深层挖掘：深度联合物种分布模型揭示蚯蚓群落的环境驱动因子
应用统计
2025-10-28 v1 种群与进化
统计方法学
摘要
蚯蚓是土壤功能的关键驱动因子，影响有机物周转、养分循环和土壤结构。理解其分布的环境控制因素对于预测土地利用和气候变化对土壤生态系统的影响至关重要。虽然局部研究已识别出蚯蚓群落的非生物驱动因子，但大尺度空间模式仍未得到充分探索。我们开发了一种多物种、多任务的深度学习模型，用于联合预测法国大都市地区77种蚯蚓的分布，使用历史（1960-1970年）和当代（1990-2020年）记录。该模型整合气候、土壤和土地覆盖变量来估计栖息地适宜性。我们应用SHapley Additive exPlanations（SHAP）来识别关键环境驱动因子，并使用物种聚类来揭示生态响应群落。联合模型取得了高预测性能（TSS >= 0.7），并改进了对稀有物种的预测，优于传统物种分布模型。跨物种的共享特征提取使得对共同和对比环境响应的更稳健识别成为可能。降水变异性、温度季节性和土地覆盖成为蚯蚓分布的主导预测因子。物种聚类揭示了与气候和土地利用梯度相关的独特生态策略。我们的研究推进了方法论和生态学对土壤生物多样性的理解。我们展示了可解释深度学习方法在大规模土壤动物建模中的效用，并为蚯蚓栖息地特化提供了新见解。这些发现支持在全球环境变化背景下改进土壤生物多样性监测和保护规划。
引用
@article{arxiv.2506.13568,
title = {Digging deeper: deep joint species distribution modeling reveals environmental drivers of Earthworm Communities},
author = {Sara Si-moussi and Wilfried Thuiller and Esther Galbrun and Thibaud Decaëns and Sylvain Gérard and Daniel F. Marchán and Claire Marsden and Yvan Capowiez and Mickaël Hedde},
journal= {arXiv preprint arXiv:2506.13568},
year = {2025}
}