。
可选: 收集每个岛屿的经纬度坐标并分配给对应的 from–to 组合,以便后续绘图时保留群岛的空间布局。
注意: 关联研究因数据限制仅纳入了旅游小型船舶;如有条件纳入其他船型(货运、休闲、船宿旅游等),可得到更全面的船舶介导生物安全风险评估。

环境数据(SST)的整理(Timing: 3–4 小时)

  1. 收集 12 个月研究期内、所有主要旅游地点与港口的逐月 SST 数据。

关联研究使用 NASA SOTO(State of the Oceans)数据集,从 GHRSST 每日 1 km MUR Level 4 产品中提取各岛屿位置的 SST,并取每月首日均值(因该口径在所有岛屿均稳定可得)。

  1. 将每个岛屿的逐月 SST 值存入 Excel 表格。
  1. 计算每个月、所有岛屿对的绝对 SST 差值,并保存为数据表。
关键(CRITICAL): SST 差值表中的岛屿对必须与船舶移动边列表中的岛屿集合严格对齐。
注意: 绝对 SST 差用于派生岛屿对之间无向的 SST 相似度,代表航线层面的环境匹配;该指标并入网络是为了评估物种沿航线扩散的相对风险,而非量化物种实际存活、定殖或入侵成功的概率。
可选: 如需描述性汇总,可把 SST 差按 1°C 分箱。

所需软件安装

  1. 从 https://www.r-project.org/ 安装适用于本机操作系统的最新版 R。
  1. 从 https://posit.co/download/rstudio-desktop/ 安装 RStudio(v2024.9.1.394 或最新版)。
  1. 安装网络分析、可视化与数据整理所需的 R 包:igraph、DirectedClustering、leidenAlg、ggraph、PMCMRplus、tidyverse。
  1. 分析开始前用 library() 载入全部所需的包。

关键资源表

类别 资源 来源 标识/版本
软件 R 统计软件 v4.4.2 或最新版 R Core Team https://www.R-project.org/
软件 RStudio v2024.9.1.394 或最新版 Posit Team http://www.posit.co/
R 包 igraph Csardi & Nepusz v2.1.4, https://igraph.org
R 包 DirectedClustering Clemente v1.0.0, CRAN
R 包 leidenAlg Kharchenko et al. v1.1.5, CRAN
R 包 ggraph Pederson v2.2.1, CRAN
R 包 PMCMRplus Pohlert v1.9.12, CRAN
R 包 tidyverse Wickham et al. v2.0.0, CRAN
数据 旅游船舶定期航线计划 旅游网站 N/A
数据 海表温度(SST) State of the Oceans (SOTO) https://www.earthdata.nasa.gov/data/tools/soto

分步方案

步骤 A:检验旅游船舶网络的小世界结构(Timing: 1–2 小时)

本步骤构建无向加权网络,比较其聚类系数与平均路径长度和随机网络的差异,判断船舶系统是否具有小世界结构。

  1. 构建无向加权网络。
  2. 将船舶交通边列表导入 R 并存为数据框;
  3. 将去重后的岛屿名单存入单独的数据框;
  4. 以岛屿为顶点、边列表中的连接为边,构建无向加权网络;
  5. 简化图以去除多重边与自环,并将边权定义为相应岛屿对之间航次频率之和。
  1. 按 Humphries & Gurney 的定义计算小世界指数 S。
  2. 计算观测网络的全局聚类系数(C_g);
  3. 计算观测网络的加权平均路径长度(L_g);
  4. 模拟 1,000 个与观测网络节点数、边数一致的随机网络,边权从观测权重分布中抽取;
  5. 计算随机网络的平均聚类系数(C_rand)与平均路径长度(L_rand);

> 可选: 计算 p 值,检验 C_g 和 L_g 与随机网络相应指标是否差异显著。

  • 计算小世界指数:S = (Cg/Crand) ÷ (Lg/Lrand)
  • S > 1 即视为存在小世界结构。
关键(CRITICAL): 不要把航次频率直接当作路径长度的边权。无论观测网络还是零模型,都要把权重取倒数,使其表示节点对之间的"距离"。
可选: 在加权网络中检测 Louvain 社区,并比较观测网络与随机网络的模块度用于报告。
注意: 若计算平均路径长度时报错,见 Troubleshooting 问题 1。

步骤 B:从旅游船舶交通构建有向加权网络(Timing: 1–2 小时)

本步骤构建仅基于交通流量的有向加权船舶网络,用于评估船舶介导风险。

  1. 用整理好的船舶交通数据构建有向加权网络:岛屿为节点,边代表旅游船舶航行的方向与频次。
  1. 计算与生物安全风险和航运重要性相关的节点级指标:出度(out-degree)、出强度(out-strength)、介数(betweenness)和出接近中心度(out-closeness)。
注意: 在生物安全语境下,出度代表对外连接数;出强度反映流向其他岛屿的总加权流量;介数衡量该岛屿出现在其他岛屿最短路径上的频率;出接近中心度反映病原/物种从该岛向外扩散的难易程度。
  1. 按各节点指标对岛屿排序并导出排序表。
  1. 用 Leiden 算法检测有向加权网络中的社区。
注意: 社区划分很有用——被引入某一成员岛的物种,更可能在同一社区内扩散,而非传播到社区外。
可选: 参照 Fortunato 和 Hric 的建议检验所识别社区的稳健性。
  1. 计算社区级脆弱性指标。
注意: 对每个社区计算:社区规模、桥边数、内部流量、总入流、总出流、平均出接近中心度和平均介数。
注意: 本方案中"桥(bridge)"定义为跨社区边,即连接分属不同社区的出发/目的节点的边;"桥边数"统计全部跨社区边,不区分方向。
注意: 社区脆弱性指标越高,一旦任一成员岛被"感染",该社区接收或扩散外来海洋物种的可能性越大。
关键(CRITICAL): 计算强度类指标(如出强度)时,用航次频率作为边权。
关键(CRITICAL): 计算距离类指标(如出接近中心度、介数)时,用航次频率的倒数,使边权表示节点间距离。
可选: 计算网络模块度,并与 1,000 个保持观测有向拓扑(节点数、边数、边方向、节点出入度不变,权重从观测航次频率分布中抽取)的随机化有向加权网络的平均模块度比较。
注意: 见 Troubleshooting 问题 2。

步骤 C:计算 SST 相似度并找出相似度最高的月份(Timing: 1–2 小时)

本步骤把成对绝对 SST 差转换为有生物学意义的 SST 相似度,并检验各月份间 SST 相似度的差异。

  1. 按 Seebens 等人的思路计算每个岛屿对每个月的 SST 相似度:SSST = exp(−ΔT² / (2σT²))

其中 ΔT 为一对岛屿之间的绝对 SST 差,σ_T = 2 控制相似度随 ΔT 增大而衰减的速率。

注意: σ_T = 2 是航运介导海洋入侵风险模型(如 Seebens 等、Saebi 等)中跨物种通用的缩放参数,但不应被解读为普遍的生理耐受阈值。建议用不同缩放参数重算 SST 相似度并重复比较,做敏感性分析;针对特定物种时应依据热耐受等生物学特性选择 σ_T。
注意: S_SST 取值在 (0, 1] 区间,值越高代表环境越相似、被引入物种存活的可能性越大。
  1. 用 Friedman 检验比较各月份之间的 SST 相似度。
  1. 若 Friedman 检验显著,对 Friedman 型秩数据做事后 Conover 全配对比较(选用合适的 p 值校正方法)。
注意: 关联案例研究原用 Kruskal-Wallis 检验做简单的月度秩比较,但本协议推荐 Friedman 检验,因为它更好地刻画 SST 相似度数据的重复测量结构;对案例数据用 Friedman 重分析得到相同的定性结论。
  1. 找出中位 SST 相似度最高的月份,保留该月的矩阵用于综合网络演示。
注意: SST 相似度最高的月份代表外来海洋物种潜在存活率最高的时期,对应"预防性最坏情景",因此用于生物安全导向的演示。

步骤 D:构建 SST 整合的有向加权网络(Timing: 1–2 小时)

本步骤把交通频率与 SST 相似度整合为复合边权重,评估船舶介导的生物安全风险。

  1. 将 SST 相似度数据集与船舶交通边列表合并。
  1. 对每个岛屿对,用航次频率乘以对应月份的 SST 相似度,得到复合权重。
  1. 以复合权重为边权,构建 SST 整合的有向加权网络。
  1. 重新计算与"仅交通"网络相同的一套网络统计(见步骤 B 第 4–7 步):节点级指标、社区检测与社区级脆弱性指标。

步骤 E:把网络产出转化为管理支撑产品(Timing: 1–2 小时)

本步骤把定量网络产出转换为岛屿级风险排序表、可视化产品和管理者可直接使用的生物安全解读。

  1. 对"仅交通"和"SST 整合"两个网络,分别基于出度、出强度、介数和出接近中心度生成岛屿排序表。
  1. 基于社区脆弱性指标生成社区排序表。
  1. 制作网络可视化,支持对连通格局与生物安全风险的直观评估。
  2. 制作两张图:一张"仅交通"船舶网络图、一张"SST 整合"船舶网络图;
  3. 视觉编码按管理优先级定制。
注意: 可视化编码示例(见原文图 1):节点大小映射节点级指标(如出强度)、节点颜色映射社区归属、边粗细映射边权、边颜色映射 SST 相似度(SST 整合网络)。
  1. 用"仅交通"网络同时评估岛屿的航运重要性与船舶介导的生物安全风险。
  1. 用"SST 整合"网络在纳入环境匹配的前提下评估船舶介导的生物安全风险。
注意: 关联研究中节点按岛屿地理位置摆放以反映群岛空间结构,密集区域做少量位移以提升可读性。

预期结果

按本工作流操作可获得三类关键产出:1)岛屿排序表——量化并比较各岛屿的相对航运重要性与生物安全风险;2)岛屿社区——按社区级脆弱性指标排序;3)网络可视化——展示连通格局及相应生物安全风险。排名靠前的岛屿与社区,以及高风险连接(如高权重边、重要的跨社区桥边),应优先纳入管理关注与投入。由于每个指标各代表海洋生物入侵风险的一个侧面,这些排序可支撑有针对性的规划与管理策略。三类产品共同构成一个透明、信息丰富的决策支持工具,服务循证的生物安全规划与管理。

局限性

产出的稳健性取决于输入数据的质量与完整性,以及建网假设。第一,航运重要性与相对风险均来自船舶移动数据,记录不完整或不准确会导致风险被低估或高估。第二,节点定义在岛屿层面——虽然便于管理,但环境数据可能无法刻画岛内监测站、港口或锚地之间的异质性。第三,本协议只纳入 SST 这一种环境过滤器;尽管 SST 在本案例中相关,其他环境变量(如盐度)与额外因素(如岛屿间距离、与船型和船级相关的繁殖体压力)也可能影响外来物种扩散概率。整合多变量时应考虑它们与入侵风险之间及彼此之间的潜在交互;在有合适数据与建模技术时,物种分布模型(SDM)可为特定物种整合多变量影响。最后,边权重定义为航次频率 × SST 相似度,它是繁殖体压力与栖息地适宜性的代理指标,而非实际引入或定殖概率——网络指标应被解读为岛屿之间相对而非绝对重要性的指示。

Troubleshooting

问题 1

计算路径长度时报错,因为部分航线航次频率 = 0(对应步骤 A 第 2 步)。

解决方案

  • 把频率为 0 的航线视为不存在的边:在建图或创建距离/成本属性前先删除这些边,然后只对频率 > 0 的边创建距离变量,例如 `cost = 1 / frequency`。
  • 或者保留所有边,创建可处理零频航线的距离变量,例如 `cost = 1 / frequency + 1e-4`。

问题 2

用 find_partition() 做社区检测时,返回的节点数少于网络实际节点数,导致无法直接把节点名分配给社区,并影响模块度计算(对应步骤 B 第 6 步与步骤 D 第 15 步)。

解决方案

该问题可能由完全断连的节点(无入边也无出边)引起。处理办法:把这些节点从用于社区检测的图中剔除,并作为孤立节点单独报告。

资源可用性

  • 通讯作者:Marnie L. Campbell(marnie.campbell@abdn.in)
  • 技术联系人:Chi T.U. Le(lethaiuyenchi1028@gmail.com)
  • 材料可用性:加拉帕戈斯案例的整理版航线、SST 汇总及派生数据集可应请求提供。
  • 数据与代码:案例研究所用 R 代码见 Campbell 等论文补充材料 Data S1。

致谢与利益声明

本研究未获专门资助。作者感谢查尔斯·达尔文基金会、Galápagos Conservancy、加拉帕戈斯国家公园管理局(GNPD)、加拉帕戈斯生物安全局(ABG)、厄瓜多尔海军(DIRNEA)及海军海洋学研究所(INOCAR)十年间分享的洞见与生物安全知识。作者声明无利益冲突;写作过程中使用 Microsoft Copilot 辅助校对语法,内容由作者撰写并全权负责。

特别声明

1、本页面内容包含部分的内容是基于公开信息的合理引用;引用内容仅为补充信息,不代表本站立场。

2、若认为本页面引用内容涉及侵权,请及时与本站联系,我们将第一时间处理。

3、其他媒体/个人如需使用本页面原创内容,需注明“来源:[生知库]”并获得授权;使用引用内容的,需自行联系原作者获得许可。

4、投稿及合作请联系:info@biocloudy.com。