《Biodiversity and Conservation》：Sampling bias masks cross-taxon congruence in Iberian insect species richness patterns
编辑推荐：
准确的物种分布数据是有效保护规划的基础；然而此类数据往往不完整或存在空间偏倚。这类局限可能掩盖真实的生物多样性模式，并削弱跨分类群一致性(cross-taxon congruence)分析的可靠性。在此，研究人员评估数据质量和取样努力如何影响伊比利亚半岛及巴利
准确的物种分布数据是有效保护规划的基础；然而此类数据往往不完整或存在空间偏倚。这类局限可能掩盖真实的生物多样性模式，并削弱跨分类群一致性(cross-taxon congruence)分析的可靠性。在此，研究人员评估数据质量和取样努力如何影响伊比利亚半岛及巴利阿里群岛昆虫物种丰富度模式中的跨分类群一致性(cross-taxon congruence)估计。研究人员使用一个大型、经过整理的地理参照数据库（>845,000条记录，包含1,808个物种），涵盖四个昆虫类群（蝶类、蛾类、粪金龟、水甲虫），在代表信息可靠性逐步提升的四个情景下，通过物种累积曲线评估名录完整性，并识别调查充分的网格单元（完整性≥70%且最终斜率≤0.1）。物种丰富度模式显示出清晰地理结构，丰富度热点通常与主要山系相关，但其具体位置因分类类群而异。在所有数据集情景中，物种丰富度的跨分类群相关性总体为正但中等。重要的是，随着分析逐步限定于调查充分的网格单元，一致性趋于下降，表明低质量数据可能人为夸大类群间表观一致性。最强的一致性出现在同一目（鞘翅目Coleoptera或鳞翅目Lepidoptera）内的分类类群之间，而目间关系明显更弱。总体而言，研究结果表明昆虫物种丰富度表观跨分类群一致性(cross-taxon congruence)受数据质量和分类亲缘关系强烈影响。这些发现强调在多分类群(multi-taxon)方法及生物多样性评估与保护规划中使用替代分类群(surrogate taxa)时需显式考虑取样偏倚的必要性。
论文《Sampling bias masks cross-taxon congruence in Iberian insect species richness patterns》发表在《Biodiversity and Conservation》。研究背景方面，保护规划需要准确的物种地理分布知识，但绝大多数物种和地区存在分布信息缺失，即Wallacean shortfall（华莱士缺失）。受限于时间与资源，生态学与保护规划常依赖生物多样性指示物(indicator taxa)或替代分类群(surrogate taxa)，以其物种丰富度模式代理其他调查不足类群，因此跨分类群一致性(cross-taxon congruence，不同分类类群间物种丰富度空间模式的相似性)成为保护生物学焦点。已有meta分析显示跨分类群一致性结果不一致，一个重要原因是分类类群间取样努力(spatial and temporal sampling effort)不均且存在空间偏倚(sampling bias)，观测分布受时空取样差异强烈影响；偏倚常来自可及区域、历史调查集中区、分类学专长差异、方法差异等，可能造成人为夸大的类群间一致性或虚假的不一致性，而大多数研究未充分评估数据库质量。昆虫占陆地生物多样性绝大部分，对生态系统功能与粮食安全至关重要，但昆虫数据在宏观生态尺度上尤为稀缺且具强地理偏倚，因此明确取样偏倚如何影响跨分类群一致性估计十分必要。研究人员以伊比利亚半岛及巴利阿里群岛（地中海与欧洲生物多样性中心之一）为研究区，选取四个昆虫类群——蝶类(Lepidoptera: Papilionoidea)、蛾类(Lepidoptera: Noctuoidea)、粪金龟(Coleoptera: Scarabaeoidea)、水甲虫(Coleoptera)——基于IberArthro数据库（>845,000条记录，1,808物种，313个30′网格单元≈50×50 km）开展研究，旨在分析跨分类群物种丰富度一致性如何随数据可靠性提升而变化，检验低质量不均数据是否人为夸大一致性，以及分类亲缘关系是否约束模式共享，从而判断观测相似性反映真实宏观生态信号还是取样偏倚产物，为大规模生物多样性评估中替代分类群(surrogate taxa)有效性提供证据。
主要关键技术方法：研究人员使用IberArthro数据库中四个昆虫类群（蝶类、蛾类、粪金龟、水甲虫）的地理参照记录，在伊比利亚半岛及巴利阿里群岛313个30′（约50×50 km）网格单元上计算各类群物种丰富度；以数据库记录数作为取样努力(spampling effort)代理，利用物种累积曲线(species accumulation curves)结合KnowBR（通过ModestR软件实现）估计每个网格单元的名录完整性(inventory completeness，观测物种数/渐近有理函数预测物种数)及累积曲线最终斜率(final slope)；将同时满足完整性≥70%且最终斜率≤0.1的网格单元定义为调查充分(well-surveyed)单元；构建四个数据集情景：(i)原始观测丰富度（所有网格单元，无记录赋0）；(ii)剔除无记录网格单元后的观测丰富度；(iii)仅调查充分网格单元的观测丰富度；(iv)仅调查充分网格单元的渐近预测丰富度(predicted richness)；采用Pearson相关系数(Pearson’s r)计算六对类群间物种丰富度关系，使用R的corrplot包与QGIS进行统计与空间可视化。
研究结果：研究人员首先展示各分类类群观测物种丰富度(observed species richness)空间模式：蝶类与蛾类高丰富度区主要靠近Pyrenees（比利牛斯山）及伊比利亚山脉(Iberian System)、中央山脉(Central Mountain System)内部分网格，蛾类额外在南伊比利亚部分区域出现热点；粪金龟与水甲虫(Coleoptera)呈更斑块状分布，最高丰富度集中于Cantabrian（坎塔布连山脉）与Baetic Systems（贝提科山脉）等其他山系，而非上述蝶蛾热点区。接着识别同时满足四类群调查充分标准的网格单元仅14个（313个中），广泛分布于伊比利亚半岛但数量少，说明多类群同步高完整性网格极有限。在跨分类群一致性(cross-taxon congruence)结果中，所有数据集情景下类群间物种丰富度Pearson相关总体为正但中等；随着数据质量提升（从原始全网格→剔除无记录→仅调查充分观测→仅调查充分预测丰富度），平均相关系数从0.49±0.08降至0.26±0.30，表明低质量数据可能人为抬高表观一致性；目内比较（鞘翅目Coleoptera：粪金龟-水甲虫；鳞翅目Lepidoptera：蝶类-蛾类）平均r更高（约0.58~0.61）且在更高质量数据中目内一致性相对更突出，但目间比较均值从原始0.44±0.05降至预测丰富度时的0.07±0.18，说明目间一致性随偏倚控制显著减弱甚至消失；限制于高质量数据时相关性变异增大，整体下降主要由目间对驱动。
讨论部分总结：研究人员指出跨分类群一致性总体偏弱且依赖数据质量与分类亲缘关系；与“更优数据应给出更强可靠性一致性”的普遍假设相反，限定于更可靠名录后一致性下降，印证低质量数据因共享或类群特定取样偏倚(sampling bias)可能人为制造表观一致性，原始数据混杂真实生态梯度与偏倚 covari结构，需在明确偏倚量级与协方差前提下解读，并提出四种情景框架：一致偏倚+一致丰富度（可能部分偏倚夸大）、一致偏倚+不一致丰富度（更可能为真实生态差异）、不一致偏倚+一致丰富度（偏倚不同时仍一致则更有力支持生态一致性）、不一致偏倚+不一致丰富度（最大不确定性，需偏倚校正与更均匀取样）。本研究四类群取样覆盖与丰富度均互异，最符第四种情景，低目间一致性与既往已知昆虫类群完整性空间异质性一致，说明生态差异与不均取样共同塑造地理模式。目内一致性更强且在质量控制后更突出，符合近缘类群对环境梯度、历史过程、空间约束响应更相似，分类亲缘关系可作为功能相似性代理，但同目内地栖与水生等生态分化仍存在；未来可整合功能性状(functional traits)区分系统发育与生态贡献。研究局限包括：记录数代理取样努力无法完全捕捉采集行为、可检测性、分类专长、方法差异；记录时间异质性（长期累积可能混入土地利用/气候/分布时序变化）影响模式；高完整网格仅14个限制统计力与空间代表性，但放松阈值会削弱“原始vs高质量”对比概念，根本出路是提升数据库空间完整性与质量而非降低标准。结论：单/少量指示分类群(indicator taxa/surrogate taxa)可能遗漏重要生物多样性组分，尤其复杂景观如伊比利亚半岛；需多分类群(multi-taxon)途径与互补指标；昆虫数据数量与质量改进至关重要，应整合标准化监测与整理后历史记录以缓解Wallacean shortfall；即便改进数据，类群间固有生态差异仍会限制替代效力，强化明确多分类群(multi-taxon)方法在保护中的必要性。
