《Diversity and Distributions》：Setting Priorities for the Acquisition of Primary Plant Occurrence Data
编辑推荐：
全球生物多样性框架（GBF）和全球植物保护战略（GSPC）的有效实施依赖于准确的物种分布数据。然而，当前的维管植物分布数据通常稀疏且存在偏差，需要大幅扩展。本研究开发了一个可扩展的框架，用于优先考虑植物发生数据获取的区域，使植物学机构能够协调工作并有效分配资源
全球生物多样性框架（GBF）和全球植物保护战略（GSPC）的有效实施依赖于准确的物种分布数据。然而，当前的维管植物分布数据通常稀疏且存在偏差，需要大幅扩展。本研究开发了一个可扩展的框架，用于优先考虑植物发生数据获取的区域，使植物学机构能够协调工作并有效分配资源。位置：全球和区域。方法：研究人员使用基于理想解相似性的排序技术（TOPSIS）分析，基于以下标准确定区域优先级：（a）生态系统服务价值；（b）受气候或土地利用变化威胁的植物区系价值；以及（c）物种丰富度估计的不确定性。分析按树木主导和草原/森林砍伐的生物群落进行分层。生成了全球和五个主要区域的优先地图，然后由现场专家验证以确保生态相关性。结果：数据驱动的优先地图在现场专家中获得了高度共识，全球和区域输出之间的高度相似性证明了模型的可扩展性。通过明确模拟采样偏差而不是依赖原始发生数据，研究人员的框架成功识别了全球关键但历史上被忽视的未来数据获取区域，如亚马逊、普托拉纳高原和加拿大哈德逊平原。主要结论：研究人员的方法为支持全球生物多样性框架的国家实施提供了一个透明、适应性强的工具。该框架的一个关键优势是其能够系统地将专家意见转化为明确的定量标准，从而促进与政策制定者和资助者的清晰沟通。通过根据定制变量和权重优先考虑数据获取，本研究促进了有限资源的有效利用，以解决全球生物多样性知识差距。
当前，人类驱动的物种灭绝事件（Barnosky等，2011）对生物多样性和生态系统服务构成严重威胁（Ceballos等，2015；Díaz等，2019）。国际社会据此制定了2050年生物多样性愿景，包括全球生物多样性框架（Global Biodiversity Framework, GBF）和全球植物保护战略（Global Strategy for Plant Conservation, GSPC），其有效实施依赖于准确的物种分布数据。然而，维管植物发生数据稀疏且存在空间、分类和时间偏差（Feeley & Silman, 2011；Feng等，2022；Hortal等，2015），导致物种分布模型（Species Distribution Models, SDMs）预测不可靠（Moudry等，2024）。现有数据收集偏向于易达区域，加剧了偏差（Di Cecco等，2021）。因此，亟需一项策略来优化数据获取工作，优先考虑高风险和知识空白区域。本研究开发了一个多标准决策框架，使用基于理想解相似性的排序技术（Technique for Order Preference by Similarity to Ideal Solution, TOPSIS），整合环境、植物区系和生态系统变量，识别和排序未来植物数据获取的优先区域，并发表在《Diversity and Distributions》上。
研究人员使用了TOPSIS多标准决策方法，基于8个环境变量（见表1），分为三个标准：（a）生态系统服务价值（包括生物多样性、碳和水、气候稳定性、地形粗糙度）；（b）威胁（人类改造、未来气候不稳定、灭绝威胁）；（c）不确定性（采样偏差、物种丰富度差异）。变量加权采用三级系统（0.02、0.07、0.22），并通过层次分析法（Analytic Hierarchy Process, AHP）进行成对比较。分析按树木主导和草地/森林砍伐两种生物群落分层。生成了全球和五个区域（非洲和马达加斯加、东亚、西伯利亚和俄罗斯远东、南美洲、北美洲中美洲和安的列斯群岛）的优先地图，并由27位领域专家评估。
**3.1 全球尺度**：通过全球尺度的TOPSIS分析，树木主导区域中最高优先区域包括安第斯山脉、亚马逊、大西洋森林、中美洲走廊、北美哈德逊平原等；非树木主导区域则突出圭亚那地盾、青藏高原、伊比利亚半岛、普托拉纳高原及高纬度泰加林和北极地区。
**3.2 非洲和马达加斯加**：专家支持95%的最高优先区域。树木主导区域优先包括刚果、赞比西、吉布提和索马里生物地理区，以及马达加斯加湿润森林；非树木主导区域聚焦富塔贾隆、埃塞俄比亚草原、纳米比亚大西洋沿岸和南非东开普省。专家指出利比里亚和埃塞俄比亚部分区域优先级不足。
**3.3 东亚、南亚和东南亚**：专家共识为85%，是区域中最低。树木主导区域优先包括喜马拉雅、青藏高原、云贵高原及巽他、华莱士和萨胡尔陆架；非树木主导区域集中于天山、兴都库什、喀喇昆仑和喜马拉雅的高海拔系统。专家认为帝汶和婆罗洲南部优先级应更高。
**3.4 西伯利亚和俄罗斯远东**：专家支持所有最高优先区域。树木主导区域优先包括乌拉尔山脉、堪察加、普托拉纳高原、阿尔泰和图瓦共和国及布里亚特；非树木主导区域增加萨哈林州。
**3.5 南美洲**：专家支持92%。树木主导区域优先包括安第斯森林、亚马逊森林、大西洋雨林、卡廷加和塞拉多；非树木主导区域优先高海拔安第斯草原和塞拉多部分地区。专家质疑潘帕斯草原和玻利维亚贝尼、奇基塔尼亚地区未被列为首要。
**3.6 北美洲、中美洲和安的列斯群岛**：专家支持所有中美洲区域。树木主导区域优先包括海洋西海岸森林、西北森林山脉、哈德逊平原及墨西哥、古巴和中美洲热带森林；非树木主导区域包括北极科迪勒拉、大平原和墨西哥地中海植被及中美洲高地。
讨论部分总结：该框架的透明性和可扩展性使其成为支持GBF国家实施的有力工具。TOPSIS方法将专家意见转化为定量标准，便于与政策制定者和资助者沟通。与以往基于原始发生数据的研究（如Myers等，2000的热点；Ondo等，2024的暗区）相比，本研究通过显式建模采样偏差，成功识别了亚马逊、普托拉纳高原等被忽视的关键区域。专家反馈的高共识（85%–100%）验证了结果。局限性包括森林与非森林分类的阈值定义、50×50 km分辨率对局部植被的误分类，以及未能纳入β多样性等变量，但框架的简单性有利于解释和调整。
研究结论翻译：全球生物多样性框架（GBF）和全球植物保护战略（GSPC）的有效实施依赖于可靠的植物发生数据。为此，我们开发了一个可扩展、透明的空间优先框架，使用TOPSIS多标准决策方法。通过整合环境、植物区系和生态系统变量，该方法将植物学专家判断转化为明确的定量标准。与“黑箱”机器学习模型不同，其内在可追溯性允许对数据和权重进行审查、调整，并针对特定国家或利益相关方需求进行定制。在全球和区域尺度上应用，该框架突出了历史上被忽视的关键数据获取区域，如亚马逊、中非和东非部分地区、哈德逊平原和普托拉纳高原。通过使用发生数据显式建模采样偏差以及观测与预期多样性的差异，我们的方法绕过了历史采集偏差，并与实证领域知识高度一致。实现2030年生物多样性目标需要紧急生成原始野外数据。尽管数字化标本馆和地理参照传统标本增加了总体数据量，但这些工作复制了历史模式而非缓解空间偏差。解决这些空白需要有针对性的野外调查以及植被样地与标本收集的系统整合。通过采用这一透明框架，植物学机构可以协调工作，并为资助者和政策制定者提供高效资源配置所需的可行证据。
