基于物种分布模型与宏观经济数据填补生物入侵成本评估空白

为解决生物入侵成本评估中存在的区域性和分类学数据缺口问题，研究人员通过整合物种分布模型(SDMs)、宏观经济指标和InvaCost数据库，对162种"高可信度"入侵物种的国家级成本进行空间插值分析。该研究首次实现高时空分辨率成本估算，揭示全球潜在成本较既往记录高出1,646%，发现欧洲地区和植物类群存在显著低估。研究证实国内生产总值(GDP)、人口规模、农业用地和环境适宜性是损害成本的主要驱动因素，而管理支出与GDP和农业用地相关。该预测方法为全面评估生物入侵经济影响提供了新范式。

　　

生物入侵正以前所未有的规模威胁着全球生物多样性、人类福祉和经济系统。尽管近年来涌现出大量区域性及分类学维度的货币成本研究，但受限于地理分布和物种分类的研究强度不均，关键知识缺口始终存在。

科研团队创新性地将物种分布模型(Species Distribution Models, SDMs)、宏观经济数据与全球入侵物种成本数据库(InvaCost)进行多维度融合，构建出当前时空分辨率最高的成本预测体系。研究聚焦162种具有"高度可靠"国家级成本记录的入侵物种，针对已知存在入侵但未报告经济损失的国家开展空间插值分析。这项突破性工作暴露出惊人的评估偏差：仅就这些物种而言，全球潜在成本可能比历史记录高出惊人的1,646%！

地理分布上，欧洲大陆成为成本低估的"重灾区"；物种分类方面，植物类群的财务影响被严重忽视。通过建立多变量关联模型，研究发现：国内生产总值(GDP)、人口规模、农业用地面积和环境适宜性构成损害成本的核心驱动因子，而管理支出则与GDP和农业用地呈现显著相关性。

时间维度上，损害成本表现出46年的滞后效应，但管理投入却能及时响应。这项研究开创的预测性方法论，不仅为生物入侵经济学研究提供了更完整的分析框架，更有效弥合了全球成本报告的不均衡现状。