同位素混合模型怎么用：端元数量、可行解范围、贝叶斯模型与常见误用

硝酸盐、硫酸盐、重金属、有机质、食物网、食谱重建——几乎所有"定量各来源贡献多少"的同位素研究，最后都要落到混合模型上。 但混合模型是全流程里最容易被误用的一环：端元数量超出可解范围、把宽泛的可行解当成精确比例、照搬他人的分馏系数、样品根本不落在混合空间内。 本文梳理它的数学边界、模型家族与选型、跑模型前必做的检查，以及最常见的误用，供研究设计与数据解读参考。

一、原理：混合模型就是质量守恒

混合模型的骨架是质量守恒：混合物的同位素组成，等于各来源（端元）的同位素组成按其贡献比例加权求和，且各比例之和为 1。 以两个端元、单一示踪剂为例，若端元 A、B 的 δ 值已知，混合物的 δ 值落在两者之间，就能反解出 A、B 各占多少。 现实问题的难点从来不在这个方程本身，而在于：端元有几个、端元值准不准、从源到混合物之间有没有发生分馏。

二、n+1 规则：你的示踪剂能解几个端元

这是一条线性代数的硬约束：n 个示踪剂最多唯一确定 n+1 个端元。

端元数一旦超过 n+1，方程组欠定，不存在唯一解。关键是：贝叶斯模型能在欠定时照样给出概率解——相对 IsoError（只能处理 n+1 个端元）这是能力上的扩展；相对 IsoSource 的可行解枚举，其价值则在于把端元变异、分馏系数与测量不确定度一并纳入，输出概率分布而非等权的可行解集合。但它同样不能凭空补上缺失的信息、恢复唯一解—— 欠定时后验会变得很宽、甚至多峰，因为底层方程本就有多组差异很大的解。后验宽不是模型不好，是信息量不够。 标准解法是增加示踪剂：例如硝酸盐溯源在 δ¹⁵N–δ¹⁸O 之外加测 Δ¹⁷O，即由 2 示踪剂 3 端元升为 3 示踪剂 4 端元。

另有一条与欠定无关的独立警告：贝叶斯模型常用的 Dirichlet 先验在端元数增多时，虽在单纯形上仍"无信息"， 但对单个端元的边际比例会变得越来越有信息。因此 Stock 等（2018）建议，端元超过约 7 个时须极其谨慎地纳入，即使体系并不欠定。

三、端元太多怎么办：可行解范围与两类聚合

• 报可行解范围，而不是点估计：Phillips & Gregg（2003）的做法是穷举各端元 0～100% 的所有组合（按小步长，如 1%），凡能在容差内复现实测混合物值的组合即为一个可行解，据此给出每个端元贡献的分布与范围。原作者明确建议报告解的分布——把可行解集的均值当作点估计来报，是这套方法最典型的误用。
• 先验聚合（a priori）：建模前把同位素特征无显著差异、且功能上相关的端元合并。注意两个条件缺一不可：仅因为数值相近就把功能上毫不相干的来源合并，会让结果失去意义；合并同一营养级/同一功能类群才有解释力。分组宜用统计检验决定，而非拍脑袋。另需知道聚合并非纯收益——合并后端元的特征值不确定度会增大（标准差须按池化数据重算）。
• 后验聚合（a posteriori）：先按原始端元求解，再把功能相关的端元贡献求和。这一步常能把很宽的单端元范围压成很窄的组合范围——经典例子里，各海洋食物端元单看范围都很宽，但"海洋食物"合计被约束在 70%～84%，足以支撑结论。

四、模型家族与选型

MixSIAR 由 MixSIR、SIAR、IsoSource 几支作者合作整合，支持任意数量的示踪剂；simmr 则被定位为 SIAR 的替代实现。 若各端元在目标元素上的浓度差异很大（例如做 δ¹³C 时各来源含碳量悬殊），应考虑浓度依赖模型—— 该思路源自 IsoConc（Phillips & Koch 2002），现已被 SIAR、MixSIAR、IsotopeR、FRUITS 等吸收。

五、跑模型之前必须做的两件事

• ① 混合多边形检验（Smith et al. 2013）：混合物必须落在端元张成的混合空间之内，否则这组端元根本解释不了这个样品。 该方法用蒙特卡洛模拟大量考虑了端元变异与分馏系数不确定度的多边形，判断每个混合物落在其中的比例； 通行判据是落入 ≥5% 的模拟多边形方可纳入建模，低于 5% 应排除，且该决定必须在跑模型之前做出。 样品落在多边形外时，应排查以下方面：数据转录错误、是否漏采了某个端元、是否未做分馏校正或所用系数不合适。有些体系（如广食性消费者、个体间变异极大的群体）本就不适合用同位素定量。
• ② 分馏／判别系数（TEF/TDF）的选取与敏感性分析：从源到混合物之间若存在分馏，必须先校正，而这一步是整个模型里影响最大、也最难确定的参数之一。 常见做法是借用近缘物种或文献均值，但判别系数随物种、组织类型、生理状态与食物组成变化很大。贝叶斯模型虽允许为其设定不确定度，"真实"范围仍很难确定。 因此必须做敏感性分析：换几组合理的系数重跑，看结论是否稳健；若结论随系数翻转，就不能下定量结论。

六、常见误用（对照自查）

• 把不确定度很大的结果当精确比例报：模型输出的是带有相当大不确定度的分布，报告应给区间与分布，不是一个百分数。 它估计的也不是源头的投入量或排放量比例：在食物网／食谱研究中给出的是被同化吸收的比例，因各食源可消化性不同，可与摄入比例相差很大； 在硝酸盐、硫酸盐、重金属等溯源中给出的则是到达采样点的贡献比例，与源头排放量之间还隔着迁移途中的衰减与转化。
• 漏采端元：这是最常见也最难补救的问题——缺一个真实存在的来源，会让剩余端元的贡献被系统性错分，而且往往表现为样品落在多边形外。
• 先验用力过猛：用场地知识剔除"不可能贡献"的端元，确实能显著降低不确定度、并减少把非贡献源判为贡献源的错误；但这完全取决于该知识是否正确——先验错了，等于把错误结论做得更自信。先验的来源与影响必须在方法里写清楚。
• 忽略同位素稳态与周转期：模型假定混合物与来源之间已达稳态（即组织已与当前食源完成周转）、且分馏系数恒定。组织周转需要时间，实测值反映的是过去一段时间的同化结果，与"当前"来源之间存在时滞。（注意此处的"稳态"与平衡分馏是不同概念。）
• 端元值靠文献不靠实测：端元值随体系、季节与站点变化很大。就地实测端元通常比换用更复杂的模型更能改善结果：它降低端元取值的偏倚，并让模型用上真实的端元变异——结果范围可能因此收窄，也可能因真实变异较大而更诚实地变宽。

七、检测环节能为建模做什么

混合模型的拟合与解释由研究者依据自身研究设计完成（上述 R 包均为公开工具），本文仅作方法学参考；如需数据处理方面的技术支持，可与技术顾问沟通。但送样阶段的两个决定会直接影响建模质量：

• 端元参考样与混合物样尽量一次性、成套送检。若能在同一批次内完成分析，可避免批次间系统偏差混入真实的端元差异；如对分析批次编排有特殊要求，请在委托时提出，由技术顾问评估可行性。
• 若打算用浓度依赖模型，需要各端元的元素含量数据。元素含量属独立的元素分析项目（见下方「元素含量分析」），可与同位素分析组合委托；请在委托时一并说明，由技术顾问确认样品量与流程。

核素科技提供 δ¹³C、δ¹⁵N、δ³⁴S、δ²H/δ¹⁸O 等稳定同位素与 MC-ICP-MS 金属同位素检测，可承担端元与混合物样品的成套测定；具体可接收的样品基质与前处理要求以各服务页说明为准（如海水、盐湖水等高盐样品不在受理范围）， 具体示踪剂组合、端元采样设计与送样量请与技术顾问沟通。

常见问题

相关内容