识别动物数据缺乏的热点以指导紧急研究和监测

《Conservation Biology》：Identifying hotspots of faunal data deficiency to direct urgent research and monitoring

　　

数据缺乏是对灭绝风险评估的一个重大挑战，因为不完整的数据意味着研究人员无法准确识别优先保护的保护区。在此，研究人员利用国际自然保护联盟（IUCN）分布的 amphibians（两栖动物）、sharks and rays（鲨鱼和鳐鱼）、fish（鱼类）、mammals（哺乳动物）、birds（鸟类）和 reptiles（爬行动物）来识别数据缺乏物种的热点。研究人员发现，数据缺乏物种数量高的区域并非随机分布，且不一定与生物多样性热点重叠，特别是在亚马逊和西非。数据缺乏热点集中在热带南美洲、非洲和东南亚；然而，这种分布在分类群之间有所不同。数据缺乏两栖动物的热点集中在哥伦比亚、秘鲁和厄瓜多尔的热带安第斯森林；整个巴西；以及新几内亚高地。刚果河流域、巴布亚新几内亚和菲律宾的热带森林是鸟类数据缺乏的热点。数据缺乏的软骨鱼类（chondrichthyans）集中在热带海洋，特别是非洲西海岸、东亚和热带美洲周围。中南半岛被确定为数据缺乏淡水鱼的主要热点，而印度-太平洋是数据缺乏海洋鱼的主要热点。数据缺乏的海洋哺乳动物广泛分布在南大洋、南美洲、东南亚和西北非洲周围。数据缺乏的爬行两栖动物（herpetofauna）集中在热带亚洲，而热带南美洲、印度尼西亚和中非是数据缺乏陆地哺乳动物的热点。虽然数据缺乏更广泛地反映了生物多样性的驱动因素（例如纬度），但其他因素也具有影响，包括一个国家投入的保护资金量和人口密度。越来越多的证据表明，数据缺乏物种面临灭绝威胁的可能性不成比例地高。研究人员迫切需要将其研究重点放在这些数据缺乏热点上，并确保保护区网络具有适当的代表性并包括数据缺乏物种。此外，需要确定状态评估的准确性，并优先研究数据缺乏物种，以确保它们在未被识别之前不会消失。

**论文解读文章**

**研究背景与问题**

在全球生物多样性保护中，物种灭绝风险评估是制定保护策略的核心环节。然而，大量物种因分布、丰度或种群趋势等关键数据缺失而被列为“数据缺乏”（Data Deficient, DD）类别，这在国际自然保护联盟（International Union for Conservation of Nature, IUCN）红色名录中占比高达15%（16,355种）。数据缺乏导致保护管理者无法准确判断物种受威胁程度，进而影响优先保护区的科学划定。尽管生物多样性热点（biodiversity hotspots）概念被广泛用于指导保护行动，但这些热点主要基于已知受威胁物种的分布，而数据缺乏物种的实际受威胁程度往往被严重低估——机器学习研究表明，88%的数据缺乏两栖动物和超过一半的数据缺乏哺乳动物及爬行动物可能面临灭绝威胁。因此，若数据缺乏物种的分布模式与已知受威胁物种不一致，则现有热点分析存在系统性偏差，可能导致保护区网络无法有效覆盖最亟需保护的类群。本研究旨在检验数据缺乏物种是否呈现与生物多样性热点相似的空间格局，并识别其全球热点区域，以引导紧急研究和监测工作。

**研究方法与结论**

研究人员利用IUCN红色名录中两栖动物、软骨鱼类（chondrichthyans，即鲨鱼和鳐鱼）、淡水鱼、海洋鱼、海洋哺乳动物、爬行动物及陆地哺乳动物的空间分布数据（矢量多边形），结合BirdLife International的鸟类分布数据，通过ArcGIS Pro进行地理处理。热点识别基于物种分布多边形重叠密度，采用目视解译而非固定阈值。为分析驱动因素，研究人员构建了广义线性混合模型（Generalized Linear Mixed Model, GLMM），以国家为分析单元，纳入11个预测变量（包括物种丰富度、国土面积、纬度、人口密度、保护资金、海拔、教育年限等），并考虑空间自相关（Matern相关结构）。模型基于161个国家的完整数据，通过边际赤池信息准则（mAIC）和变差函数分析确定最优模型。最终发现：数据缺乏物种的分布并非随机，其热点区域与生物多样性热点及受威胁物种热点之间存在显著不重叠，尤其在亚马逊和西非；不同分类群的热点模式差异显著（如两栖动物集中于安第斯热带森林，鸟类集中于刚果盆地，软骨鱼类集中于热带海洋等）；模型结果显示，物种丰富度是数据缺乏物种数量的最强正向预测因子，其次为国土面积和纬度（赤道附近最高），而人口密度和保护资金呈弱正相关，海拔呈正相关，但教育年限、GDP等变量无显著效应。

**研究结果**

1. **两栖动物**：数据缺乏热点集中在哥伦比亚、秘鲁和厄瓜多尔的热带安第斯森林；整个巴西（除塞拉多和卡廷加大部分地区）；以及新几内亚高地（图1a）。

2. **鸟类**：刚果河流域、巴布亚新几内亚、中国新疆省和菲律宾的热带森林为热点（图1b）。

3. **软骨鱼类（鲨鱼和鳐鱼）**：集中于热带海洋，特别是非洲西海岸、东亚（菲律宾、日本、中国）和热带美洲，以及新西兰周边（图1c）。

4. **淡水鱼**：主要热点为中南半岛和非洲刚果河（图1d）；**海洋鱼**：主要热点为印度-太平洋（图1e）。

5. **海洋哺乳动物**：广泛分布于温带南大洋、南美洲、东南亚和西北非洲的带状区域（图1f）。

6. **爬行两栖动物（herpetofauna）**：集中于热带亚洲（图1g）；**陆地哺乳动物**：热点为热带南美洲、印度尼西亚（特别是加里曼丹和苏拉威西）以及中非（图1h）。

7. **模型衍生热点**：通过随机效应识别出24个异常国家，其中21个国家（如印度尼西亚、泰国、越南）拥有高于预期数量的数据缺乏物种，而印度、南非、菲律宾则低于预期（表2）。

**讨论与结论**

研究证实，数据缺乏物种的分布模式与已知受威胁物种及生物多样性热点存在显著偏离，这意味着现有保护区优先排序可能遗漏大量潜在受威胁类群。尽管物种丰富度是数据缺乏的主要预测因子，但人口密度和保护资金的正相关关系出人意料，表明高人口密度和高保护投入并未有效弥补知识缺口，反而可能因物种发现与描述活动增加而呈现正关联。海拔的正效应则反映高地地区研究困难。教育年限无显著效应，暗示学术研究聚焦高影响因子的导向可能抑制了对数据缺乏物种至关重要的自然史研究。部分国家（如印度尼西亚、泰国）的异常高值表明这些地区需优先开展针对性调查；而印度、南非等低值国家可能得益于殖民历史带来的较长自然史记录。最终，研究人员强调，亟需将研究重点聚焦于全球数据缺乏热点，尤其是通过支持全球南方（Global South）的科学家进行本地化研究，以去殖民化保护实践，并认识到仅需覆盖全球0.36%陆地面积的6199个保护区即可获取42%数据缺乏物种的信息。结论指出：为减少生物多样性危机中的不确定性，必须明确数据缺乏物种的实际受威胁状态，并确保2030年昆明-蒙特利尔全球生物多样性框架（Kunming-Montreal Global Biodiversity Framework）中“30×30”目标（保护30%陆地和30%海洋）的落实能够充分涵盖数据缺乏物种。