《Ecological Indicators》：Predicting current and future spatial patterns of nature’s contributions to people from species distribution models
编辑推荐：
在气候变化和生物多样性退化的背景下，研究人员开展 “基于物种分布模型预测自然对人类贡献（NCPs）的空间格局” 研究。通过构建物种 - NCPs 关系表及模型预测，发现 NCPs 价值总体下降，不同情景下分布有差异。该研究为保护生物多样性和 NCPs 提供新方法。
当前，气候变化和生物多样性退化成为人类面临的两大严峻危机，这二者相互关联，严重威胁着自然对人类的贡献（NCPs） 。以往很多研究虽然利用物种分布和 NCP 地图来确定保护生物多样性和 NCPs 的关键区域，但却缺乏对物种分布变化如何影响 NCPs 的评估。而且，传统基于土地利用和土地覆盖（LULC）绘制 NCP 地图的方法存在诸多局限，比如无法体现物种与 NCPs 的联系、难以预测未来变化等。为了解决这些问题，来自瑞士洛桑大学等机构的研究人员开展了一项研究，其成果发表在《Ecological Indicators》上。
研究人员利用物种分布模型（SDMs），结合新建立的 2066 种维管植物和脊椎动物与 17 种 NCPs 的关系表，预测了当前（1980 - 2010 年）以及两个未来时期（2020 - 2049 年和 2070 - 2099 年）在两种气候变化情景下 NCPs 的空间分布。
研究用到的主要关键技术方法如下：
- 物种数据处理：从全球生物多样性信息设施（GBIF）和瑞士物种信息中心 InfoSpecies 获取物种分布数据，对数据进行整理、聚合和空间离散化处理。
- 环境数据收集：采用不同来源的气候数据，如 CHclim25 数据集和 CHELSA 图层等，同时从 SWECO25 数据库提取环境协变量。
- 模型构建与预测：运用嵌套物种分布建模（N - SDM）平台构建模型，选择合适的算法进行拟合，通过交叉验证评估模型准确性，最终生成物种分布预测地图和 NCPs 预测地图。
研究结果如下：
- 物种分布模型（SDMs）结果：成功为 1834 种物种拟合嵌套 SDMs 模型，模型预测性能较高。环境协变量中，气候适宜性协变量被纳入所有模型，“水文” 类别相对选择频率高，“人口” 类别未被选择。
- NCP 和物种丰富度（SR）预测结果：
- NCP 预测：“所有 NCPs” 指数在当前时期平均值最高，未来呈下降趋势。不同 NCPs 在不同时期和情景下空间分布有差异，如 RCP4.5 情景下，多数 NCPs 在未来远时期在山地和罗纳河谷低地价值增加；RCP8.5 情景下，近期 NCPs 在河谷和山地价值高，远期山地河谷成为热点区域。
- SR 预测：当前时期 SR 最高，未来逐渐降低。
- 空间相关性结果：SR 与 NCP 地图的相关性除 “野生食物” 外均为正相关，但不同时期相关性存在变化。
研究结论和讨论部分指出，该研究提出的基于 SDMs 预测 NCPs 的方法具有重要意义。一方面，不同 NCPs 的空间预测存在差异，部分与 SR 相关，部分依赖特定分类群。通过该方法能更准确地了解 NCPs 的分布，为保护决策提供依据。另一方面，研究揭示了未来不同气候变化情景下 NCPs 的变化趋势，不同情景下 NCPs 在空间分布和与 SR 的相关性上均有不同表现。然而，该研究也存在一些局限性，如模型存在不确定性、未考虑极端事件、未纳入入侵物种等。未来需要进一步完善物种 - NCP 关系表，考虑更多因素来改进 NCPs 的预测和保护策略。总体而言，该研究为生物多样性和 NCPs 的保护提供了新的视角和方法，有助于推动可持续发展目标的实现。
