计算生物多样性建模内生物地理无知

可分析生物多样性数据预测各种时间尺度和空间的物种分布调查完整性和数据质量时间衰减给生物多样性模型带来不确定性。研究者Joaqun Hortal、Juliana Stropp(西班牙自然科学国家博物馆)、Richard Ladle(葡萄牙波尔图大学)和Geiziane Tessarolo(巴西Goiás州立大学)等机构正在搭建第一张生物地理智能地图,该地图说明生物多样性分析的不确定性与物种分布模型并发, 莫比斯确保保护资源适当分配

在一个技术先进社会里,数据可以远程收集,几乎连续收集,以低费用进行生物多样性研究,越来越以数据为驱动力。生物多样化数据-即记录物种发生-很容易从现场调查中收集,以评估生物多样化与环境之间的关系科学家、保护论者和决策者可以使用这些数据理解物种在哪里,为什么存在,未来气候或土地使用假设下分布会如何变化,这些变化会如何影响生态系统服务 — — 生态系统为人类提供各种利益,包括食物和水,提高人类抗旱或洪涝等极端事件的能力。有了这些知识,全球变化对生物多样性的影响可以预测,物种和生境可以更好地保护

物种分布建模
保护科学是一个危机学科,而数据采集无法跟上快速决策需求旧有限不完全数据常用做需求时的“最佳猜想”。因可用于生物多样性研究的资源有限而需要在范围或长尺度上提供数据时,挑战就更大了。由于缺乏一贯可靠和广度观测数据,科学家依赖方法估计小量数据分布最常用的是适当命名的物种分布模型

SDMs数学模型将观察到的物种分布与一套环境预测变量相关联(例如气候、栖息地类型、距离水距离)。尽管这些模型在物种和栖息地保护中广泛使用,但这些模型含有与预测相关程度的不确定性。

误差源
精确性分析或预测取决于原创数据的质量华金霍尔塔尔(MNCN-CSIC)和理查拉代尔(CIBIO-InBIO,葡萄牙波尔图大学)在2013年发表的论文中确定了三大因素,这些因素有损物种分布知识在任何特定空间尺度上的质量:调查完整性、信息随时间腐烂和信息随空间腐烂衰变说明数据递减值预测生物多样化趋势离观察越来越远

调查完整性可能受难以检测物种特征的影响-例如隐色颜色、隐形行为或高移动性-以及栖息地特征其结果是,甚至生物调查使用一系列采样方法都不完整。Hortal这次与Juliana Stropp(MNCN-CSIC)和协作者合作发现,巴西大西洋林采伐蝴蝶点偏向大连通森林碎片(Sobral-Souza等人,2020年)。由不完全测量数据构建的SDM中, 蝴蝶和森林砍伐功能关系推理将仅限于这些采样良好的区域增加小型互连森林片段采样工作将导致今后更精确地评价景观规模效应,供保护决策人使用。类似Iberian苔丝研究(Ronquillo等人,2020年)发现,数据集中也存在空间漏洞和偏差,多记录元数据缺少日期,进一步限制与全局变压器相关时生物多样性移位分析

生物信息随时间和空间衰变是因为物种对持续环境变化持续响应随时间变化包括气候变化、土地使用变化、生境退化和生物入侵举例说,到2017年巴西亚马孙树标本历史记录的所有地点中,30%因森林砍伐而丧失(Stropp等人,2020年)。再加300,000千米²2017年雨林失林后没有单树标本记录缺少历史数据说明哪些物种发生在森林失园,这是一个特别严重的问题,因为这种信息不可找回。空间变化包括气候、栖息地类型、土壤化学、扰动程度和社区组成正因如此,SDM预测的确定性随数据收集位置和模型面积间时距离的增加而下降。

保护科学是一种危机学科,数据收集无法跟上快速决策需求

生物地理无知
为使政策和保护效果最大化,SDM内不确定性或不准确性图应随输出显示由Hortal、Ladle、Geiziane Tessarolo(巴西Goiás州立大学)和同僚编写第一张生物地理无知地图(MoBIs)即如此-它们说明每个区域数据完整性和质量调查以及信息衰变(Tessarolo等,2021年)。突出这些不确定性有助于确定未来保护优先事项区域可确定比较可靠的预测区并使用SDMs支持决策者,例如分配未来优先保护线定期更新综合分布图和无识地图将为用户提供处理生物地理不确定性所需的信息,具体方式包括设计实施新调查或将空间清晰不确定性估计纳入未来的SDM综合方法还允许养护决策人优先满足物种现有保护需求并有效分配资源,例如集中资源勘查和保护易遭森林砍伐或气候变化但采样差的地区生物多样性

概念证明
研究组综合分析可视化工具来代表四种生物无知源-数据完整性、数据分类质量、信息时间衰减和访问站点空间环境距离-Scarabaeidaedi计算出每种记录生物地理忽略值,生成每种物种模BI误差值表示生物地理信息可靠度越高值 信息可靠性越低

生物地理忽略值归结于所研究区域的每一单元,取决于细胞是否包含核心物种原创数据、研究分类组或两者均非。细胞内存焦量记录时,生物地理无知值取自最可靠的记录细胞完全记录同类生物群(可用相似采样协议捕捉的物种),缺焦值可能是实值,生物地理忽略值取自细胞中每种物种平均最小值对于无数据细胞类研究,环境空间接近带数据细胞是计算无知的唯一方法研究者将SDM地图与moBIs综合视觉表示分布知识的可靠性

研究描述四种极端(高低)组合适配度和无知:1)高预测适切度区2区域高适配度低无知3区域预测低适配性低无知和4区域低适配度和高无知从基于这些输出的优先保护上看,高度无知区将受益于进一步调查,而低无知区可成为保护管理对象,提高适配性或保护栖息地,如果预测这些区为焦点物种的家

与SDM预测相联的无知地图生成空间清晰不确定性地图并揭示出对这类常用地图可靠性的洞察力忽略这种不确定性会影响SDM解释,从而可能误入理论或实用应用,包括错误保护行动通过例行使用无知地图或类似技术,保护行动可以提高效果在一个缺少资源学科中,如保护科学,它支付理解数据及其不准确性后再做可能浪费宝贵资源或失去宝贵栖息地和物种的保护决策