北京大学林沂研究员与德国团队合作提出针对生态学常见低R2的创新性展望

低决定系数（R2）是生态学中常见痛苦的重要来源，即它在评估众多生态指标过程中如出现，往往意味着相关分析的不尽如人意。我们从理论层面对其开展反思，发现引发它出现的一个关键因素是个体主观适应性存在普遍多样性，这与通常追求普适性的生态学基本原则相悖。这一推论启发我们可反向推理，即生态分析中的低R2结果有可能反映这种普适性的B面。

基于上述考虑，我们建议摆脱传统的生态学分析模式（简单来讲，即开发适当或充分的拟合模型来破译内在的驱动-响应关系），探索低R2可以揭示的其它类型的未知特性。毕竟，在统计学中，R2并不局限于其面向生态学的应用模式——总体上寻求一致性。此外，也没有严格的标准来判断R2是高而是低，因为无论R2是高还是低，在实践中还是衍生出相同的生态规律。更重要的是，个体生命所承受的可能不包括其物种能承受环境影响的全部范围，即一个生命体更倾向于生活在其当地的生态位中。通过这种方式考虑局部环境驱动，如图所示采用从单个全局线性回归分析到多个局部线性回归分析的模式转变及方法升级，理论上，可以从全局低R2中推导出更多的生态秘密。

推导R2过程中尝试模式与方法的转换

遵循上述思路，我们接下来剖析生态学中R2值低的可能原因。在生态过程中，相同的环境因素可能在不同的空间尺度上发挥作用，即产生不同的生态影响，如下图a中的空间尺度效应所示，其中较大的采样尺度表现出差异，而较小的采样尺度则表现出一致性。究其原因，是生态驱动/响应固有的多变模式。这种多变源于个体主观适应性的普遍多样性，而这些基础水平多样性的不同尺度混合可能会产生复杂的生态表现。此外，考虑到生态相关分析的原理局限性，如下图b所示，我们意识到，在常见的生态探索分析中，导致R2较低的异常值有可能反映了生态适应性的真实边界以及periconnection等生态功能的内在机制。鉴于此，我们为什么不利用这些异常值呢？

影响R2的个体主观适应性其多样性广泛存在的原理性分析

通过探索功能多样性与植物智能两个案例，如下图所示，基本证实了从生态学中低R2可以衍生出新B面的可行性。当然，接下来须面对许多技术挑战，毕竟进行案例验证的方案是基于一个特定的程序，即检查典型任务的样本，这种策略不足以应对现实环境中更复杂的场景。为了应对这一挑战，我们提出了一种新的方法论范式——探索性分析回归，它首先在功能上运行探索性分析，以寻求样本的最佳功能分组，然后使用探索性回归分析等方法进行最佳回归。分组可以通过遵循基于功能特征、物种区分和专题分类等各种功能原则来完成，但如何有效地实施这一范式也具有挑战性。

生态低R2揭示的B面示例：功能多样性与植物智能

概括来讲，当生态分析过程中推导出低R2时，研究者不应沉浸在痛苦中，而应该积极探索利用其来扩展跨学科的新发现。我们的建议是，应通过思维转换和范式创新，将低R2从生态指标的评估者转变为新的生态指标，这对开创新的生态学途径及促进许多其它领域的发展将具有广泛的潜在意义。

上述研究以“Low R2 in ecology: Bitter, or B-side?”为题发表于Ecological Indicators。该研究得到国家重点研发计划（2022YFE0112700）和国家自然科学基金（32171782、31870531）的资助。

转自：“生态遥感前沿”微信公众号

如有侵权，请联系本站删除！