未知德国：整合性生物多样性发现计划——从基因到生态系统的全面普查

《npj Biodiversity》：Unknown Germany - An integrative biodiversity discovery program

本期推荐德国生物多样性研究联盟开展的“Unknown Germany”计划。面对全球生物多样性危机及德国本土大量未知物种（如昆虫中80%未被描述），该研究整合DNA条形码（DNA barcoding）、人工智能（AI）、环境DNA（eDNA）测序等技术，开展全国性多类群（细菌、真菌、土壤动物等）物种编目、功能性状分析和保护策略优化。其成果将填补温带地区生物多样性知识空白，为欧盟“30×30”保护目标提供科学依据，推动生物多样性研究范式革新。

　　

在看似被充分探索的德国，科学家们发现了一个令人震惊的事实：即使在这个拥有1.47亿份自然历史标本、拥有悠久博物学研究传统的国家，仍有数万个物种未被科学描述。昆虫中约80%的物种尚未命名，土壤微生物、真菌和原生生物等类群的物种清单更是严重缺失。这种“认知危机”不仅阻碍了对生物多样性丧失的准确评估，更削弱了保护政策的有效性——例如，德国虽已实现“30%国土受保护”的欧盟目标，但保护区的实际效果因缺乏物种分布和功能数据而存疑。

为应对这一挑战，德国九大研究机构联合发起“Unknown Germany”计划，旨在通过整合传统分类学与前沿技术，完成从基因到生态系统的生物多样性全面清查。该计划发表于《npj Biodiversity》，首次系统提出通过“收集组学（collectomics）”、高通量测序和公民科学协同，在可预见时间内实现国家尺度生物多样性认知的跨越。

研究团队采用四大关键技术路径：一是利用环境DNA（eDNA）和代谢条形码（metabarcoding）对全国75个马氏网（Malaise trap）样本进行无脊椎动物多样性扫描，发现德国可能存在31,846种昆虫，其中21,043种为潜在新种或缺乏条形码参考；二是通过机器人自动化处理（如DiversityScanner）和卷积神经网络（CNN）加速标本形态鉴定；三是挖掘自然历史收藏的“沉睡数据”，结合稳定同位素分析和功能性状数据库解析物种生态功能；四是构建交互式数据仓库（如Edaphobase），实现多源异构数据的标准化整合。

主要研究结果

1. 1.
   物种发现缺口量化
   通过比较已知物种列表与分子数据估算，德国土壤线虫实际数量可能远超当前记录的2000种，淡水硅藻过去20年新增46%类群，印证“暗分类群（Dark Taxa）”的普遍性。
2. 2.
   保护基线重构
   重新采样25-45年前的研究点位（如TrenDiv项目），揭示土壤和沉积物中生境特异性物种（如地下水甲壳类）分布范围狭窄，强调保护区设计需纳入地下生态系统。
3. 3.
   技术工具创新
   开发AI驱动图像识别工具（如Flora Incognita），使公民科学平台（iNaturalist）年均贡献数万条分布记录；建立矩阵辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）技术快速鉴定海洋桡足类。

结论与展望

“Unknown Germany”计划证实，温带地区生物多样性未知程度被严重低估，尤其是土壤、沉积物和树冠等隐蔽生境。通过整合高通量技术与分类学专家网络，该研究将物种描述效率提升数个数量级，并为功能多样性评估提供新范式（如多维生态位模型）。其提出的“从清单到功能”框架，不仅助力德国实现《昆明-蒙特利尔全球生物多样性框架》目标，更为全球生物多样性发现计划树立技术整合与多部门协作的标杆。正如研究者所言：“每个未被描述的物种都可能承载独特的生态系统功能，它们的消失意味着不可逆的生态信息损失。”