《FACETS》：Navigating methodological decisions: balancing rigor and data volume of the Canadian Living Planet Index
编辑推荐：
生命星球指数（LPI）是一种生物多样性指标，通过评估聚集脊椎动物丰度数据的相对变化来衡量生物多样性，被用于全球和国家生物多样性监测框架。在加拿大，LPI已被修改为加拿大生命星球指数（C-LPI），采用了与全球LPI不同的方法论选择。然而，对于最合适的分析方法尚
生命星球指数（LPI）是一种生物多样性指标，通过评估聚集脊椎动物丰度数据的相对变化来衡量生物多样性，被用于全球和国家生物多样性监测框架。在加拿大，LPI已被修改为加拿大生命星球指数（C-LPI），采用了与全球LPI不同的方法论选择。然而，对于最合适的分析方法尚未达成明确共识，特别是在零值处理、置信区间与不确定性、时间序列长度与所需数据点数、短时间序列建模、异常值剔除、物种加权以及基线年份选择的影响等方面。研究人员的研究透明地探讨了多个方法论选项以及每个决策点对应的C-LPI输出结果。研究人员的研究并非评估单一方法的优越性，而是旨在提高C-LPI报告的透明度和可问责性。研究人员希望这将进一步增强C-LPI的实用性，并为决策者提供必要信息，以恰当解读模式、评估生物多样性目标进展并指导保护行动。
本文解读了发表在《FACETS》上的一项研究，该研究聚焦于加拿大生命星球指数（C-LPI，一种基于脊椎动物丰度相对变化评估生物多样性的指标）的方法论决策。研究背景方面，全球生物多样性丧失加剧，需要可靠指标追踪国家（如加拿大2030自然战略）和全球（如《生物多样性公约》昆明-蒙特利尔全球生物多样性框架）目标进展。LPI作为广泛使用的指标，在加拿大被改编为C-LPI，但其方法近年来受到批评，原因包括数据和方法问题（如零值处理、异常值影响、时间序列长度等）。目前对这些方法的最佳选择缺乏共识，因此研究人员开展本项研究，旨在透明地展示不同方法论选择如何影响C-LPI输出，而非评判单一方法的优劣，以提高报告透明度和可问责性，为决策者提供恰当解读模式、评估进展并指导保护行动的信息。
研究人员使用了来自加拿大LPI数据库（LPD 2025）的5793个监测种群、950个本土脊椎动物物种的种群时间序列数据，这些数据主要来源于政府数据库和同行评审出版物，按Collen等人（2009）标准收集，并限于2020年《野生物种报告》列出的加拿大本土物种。关键方法包括利用公开的rlpi R包计算指数，探讨了七项方法论决策的多种选项：零值处理（如替换为NA、加小值、条件替换等）、置信区间与不确定性（通过不同层级的自举法）、时间序列长度与数据点数（要求不同数据点数、长度和完整性）、短时间序列建模（线性回归、对数线性插值、强制广义加性模型GAM）、异常值剔除（移除上下极端λ值的不同百分比）、物种加权（等权重与按物种丰富度比例加权）以及基线年选择（从1970到2015年每5年递增）。所有比较基于定性描述，关注端点值和轨迹一致性。
研究结果保留原文小标题如下：
i. 零值处理（Treatment of zero values）：当前C-LPI将零值视为缺失值（NA），得出的2022年指数值为0.90，处于六种替代选项的中间范围（0.81–0.98）。加极小值0.000001导致最大不确定性（置信区间范围0.37）和最正端点（0.98），而条件替换（前导和中间零为NA、末尾零加1%均值）产生最负趋势（0.81）。零值在鱼类、两栖爬行类和海洋哺乳动物时间序列中最常见，末尾零则多见于陆生哺乳动物。
ii. 置信区间与不确定性（Confidence intervals and uncertainty）：按年份自举法产生最小置信区间（2022年范围0.85–0.96），而当前C-LPI按物种自举法显示最大区间（0.80–1.02），提供了更大透明度。
iii. 时间序列长度、数据点数和完整性（Time series length, number of data points, and completeness）：当前C-LPI要求≥3数据点，得端点0.90。允许≥2数据点产生最负趋势和端点（0.85），而≥6数据点产生上升趋势（1.03），≥15数据点端点接近C-LPI（0.99）但轨迹不同。时间序列长度分析显示，更短长度产生更负趋势（端点0.87–0.99），但≥10、15、20年之间无显著定性差异。完整性评估显示，包含不完整时间序列的指数变异性更大（端点0.82–1.02）。
iv. 短时间序列建模（Modelling of short time series）：约36%的种群时间序列使用GAM建模，其余64%采用替代方法。线性回归（当前C-LPI）得端点0.90，与强制GAM（0.89）差异小，而对数线性插值产生更多年际变异且端点略正（0.95），但所有方法均显示下降趋势。
v. 异常值剔除（Removal of outliers）：从上下极端同时剔除0%、5%、10%、15%的物种λ异常值，端点值相近（0.90–0.91），但置信区间逐步缩小（剔除15%时窄约49%）。单独剔除上端或下端异常值则产生更大影响，因引入偏差。
vi. 物种加权（Weighting species）：加权指数（按物种丰富度比例）与等权重指数端点相似（0.91 vs. 0.90），但加权指数置信区间更大（0.76–1.08 vs. 0.80–1.02）。
vii. 基线年（Baseline year）：基线年从1970移至2015，端点值从0.90（1975基线）升至0.99（2015基线），近期基线年变异较小，因时间跨度有限。
讨论部分指出，大多数决策点的指数端点值相对相似，但零值处理、数据点数和完整性导致最大变异（端点差异达20%）。C-LPI的当前方法常处于中间范围，是未来评估的良好基准。零值分析表明，C-LPI数据中零值极少反映局部灭绝，更多是缺失值，因此当前将零视为NA合理。置信区间采用物种自举法提供了最大可能值范围，有助于透明度。短时间序列建模单独影响有限，但与其他决策结合可能放大效应。异常值剔除和物种加权对端点影响较小，可能与加拿大数据稳健性有关。研究建议继续投资长期监测，填补数据空白，并优先对零值处理、数据点数和完整性进行进一步科学共识。结论部分强调：本研究增强了加拿大监测脊椎动物丰度数据的可靠性，支持其作为国家生物多样性指标的应用。研究提供的透明度将进一步强化C-LPI及其输出的实用性，因为该指标已被用于国内报告GBF（全球生物多样性框架）进展。研究人员认为，在大型时空尺度上测量所有物种的种群轨迹不现实，因此必须对支撑生物多样性指标的方法论决策保持透明，为决策者提供恰当解读模式、评估进展和指导保护行动所需的信息。
