针对未来气候下昆虫分布动态的生态预测：广泛类群中包含赢家与输家

本文是一篇发表于 Current Opinion in Insect Science 2024年第62卷的综述论文，作者为Naresh Neupane, Elise A. Larsen 和 Leslie Ries（通讯作者为Naresh Neupane），所属机构为乔治城大学（Georgetown University）生物学系。该论文隶属于该期刊2023年10月的“全球变化生物学”专题。本文系统回顾了2018年至2022年间发表的53项利用物种分布模型预测未来气候条件下昆虫分布变化的研究，旨在评估当前建模实践的趋势、方法论的严谨性，并综合预测结果以理解昆虫群落对未来环境变化的可能响应。

论文主要论点阐述

论点一：物种分布模型是预测未来物种分布的核心工具，但其应用充满复杂性、数据限制和方法论挑战。 作者指出，物种分布模型是利用物种分布与环境驱动因子之间关系进行生态预测的主要工具。然而，这项复杂任务深受数据限制和不断发展的最佳实践的影响。SDMs主要分为两类：相关性模型（correlative SDMs）和机制模型（mechanistic SDMs）。相关性模型通过统计关联物种出现点数据与环境图层来构建，通常不考虑物种生物学机制，属于“朴素”模型；而机制模型则基于先验的生物学知识（如热生理限制、物种相互作用）进行构建和参数化。大多数研究（53项中的36项）使用了相关性模型。无论是哪种模型，要预测未来分布都需要三个步骤：1) 构建将物种分布与环境协变量链接的SDM；2) 获取预测未来关键环境条件的空间数据图层；3) 将SDM与未来环境图层结合以预测未来分布。然而，每一步都面临重大挑战：数据稀缺（尤其是数字化标本和调查数据）、模型选择的影响、验证方法的差异，以及将不确定性从生态模型传递到未来气候模型的困难。

论点二：当前SDM研究在方法严谨性上存在显著差异，许多研究未遵循当前的最佳实践，限制了结果的解释性和可靠性。 通过对53篇论文的系统评估，作者基于七项标准（建模方法、分布数据类型、环境数据类型、模型验证、数据时间对齐、全球气候模型集合使用、GCM验证）对每篇论文进行了评分。评估发现，尽管最佳实践的采纳在2018-2022年间有所增加（见图1），但许多研究仍存在不足。具体表现在：1) 数据时间未对齐：大多数研究（53篇中的41篇）在叠加分布数据和环境数据时，未明确考虑两者时间上的对齐，这可能因环境在变化而引入偏差。2) GCM使用与验证不足：虽然有29项研究使用了多个全球气候模型的集合，但绝大多数（48篇）未对其所选GCM在研究对象区域的性能进行验证，导致未来气候图层可能无法最佳代表区域环境条件。3) 环境变量单一：大部分研究（34篇）仅使用气候数据作为解释变量，忽略了土地利用/覆盖变化、物种相互作用等其他动态因素，而这些因素对物种分布至关重要。4) 验证方法局限：大多数研究（38篇）使用数据子集进行内部验证，只有8项研究（多为机制模型）使用了完全独立的“样本外”数据集进行验证，后者能提供更稳健的评估。

论点三：尽管方法论存在局限，但对现有文献的综合分析揭示了关于昆虫对未来气候变化响应的总体模式，其中有害物种似乎更具韧性甚至可能受益。 作者将研究结果按有害物种（害虫、入侵种、病媒）和非有害物种（生物防治物种、一般生态或保护对象）分别总结。一个最一致且意料之中的结果是，无论有害与否，昆虫的分布范围普遍预测会向更冷的地区（高纬度或高海拔）移动（表3）。然而，在栖息地适宜性或分布范围大小的变化上，结果呈现混合态势。对于非有害物种，预测结果显示为显著的“赢家”和“输家”共存（39个案例显示范围增加，27个减少，2个混合，2个无变化），这强调了物种特异性响应将是常态。相比之下，对于有害物种，趋势更为积极：在风险变化（入侵风险或种群暴发风险）方面，更多研究显示风险增加（22项）而非减少（9项），仅有8项显示混合结果。这表明，平均而言，有害昆虫在变暖条件下可能表现得更好或更具韧性，这与近期基于实地趋势的综述结论一致。这一发现至关重要，因为它意味着造成经济或健康危害的物种不仅对人类引起的环境变化更具抵抗力，而且可能无法作为其他物种如何响应的良好指标。

论点四：提高SDM预测可靠性的关键在于采纳四项核心最佳实践，并加强基础生态学研究。 基于文献回顾发现的普遍方法论缺陷，作者强调了四项可提高未来SDM预测可靠性的最佳实践：1) 结合基于物种生物学的多样化解释变量：除气候外，应尽可能纳入土地利用/覆盖、地形、宿主植物分布等变量，以更好地代表物种的资源需求。尽管未来情景下这类图层的获取仍有挑战，但其重要性日益凸显。2) 确保SDM输入数据的时间对齐：在构建模型时，应努力匹配物种分布记录与环境数据图层的时间范围，以减少因环境非平衡态变化引入的偏差。3) 进行稳健的模型验证：尽可能使用独立的“样本外”数据进行验证，或采用交叉验证，以评估模型的迁移能力和预测性能。4) 为未来预测选择区域适宜的全球气候模型：应基于GCM对研究区域历史气候的模拟性能进行验证和筛选，以构建更可靠的未来气候情景集合。作者承认这些步骤有时难以实现，但遵循它们将使基于SDM的预测提供更具说服力的见解。

论点五：未来研究应转向更细致、机制更明确的建模，同时需要经典生态学研究的同步推进。 作者指出，最佳实践最容易在针对少数物种的研究中实施。那些包含数十甚至数百个物种的相关性SDM研究虽然常见，但结果可能最难解释。本综述中的大多数研究聚焦于一个或少数几个物种，这使得作者能够充分考虑单个物种的生物学特性。一些先进的研究展示了未来建模的方向：例如，明确将关键寄主植物（如马利筋对于帝王蝶）的未来分布作为协变量进行建模；或将扩散行为直接纳入模型以展示其如何缓冲潜在的分布范围变化。这些案例强调了将更多的生态机制（如物种相互作用、扩散限制）纳入模型的重要性。然而，所有这些进展都依赖于对物种基础生物学（如自然史、热限制、生理学）的深入了解。因此，作者特别强调，在大规模建模工具发展的同时，必须大幅扩展针对大多数无脊椎动物所缺乏的经典自然史、热限制和基础生态学研究，这些研究构成了最严谨模型的基础。

论文的意义与价值 本综述论文具有重要的学术价值和指导意义。首先，它系统性地梳理和评估了近五年（2018-2022）利用SDM预测昆虫未来分布的文献，提供了一个该领域研究现状与方法论质量的“快照”。其次，它超越了简单的结果汇总，通过严谨的方法学评分体系，深刻揭示了当前研究中普遍存在的薄弱环节（如时间对齐、GCM验证缺失），为后续研究者提供了明确的改进方向。第三，论文综合得出的核心结论——即昆虫响应存在高度物种特异性，且有害物种整体上可能更受益于气候变化——为生物多样性保护、农业害虫管理和公共卫生政策提供了关键的科学参考。它提醒决策者和公众，不能简单地将气候变化的影响叙述为对所有“有益”物种不利或对所有“有害”物种有利，而应认识到响应的复杂性。最后，论文呼吁建模方法进步与基础生态学研究并重，指明了该领域未来发展的根本路径。因此，本文不仅是一篇文献综述，更是一份关于如何提升生态预测科学性、可靠性与实用性的方法论指南和行动倡议。