基于丰度的物种分布模型为突尼斯入侵植物 Solanum elaeagnifolium Cav. 的管理策略提供依据

《European Journal of Agronomy》：Abundance-based species distribution models inform management strategies of the invasive plant species Solanum elaeagnifolium Cav. in Tunisia

　　

• •
  Solanum elaeagnifolium 在突尼斯的丰度是使用气候、人为、土壤和土地覆盖预测变量进行建模的。
• •
  RAF、GBM、XGB 和 SVM 算法显示出最高的预测性能。
• •
  温度和降水是主要驱动因素，在干旱气候下丰度最高。
• •
  目前的入侵热点位于突尼斯东北部和中东部，对农田有很强的亲和力。
• •
  未来气候情景（SSP1–2.6 和 SPP5–8.5）预测到 2030 年、2050 年、2070 年和 2090 年高丰度区域将发生重大扩张和空间转移。

引言

入侵植物在新区域建立后，在入侵之前会经历一个滞后阶段以增加其种群规模（Lázaro-Lobo et al., 2025）。高丰度种群更能够维持其当前分布并扩大其范围（Verberk, 2011, Evans et al., 2024）。它们还具有更大的进化潜力，能够更快地适应变化的环境条件（Verberk, 2011, Evans et al., 2024）。因此，它们可能具有造成重大生态和经济影响的更大能力（Bradley et al., 2019, Pearse et al., 2019, Evans et al., 2024）。

物种分布模型（SDMs）是绘制物种入侵风险地图和评估其潜在地理分布的必要工具。准确的预测对于物种早期检测和指导有效管理行动至关重要（Lázaro-Lobo et al., 2025）。大多数 SDMs 仅使用存在数据，缺乏物种丰度信息，这限制了它们完全捕捉入侵动态的能力（Beaury et al., 2023, O'Neill et al., 2021）。基于丰度的物种分布模型（ADMs），在文献中也被称为“用丰度数据拟合的 SDMs"和“物种丰度模型”，最近被确定为一种独特的建模方法类别（Waldock et al., 2022, de Oliveira Junior and Velazco, 2025）。ADMs 将物种丰度与环境数据相关联，以模拟和预测空间或时间上的丰度。这种方法对于已确立的物种非常重要，提供了对其种群模式和空间变异性的更深入理解（de Oliveira Junior and Velazco, 2025）。因此，ADMs 提高了对入侵强度和潜在影响的预测能力（O'Neill et al., 2021）。Beaury 等人（2023）通过使用不同丰度阈值过滤的出现记录来模拟栖息地适宜性，完善了对入侵植物风险的地理评估，支持对三种入侵植物物种进行更有针对性的管理。

Solanum elaeagnifolium Cav.（# SOLEL），通常被称为银叶茄，原产于墨西哥东北部和美国（Tataridas et al., 2023）。它已成为遍布多个大陆的广泛入侵物种，包括北非、南欧、澳大利亚和亚洲部分地区（Roberts and Florentine, 2022, Tataridas et al., 2023, Uludag et al., 2016）。其入侵成功归因于其快速的营养繁殖、耐旱性以及定殖受干扰栖息地的能力（Roberts and Florentine, 2022, Tataridas et al., 2022, Tataridas et al., 2023）。

在世界范围内，它对生物多样性和作物生产构成重大威胁。在农学上，已有记录表明它会导致美国小麦减产高达 50%（Sforza and Jones, 2007），摩洛哥玉米减产高达 64%（Baye and Bouhache, 2007, Tataridas et al., 2023），埃及大麦减产高达 30%（Amer, 2021, Tataridas et al., 2023），希腊苜蓿减产在 8% 到 26% 之间（Tataridas et al., 2023, Travlos, 2013），仅在澳大利亚每年的经济损失估计就超过 6200 万澳元（Roberts and Florentine, 2022）。在生态上，其入侵与受入侵群落相比非入侵群落本地植物物种丰富度、多样性和均匀度的显著降低有关（Balah and Hassany, 2023），并通过减少对共花本地物种的花朵访问而破坏传粉者网络（Tataridas et al., 2023, Tscheulin et al., 2009）。

SOLEL 是一种广泛入侵的物种，以其在农田、森林、城市环境和路边表现出的卓越适应性而著称（Chavana et al., 2021, Li et al., 2024, Tataridas et al., 2022, Uludag et al., 2016）。其春夏生长周期使其能够与作物竞争，负面影响产量（Roberts and Florentine, 2022），而化感相互作用则抑制本地植物生长并降低生物多样性（Tataridas et al., 2022, Li et al., 2024）。此外，其浆果含有有毒生物碱，对牲畜健康构成风险，并且该植物是害虫、真菌、病毒和细菌的储库（Roberts and Florentine, 2022, Tataridas et al., 2022, Li et al., 2024）。因此，SOLEL 在澳大利亚、南非、印度和美国部分地区等多个国家和地区被列为恶性杂草（Roberts and Florentine, 2022, Li et al., 2024）。

SOLEL 在 1960 年之前可能不存在于突尼斯，随后在半干旱地区成为问题杂草（Mekki, 2006）。较大的种群通常具有更大的进化潜力，增强了它们应对环境波动的能力（Verberk, 2011, Evans et al., 2024），因此密集的入侵种群更有可能造成明显的生态破坏和经济损失（Bradley et al., 2019, Parker et al., 1999, Pearse et al., 2019, Evans et al., 2024）。因此，对其空间分布和丰度的精确评估对于制定有效管理计划以控制其蔓延并减少其影响至关重要。

本研究的目标是评估 SOLEL 在突尼斯当前和未来气候条件下的潜在分布，通过校准两个集成模型：一个整合了气候变量、人为描述符和土地覆盖描述符，另一个仅依靠气候变量，以评估非气候预测变量在提高预测准确性方面的附加价值。

章节片段

方法

所有统计分析和建模均在 R 中进行（R Core Team, 2024）。

结果

经过调整模型的（GLM, RAF, GBM, XGB, SVM, NET, 和 DNN）使用仅气候和完整（气候 + 土地覆盖 + 人类足迹 + 土壤）预测变量集进行了校准，以便直接比较其丰度预测性能（图 6）。对于 RAF、GBM、XGB 和 SVM，完整预测变量集始终提高了基于排序的相关性，Spearman 相关系数分别从 0.71、0.70、0.70 和 0.70 增加到 0.76、0.73、0.75 和 0.73。RAF、GBM 和 XGB 的 MAE 也有所降低，

讨论

我们的建模框架显示出预测性能，大大超过了近期全面评估中报告的基准。Waldock 等人（2022）发现，最佳模型通常实现的 MAE 中位数为 0.62–0.69，Spearman 相关系数约为 0.48，校准斜率需要重新调整以近似 0.56。相比之下，我们保留的四个模型（SVM, RAF, GBM, XGB）实现了更低的 MAE，更高的排序相关系数，以及近乎理想的校准斜率，无需

结论

理解和预测 SOLEL 在突尼斯的丰度和分布，有助于改善我们对突尼斯生态需求和空间动态的理解，并为有目标的保护和管理策略提供信息。针对 SOLEL 的重点研究提供了关于塑造其空间模式的具体生态需求、种群动态以及对环境变异性的反应的关键见解。此外，关于……的准确预测模型

CRediT 作者贡献声明

Zayneb Soilhi：写作 – 原稿，可视化，验证，方法学，调查，概念化。Salwa Ben Fredj：项目管理，数据管理。Mounir Mekki：写作 – 审阅与编辑，验证，监督，项目管理，方法学，调查。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系，这些关系可能看起来会影响本文中报告的工作。

致谢

作者衷心感谢和赞赏 24 个区域农业发展专员公署（CRDA）的技术人员。他们在数据收集和 SOLEL 监测方面的承诺和宝贵的支持对这项工作的成功实施和完成起到了帮助作用。

Zayneb Soilhi|Salwa Ben Fredj|Mounir Mekki