《Insects》：Effects of Different Spatial Extents of Occurrence Data on Biomod2-Based Species Distribution Modeling and Prediction: A Case Study of the Potential Distribution of Spodoptera frugiperda in China
编辑推荐：
气候变化正在重塑全球物种分布，可靠预测入侵物种分布对生态风险评估与害虫管理日益重要。然而，基于区域发生记录校准的物种分布模型（SDMs）可能因生态位截断低估潜在适宜生境。研究人员以全球入侵性农业害虫草地贪夜蛾（Spodoptera frugiperda）为案例
气候变化正在重塑全球物种分布，可靠预测入侵物种分布对生态风险评估与害虫管理日益重要。然而，基于区域发生记录校准的物种分布模型（SDMs）可能因生态位截断低估潜在适宜生境。研究人员以全球入侵性农业害虫草地贪夜蛾（Spodoptera frugiperda）为案例，评估发生数据空间尺度对SDM预测的影响。全球发生记录（1763条）与中国特有发生记录（946条）分别与气候、地形及植被变量结合，在Biomod2平台下构建当前及未来气候情景（SSP1-2.6、SSP2-4.5、SSP5-8.5）的集成SDM。比较两数据集的模型性能、环境变量贡献、生境适宜性格局及质心迁移。全球模型预测性能优异（TSS=0.851，ROC-AUC=0.977），多环境变量贡献均衡；中国模型性能尚可（TSS=0.690，ROC-AUC=0.905），主要依赖Bio06。两模型均一致识别华南与黄淮平原为核心高适宜区。未来投影显示高排放情景（SSP5-8.5）下适宜生境向西北扩张，质心分析进一步表明高排放情景下一致西北移，低排放情景质心运动方向性弱且变异性大。结果表明发生记录空间尺度对SDM预测的影响大于算法间差异。尽管中国模型因入侵种群未达生态平衡可能低估入侵风险，但高适宜生境空间稳定性与质心迁移方向为跨模型比较提供稳健指标。本研究为发生数据选择提供方法学指导，改进气候变化下草地贪夜蛾入侵风险评估与管理。
研究背景方面，全球气候以前所未有速率变化，物种为追踪适宜环境正转移地理范围，但响应不同步，给生态保护与害虫管理带来挑战。物种分布模型（SDMs）通过整合发生记录与环境变量建立物种-环境关系，是预测潜在分布的基础工具，Biomod2等集成框架可综合多算法降低不确定性。区域尺度建模存在生态位截断局限：对入侵或广布种，限定区域内的发生记录仅代表实际地理范围子集，校准环境空间无法覆盖全部现实或基础生态位，即使统计性能高也会偏差预测并低估未来扩张适宜区；但区域模型在本地保护规划中亦有价值。草地贪夜蛾原产美洲，2016年入非后迅速扩散至亚、欧、大洋洲，2019年首现云南后在中国快速蔓延。既有研究多依赖区域记录，全球尺度预测有限。中国作为玉米水稻大国、入侵未达生态平衡且行政边界清晰数据丰富，是检验生态位截断的理想单元。研究人员假设：全球数据性能更高；中国模型因生态位截断更依赖少数变量且宜栖区受限；两模型核心区一致且未来质心西北移。
关键技术方法上，研究人员从GBIF、文献与野外调查汇编草地贪夜蛾发生记录，经坐标清洗与2.5 km空间稀疏化保留全球1763条（其中中国946条）。环境预测因子取自WorldClim 2.1的19个生物气候变量（Bio1–Bio19）、3个地形变量及1个植被变量（Percent Tree Cover, gm_ve），重采样至约1 km，未来气候来自CMIP6中BCC-CSM2-MR的SSP1-2.6/SSP2-4.5/SSP5-8.5（2050s–2090s），植被变量固定为现状。通过Pearson相关（|r|>0.8剔除冗余）分别保留全球13维、中国10维变量。在Biomod2中生成10000伪缺席点，各模型10次重复、75%训练25%评估，以TSS≥0.65且ROC-AUC≥0.90筛选算法（RF因过拟合排除），加权均值集成；适宜阈值按最大TSS确定（全球0.25，中国0.27），生境分低中高三类；质心迁移由SDMtoolbox v2.6计算。
研究结果部分，3.1模型性能与关键预测因子显示，全球集成模型TSS=0.851、ROC-AUC=0.977，XGBoost/MaxEnt/MaxNet领先；中国集成TSS=0.690、ROC-AUC=0.905，低于中国数据下XGBoost单体（0.787）。全球模型变量贡献均衡，Bio08(31.66%)、Bio16、Bio09、Bio03合计80.4%；中国模型Bio06独占84.383%，呈单变量主导，反映区域环境梯度受限与共线筛选后果。3.2当前气候潜在分布中，全球模型预测中国宜栖面积3.462×106 km2，高适宜占34.06%，聚于华南与黄淮平原（湘豫皖苏）；中国模型仅2.409×106 km2，高适宜占56.29%但分布破碎（豫皖边、滇南、粤桂琼）。3.3未来情景下，全球模型在SSP5-8.5至2090s宜栖增至6.183×106 km2（增近80%），低适宜向外扩；中国模型同情景增至4.467×106 km2（增85%以上）且各类均增，但绝对面积仍小于全球模型。3.4生境变化与质心迁移表明，两模型2050s均现西部北部局部退缩伴总体扩张的“重组”特征；全球模型当前质心在河北，SSP5-8.5连续西北移至陕北；中国模型当前质心在河南，SSP5-8.5经两次西北移后东北至甘肃，低排放SSP1-2.6下中国模型甚至东南移向重庆，说明高排放方向性强、低排放变异性大。
讨论部分指出，发生数据空间尺度引入的变异大于算法选择差异；集成平均并非无条件优于最优单体，中国数据下集成被低效算法稀释即为例证。变量贡献差异受区域共线结构干扰，全球模型高AUC-TSS代表更广环境梯度判别力而非中国局地“更真”，其大面积预测含外推不确定性。两模型核心高适宜区（华南、黄淮平原）空间稳健，与该虫生理耐受及黄淮玉米带宿主资源有关，可作跨模型可靠输出。未来动态呈“空间核心稳、时间非线性”：2050s局部退缩与扩张并存，2070s后高纬高海拔转宜，高排放下西北向扩张最强。中国作为2019年新入侵终端，记录未达平衡，中国模型质心偏南、西移放大，迁移距离应保守解读；质心方向比面积量级更稳健。局限包括GBIF采样偏倚、未纳入宿主与生物互作、均衡假设与新近入侵失配、单GCM、无时间独立验证。结论重申：全球数据拓宽环境包络减轻生态位截断，中国模型适于局地高风险识别但需谨慎保守；发生数据尺度须匹配科学问题，二者皆非普适最优。论文发表于《Insects》。
结论部分原文翻译：本研究证明发生数据空间尺度是物种分布模型预测的关键决定因素。基于全球数据校准的模型预测性能更优，对中国专属模型因生态位截断及单一气候变量强依赖而言，提供了更宽的物种环境生态位刻画。尽管存在差异，两模型一致识别华南与黄淮平原为核心高适宜区，凸显该区域空间稳健性。未来投影揭示适宜生境向北向西扩张，尤在高排放情景下；中国模型因区域生态位截断预测西移更强。低排放情景下中国模型方向变异性大，表明温和气候变化产生较弱一致迁移趋势。总体上，全球模型提供较宽环境包络，在评估潜在范围扩张时降低生态位截断风险；中国模型对定位局地高风险区仍有价值，但因入侵进行中其保守预测须谨慎解读。研究发现发生数据尺度选择须契合具体科学问题与地理背景，全球与区域模型皆非普遍占优。
