科尔多瓦大学的一个研究小组证实，大型生物多样性数据库(公民在其中记录对植物的观察结果)能够校准联合物种分布模型，即使是单独进行，前提是该地区 50% 以上的物种都有记录。

在当前气候变化的背景下，机构和科学界正在思考新的气候条件将如何影响野生植物物种。例如，西班牙冷杉(Abies pinsapo)的种群将如何变化?这是一种濒危物种，安达卢西亚自治区政府正在对其进行跟踪，并制定了保护计划。

为了预测西班牙冷杉未来是否会在比现在更高的山区生长，必须考虑天气因素，但为了使这些预测更加准确，还必须在用于预测这些未来情景的数学模型中纳入不同物种之间的关系。不同物种之间的正或负关系对于预测它们未来的分布具有决定性作用。

因此，研究界正在从只考虑环境变量(气候、土壤类型)的物种分布数学模型转向提供地图的群落模型，这些地图既考虑了气候变量，也考虑了植物之间的关系。也就是说，他们正在从个体主义方法转向群落主义，以产生更好的预测。然而，由于收集是基于对植物的逐个记录，因此很少有包括生物群落组成的植物数据可用于构建这些模型。

面对这一问题，科尔多瓦大学基础与应用植物生物学小组的研究人员 Diego Nieto 和 Daniel Romera 首次分析了机会性生物多样性数据库(包含来自公民观察的个人数据的非结构化数据库)在联合物种分布模型中的应用。该论文发表在《生态学》杂志上。

“原则上，这些数据库不应该用于校准社区模型，因为它们以个体观察为特征，没有考虑到物种之间的关系，但我们想知道，通过拥有数十亿条记录，它们是否可以发挥作用，让模型考虑到物种之间的关系给我们预测，”研究员 Nieto 解释说。

在使用具有不同覆盖范围的此类个体数据(模拟某个区域内物种现实的更多或更少记录)校准模型后，他们获得了两个结果：尽管数据很少，但该模型能够根据气候变量准确预测分布，并且只要记录了 50% 到 75% 的物种，模型就能够预测物种间的相互作用。

他们如何验证这一点?

考虑到所使用的真实数据库，如GIBIF，其中包含通过iNaturalist等应用程序记录的超过30亿个生物多样性数据，但并不总是能很好地记录下来，而且不知道未记录的部分现实是否会丢失，研究人员为实验创建了一个人工数据库，以便他们可以确认模型是否正常运行。

Nieto 解释说：“我们确定了一个研究区域，即 10 个不同物种的分布，并模拟了每个物种实际分布的不同覆盖水平。在一种情况下，对该物种发现的所有地点的 10% 进行了采样;在其他情况下，采样率为 25%、50%、90% 和 100%。也就是说，使用这些数据库中记录的数据，可以选择不同的选项来更好地代表现实情况。”

通过处理这些生成的数据，他们能够很好地确定模型的响应，然后将其与现有的单独数据库一起使用。

该模型计算物种之间的相互作用，前提是它已经拥有至少 50% 至 75% 的物种总位置，并可以准确预测物种群落在未来气候变化情景下将如何表现。

研究人员总结道： “结果令人鼓舞，因为即使没有该物种 100% 的记录数据，该模型也能够计算相互作用。”

他们如何知道这些数据库是否至少包含了 50% 的物种真实记录?为此，他们使用了一种在像素级别评估真实数据完整性的方法，以欧洲森林树木为例，将数据库像素中的观测数与该像素中观察到的物种总数进行比较。当少数物种的观测次数较多时，这表明采样效果更好。数据级别越高，就越能反映现实情况。

该分析提出了一种机制来选择数据库中的哪些信息用于校准这些社区模型并对野生植物物种模式做出更好的预测。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：