《Acta Oecologica》:Building global range maps for terrestrial insects with species range kernels and modeled aggregations of georeferenced records
编辑推荐:
大多数陆生无脊椎动物的分布区图通常无法以空间数据形式获取。研究人员的目标是为11,844种陆生昆虫物种(具体为每种拥有至少400条地理参考记录的传粉昆虫物种)构建全球分布区图,采用能够包含约99%记录的物种范围核(species range kernel),并
大多数陆生无脊椎动物的分布区图通常无法以空间数据形式获取。研究人员的目标是为11,844种陆生昆虫物种(具体为每种拥有至少400条地理参考记录的传粉昆虫物种)构建全球分布区图,采用能够包含约99%记录的物种范围核(species range kernel),并结合地理参考记录的聚合多边形。依据聚合距离的不同,点聚合可生成形状和面积各异的多边形集合。为加以说明,针对225种已有专家绘制分布区图的蜻蜓目(Odonata)物种,研究人员根据与分布区图的相似性及对地理参考记录的保真度,从200公里至5000公里范围内的六种聚合距离中选取其一。随后,为预测无现成分布区的昆虫物种的聚合距离,研究人员基于4405种具有已知分布区物种的聚合距离监督分类结果,对与地理参考记录、范围核及六种不同聚合距离下聚合多边形相关的变量进行建模。最后,研究人员考察了物种分布区的物种丰富度梯度,同时认识到采样存在不完整性。预测的聚合距离以中等距离(500公里或1000公里)为主,占昆虫物种总数的86%。鉴于这是一个不存在物种分布区真实答案的六类别复杂问题,聚合距离模型的准确率为0.66。总体而言,误分类通常仅偏差一个距离等级,导致要么形状拟合更优,要么连接性与覆盖度更高。对于蜻蜓目物种,专家分布区图与数据分布区图之间的物种丰富度格局高度相似(r = 0.91),这有助于纠正地理参考记录中的采样不足。为无现成空间分布区图的无脊椎动物构建的分布区图,拓展了底层采样梯度,并提供了至少是临时性的分布区图,填补了空间数据缺失的空白。
**论文解读:基于物种范围核与地理参考记录聚合的陆生昆虫全球分布区图构建**
**一、研究背景与问题提出**
在地球生物多样性评估中,无脊椎动物面临着极为严峻的知识空白。相较于脊椎动物(约81,000种)和维管植物(约400,000种)已基本完成物种编目与分布区评估,节肢动物仅有约30%的物种被鉴定,而全球热带节肢动物的物种丰富度估计高达360万至1140万种。昆虫可能包含500万种,其中仅100万种已被正式记录。这一巨大的物种数量差异导致无脊椎动物的分布数据极为匮乏,绝大多数物种的分布区仅以静态图像形式存在于野外指南或图鉴中,无法作为可获取的空间数据层用于宏观生态学研究和保护规划。
分布区图对于物种鉴定、监测、管理以及从野外研究到保护规划等宏观生态学研究具有多重用途。然而,传统分布区图的制作高度依赖专家知识,需要专家通过共识研讨会等方式反复修订,这一过程耗时且难以标准化。尽管数据驱动的分布区构建方法(如最小凸包)能够从地理参考记录中自动生成分布范围,但凸包方法通常产生过大的多边形且形状受限,难以准确反映物种真实分布。专家分布区虽包含地理参考记录中缺失的生态学信息,但其准确性同样受到质疑——以蜻蜓目为例,IUCN专家分布区图平均仅包含86.0%的地理参考记录,甚至有25%的物种其分布区包含的记录不足50.9%。
近年来,社区自然观察者与在线数据平台的结合使得地理参考记录大量积累,为数据驱动的分布区图构建提供了理想基础。然而,如何从这些不完整且存在采样偏差的记录中生成可靠的空间分布数据,仍是亟待解决的方法学难题。本研究正是针对这一空白,旨在为无现成空间分布区图的陆生昆虫物种构建全球分布区图,以填补无脊椎动物空间数据缺失的鸿沟。
**二、研究设计与方法**
研究人员利用全球生物多样性信息机构(GBIF)获取1990年至2025年间的昆虫地理参考记录,筛选出每种至少400条记录且具有唯一陆地坐标的物种,最终纳入11,844种传粉昆虫(包括5692种鳞翅目蝴蝶和蛾类、582种蜜蜂、586种黄蜂、1613种双翅目蝇类及3371种鞘翅目甲虫)。研究采用的核心方法包括:第一,利用核密度估计(kernel density estimation)从地理参考记录生成物种范围核,提取99%等值线以排除可能包含物种误鉴定或迷途个体误差的离群值;第二,使用ArcGIS Pro制图工具中的聚合点功能,在Eckert IV等积投影下以200、250、500、1000、2000和5000公里六种聚合距离将地理参考记录聚合为多边形;第三,将物种范围核与各聚合距离的多边形合并,通过目视比较选择与IUCN专家分布区图拟合最佳的聚合距离,该过程在结构上类比监督分类;第四,基于4405种具有已知分布区物种的监督分类结果,应用四种随机森林(random forests)算法变体(随机森林、并行随机森林、Rborist和ranger)对32个预测变量进行建模,以预测无分布区物种的聚合距离。
**三、研究结果**
**3.1 分类模型性能**
基于75个变量的完整模型与缩减至32个变量的模型在四种算法下均保持0.66的准确率,对于六类别分类问题而言这一结果合理。留出25%样本验证时,并行随机森林(0.6536)、Rborist(0.6545)和ranger(0.6481)的准确率略有下降。变量重要性分析表明,地理参考记录相对于聚合多边形面积的点密度、200公里和250公里聚合距离下聚合多边形与范围核的交集面积与核面积之比,以及聚合多边形面积是最重要的预测变量。值得注意的是,对于250、500和1000公里聚合距离,仅约1%的物种预测分类偏离指定距离一个以上等级;而2000和5000公里距离的预测趋于保守,以避免过度扩展范围的委托误差。
**3.2 蜻蜓目分布区交叉验证**
对225种蜻蜓目物种的分析显示,IUCN专家分布区图与地理参考记录的中位数交集率为86.0%,但第一四分位数仅为50.9%,表明相当比例的专家分布区存在明显遗漏。相比之下,数据分布区(包含约99%的记录)与IUCN专家分布区的中位数交集率为83.6%,但数据分布区面积中位数是IUCN范围的两倍。对IUCN范围包含至少75%记录的物种,数据分布区面积仅略大(中位数比值1.1);但对IUCN范围包含不足50%记录的物种,数据分布区面积是IUCN范围的近34倍。交并比(Jaccard Index)的中位数为35.3%。若采用500公里默认聚合距离,与IUCN范围的交集率降至74.0%,交并比降至26.4%,表明监督分类显著优于简单默认方案。
**3.3 物种丰富度格局**
由于仅纳入至少400条记录的物种,物种丰富度格局反映了采样充分地区,主要覆盖欧洲及美国部分地区、澳大利亚东部和一些较小的国家或自然保护区。对于225种蜻蜓目,数据分布区与IUCN专家分布区的物种丰富度网格相关性(r = 0.91)显著高于物种范围核与IUCN范围的相关性(r = 0.80),表明数据分布区有效纠正了地理参考记录的采样不足。数据分布区的物种丰富度在物种数量最多的地区(如欧洲和北美的蜜蜂、蝇类和黄蜂)增幅最大,同时展现了非洲撒哈拉以南地区及印马界蜻蜓目物种丰富度高于北美的不典型采样格局。
**四、讨论与结论**
研究结果表明,聚合距离分类模型对约86%的昆虫物种预测为500或1000公里的中等距离,而建模样本中这一比例仅为62%,表明中等聚合距离对大多数陆生昆虫具有普遍适用性。然而,对于蜻蜓目物种,采用500公里默认距离生成的分布区在与IUCN专家分布区的交集率和物种丰富度相关性方面均不如监督分类结果,验证了监督分类方法的必要性。
研究存在固有的局限性:数据分布区仍反映底层采样梯度,采样不完整地区的分布区可能仍存在遗漏误差;物种分布区本身是特定时期物种可能出现的合理区域,并非精确的占据范围。尽管如此,数据分布区通过一致且客观的方法构建,能够包含99%的地理参考记录,并与专家分布区保持高度重叠,为无现成空间分布区图的无脊椎动物提供了可获取的临时分布区图。这些分布区图填补了空间数据缺失的空白,可应用于物种分布模型等受采样不足限制的研究领域,并可通过专家意见或静态分布区图进行后续修正。该研究为全球无脊椎动物多样性评估提供了重要的数据基础与方法框架。
**结论**:本研究通过结合物种范围核与地理参考记录聚合多边形,为11,844种陆生传粉昆虫构建了全球分布区图。基于4405种物种的监督分类模型能够以0.66的准确率预测聚合距离,且86%的物种预测为500或1000公里距离。与IUCN专家分布区图相比,蜻蜓目数据分布区的物种丰富度格局高度一致(r = 0.91),有效纠正了采样不足。这些分布区图以一致、客观的方法填补了无脊椎动物空间数据缺失的空白,为保护规划和宏观生态学研究提供了重要资源。该研究成果发表于《Acta Oecologica》。