Article DOI: 10.1002/ece3.10007 Internal Article ID: 17686027 Article: How does spatial extent and environmental limits affect the accuracy of species richness estimates from ecological niche models? A case study with North American Pinaceae and Cactaceae Journal: Ecology and Evolution,中科院二区,Q1, IF = 3.167https://authorservices.wiley.com/index.html#article/17686027 本文第一作者为海南大学已经毕业的博士Mir Nizamani, 海南大学王华锋博士和AJ Harris博士为共同通讯。纪念2023年年初已故的美国植物地理学者AJ Harris博士。 摘要 在不同的空间范围内测量物种丰富度可能具有挑战性,特别是在很大程度上,详尽的物种调查是困难的或不可能的。我们的工作旨在确定的可靠性,物种丰富度估计堆叠的生态位模型在不同的空间范围内的分类群体有很大不同的环境依赖性和相互作用。为了实现这一目标,仙人掌科和松科的物种发生在180个已发表的植物区系从北美墨西哥北部的生态位模型。我们将所得到的物种的潜在分布估计覆盖或堆叠在代表180个植物区系的边界框上,以生成物种丰富度的预测。在一般情况下,我们的堆叠模型仙人掌和松科的物种丰富度的预测差。观测值和预测值之间的关系显着改善的空间范围的大小。然而,堆叠模型倾向于过度预测仙人掌科的丰富度和过度和不足预测松科的丰富度。仙人掌类堆积模型的敏感性高于松科,特异性低于松科。我们的结论是,堆叠的生态位模型可能有点差的预测物种丰富度在较小的空间范围内,应谨慎使用。也许更重要的是,补偿其局限性或对其可靠性进行校正的能力可能因分类群而异。
图 1
北美墨西哥北部原生仙人掌科和松科植物的地理分布
仙人掌科在北美洲墨西哥北部的存在。B -显示美国各县仙人掌科物种相对数量的热图。http://bonap.org/2015_SpecialtyMaps/Most%20Number%20of%20Native%20Species/Number %20of%20Species%20per%20Family%20Maps/rank%20024%20CACTACEAE.png。C -松科在北美墨西哥北部的存在。D -热图显示美国各县松科物种的相对数量。E -显示州和省存在的地图(左)和显示物种相对丰度的地图(右)的图例。http://bonap.org/2015_SpecialtyMaps/Most%20Number%20of%20Native%20Species/Number %20of%20Species%20per%20Family%20Maps/rank%20054%20PINACEAE.png。地图未经修改复制自北美生物群计划,并获得书面许可。 物种丰富度,即栖息在地理区域中的独特物种的数量,代表了在基础和应用生态学中测量生物多样性的关键组成部分(Hillebrand等人,2008年,第102页)。2018;劳伦斯和弗雷泽,2020;米切尔等人,2020; Haack等人,2021年)。然而,物种丰富度在一些空间范围内测量是具有挑战性的,特别是难以或不可能进行详尽物种调查的较大空间范围(丰塔纳et al.2020;劳伦斯和弗雷泽,2020;Roswell等人,2021年)。在维管植物的情况下,物种丰富度可以从植物区系的物种列表中计算出来。植物群是一个区域的植物的清单(Palmer et al.1995)。植物区系通常是地理区域内物种丰富度的最全面和最权威的资源(Xu et al.2020年)。然而,出版植物区系受到关于物种分布的数据的耗时收集以及所需的工时和专业知识的限制(Palmer等人,1995; Funk,2006;Rouhan & Gaudeul,2014;卡多佐等人,2017年; Wen等人,2017)。虽然大生物多样性数据的自动化和部分自动化使用可以减少编译植物区系时的这些限制(米勒等人,2015; Palese等人,2019; Barkworth等人,2020; Boho等人,2020年),推断物种丰富度的替代方案是目前可取的。评估维管植物和其他生物体的物种丰富度的替代方法依赖于用生态位模型(ENM)估计物种的潜在分布,并叠加或堆叠潜在分布(Feng等人,2009年,美国)。2019; Biber等人,2020年;德安德拉德等人,2020; Grenié等人,2020年;桑德斯等人,2020年)。ENM是从物种发生和环境预测的数据库记录中生成的。在过去的几十年里,已经汇集了许多数字化物种出现的地方,区域和国际数据库(Qian et al. 2019),这些数据库越来越多地集成到全球生物多样性信息设施(GBIF;https://www.gbif.org/).堆叠的ENM已被广泛用于估计不同大小的地理区域和分类组(诸如草本植物)的物种丰富度(D’Amen等人,2009年,美国)。2015 a)、木本植物(Pouteau等人,2015)、昆虫(D 'Amen等人,2015 b)、哺乳动物(Tobeña等人,2016)和两栖动物(Xicuo,2016)。预计ENM作为物种丰富度预测因子的可靠性会有所不同,因为模型可以估计物种的潜在适宜性,而不是占用面积,并且可能需要其他参数,如物种的分布来近似占用面积(库珀& Soberón,2018)。调查的空间范围也可能影响从ENMs预测丰富度的能力。例如,Feria & Peterson(2002)提出,在相互作用效应比区域或大陆尺度更重要的地方尺度上,这种预测能力会较低。Velazco等人(2017)表明,大范围在ENM中包含更多的环境变异性,从而可以更好地区分合适和不合适的环境,从而提高模型的准确性。在一项涵盖日本的研究中,Ishihama等人(2019)表明,ENM可能对较小的地区更准确,占该国的1-5%。特别是植物研究,通过将其与小的、彻底调查的植被样地的物种列表进行比较,评估了堆叠的生态环境模型的可靠性(d 'Amen等人,2015 a;von Takach等人,2020)。这些研究通常检测到基于ENM的物种丰富度的过度预测(Del Toro等人,2019;门德斯等人,2020年)。然而,很少有以前的研究已经量化的地理区域的大小和堆叠ENMs的可靠性之间的关系,以预测物种丰富度。在对智利维管植物群的研究中,Luebert等人(2022年)发现,在100公里和75公里的粗略范围内,用ENM估计的丰富度最可靠。需要更多的研究,以建立一个广泛的了解如何空间尺度影响的可靠性,丰富的估计堆叠ENMs。虽然调查堆叠运用丰富估计之间的关系和空间稀缺程度(Ortego &诺尔斯,2020;Valencia-Rodriguez et al ., 2021),物种的生物学运用估计性能的影响已被广泛讨论的文献(Velazco et al ., 2017;Castano-Quintero et al ., 2020;低,2021)。特别是,1广泛的环境限制更难以估计运用由于部分物种的存在(即知识。发生点)和少量的环境变量作为模型参数(Cheng et al ., 2021)。例如,125新热带植物物种的一项研究显示,它是更具挑战性的准确模型物种的分布与大范围(Velazco et al ., 2017)。这表明广泛的地理分布范围对应于广泛的环境条件,虽然在某些情况下广泛领域可以环保同质(例如,甜点)。同时,模型可能更少的性能对于物种传播能力有限(德拉罗卡& Milanesi, 2020)。分散,范围大小的决定因素,可能减少物种的能力完全占领其电位分布为代表的环境限制,或可能导致短暂的,水槽种群在其电位分布(舍勒et al ., 2017)。为了提高我们的理解的空间范围对物种的丰富度估计与堆叠ENMs的影响,我们调查了仙人掌科和松科,两个不同的生物学和环境的要求和限制的分类组。我们选择仙人掌科和松科,因为他们是比较好的分类学理解,出现突出的景观,因此,不太可能错过在植物区系调查。我们还选择了它们的生物学和生态学差异,证明了它们的生活史和分布。松科(Pinaceae)是世界上分布第二广的针叶树科(仅次于柏科(Cupressaceae))。虽然大多数的物种是在温带气候中发现的,他们的范围从亚北极到热带(Thieret,1993年;Eckenwalder,2009)。相反,仙人掌科的原生分布区仅限于美洲温暖、干旱的地区(布里顿& Rose,1963;Parfitt和吉布森,2003)。这些科的分布模式的全球差异也反映在它们的北美范围内(图1)。在我们的分析中,空间范围从101到107公顷。我们的目标是评估堆叠的ENMs的可靠性,作为预测的物种丰富度在不同大小的地理区域内的两个分类组。我们将仙人掌科和松科的丰富度预测与墨西哥北部的北美植物区系(即,美国、加拿大和法国领土圣皮埃尔和密克隆;此后称为北美)。根据现有的,虽然有限的,面积大小的影响,丰富度估计的证据,我们假设,从堆叠ENMs和丰富的已公布的植物区系的丰富度之间的相关性将增加与空间范围的分析。我们还预计,这种关系将更强的仙人掌科,因为这个科的物种丰富度集中在北美西南部,而松科丰富的覆盖了北美西部和东部的大部分地区。因此,堆叠的ENMs将比仙人掌科Pinaceaea的性能较差,考虑到前者的环境异质性较高。 结果
图 S2
种属的灵敏度与样本量
A -仙人掌科和B -松科。我们通过使用所有24种仙人掌和51种松树中30%的发生记录测试模型计算敏感性,其中〉99个记录可用。在松科的图上,x轴是对数变换的 生态位模型:我们运用产生66种仙人掌科和60种松科,总共126运用。我们整理发生记录足够的模型构建和测试( 100)51种松树和24种仙人掌(表S3)。模型试验表明,遗漏错误减少预测(瑞茜et al ., 2005;埃尔南德斯et al ., 2006)的数量增加(图S2)发生记录。种仙人掌科的平均遗漏错误(18.96%)高于松科的物种(13.39%)。植物的平均遗漏错误率家庭和在可承受的利润率相对较低(5 - 20%)从数据记录从网上获得库模型建立(彼得森et al ., 2008)。值得注意的是,有更多的物种在仙人掌科模型遗漏误差> 20%相比,模型在松科的物种。
图 2
报道之间的关系,并预测物种丰富度仙人掌科的分布范围和运用
R2值和回归模型的方程是显示在每个图表。两条线是显示在每个图表;虚线=回归线,实线=的平等。个别图表显示之间的关系模型和丰富报道——所有组成,B -大小类101 < x 102公顷,在大小类102 < C - x 103公顷,D -大小类103 < x 104公顷,E -大小类104 < x 105公顷,105年大小类F - < x 106公顷,G - 106 < x 107公顷大小类。