欧洲的许多植物物种在应对气候变化方面能力有限

《Diversity and Distributions》：Many Plant Species in Europe Have Limited Capacity to Track Climate Change

植物物种分布模型（SDM）中扩散假设对欧洲1318种维管植物气候变化响应的影响。通过比较无扩散、物种特有和无限扩散假设下SDM的预测结果，发现多数物种因扩散能力有限，其范围变化和物种丰富度变化在物种特有与无扩散假设间差异较小，而无限扩散假设高估未来分布。建议优先使用物种特有扩散数据，若无则采用无扩散假设以避免低估生物多样性风险。

　　气候变化对生物多样性的影响是一个备受关注的全球性议题，而植物物种的分布模型（Species Distribution Models, SDMs）在这一领域扮演着关键角色。传统上，许多SDMs基于“无扩散”或“无限扩散”的假设来预测植物在气候变化下的分布变化，这些假设虽然简化了建模过程，但可能导致预测结果过于悲观或乐观，从而影响对物种未来生存状况的准确评估。本文旨在探讨基于物种特异性扩散估计的SDMs输出，与基于“无扩散”和“无限扩散”假设的预测结果之间的差异，以期为更精确的气候变化影响评估提供依据。

在欧洲范围内，研究团队利用1318种维管植物的分布数据，结合气候、土壤和地形变量，构建了多个SDMs，并将其应用于两种气候情景（温和气候变化和严重气候变化）下，分别采用三种扩散假设：无扩散、无限扩散和物种特异性扩散。研究发现，在大多数情况下，物种特异性扩散估计的预测结果与无扩散假设下的结果较为接近，表明许多植物在面对气候变化时，其扩散能力有限，无法迅速适应新的环境条件。只有少数依靠风或动物扩散的物种，在物种特异性扩散估计下显示出更小的分布损失，但即便如此，无限扩散假设仍然表现出明显的乐观倾向。

这一发现具有重要的生态意义。植物的扩散能力不仅决定了其在气候变化下的适应潜力，也直接影响到生态系统的稳定性和生物多样性的维持。对于扩散能力较低的物种，其分布范围可能在气候变化下大幅缩小，从而导致种群数量减少甚至局部灭绝。这种趋势可能会对生态系统的服务功能，如碳储存、水循环和生物多样性保护等，产生深远影响。因此，将物种特异性扩散估计纳入SDMs，有助于更准确地反映物种在气候变化下的实际分布变化，减少模型预测的不确定性。

此外，研究还揭示了扩散假设对物种丰富度和分布变化的影响。在温和气候情景下，物种特异性扩散假设和无扩散假设下的物种丰富度变化相似，而无限扩散假设则预测了物种丰富度的显著增加，尤其是在欧洲北部和东部地区。然而，在严重气候情景下，物种丰富度的下降趋势在所有扩散假设下都更为明显，其中无限扩散假设仍然未能准确反映物种实际的适应能力。这表明，尽管无限扩散假设在某些情况下可能提供乐观的前景，但它可能高估了物种的适应潜力，从而导致对未来生物多样性状况的误判。

研究结果还强调了扩散机制在不同物种间的差异。例如，依靠风力扩散的物种（如扩散类别5）在物种特异性扩散假设下显示出与无扩散假设不同的分布变化趋势，这可能是因为风力扩散能够使某些物种在较短时间内覆盖更广的区域。然而，对于依赖动物扩散的物种，尽管其扩散能力较强，但研究仍发现无限扩散假设存在过度乐观的风险。这表明，扩散假设的选择应基于物种的具体扩散模式和能力，而非简单地采用统一的极端假设。

从方法学角度来看，研究团队采用了多种建模技术，包括广义线性模型、广义加性模型和提升回归树（Boosted Regression Trees），以确保模型的多样性和适应性。这些模型被用来预测物种在不同气候情景下的分布范围，并通过综合模型输出，评估物种特异性扩散估计对分布变化的影响。此外，研究还考虑了土地利用和地形特征，如盐水影响区域和地形湿润指数，以更全面地模拟植物的生存条件。这种方法不仅提高了模型的准确性，也为进一步研究提供了更丰富的数据基础。

在分析过程中，研究团队还探讨了扩散假设对物种丰富度变化的相对影响。结果显示，扩散假设对物种丰富度变化的解释力强于气候情景本身，这表明在气候变化背景下，扩散能力的差异可能是导致物种分布变化更为关键的因素。因此，在进行大规模SDMs分析时，必须充分考虑扩散机制的多样性，以避免因扩散假设的选择不当而导致的预测偏差。

研究的局限性也值得关注。例如，未考虑长距离扩散（Long-Distance Dispersal, LDD）事件的影响，尽管这些事件在某些情况下可能对物种的适应能力产生重要影响。此外，研究未纳入景观中的扩散障碍，如栖息地碎片化和隔离效应，这些因素可能进一步限制物种的扩散能力。因此，未来的研究可以考虑将LDD事件和扩散障碍纳入模型框架，以提高预测的准确性。

总的来说，本文为如何在SDMs中合理选择扩散假设提供了重要的参考。研究团队建议，在缺乏物种特异性扩散数据的情况下，采用“无扩散”假设以避免高估物种的适应能力，特别是在评估扩散能力较低的物种时。同时，对于某些特定的物种，如依靠风力或动物扩散的物种，物种特异性扩散估计能够提供更准确的预测结果。这些发现不仅有助于改进SDMs的建模方法，也为政策制定者和生态保护工作者提供了更可靠的依据，以应对气候变化对生物多样性带来的挑战。未来的研究可以进一步探索不同扩散机制在不同生态系统中的作用，以及如何在实际应用中更有效地整合扩散数据，从而提升SDMs的预测能力和生态价值。