评估生态系统、确定哪些物种最脆弱，并制定恰当的保护行动和政策，是一项艰巨的任务。
MIT研究人员介绍了他们如何提出一种预测能力更强的评估方法，以对不同物种的相对脆弱性进行排序。
为此，他们开发了两种不同的方法，称为预期敏感性排序和特征向量排序，广泛适用于各种类型的生态系统。
这些新的分析方法使他们能够确定例如哪些物种对气候变化更敏感，或哪些物种受到的捕捞配额压力最大。
野火、洪水、污染和过度捕捞等诸多干扰因素，都可能改变生态系统的平衡，有时甚至危及整个物种的生存前景。但要评估这些生态系统、确定哪些物种面临的风险最大，从而将保护行动和政策重点放在最需要的地方，是一项艰巨的任务。
此类工作大多假定生态系统基本处于均衡状态，外部扰动只会造成暂时变化，之后系统最终会恢复均衡。然而，这一假设未能反映现实：生态系统往往处于不断变化之中，其不同组成部分的相对丰度会按照各自的节奏起伏变化。如今，MIT及其他机构的一支研究团队提出了一种更好的预测方法，用于评估这些系统，排列不同物种的相对脆弱性，并发现那些受到威胁、却可能被忽视的物种。
他们发现，与当今常用的排序方法相反，种群数量最少或数量下降最快的物种——这两项是目前通常采用的标准——有时并非风险最高的物种。
研究结果今日发表于期刊《Ecology Letters》，论文作者包括MIT土木与环境工程副教授Serguei Saavedra、近期取得博士学位的Lucas Medeiros（PhD ’22）以及另外三位研究人员。
Saavedra表示，这项新研究类似于Edward Lorenz数十年前对天气模式的分析如何推动气象学领域发生变革。Lorenz的研究指出，微小扰动最终可能造成巨大影响——著名的说法是，一只蝴蝶在某处扇动翅膀，最终可能在别处引发飓风。他说：“即使初始条件之间的差异微乎其微，在一段时间内也可能大幅分化，因此变得不可预测。”基于这一认识，“我们就想，如果把同样的视角用于找出最敏感的物种，会发生什么？”
在某些领域，例如天气预报的部分环节，科学家了解现象背后的物理原理，因此能够在一定范围内建立描述其动态变化的方程。他说，复杂生态系统并非如此：我们既没有描述单个物种动态变化的基础方程，更不用说整个系统了。不过，他说，在过去十年左右，团队开发了数学技术，使“我们能够在不知道基础方程的情况下描述其动态变化”，前提是有足够的时间序列数据可供分析。
团队开发了两种不同的方法，称为预期敏感性排序和特征向量排序。在使用大量模拟数据进行的测试中，这两种方法表现良好，所得排序与根据模拟模型的基本假设预期的结果高度吻合。
传统的物种脆弱性排序方法通常关注体型等指标——体型较大的物种往往更脆弱——以及种群规模；这两项指标在许多情况下都很有用。但正如Saavedra所指出的：“这些物种嵌于群落之中，而群落具有非线性的涌现行为，因此一个地方的微小变化，可能会以截然不同的方式彻底改变系统的其他方面。”
生态系统中的物种丰度可能起伏变化，有时呈周期性，有时随机变化，或受外部力量影响。这意味着，某种扰动发生的确切时间可能产生重大影响——均衡模型无法考虑这一点。Medeiros说：“基于均衡动态的方法，对物种相互作用的影响采取静态视角。在非均衡的丰度波动下，这些相互作用的影响会随时间变化，从而影响任何特定物种对扰动的敏感程度。”
例如，某个物种夏季活动频繁、冬季休眠，那么夏季野火或热浪可能对其造成严重影响，但如果干扰发生在冬季，它可能完全不受影响。又如，捕食者物种与猎物之间的相互作用若随一年中的时间而变化，那么某些季节发生的干扰可能比其他季节造成更大影响。
Saavedra说，这些新的分析方法广泛适用于各种生态系统，无论是海洋还是陆地、热带还是北极。事实上，这些公式具有很强的普适性，应用于相互作用众多且持续变化的系统时，一些研究人员还成功地将其用于预测金融市场的动态变化。
Saavedra说：“这些技术适用于各种非线性动态，或者说一般的非均衡动力系统。”他说，团队中一名曾研究这些技术的学生后来进入了一家对冲基金工作，另一名学生则休假前往一家外国银行工作。“他基本上成功应用了这些技术，而且确实奏效了。”
不过，这项工作的首要目标仍是评估物种脆弱性，研究成果也已开始得到应用。例如，论文第一作者Medeiros目前在加州大学圣克鲁兹分校和美国国家海洋和大气管理局工作，将这些技术用于渔业管理。Saavedra说：“尤其是在渔业领域，有大量时间序列数据记录种群规模随时间的起伏变化。”他说，利用这些数据，现在可以“准确预测哪些物种对例如气候变化或最高捕捞配额最为敏感”。
研究团队还包括Stefano Allesina（现任职于芝加哥大学和西北大学）、Vasilis Dakos（现任职于法国蒙彼利埃大学）以及George Sugihara（现任职于加州大学圣迭戈分校）。这项研究得到MIT环境解决方案倡议、Martin Family Society of Fellows for Sustainability、美国国防部环境研究与发展计划、美国国家科学基金会、美国内政部以及MIT海洋资助计划的支持。
