利用兰花开发检测气候庇护所、不稳定性和灭绝债务的试点生态指标框架

《iScience》：Developing pilot ecological indicator framework for detecting climate refugia, instability, and extinction debt using orchids

　　

山地森林生物多样性对气候驱动的温度和微气候变化高度脆弱，然而传统指标往往无法捕捉长期生态风险。研究人员将附生兰花作为气候敏感指示物种，利用集成物种分布模型（SDMs；受试者工作特征曲线[ROC]=0.80）模拟了印度西高止山脉北部10种兰花在RCP2.6和RCP8.5情景下2050年和2070年的当前与未来分布。研究人员开发了一个空间明确的保护框架，整合了四个生态指标：优先指数（PI）、生态敏感性分区（ESZ）、栖息地稳定性指数（HSI）和灭绝债务（ED）。最暖季降水量和气候季节性成为分布的主要驱动因子。在低排放情景下，合适栖息地保持相对稳定，但在高排放情景下发生收缩和位移。PI和ESZ识别出气候庇护所，HSI揭示了有限的长时期热点持久性，ED则凸显了隐藏的未来生物多样性损失。整合这些指标为气候适应性保护规划提供了一个稳健的框架。

**研究背景与目的**
山地森林生物多样性对气候驱动的温度和微气候变化高度脆弱，但传统指标（如单一物种分布模型或物种丰富度聚合指标）往往无法捕捉长期生态风险，且忽略了种间变异和群落动态。兰花作为气候敏感指示物种，因其狭窄的气候耐受性和对生物互作的依赖，对气候变化尤为敏感。然而，现有评估多基于单物种或少数物种，缺乏多物种整合视角。本研究旨在利用10种附生兰花，建立集成物种分布模型（SDMs），并开发一个整合优先指数（PI）、生态敏感性分区（ESZ）、栖息地稳定性指数（HSI）和灭绝债务（ED）的框架，以检测气候庇护所、不稳定性及灭绝债务，为气候适应性保护规划提供依据。论文发表在《iScience》。

**关键技术方法**（不超过250字）
研究人员采用集成建模方法（基于R包biomod2），使用10种附生兰花（Acampe praemorsa等）的828个有效分布记录，经rarity稀疏化保留529个点。从WorldClim数据库获取19个生物气候变量（1 km分辨率），结合数字高程模型（DEM）衍生地形变量（坡度、坡向）及人类足迹数据，剔除高相关性后保留11个预测变量。模型采用三种算法（人工神经网络ANN、随机森林RF、多元自适应回归样条MARS）构建集成模型，以受试者工作特征曲线（ROC）和真实技能统计量（TSS）评估性能（ROC>0.7）。基于模型输出，计算PI（=未来丰富度×（1-气候速度））、ESZ（通过丰富度与气候速度四分位数划分庇护所、高风险、边缘等区域）、HSI（统计当前、2050、2070三个时期中属于前10%丰富度热点的次数）及ED（当前丰富度减去未来丰富度）。样本来源为2012–2020年在印度西高止山脉北部（NWG）的野外调查和标本记录。

**研究结果**
*Model performance*：集成模型ROC加权平均值为0.80，TSS加权平均值为0.60，RF表现最佳（ROC=0.81，TSS=0.64）。关键变量为最暖季降水量（bio18，重要性0.24）、温度季节性（bio4，重要性0.24）和降水季节性（bio15，重要性0.22）。
*Potential distribution and habitat mapping*：当前适合栖息地总面积41724.56 km²，其中低适宜38846.93 km²、中适宜1824.66 km²、高适宜1052.98 km²。低排放情景（RCP2.6）下适宜面积略有扩张，高排放（RCP8.5）下中适宜面积增加但高适宜面积先增后减。栖息地变化显示，大部分区域为增益（如RCP2.6_2050增益59.43%），但稳定区域减少（从54.97%降至45.50%）。适宜栖息地发生显著向北和向上坡位移（海拔上升105.5–199.2 m，Wilcoxon检验p<0.001），高排放情景下位移幅度最大。
*PI and eco-sensitive zonation mapping*：PI值在中部和北部西高止山脉最高，表明该区域为气候庇护所；南部和低海拔区域PI值较低。高排放情景下高PI区域（前10%）显著缩小。ESZ分析显示，气候情景与ESZ类别之间存在显著关联（χ2=349.9，p<0.001），但效应量较小（Cramer's V=0.056）。标准化残差表明，庇护所在RCP2.6_2050中显著过多（残差+2.8），在RCP8.5_2070中显著不足（残差-4.1），确认了稳定栖息地的方向性丧失。
*HSI and ED*：HSI显示仅少数区域（HSI=3）在所有时期（当前、2050、2070）保持为持久热点，主要位于中部和北部西高止山脉。大部分区域稳定性为中等（HSI=1–2）或低（HSI=0），高排放情景下不稳定区域增加。ED图显示南部西高止山脉沿悬崖和山地地区ED最高，表明未来物种损失潜力大；北部区域ED较低。ED幅度从2050到2070增大，高排放情景下最显著。

**讨论与结论**
讨论部分指出，本研究首次在区域尺度上对西高止山脉北部附生兰花进行多物种集成建模，识别出关键气候驱动因子（最暖季降水量、温度季节性、降水季节性），并验证了适宜栖息地随气候变化向北和向上迁移的趋势。PI和ESZ分析表明中部和北部西高止山脉为气候庇护所，但高排放下优先区域收缩；HSI揭示持久热点极为稀缺，强调了保护时间稳定性的重要性；ED凸显了南部地区未来的“隐藏”生物多样性损失。研究人员提出分层保护策略：（1）优先保护高HSI且低ED的稳定庇护所；（2）干预高PI但高ED的脆弱高价值区域；（3）监测边缘过渡区。该多指标框架可转移至其他类群和生态系统，通过替换物种丰富度指标（如功能多样性、系统发育多样性）适应不同情境。局限性包括仅使用10种代表物种、未纳入微环境因子（如宿主树特异性、菌根关系）以及依赖气候模型假设。**研究结论**：整合PI、ESZ、HSI和ED四个指标为气候适应性保护规划提供了稳健的框架，能够识别气候庇护所、揭示不稳定性和隐藏的未来灭绝债务，为西高止山脉及类似热带山地系统的兰花保护提供了空间明确、可操作的支持工具。