综述：气候变化下未来昆虫分布的预测

本综述系统回顾了351项研究，揭示了气候变暖对昆虫分布范围的深远影响。研究指出，尽管45.4%的物种面临分布区缩减，但入侵种（Introduced species）更可能扩张（SDM模型预测）。作者强调研究方法（如mechanistic/correlative models）和数据分辨率对预测结果的显著影响，呼吁采用标准化流程（如ODMAP协议）和多模型比较（GCMs场景分析）以提升预测可靠性。

　　

气候变化对昆虫分布的影响机制与预测挑战

1 引言

人为全球变化导致昆虫生物多样性急剧下降，陆地昆虫数量每十年减少9%，鳞翅目在美国过去20年减少22%。气候变化的广泛影响使其成为昆虫衰退的关键驱动因子。预测物种分布变化对理解未来生态格局至关重要，当前研究多通过物种分布模型（SDM）和生态位模型（ENM）进行预测。

2 研究方法

通过Web of Science系统检索获得351篇符合标准的研究。采用贝叶斯多项逻辑回归模型分析范围变化预测（增加/减少/不确定），并考虑分类单元、模型类型和气候数据来源的影响。引入种状态根据GRIIS数据库和文献记录判定，水生/陆生物种基于生命周期特征分类。

3 当前物种范围变化预测

研究存在明显分类偏见：89.7%关注陆生物种，仅16个昆虫目被研究（共31目），鳞翅目研究最多（250种）。引入种占比异常高（167种），尽管其仅占昆虫物种不足1%。模型预测显示45.4%物种分布减少，33.6%增加，19.6%结论不明确。引入种更倾向于范围扩张，可能与生态位转移（niche shift）和适应性特征有关。不同研究间的方法学差异（模型类型、气候场景选择）导致预测结果高度可变。

4 模型使用的影响

4.1 相关性模型

物种分布模型（SDM）占比最高（232项研究），Maxent算法使用最广（57.8%）。 ensemble模型虽能整合多算法结果（31%研究使用），但缺乏标准化的模型选择标准。SDM假设生态位保守性，忽略物种对气候适应的塑性变化，可能导致预测偏差。ODMAP框架被推荐用于提高模型重现性。

4.2 混合/半机制模型

54项研究采用混合模型，整合 dispersal 能力等种群动态参数。例如CLIMEX模型通过生态气候指数（EI）结合实验室生理数据（温度/湿度耐受限）提升预测精度。但此类模型需要大量物种特异性数据（如飞行距离、发育温度阈值），限制了广泛应用。

4.3 机制模型

仅15.4%研究使用机制模型，基于生理生态特征（如温度耐受性、发育速率）预测基础生态位。包括生理种群动态模型（PBDM）和度日模型（degree-day models），能更好反映昆虫不同生命阶段的差异响应。但机制模型可能高估潜在分布区（忽略生物互作限制），且数据需求限制了多物种比较。

5 气候数据对建模的影响

气候预测依赖全球环流模型（GCM）和排放场景（business-as-usual/mitigation scenarios）。研究显示，使用多气候场景（平均3个GCM，最多34个）显著增加预测变异性（零膨胀高斯模型估计值=1.19）。41项研究仅使用1个GCM和1个排放场景，结论可靠性存疑。气候分辨率（0.01-1221 km）普遍高于昆虫实际感知的微气候尺度，忽略行为调节（如热调节行为）可能导致宏观预测偏差。除温度/降水外，土壤化学、水质等因子对水生昆虫分布预测同样关键。

6 结论

气候变化将导致昆虫分布格局重构，引入种可能成为"气候赢家"。当前预测存在显著方法学异质性（模型选择、气候数据、分辨率差异），阻碍跨物种比较。未来需整合功能性状（body size/color/thermal tolerance）、微气候数据和多模型比较框架（如GCM compareR工具），通过标准化流程（ODMAP）提升预测可靠性，为昆虫保护提供科学依据。

作者贡献与致谢

O.K.B.和C.B.共同设计研究并撰写论文。研究受瑞士国家科学基金会（310030_192619）资助，采用开放获取出版。