近日，中國科學(xué)院南海海洋研究所林強研究員團隊在整合多維信息提升海洋生物分布格局預(yù)測方面取得系列新進展，相關(guān)研究成果先后發(fā)表于保護生物學(xué)與生物地理學(xué)經(jīng)典期刊Conservation Biology、Journal of Biogeography、Ecology and Evolution上。
受氣候變化和人類活動影響，海洋生物地理分布格局正在發(fā)生劇烈變化。準確預(yù)測生物分布格局是理解生物多樣性空間格局、評估其氣候脆弱性和制定有效保護策略的重要基礎(chǔ)。物種分布模型（Species Distribution Models）作為評估生物地理分布的重要工具已被廣泛應(yīng)用于保護生物學(xué)、全球變化生態(tài)學(xué)、生物地理學(xué)等領(lǐng)域。然而，傳統(tǒng)模型往往忽略了專家知識、種間互作等關(guān)鍵信息，可能導(dǎo)致模型預(yù)測結(jié)果難以真實反映物種的地理分布格局，從而誤導(dǎo)對海洋關(guān)鍵生物類群的保護決策（張志新 等，2024，Journal of Biogeography，https://doi.org/10.1111/jbi.14789；張志新 等，2025，Conservation Biology，https://doi.org/10.1111/cobi.70015）。針對這一挑戰(zhàn)，研究團隊針對珊瑚礁生態(tài)系統(tǒng)的關(guān)鍵生物類群開展了系列研究，提出了海洋生物地理分布預(yù)測的優(yōu)化策略。
首先，研究團隊以196種海洋魚類（海龍科、石斑魚科等）為研究對象，基于物種分布點記錄，利用四種算法分別構(gòu)建物種分布模型，并進一步采用機器學(xué)習(xí)中的meta learner方法，創(chuàng)新性地在模型中整合了IUCN專家繪制的物種分布范圍信息（圖1）。研究結(jié)果顯示，整合專家知識的物種分布模型顯著提升了預(yù)測結(jié)果的合理性，有效避免了傳統(tǒng)模型在地理屏障的過度預(yù)測（圖2）。進一步分析發(fā)現(xiàn)，專家信息的整合效果與物種分布范圍、分布點數(shù)量等因素顯著相關(guān)。
同時，研究團隊以廣泛分布于熱帶珊瑚礁的小丑魚–海葵和珊瑚蟹–珊瑚兩類典型共棲組合為研究對象（圖3），將共棲關(guān)系納入物種分布模型，評估未來氣候變化背景下?？蜕汉鲀深愃拗鲗矖锏乩矸植几窬值挠绊?。研究發(fā)現(xiàn)，納入共棲關(guān)系后，小丑魚、梯形蟹的當(dāng)前地理分布會向低緯度偏移（圖4）。同時，共棲關(guān)系可能會放大未來氣候變化對小丑魚、梯形蟹地理分布的影響，其中，珊瑚對氣候變化的敏感性更高，導(dǎo)致共棲的珊瑚蟹的未來分布收縮更為顯著。
研究成果闡明了整合多維信息對于提升海洋生物分布格局預(yù)測能力的重要性，為海洋生物多樣性評估與保護研究提供了更加有力的研究工具，張志新等為上述相關(guān)工作的第一或通訊作者，研究成果以“Integrating expert range maps and opportunistic occurrence records of marine fish species in range estimates”、“Improving distribution prediction by integrating expert range maps and opportunistic occurrences: Evidence from Japanese sea cucumber”、“Habitat-forming species: Buffers or amplifiers for mutualistic organisms in response to climate change?”為題，分別發(fā)表于Conservation Biology、Ecology and Evolution、Journal of Biogeography上。
相關(guān)研究得到了國家重點研發(fā)計劃青年科學(xué)家項目、國家自然科學(xué)基金、中國科學(xué)院青年創(chuàng)新促進會等項目的支持。
相關(guān)文章信息：Zhang,Z.*,Bede‐Fazekas,á.,Molinos,J. G.,Mammola,S.,Kass,J. M.,Qu,J.,...& Lin,Q.*. (2025). Integrating expert range maps and opportunistic occurrence records of marine fish species in range estimates. Conservation Biology,e70154.?
Xiao,B.+,Yuan,S.+,Bede‐Fazekas,á.,Zhou,J.,Song,X.,Lin,Q.,...Cui,L.* & Zhang,Z.*. (2025). Improving distribution prediction by integrating expert range maps and opportunistic occurrences: Evidence from Japanese sea cucumber. Ecology and Evolution,15(7),e71747.?
Qu,J.,Zhang,Z.*,Ma,S.,Wang,Y.,Tang,X.,Yin,J.,...Qin,G.* & Lin,Q. (2025). Habitat-forming species: buffers or amplifiers for mutualistic organisms in response to climate change?Journal of Biogeography,52(8),e15174.?
文章鏈接：https://conbio.onlinelibrary.wiley.com/doi/abs/10.1111/cobi.70154
??????????????https://onlinelibrary.wiley.com/doi/full/10.1002/ece3.71747
??????????????https://onlinelibrary.wiley.com/doi/abs/10.1111/jbi.15174
圖 1?整合專家知識研究流程圖
圖 2?傳統(tǒng)物種分布模型與整合專家分布范圍模型的預(yù)測結(jié)果對比
圖3?珊瑚蟹-珊瑚、小丑魚-?？矖P(guān)系
圖4?當(dāng)前氣候條件下珊瑚蟹及小丑魚物種多樣性
附件下載：