生物种群数量｜增长模型 理解生态规律

1种群数量监测的底层逻辑：为什么要量化种群增长规律演讲人种群数量监测的底层逻辑：为什么要量化种群增长规律01增长模型的现实修正与场景化应用02两类经典种群增长模型：从理想条件到现实约束的推演03种群增长模型背后的生态逻辑与实践启示04目录生物种群数量｜增长模型理解生态规律各位从事生态保护、资源管理的同行大家好，我从事种群生态学野外监测与研究工作已经12年，先后参与过三江源藏羚羊种群调查、长江流域渔业资源监测、外来入侵物种防控预警等项目。今天的课件我会结合多年一线监测的实际案例，从底层逻辑、经典模型、场景化应用三个维度，系统梳理种群数量增长模型的核心内容，共同探讨如何借助模型工具把握生态系统的内在规律，为我们的实践工作提供科学支撑。接下来我们进入正式内容：01种群数量监测的底层逻辑：为什么要量化种群增长规律种群数量监测的底层逻辑：为什么要量化种群增长规律种群是生态系统的基本构成单元，种群数量的动态变化直接反映了生态系统的健康状态，我们研究增长模型的前提，是先明确种群数量的核心定义与研究价值。1种群数量的核心定义与观测维度种群并非同种生物个体的简单加总，而是指同一时间、同一空间范围内，能够自由交配、产生可育后代的同种个体的集合。我们观测种群数量时，不能仅统计绝对个体数，还要同步关注三个核心维度：一是种群密度，即单位面积/体积内的个体数量，这是判断种群竞争压力的核心指标；二是年龄结构，即幼体、成体、老年个体的占比，直接决定了种群未来的增长潜力；三是性比，即雌雄个体的比例，会直接影响种群的繁殖效率。我2017年在长江下游监测刀鲚种群时就踩过相关的坑：当时仅统计绝对数量，发现刀鲚总尾数比2016年涨了15%，就判断种群正在快速恢复，但后续复盘时才发现，当年的样本中62%是刚孵化的幼鱼，成体占比不足20%，且雌雄比达到1:2.3，雌性个体严重不足，实际的繁殖潜力远低于表面的数量涨幅，后续两年的种群增长速率也印证了这一判断。这也提醒我们，研究种群增长规律必须建立在多维度观测的基础上，单一的数量指标没有参考价值。2种群增长规律研究的核心实践价值我们花大量精力监测种群、构建增长模型，本质上是为了给三类实践工作提供科学依据：2种群增长规律研究的核心实践价值2.1濒危物种保护的决策支撑通过增长模型我们可以精准判断种群的恢复状态，确定保护等级调整的时间节点，避免过度保护或保护不足的问题。比如藏羚羊的保护等级从“濒危”下调为“近危”，核心依据就是连续15年的监测数据拟合的增长模型结果显示，种群内禀增长率稳定在0.07以上，不存在灭绝风险。2种群增长规律研究的核心实践价值2.2生物资源利用的安全边界划定对于渔业、林业等可利用生物资源，增长模型可以帮我们确定最大可利用量，避免竭泽而渔。此前我国近海渔业衰退的核心原因，就是没有依据增长模型确定捕捞阈值，捕捞量长期超过种群的最大持续产量，导致种群结构崩溃。2种群增长规律研究的核心实践价值2.3入侵物种防控的前置预警外来物种刚进入新环境时通常处于指数增长阶段，通过模型预判其扩散速度，可以帮我们抓住最佳防控窗口期，避免大面积爆发造成生态和经济损失。02两类经典种群增长模型：从理想条件到现实约束的推演两类经典种群增长模型：从理想条件到现实约束的推演搞清楚研究的底层逻辑后，我们进入核心的模型部分，两类经典模型分别对应理想环境和现实约束两种场景，是所有后续应用模型的基础。1指数增长模型（J型曲线）：理想环境下的种群增长潜能指数增长是种群在完全没有环境约束时的增长模式，因增长曲线呈“J”型也被称为J型增长。1指数增长模型（J型曲线）：理想环境下的种群增长潜能1.1模型的前提假设与核心公式指数增长的成立需要满足四个严格的假设：一是环境资源无限，不存在种内竞争；二是没有天敌、疾病等外部死亡威胁；三是没有大规模的迁入迁出；四是种群年龄结构稳定、性比合理。其核心微分公式为：$\frac{dN}{dt}=rN$，其中$N$为种群数量，$t$为时间，$r$为内禀增长率，即种群在理想环境下的最大增长潜能。积分后可以得到任意时间点的种群数量公式：$N_t=N_0e^{rt}$，$N_0$为初始种群数量。我2020年在山东某封闭实验水库做银鱼增殖实验时就观测到了典型的指数增长：当时投放了2000尾性成熟的银鱼亲鱼，水库提前清野没有凶猛鱼类，那一年降水充足、浮游生物饵料密度是往年的2.3倍，完全符合理想环境假设，年底捕捞监测时银鱼总数量达到12.8万尾，和指数模型的预测值误差不到3%。1指数增长模型（J型曲线）：理想环境下的种群增长潜能1.2模型的适用边界与实践价值指数增长在自然环境中不可能长期持续，仅存在于两类特殊场景：一是物种刚入侵到新的适宜环境的初期，二是濒危物种经过保护后种群恢复的初期、或者自然灾害后种群重建的初期。这一模型的实践价值主要体现在风险预警：比如外来物种刚传入时，我们可以用指数模型预判其爆发时间，确定防控窗口期。2021年广东部分区域首次发现草地贪夜蛾，我们用指数模型测算发现，如果不采取防控措施，3个月内种群数量就会增长120倍，扩散至整个珠三角区域，当时农业部门紧急启动统防统治，在30天内就把种群基数压到了爆发阈值以下，避免了大面积的作物损失。1指数增长模型（J型曲线）：理想环境下的种群增长潜能1.2模型的适用边界与实践价值2.2逻辑斯蒂增长模型（S型曲线）：环境约束下的真实增长规律现实中不存在无限的环境资源，指数增长到一定阶段必然会受到约束，逻辑斯蒂增长模型就是引入了环境约束因子的更贴近真实场景的模型，因增长曲线呈“S”型也被称为S型增长。1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.1模型的修正逻辑与核心公式逻辑斯蒂模型在指数模型的基础上引入了两个核心修正：一是环境容纳量$K$，即特定环境能够稳定承载的该种群的最大数量；二是密度制约效应，即种群增长的阻力会随着种群密度的上升而线性增加，种群数量越接近$K$，增长速率越慢。其核心微分公式为：$\frac{dN}{dt}=rN(1-\frac{N}{K})$，其中$1-\frac{N}{K}$代表剩余环境空间，当$N$远小于$K$时，剩余空间接近1，增长模式接近指数增长；当$N$等于$K$时，增长速率为0，种群数量保持稳定。还是以上文提到的银鱼实验为例：2021年我们没有补充投放亲鱼，年底监测的银鱼数量是23万尾，远低于指数模型预测的82万尾，2022年是27.5万尾，2023年之后稳定在28-30万之间，说明该水库银鱼的环境容纳量$K$约为30万尾，1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.1模型的修正逻辑与核心公式完全符合逻辑斯蒂增长模型的预测。当时我们原本计划2021年补充投放1万尾亲鱼，正是依据模型测算结果取消了投放，避免了种内竞争加剧导致的银鱼个体小型化、商品价值下降的问题。1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.2模型的增长阶段拆分与应用逻辑斯蒂增长可以拆分为四个特征鲜明的阶段，不同阶段对应不同的管理策略：1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.2.1适应期种群刚进入新环境，个体数量少，需要适应环境，增长速率较慢，此时对应濒危物种放归初期、入侵物种定殖初期，前者需要减少人为干扰提高存活率，后者需要抓住窗口期彻底根除。1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.2.2快速增长期当种群数量达到$K/2$时，种群增长速率达到最大值，这一节点是生物资源利用的核心阈值，即最大持续产量（MSY）：每年捕捞的数量不超过$K/2$时，种群可以快速恢复，实现可持续利用。长江四大家鱼的环境容纳量约为42万吨，$K/2$对应的21万吨就是最大持续捕捞量，禁渔前我国长江四大家鱼年捕捞量长期超过30万吨，远超过安全阈值，直接导致了种群衰退。1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.2.3减速增长期种群数量超过$K/2$后，密度制约效应显现，增长速率逐渐下降，此时种群的竞争压力逐渐增大，需要关注种内斗争、疾病传播等风险。1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.2.4稳定平衡期种群数量在$K$值附近波动，此时生态系统达到动态平衡，除非环境发生重大变化，否则种群数量不会出现大幅波动。1指数增长模型（J型曲线）：理想环境下的种群增长潜能2.3模型的固有局限性逻辑斯蒂模型的成立前提是密度制约效应线性发挥作用、$K$值固定，但现实中这两个前提并不完全成立：一方面极端气候、人为干扰等非密度制约因素会导致种群数量大幅波动，另一方面环境变化会导致$K$值动态变化，比如草场退化会直接降低植食性动物的环境容纳量，因此我们不能直接套用经典模型，需要结合实际场景做修正。03增长模型的现实修正与场景化应用增长模型的现实修正与场景化应用经典模型是基础框架，我们在实际工作中需要加入各类干扰因子做本土化修正，才能真正服务于实践决策。1模型修正的核心考量因子我参与的所有种群监测项目中，都会重点纳入三类修正因子：1模型修正的核心考量因子1.1非密度制约因子包括极端气候、自然灾害、人为活动干扰等不受种群密度影响的因子，比如2021年河南特大暴雨冲毁了豫南山区3处大鲵的产卵洞穴，我监测的当地大鲵种群当年幼体存活率从往年的65%降到20%，种群数量下降12%，这种波动和种群密度无关，我们在后续的模型中加入了极端降水的发生概率权重，大幅提升了预测准确率。1模型修正的核心考量因子1.2种间关系因子捕食、竞争、共生等种间关系都会影响种群增长，比如我们测算三江源藏羚羊的环境容纳量时，最初仅考虑草场承载力得到的$K$值是12万只，加入狼的捕食率（每年捕食3%-5%的成体）、和藏原羚的草场竞争系数后，最终的实际平衡种群数量约为9.5万只，和实际监测数据的误差从18%降到了4%。1模型修正的核心考量因子1.3种群结构因子年龄结构、性比的差异会直接影响内禀增长率$r$，比如浙江乌岩岭的黄腹角雉野生种群有300多只，看似数量稳定，但其中40%是10年以上的老年个体，雌雄比为1.8:1，雄性偏多，实际的内禀增长率只有0.03，远低于同体型的其他雉类，仍然存在灭绝风险。2典型场景的应用案例经过修正的增长模型已经广泛应用在各类生态工作中，我举三个参与过的案例：2典型场景的应用案例2.1濒危物种保护场景卧龙国家级自然保护区的大熊猫种群，我们用修正后的逻辑斯蒂模型测算得到该区域的$K$值约为180只，2023年监测的种群数量已经达到166只，接近环境容纳量上限，因此我们现在的保护策略从原来的就地保护，转向野化放归、扩大栖息地范围，提升整个物种的环境容纳量。2典型场景的应用案例2.2入侵物种防控场景针对红火蚁的防控，我们在模型中加入了寄生蝇的寄生率、农药的致死率、冬季低温的死亡率等因子，测算得到只要在春季婚飞期每亩放置2个诱捕器、每季度施用1次低毒饵剂，就能把种群增长率压到1以下，不会造成大面积扩散，这一标准已经成为南方多地红火蚁防控的通用规范。2典型场景的应用案例2.3生态修复评估场景长江十年禁渔实施以来，我们每年监测四大家鱼的资源量，2020年是4.3万吨，2023年已经达到17.8万吨，接近$K/2$的阈值，后续的管理政策也将从全面禁渔，转向部分江段限额捕捞试点，既保障渔民的合法收益，也维持种群的最大增长速率，实现保护和利用的平衡。04种群增长模型背后的生态逻辑与实践启示种群增长模型背后的生态逻辑与实践启示前面我们花了大量篇幅讲解模型的原理和应用，本质上这些公式和曲线都是生态规律的量化呈现，其背后的核心逻辑可以归纳为三点：第一，任何种群的增长都是物种自身繁殖潜能和环境约束共同作用的结果，自然界不存在无限增长的种群，人类活动不能违背这一基本规律；第二，种群动态是密度制约和非密度制约因子共同作用的结果，我们做生态决策不能只看单一指标，要综合考