巴西生物群系植物分布记录文档空缺的空间与分类学映射：基于GBIF 2000–2025年记录的50 km等面积网格分析

《Feddes Repertorium - Journal of Botanical Taxonomy and Geobotany》：Mapping Documentary Gaps in Plant Occurrence Data Across Brazilian Biomes

　　

开放的生物多样性记录支持植物学研究，但其空间覆盖范围和分类学代表性仍不均衡。本研究利用全球生物多样性信息机构（GBIF，Global Biodiversity Information Facility）2000–2025年的记录，对巴西境内被子植物（Angiosperms）、裸子植物（Gymnosperms）、蕨类植物（Pteridophytes）和苔藓植物（Bryophytes）的植物分布记录文档进行制图。筛查保留了具有坐标且无GBIF地理空间问题标记的现有分布记录。经筛查记录被分配至由3400个50 km单元组成的等面积网格（equal-area grid），覆盖六个官方生物群系（biome）。采用C2——一种由作者开发的程序——对共享分类学、时间、地理和来源信息的记录进行分组，以汇总文档。被子植物贡献了超过92%的记录和聚类。未记录单元所占比例分别为：裸子植物87.8%、苔藓植物77.5%、蕨类植物47.1%、被子植物10.6%。裸子植物和苔藓植物在亚马逊（Amazon）、塞拉多（Cerrado）和潘塔纳尔（Pantanal）出现显著空缺。大西洋森林（Atlantic Forest）具有最高的中位文档值和来源代表性值；亚马逊最低。限制为保存标本（PRESERVED_SPECIMEN）后，国家级未记录单元比例排序保持不变，而观测记录（observations）改变了一些比较。在25 km、50 km和100 km网格中，未记录单元比例随单元尺寸增大而下降，而保留的领土范围有所变化。这些模式描述的是可获取的文档，而非生物学缺失。该框架支持藏品审查、数字化和数据动员，且调查决策还可由已知分类学分布提供信息。

研究背景与问题：开放生物多样性数据连接野外观察、植物标本和分类信息，但记录可用性不仅取决于植物地理分布，也受馆藏组织、鉴定和数据可获取性影响。Canhos et al. 讨论了馆藏数字化和数据动员的重要性，Pinheiro et al. 指出REFLORA通过标本信息回引和虚拟标本馆建设补充了基础设施，Versiane et al. 强调数字化、馆藏管理和编目是支持巴西植物区系知识的基础。Cardoso et al. 考察标本馆组织如何影响 Casselia 明显稀有性的识别。不同植物类群的文档并不相同，被子植物分布可支持巴西生物区系综合，但不能假定苔藓植物、蕨类、石松或裸子植物具有相同覆盖。Silva et al. 对大西洋森林附生苔藓的研究识别了地理知识空缺，Nascimento et al. 对 Rio Grande do Norte 蕨类和石松的区域名录继续补充分布信息。Lima et al. 对 Alto Rio Negro 苔藓标本的研究显示，已有采集材料经鉴定和检查后可贡献当代区系知识；Oliveira and Peralta 也利用标本馆记录比较 Alto da Serra de Paranapiacaba 苔藓组合。巴西六个官方生物群系——亚马逊、卡廷加、塞拉多、大西洋森林、潘帕和潘塔纳尔——依据 IBGE 官方分类和边界，为比较文档提供共同地理框架。Sousa et al. 在亚马逊研究 Cyperaceae 分布知识空缺，Cotarelli et al. 在卡廷加通过环境许可相关区系工作补充分类文档，Bochorny et al. 在相对研究充分的大西洋森林继续通过标本馆名录改进地方植物区系知识。上述贡献证明馆藏动员和目标调查的价值，但需要以共享空间框架跨植物类群和生物群系进行比较。合并所有植物的地图可能掩盖文档贡献较小的类群，记录总数也不能说明有多少数据集或发布组织支持某地。因此，研究人员旨在识别可获取文档基础的空间和分类学差异，并提供数据审查、动员和植物调查规划框架。

研究开展、结论与意义：研究人员分析GBIF派生的被子植物、裸子植物、蕨类植物和苔藓植物分布记录，采用2000–2025年当代出现窗口，使用50 km规则网格，并通过C2文档聚类汇总空间覆盖和类群差异，同时检查数据集、发布组织、学名代表性，评估记录基础类别和替代网格分辨率的影响。结论是，巴西各生物群系开放植物分布记录文档在植物类群和贡献来源之间不均衡；被子植物主导证据基础，苔藓植物和裸子植物未记录单元比例最大；亚马逊、塞拉多和潘塔纳尔存在显著文档空缺；覆盖估计依赖记录类别和空间分辨率；这些模式描述可获取文档而非生物缺失。该框架支持藏品审查、数字化和数据动员，并可为调查决策提供补充信息。

关键技术与方法：研究人员通过GBIF正式下载巴西植物出现记录，时间2000–2025年，筛选 occurrenceStatus = PRESENT、country = BR、有坐标且无地理空间问题。分类按Catalogue of Life，分为被子植物（Magnoliopsida、Liliopsida）、裸子植物（Pinopsida、Gnetopsida、Cycadopsida、Ginkgoopsida）、蕨类植物（Polypodiopsida、Lycopodiopsida）和苔藓植物（Bryophyta、Marchantiophyta、Anthocerotophyta）。使用IBGE 2019六个生物群系边界，构建50 km等面积网格，共3400个单元，并以25 km和100 km网格进行空间敏感性分析。C2聚类按单元标识、优势生物群系、GBIF数据集键、发布组织键、学名、年份及两位小数经纬度组合。分析计算文档类别、未记录单元比例、来源结构，并进行记录基础类别和空间分辨率敏感性分析。样本队列来源为GBIF 2000–2025年巴西植物记录，共保留五个下载以供追溯。

研究结果：
3.1 国家级植物分布记录文档分布：在3400个50 km单元中，合并所有类群的C2计数范围为0–39,960，中位数108.5，均值729.4。较高计数出现在大西洋森林、部分卡廷加和塞拉多及巴西南部，亚马逊大片区域较低。生物群系相对分类识别低文档单元890个（26.2%）、中文档单元1656个（48.7%）、高文档单元854个（25.1%）；低文档单元出现在所有六个生物群系。
3.2 分类学文档基线：组级分析矩阵保留2,861,151条记录和2,480,037个C2聚类。被子植物贡献2,646,846条记录（92.5%）和2,311,439个聚类（93.2%）；蕨类植物156,435条记录和135,147个聚类；苔藓植物53,835条记录和30,346个聚类；裸子植物4,035条记录和3,105个聚类。全部3400个单元中，C2计数中位数被子植物为102，蕨类植物为1，苔藓植物和裸子植物为0。
3.3 各类群无文档单元：裸子植物未记录单元2986个（87.8%），苔藓植物2634个（77.5%），蕨类植物1603个（47.1%），被子植物362个（10.6%）。相应已记录单元分别为414、766、1797和3038个。
3.4 类群×生物群系文档空缺：裸子植物未记录单元比例在潘塔纳尔为96.7%、亚马逊94.7%、塞拉多94.3%、卡廷加93.4%、潘帕56.6%、大西洋森林49.5%。苔藓植物在亚马逊89.5%、塞拉多79.1%、潘塔纳尔75.0%、卡廷加66.6%、潘帕57.9%、大西洋森林40.4%。蕨类植物相应为66.9%、41.1%、38.3%、27.7%、10.5%、4.8%。被子植物在所有生物群系中最低：亚马逊21.3%、潘塔纳尔1.7%、塞拉多0.1%，卡廷加、大西洋森林和潘帕为0。裸子植物在潘塔纳尔的文档仅由3个C2聚类构成，分布在60个单元中的2个，因此该组合的正计数四分位数仅基于两个单元。
3.5 生物群系文档分布：合并类群的中位C2计数最高在大西洋森林（1068个聚类/单元），其次为卡廷加621、潘帕292.5、塞拉多176.5、潘塔纳尔142、亚马逊11。
3.6 数据集、发布者和学名结构：中位数据集数和发布组织数在大西洋森林为53和35，卡廷加36和24，潘帕30和20.5，塞拉多23和17，潘塔纳尔15和11，亚马逊4和3。学名计数中位数遵循相同排序，分别为516.5、309、168.5、113.5、89.5和10。因此，亚马逊较低的中位C2计数伴随较低的数据集、发布组织和学名中位数；大西洋森林和卡廷加四项文档描述符中位值均较高。
3.7 记录基础类别敏感性：限制为保存标本后，各植物类群按未记录单元比例的国家级排序保持不变；比例分别由被子植物10.6%升至11.7%、蕨类植物47.1%升至48.9%、苔藓植物77.5%升至78.4%、裸子植物87.8%升至90.6%，国家差异为0.9–2.8个百分点。裸子植物保存标本比例在亚马逊为94.9%、塞拉多为95.3%、潘塔纳尔为96.7%；苔藓植物相应为90.0%、79.5%、78.3%。过滤使裸子植物未记录单元在大西洋森林增加16.0个百分点，在潘帕增加15.8个百分点。仅观测子集覆盖更低：未记录单元比例被子植物38.6%、蕨类植物84.8%、裸子植物93.5%、苔藓植物97.0%；该子集中苔藓植物高于裸子植物。裸子植物在潘塔纳尔的观测记录未保留两个原本有文档的单元，尽管全部60个单元中文档状态一致率为96.7%。
3.8 空间分辨率敏感性：保留网格在25 km、50 km和100 km下分别含13,624、3400和853个单元。未记录单元比例随单元宽度增大而下降，但变化幅度因类群和生物群系而异。裸子植物在亚马逊25/50/100 km为98.4%、94.7%、82.6%，塞拉多为97.9%、94.3%、86.1%，潘塔纳尔为97.9%、96.7%、92.3%。苔藓植物在亚马逊为96.3%、89.5%、71.8%，塞拉多为92.2%、79.1%、52.6%，潘塔纳尔为89.6%、75.0%、53.8%。保留领土也随分辨率变化，潘塔纳尔在25 km约141,769 km²、50 km为134,991 km²、100 km为113,850 km²。这些差异涉及单元聚合和优势生物群系纳入规则下保留领土的变化。

讨论总结：开放植物分布文档在巴西各生物群系和植物类群间差异显著。大西洋森林中位C2计数和来源代表性最高，亚马逊中位出现聚类、贡献数据集和发布组织较低；这描述可获取文档基础的数量和组成差异，与馆藏数字化和数据动员的重要性一致，但未确定野外采集、机构参与或数字化的相对贡献。被子植物主导汇编数据并覆盖大部分网格，合并植物地图主要反映被子植物覆盖，可能掩盖其他类群较弱代表性；类群特异性分析显示蕨类植物覆盖中等，苔藓植物和裸子植物未记录单元比例更高，因此应分别检查大类群。来源代表性提供补充维度，一个由多个数据集和发布组织支持的单元文档基础更多样，但这些来源不一定独立。REFLORA说明回引和虚拟标本馆可扩大植物收藏获取，但本研究未建立区域差异机制。苔藓植物在77.5%的50 km网格中缺乏C2文档，亚马逊、塞拉多和潘塔纳尔比例尤其高；Brazil Flora 2020列出亚马逊568种、塞拉多483种、潘塔纳尔149种苔藓植物，但生物群系水平存在不等于每个分析单元均应出现。Alto Rio Negro 苔藓材料说明现有收藏经鉴定和研究可贡献区系信息，因此应同时考虑藏品审查和新野外调查。裸子植物原生丰富度和分布更受限；Brazil Flora 2020列巴西23种原生裸子植物，其中亚马逊16种、塞拉多7种、潘塔纳尔1种。高未记录比例与生物群系水平代表性共存；潘塔纳尔仅两个单元含裸子植物C2，低/高文档类别是相对标签而非确立区域对比，优先排序应结合验证的分类分布和定居状态。记录基础分析显示，保存标本限制保持国家级排序，但覆盖下降，裸子植物尤其明显，大西洋森林和潘帕变化约16个百分点，说明国家水平变化掩盖区域差异；仅观测场景改变排序，苔藓植物高于裸子植物。这些差异不应解释为记录质量排名。空间分辨率也影响覆盖估计，较大单元合并更广区域记录并降低未记录比例，但若干显著对比持续，且保留领土变化使差异不能仅归于聚合；50 km网格是中间操作框架而非最优分辨率。局限性包括：分析代表2000–2025年地理参考GBIF文档，而非完整历史收藏记录；坐标要求、地理空间过滤和机构发布影响进入分析窗口；原生和栽培出现未分开分析；C2聚类保留来源信息并减少冗余，但不识别独特采集事件或标准化采样努力；生物群系相对类别是描述阈值，不是区系完整性或生物缺失指标，不同组合高文档类别不代表相同绝对C2计数。该框架可作为植物数据审查筛选工具，支持藏品审查、数字化、地理参考和分类验证；新调查决策还应结合已知分布、生境和现有未数字化收藏，并以植物区系知识补充文档计数。

研究结论翻译：开放的植物分布记录文档在巴西各生物群系、植物类群和贡献来源之间不均衡。被子植物在汇编证据基础中占主导，而苔藓植物和裸子植物在主要50 km分析中具有最大比例的未记录单元。亚马逊、塞拉多和潘塔纳尔包含这些类群的显著文档空缺，其解释需要考虑其已知分类学分布。覆盖估计取决于记录类别和空间分辨率。将记录限制为保存标本后，国家级未记录单元比例排序保持不变，而仅观测记录改变了一些类群比较。更大的网格单元降低了未记录单元比例，尽管若干显著对比持续存在，且不同分辨率下保留的领土范围有所变化。该框架支持对藏品审查、数字化和数据动员进行空间明确优先排序，后续野外调查决策应由植物区系知识而不仅是文档计数提供信息。