气候变暖对中国钉螺的影响:多尺度证据

Impact of climate warming on Oncomelania hupensis in China: multi-scale evidence

作者信息Qin Li, Jin-Xin Zheng, Li-Juan Zhang, Su-Ying Guo, Ying Yang, Jürg Utzinger, Xiao-Nong Zhou, Jing Xu, Shi-Zhu Li
PMID42393818
发布时间2026-07-03
DOI10.1186/s40249-026-01475-0

实验完整度

高

包含温控实验室实验个体存活率验证、长期监测数据的种群动态分析及未来情景预测,证据层级涵盖个体、种群和生态系统,且有功能验证。

主要模型

成年湖北钉螺(实验室温控实验) 中国12省34,554个村庄的钉螺种群(监测数据) 野生钉螺(体型验证样本)

重点核对

实验室实验中温度处理组(5°C、25°C、30°C)和体型等级(小、中、大) 监测数据分析中仅纳入超过10年监测数据的种群(n=1123) 滑动窗口模型参数(窗口范围、步长3天、聚合统计量min/mean/max) 未来预测中使用的SSP情景和GCM模型

摘要

背景:气候变暖正日益重塑日本血吸虫在中国唯一中间宿主钉螺的种群动态。研究钉螺对气候变暖的响应对于指导针对钉螺的精准干预、推进血吸虫病消除进程并巩固消除成果至关重要。本研究旨在量化钉螺对气候变暖的多尺度响应。方法:我们进行了一项为期45天的温控实验室实验,使用来自湖北公安县的成年钉螺,将钉螺暴露于低温组(5°C)、对照组(25°C)和高温组(30°C),以评估体型依赖性存活率。随后,我们分析了1990年至2022年中国12个省份(34,554个村庄)的钉螺监测数据,并与从ERA5-Land下载的气候数据相关联。我们开发了滑动窗口模型来检查不同生命阶段的气候暴露,以评估种群对气候变暖的响应,并使用一般线性混合效应模型来探讨影响气候响应的环境因素(地理变量:纬度、经度、海拔、土地利用、历史气候变率)。评估了模型性能以确定最佳预测模型,随后用于预测SSP1-2.6、SSP2-4.5和SSP5-8.5情景下未来的钉螺密度。我们进一步采集了240只野生钉螺并测量了它们的体型,以反向验证先前的结果。结果:在个体水平上,我们观察到在低温组(91.6%,95% CI 85.8–97.7%)和高温组(45.7%,95% CI 31.9–65.6%)中,较大的钉螺比对照组(76.5%,95% CI 58.7–99.5%)具有更高的存活率。在种群水平上,钉螺密度与气候变暖密切相关,92.0%的种群表现出正温度敏感性。最冷季节(1月:2.7×10–2,95% CI 3×10–3–5.1×10–2;2月:3.3×10–2,95% CI 1.1×10–2–5.6×10–2)和繁殖季节(4月:2.4×10–2,95% CI 6×10–3–4.3×10–2;9–10月:3.5×10–2,95% CI 2×10–3–6.8×10–2)的暴露对气候变暖下钉螺密度的影响更大。水体主导区域的钉螺密度增长率最高(ß=1.6×10–1,95% CI 1.1×10–1–2.2×10–1),而农作物种群对土地覆盖最敏感,农作物覆盖每增加1%,种群密度增加0.2。在生态系统水平上,预计到2100年只有19.0%–24.6%的种群将从气候变化中受益,这些受益种群集中在采样野生钉螺平均体型为8.2毫米的地区。农田将占从气候变暖中受益的种群的72.0%,而森林占17.2%,不透水主导区域占8.3%。结论:钉螺种群在气候变暖下增长,但受土地利用类型调节。为了减轻气候变暖和土地利用对钉螺的影响,应通过多部门合作加强监测和综合干预。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
气候变暖如何影响中国钉螺的种群动态和生存,以及这种影响在不同空间尺度上如何变化?
核心机制
气候变暖通过影响钉螺的存活和繁殖季节的温度暴露来调节其种群密度,且这种影响受土地利用类型和环境因素的调节。
主要证据
实验室实验显示较大个体在低温和高温下存活率更高;长期监测数据分析显示92.0%的种群对温度有正敏感性,且水体主导区域密度增长率最高;未来预测显示农田将容纳最大的受益种群。
研究意义
研究结果强调了气候变暖和土地利用变化对钉螺种群扩张的促进作用,以及通过多部门合作加强监测和综合干预的必要性,为血吸虫病消除提供科学依据。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

实验室温控实验

探究钉螺体型大小对非最适温度下存活率的影响。

将成年钉螺随机分配到5°C、25°C和30°C三个温度处理组,每组3个重复,每个重复60只钉螺,持续45天,每日记录存活情况并测量体型。

2

长期监测数据分析

评估钉螺种群密度与温度响应在空间上的关联,并确定影响温度响应变异的环境因素。

使用1990-2022年监测数据,对每个种群应用滑动窗口模型检测温度响应,并利用一般线性混合效应模型分析环境因素的影响。

3

未来情景预测

预测不同气候和社会经济情景下钉螺密度的未来变化及受益种群的空间分布。

基于最优预测模型,结合CMIP6五个GCM模型和SSP1-2.6、SSP2-4.5、SSP5-8.5情景的未来温度数据,预测2030-2100年钉螺密度,并提取受益种群。

4

野生钉螺体型验证

验证预测的受益区域钉螺体型是否大于区域平均水平。

从预测为受益区域的8个地点采集240只野生钉螺,测量其壳长,比较不同省份的体型差异。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
ERA5-LandCopernicus Climate Data Store--
R软件R Foundation for Statistical Computing--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
实验室温控实验
钉螺来源、驯化条件、温度处理组、重复数、每重复样本量、湿度、光周期、实验持续时间。
阅读提示:Methods中的'Laboratory-based controlled temperature experiment'部分
长期监测数据分析
监测数据的时间范围、空间范围、纳入种群标准(>10年数据)、滑动窗口模型参数(窗口范围、步长、聚合统计量)。
阅读提示:Methods中的'Oncomelania hupensis survey data'和'Time-window modeling'部分
未来情景预测
未来温度数据来源(GCMs)、SSP情景、预测时间范围、预测模型的选择。
阅读提示:Methods中的'Projections of the future density of O. hupensis'部分