《Diversity and Distributions》：Using Integrated Species Distribution Models to Improve Range Size Metrics for IUCN Red List Assessments
编辑推荐：
目的：物种的占有面积（Area of Occupancy, AOO）和出现范围（Extent of Occurrence, EOO）是红色名录评估的关键指标。即使数据支持更严格的分析，通常仍采用具有任意阈值的仅存在（presence-only）物种分布模型（S
目的：物种的占有面积（Area of Occupancy, AOO）和出现范围（Extent of Occurrence, EOO）是红色名录评估的关键指标。即使数据支持更严格的分析，通常仍采用具有任意阈值的仅存在（presence-only）物种分布模型（Species Distribution Models, SDMs）来估算这些指标。研究人员评估了集成物种分布模型（integrated SDMs, iSDMs）相对于仅存在SDMs在估算这些指标方面的优势，重点关注阈值选择和不确定性量化。位置：南美洲巴塔哥尼亚，包括马尔维纳斯群岛/福克兰群岛。方法：研究人员对五种猛禽（Glaucidium nana, Strix rufipes, Buteo ventralis, Phalcoboenus australis, P. albogularis）的分布进行建模，使用spOccupancy中具有空间随机效应的分层贝叶斯框架拟合iSDMs，并将AOO和EOO估计值与Maxent仅存在-背景SDMs的估计值进行比较。为评估相对于已知真实值的准确性，研究人员随后从受检测和采样误差影响的iSDM模拟数据，将真实AOO（对阈值化最敏感的指标）与不同阈值规则下iSDM和SDM的估计值进行比较。结果：经验上，两种方法预测的占有模式相似（r=0.48–0.90），但AOO和EOO估计值存在差异。Maxent中的阈值选择产生的变异与iSDM的90%可信区间相当，AOO和EOO的变化范围分别达到数千和数十万平方公里。只有一种物种的EOO估计值在两种方法之间有重叠，三种物种的AOO有重叠。iSDM估计表明，没有物种符合红色名录Criterion B下的受威胁状态，尽管条纹卡拉卡拉（Striated Caracara）接近近危。在模拟中，无论阈值如何，SDM对AOO的估计与真实值相关性很差（r=0.09），而iSDM估计与真实值强相关（r=0.78），且具有名义覆盖率。主要结论：当检测/未检测数据可用时，iSDMs能够提供不确定性量化并避免任意阈值，这是相对于仅存在SDMs在估算分布范围大小指标方面的两个关键优势。研究人员建议对具有此类数据的分类群使用iSDMs，而不是将数据降级以适应仅存在SDMs。
准确估算物种分布对于保护至关重要，因为物种的范围能够反映其环境关联并用于评估灭绝风险。在IUCN红色名录评估中，出现范围（Extent of Occurrence, EOO）和占有面积（Area of Occupancy, AOO）是关键指标。然而，常用的仅存在物种分布模型（Species Distribution Models, SDMs）如Maxent存在诸多局限：无法估计物种流行度，输出未经统计校准，需要使用任意阈值将连续预测转化为二元结果，且通常不报告参数不确定性。这些问题可能导致范围估计产生偏差且过度自信。集成物种分布模型（integrated SDMs, iSDMs）通过整合检测/未检测数据与仅存在数据，在统一统计框架下估计物种流行度、采样偏差和不完全检测，并提供不确定性量化。研究人员以巴塔哥尼亚五种猛禽为对象，评估iSDMs相对于仅存在SDMs在估计AOO和EOO方面的优势，并利用模拟研究检验不同阈值方法的可靠性。该研究发表在《Diversity and Distributions》。
研究人员从eBird获取检测/未检测数据，从全球猛禽影响网络（GRIN）、全球生物多样性信息设施（GBIF）及合作者野外调查获取仅存在数据，覆盖2010–2023年繁殖季节。环境变量包括WorldClim气候数据、遥感土地覆盖（如森林、灌木地等）、地形指标（高程、地形位置指数TPI、地形粗糙度指数TRI）及距海岸距离等。iSDM采用分层贝叶斯框架，在spOccupancy中实现，包含占用过程（带空间随机效应）、检测过程和采样过程，使用最近邻高斯过程（NNGP）模拟空间相关。比较模型为Maxent仅存在-背景SDM，使用maxnet拟合，并采用最大敏感度+特异性（maxSSS）和平均预测（meanPred）两种阈值。EOO通过最小凸多边形计算，AOO通过占满2×2 km网格并利用downscale包降尺度计算。模拟研究则从已知iSDM模拟数据，比较不同方法对真实AOO的恢复能力。
3.1 协变量贡献：iSDM估计的检测概率和采样概率总体较低。不同物种表现出不同的栖息地关联，例如两种鸮类对海拔的响应相反，但都与常绿阔叶林正相关；棕尾鵟（Buteo ventralis）与混交林强正相关；条纹卡拉卡拉（Phalcoboenus australis）与距海岸距离负相关。气候变量如暖季降水、降水季节性、温度也影响多个物种。存在-背景SDM显示了相似模式但未能分离单变量效应。
3.2 地图比较：iSDM与SDM预测的占有空间格局大致相似，Pearson相关系数为0.48–0.90，其中棕尾鵟和条纹卡拉卡拉较低。iSDM地图在远离采样记录的区域表现出高不确定性，尤其条纹卡拉卡拉的占有概率在0到1之间大范围变化。
3.3 范围指标比较：两种阈值方法产生的AOO和EOO估计差异巨大，变化幅度与iSDM的90%可信区间相当。两种基于模型的方法之间重叠很少：仅三种物种的AOO估计重叠，一种物种的EOO估计重叠。基于观测的朴素估计通常小于iSDM预测。与IUCN已有的EOO相比，多数物种差异显著。
3.4 模拟研究：在模拟中，无论采用何种阈值，SDM对AOO的估计与真实值相关性极低（r=0.09），而iSDM估计与真实值强相关（r=0.78），且区间覆盖率接近名义水平。
讨论部分指出，iSDM提供不确定性量化并避免任意阈值的关键优势。空间随机效应可能更好地处理过程误差，但需注意薄化过程设定。阈值选择依赖于对流行度的先验知识，否则会产生巨大不确定性。模拟表明iSDM能恢复真实AOO，而SDM输出与真实值几乎无关，因此难以提出通用校正因素。对于这五种猛禽，基于模型估计没有物种符合Criterion B的受威胁标准，但条纹卡拉卡拉的较低AOO置信区间接近近危阈值。棕尾鵟的估计范围远大于濒危标准，其濒危状态可能主要由其他标准（C2a(ii)）驱动。模型使用的环境数据多来自2006年以前，可能未反映近期栖息地丧失，应在未来评估中更新。
研究结论：我们的研究强调了在估算如EOO和AOO等基于范围的指标时，模型选择和方法透明的重要性。使用仅存在SDMs和阈值而不考虑物种流行度或报告预测不确定性，限制了EOO和AOO估计的可靠性，并使关于占有变化的潜在推断复杂化。由于iSDMs在模型设定正确时具有良好的校准性，它们在概念上更适合推导基于占有的范围指标。从实践角度看，大范围可用的数据越来越多地原生编码为检测/未检测数据，或易于转换为该形式，如果可以拟合更精细的模型，几乎没有理由丢弃这些信息以拟合混合仅存在模型。
