地理与遗传背景对入侵性番杏属类群开花物候的影响：iEcology的多平台数字证据

本研究通过整合Instagram、iNaturalist和Google Maps等多平台数字数据，首次在全球尺度上解析入侵植物番杏属(Carpobrotus)的开花物候格局。研究发现地理区域而非遗传谱系是驱动开花时间变异的关键因素，入侵种群较原生种群表现出更长的开花期，可能通过增强花粉可利用性和种子产量加剧入侵压力。该研究为基于数字生态学(iEcology)的入侵物种管理提供了新范式。

　　

引言：开花物候在植物入侵中的关键作用

开花物候作为植物繁殖成功的关键决定因子，通过影响传粉者可获得性、资源分配和种间竞争关系，在入侵植物适应性进化中扮演核心角色。传统野外调查方法难以实现跨大陆尺度的同步监测，而数字生态学(iEcology)通过整合社交媒体、公民科学平台和网络地图数据，为入侵物种物候研究提供了革新性解决方案。番杏属(Carpobrotus)作为全球海岸带生态系统中最具破坏力的入侵类群之一，其 taxonomic 界定存在长期争议，近期群体遗传学研究将其划分为A、B、C三个主要谱系和混合类群(Admixed)，为探讨遗传背景与地理因素对物候的交互影响提供了理想模型。

研究方法：多平台数字数据整合与分析策略

研究团队从6个国家29个典型位点获取1741条地理标记图像数据（2017-2022年），涵盖原生地（南非）与入侵地（阿根廷、新西兰、葡萄牙、西班牙和美国）。通过构建二项式广义加性模型(GAMs)，系统分析日循环样条、地理区域、遗传谱系和位点随机效应对开花概率的影响。模型设置包含四个渐进层级：M0（基础季节模型）、M1（固定效应模型）、M2（位点随机效应模型）和M3（全模型），采用Akaike信息准则(AIC)进行模型优选。

结果揭示：地理格局主导物候变异

1. 1.
   数据可获得性呈现显著地域差异，加州地区凭借高社交媒体活跃度获得最完整记录（n=1021），而阿根廷因数据量不足（n=28）被排除建模。公民科学平台iNaturalist在旅游热度较低区域（如新西兰、南非）发挥关键补充作用。
2. 2.
   模型比较显示位点随机效应模型(M2)具有最优拟合度（AIC=2191.006），表明采样偏差是影响表观遗传差异的主要混杂因素。当控制位点变异后，遗传谱系效应丧失统计显著性（M3模型集群系数p>0.05）。
3. 3.
   物候格局呈现明显的半球律：南半球种群（南非集群A、C；新西兰集群A）开花高峰集中于当地春季（8-10月），北半球种群（加州集群B/Admixed；欧洲集群A/B）主峰出现在5-6月。特别值得注意的是，欧洲集群A种群呈现双峰模式（3月主峰+8月次峰），暗示其可能具有更灵活的光周期响应机制。
4. 4.
   花色性状分析显示传统分类标志（黄/品红花被片颜色）与遗传谱系不存在严格对应关系。混合类群(Admixed)中异色花共存比例达38%，而南非特有集群C几乎全为品红色（96%），反映其可能具有更保守的传粉生态位。

讨论与展望：数字生态学在入侵生物学中的集成应用

本研究验证了iEcology在解析宏观生态格局中的有效性，同时揭示其应用限度受物种显着性、平台用户行为和地理可达性三重约束。针对番杏属的管理建议包括：①依据区域物候峰值制定差异化防控方案（如新西兰10月、欧洲3月开展机械清除）；②重视克隆繁殖与有性繁殖的协同控制；③将花色多态性作为监测杂交动态的指示指标。未来研究可结合机器学习算法提升图像处理效率，并拓展至传粉网络互作、草食动物压力等关联生态过程的研究。

实践启示：从物候学到入侵管理

研究结果强调入侵种管理需从“时空精准靶向”转向“多维度生态过程干预”。通过对齐开花高峰期与防控行动窗口，可有效降低土壤种子库补给压力。此外，数字平台的公众参与特性为构建入侵物种动态监测网络提供了社会技术基础，其中被动记录（如景点背景植物）与主动观察的互补整合，有望突破传统公民科学的选择性记录偏差。这种“数字生物多样性监测”范式对全球变化背景下的生态系统管理具有普适性参考价值。