《Ecological Indicators》：An evidence-gated multi-taxon framework maps invasion evidence, climate-linked dynamics and surveillance priorities across China
编辑推荐：
一个证据门控的多分类群框架（evidence-gated multi-taxon framework）绘制了中国入侵证据、气候关联动态和监测优先级。该框架在不抹除来源语义的前提下整合了非等价的入侵记录；包含88个物种的图集突显了中国南部和东部，但强烈依赖于路径
一个证据门控的多分类群框架（evidence-gated multi-taxon framework）绘制了中国入侵证据、气候关联动态和监测优先级。该框架在不抹除来源语义的前提下整合了非等价的入侵记录；包含88个物种的图集突显了中国南部和东部，但强烈依赖于路径和分类群；检测到的扩张和IVR是受限的、对调查努力敏感的诊断指标，而非因果扩散估计；可达性/报告代理变量为空间分块基线模型增添了适度而非普遍的信息；经敏感性表征的优先级层级区分了稳定的监测核心区与证据有限的变动区。
生物入侵既是生态过程，也是观测过程。贸易与运输改变繁殖体压力，气候变化改变物种建立窗口，土地利用与基础设施变化改变定殖机会；然而这些过程只有当外来物种被检测、鉴定、报告并数字化后，才能进入科学与政策的视野。中国拥有从热带海岸到温带森林、青藏高原和干旱内陆盆地的巨大环境梯度，叠加密集的国际贸易、交通和城市网络，既是入侵监测的高优先区域，也是检验多源证据整合方法的严格场所。现有全国性清单虽反复识别出华南和华东为外来物种记录中心，但受到调查强度不均、空间精度参差、报告基础设施差异和影响数据不完整的制约。跨分类群评估更面临根本性挑战：植物、昆虫与其他节肢动物、水生动物、森林病原与线虫在生活史、可检测性、调查方法、报告路径和相关空间尺度上差异巨大，点记录、县级记录、行政分布、官方文本与文献元数据并非同一过程的可互换测量。因此，研究人员提出并实施了一个“证据门控”（evidence-gated）的多分类群框架，旨在保留来源语义、将每条记录置于明确的分析角色中，并防止数据可用性被误认为入侵强度。
研究人员开展的研究包括四个目标：保持广泛分类覆盖同时保留证据路径语义；量化来源路径、分类组成和报告背景对国家证据图集的影响；仅在符合证据条件的子集中评估检测到的扩张、IVR和基线适宜性；将这些受限输出转化为经敏感性检验的监测优先级。其核心设计是由候选库到图集、动态层、模型层和优先级层的多级门控流程。研究从650个物种的种子宇宙出发，经预筛选和注册后得到120个注册候选，88个物种通过图集/框架门；动态、速度和初始IVR层分别进入56、55和54个物种，经敏感性门控后保留43、43和40个；52个物种具备基线输入条件，45个进入主基线模型；51个物种具备优先级框架所需的完整组件。该架构允许信息仅在满足下一分析阶段前提条件时向下游传递，未通过校准或预测变量就绪门控的数据层被扣留而非进行表面修正。
在关键技术方法上，研究以中国全域作为样本队列来源，构建了650物种候选库，经分类、来源和相关性审查后预筛选250种，最终注册120种并通过门控88种。主要方法包括：基于证据路径的阶段分类账（stage ledger）管理每个物种在各分析层的资格；25-km国家图集网格与10-km点源网格结合，行政记录直接与网格相交而不转换为伪点；检测时间动态分析和IVR计算中，以质心位移速度和前沿分位速度作为分子，与年均温等四个气候速度分母交叉，并在逐步去除高努力网格年后进行敏感性检验；基线模型采用空间分块交叉验证，使用PR-AUC、Brier分数、对数损失、校准斜率和期望校准误差等指标评估气候模型（B0）与加入可达性/报告代理的模型（B2）；优先级构建采用非补偿性乘积 A×E×X×G，并用最大值聚合实现单物种触发监测的规则，同时比较多种替代公式和416组有界权重集。
研究结果分为六个部分。第一，“证据门控在保持多分类群广度的同时分离了解析范围”：120个注册候选中88个进入图集，植物占45.5%、昆虫/节肢动物占30.7%；但下游分析范围急剧缩小，时间、预测和优先分析由不同分母支持，不能视为同一物种池的可互换汇总。第二，“图集支持集中在南部和东部，但路径和分类群依赖明显”：联合图集覆盖12,545个25-km陆相网格，行政唯一支持与联合表面高度一致（ρ=0.996），而点唯一支持仅呈弱相关（ρ=0.373），排除植物后ρ降至0.256；尝试的观测背景模型未能通过校准，故未保留条件化图集。第三，“检测到的扩张和IVR信号异质且尺度依赖”：植物累积支持最长最连续，昆虫/节肢动物近几十年快速上升；去除高努力网格年使大多数物种保留资格，但10%去除时95分位前沿速度变化达58.2%；IVR跨分辨率秩相关介于0.801–0.989，但干旱/亏缺分母的尺度响应最大，阈值分类随公式和分辨率变化。第四，“可达性/报告代理变量增加适度而非普遍的信息”：在45个主模型物种中，B2相对B0的PR-AUC中位改善为+0.0144，Brier分数为+0.00192，对数损失为+0.00666，但效果非普遍，且不能区分为纯生态或运输机制。第五，“优先排序具有空间结构但对公式敏感”：51物种A×E×X×G产生2144个排序10-km网格，加权几何与乘积的ρ=0.960、Jaccard=0.673，加权加法ρ=0.911、Jaccard=0.483，最小成分公式大幅下降（ρ=0.429、Jaccard=0.168）；物种到网格的聚合方式同样显著影响最高排名细胞。第六，“监测重分类区分稳定核心与证据有限的变动”：使用S*=0.90P+0.10D的监测分数，识别出176个稳定核细胞、39个新提升和39个放宽细胞；随阈值变严格，优先级-监测重叠从25%层的0.868降至1%层的0.158，显示检测局限对最精选层有不成比例的影响。
讨论部分指出，这项研究的主要贡献不是又一张国家外来物种记录图，而是一个保留各图层解释条件的分析架构。多分类群入侵评估不能通过简单地汇集更多观测解决，因为点记录、行政足迹、检测历史和背景对比回答不同问题，合并会改变其意义。证据门控比剔除更有价值：元数据可用于候选审查，行政分布支持图集，检测历史只有在满足时间和空间标准时进入时间分析，缺乏独立宿主或栖息地预测变量的分类群可保持可见而不被强行纳入机制模型。华南和华东的集中既具有生态合理性，也与更密集的报告基础设施和研究历史相关；该图集应被解读为入侵证据前沿，而非丰度或生态负担的无偏地图。失败的观测背景模型说明静态背景变量无法恢复真实丰富度；IVR是审查信号而非机制度量；可达性/报告代理变量可能同时代表引入机会、人类到达和观测概率，其增益必须结合多指标评估。监测优先级是决策构造而非生态终点，A×E×X×G的非补偿乘积和最大值聚合体现了明确的规划规则。
研究结论可概括为：全国性多分类群入侵评估在将异质证据组织为门控推理链而非合并为单一风险表面时最具可辩护性。在中国，该架构保留了88个图集物种，同时将时间、预测和优先分析限制在满足各自空间、时间和预测变量要求的子集中。华南和华东仍然是主导的证据前沿，但局部热点成员与观测系统结构密不可分。受限的各层提供了互补而非可互换的信息；一个小的检测局限调整将稳定核心与依赖证据约束的位置区分开来。研究的核心产物不是对入侵风险或未来影响的确定性估计，而是一个可审计、可更新的监测架构，其价值在于使来源语义、分析资格、不可用数据和决策假设可见，可为中国的当前监测提供指导，并为其他试图整合不均等多分类群证据的区域提供可转移的模板。
