高分辨率全球啮齿类动物分布预测：基于SSP-RCP情景的生态与公共卫生意义研究

本研究针对气候变化对啮齿类动物分布的影响，利用MaxEnt算法构建了10个关键啮齿属（如Rattus、Mus）在四种SSP-RCP情景下的高分辨率（1/12°）全球分布预测模型（2021-2100）。通过整合GBIF物种出现数据和WorldClim环境变量，揭示了未来80年啮齿类栖息地变化趋势，为生物入侵防控、农业可持续发展和人兽共患病（如鼠疫耶尔森菌Yersinia pestis）预警提供数据支撑。

　　

在全球气候变化加剧的背景下，啮齿动物作为生态系统关键组分和重要病媒生物，其分布动态直接影响生物多样性、农业安全和公共卫生。当前研究面临三大挑战：现有物种分布模型(SDM)依赖有限观测数据，全球尺度预测分辨率不足，且缺乏基于CMIP6新情景的系统评估。为此，Yang Lan等团队在《Scientific Data》发表题为"High-resolution global distribution projections of 10 rodent genera under diverse SSP-RCP scenarios, 2021-2100"的研究，首次构建了10km分辨率、跨四类SSP-RCP情景的啮齿类分布预测数据集GridScopeRodents。

研究采用多学科交叉方法：首先从GBIF数据库获取1970-2000年间10个目标属（如传播鼠疫的Mastomys、危害农作物的Microtus）的548,571条地理记录，经空间稀疏化处理消除采样偏差；其次整合WorldClim v2.1的19个生物气候变量和地形数据，通过Pearson相关性分析（|r|≥0.8）优化变量组合；最后运用最大熵算法(MaxEnt)进行生态位建模，参数经ENMeval包优化（正则化乘数RM=1.0），输出cloglog转换的概率分布图。模型验证显示平均AUC>0.9，TSS>0.8，显著优于同类研究。

【物种选择与数据处理】

选取Akodon等10个兼具生态经济重要性的啮齿属，依据农业危害程度、疾病传播风险等四重标准筛选。通过SDMtoolbox Pro对GBIF原始数据进行空间稀疏化（10km网格去重），解决采样偏差问题。

【环境变量优化】

初始纳入21个环境变量（含PKU-GIMMS-NDVI植被指数），发现NDVI与Bio2强相关（r=0.88）且置换重要性<3.2%，最终保留气候与地形变量。如图3所示，温度季节性(Bio4)对Cricetulus贡献率达18.7%，而降水最湿季度(Bio16)对Oligoryzomys预测至关重要。

【模型构建与验证】

采用25次重复的bootstrap验证，ROC曲线显示所有属AUC>0.9（图5）。其中Phyllotis模型性能最佳（AUC=0.939±0.005），而Rattus预测难度较大（TSS=0.741±0.005），反映广布物种建模挑战。

【未来情景预测】

基于10个GCMs的集成分析表明：在SSP585高排放情景下，热带属Mastomys到2100年适生区将向高海拔扩张12.7%；而温带属Apodemus在SSP126可持续路径下分布稳定。特别值得注意的是，入侵种Rattus在沿海城市的适生概率普遍提升20-35%，可能加剧鼠传疾病风险。

研究创新性体现在三方面：首次将CMIP6-SSP情景耦合至全球啮齿类预测；开发10km分辨率标准化数据集；揭示NDVI在长期预测中的局限性。成果对联合国可持续发展目标(SDGs)中的"陆地生物"和"气候行动"目标具有直接支撑作用，尤其为《国际卫生条例》中的病媒监测提供科学依据。数据已通过Figshare开源（DOI:10.5522/0428652219），可供生态学、公共卫生和农业政策领域直接调用。未来研究可结合土地利用变化数据，进一步提升预测精度。