《Conservation Science and Practice》：Mapping bee diversity with landscape-level models to inform conservation
编辑推荐：
本综述通过整合纽约州昆虫传粉者调查（ESNPS）与全美生物多样性数据，运用平衡随机森林（BRF）和小型双变量广义线性模型（ESM）组成的集成建模方法，构建了高分辨率（990米）的蜜蜂物种分布模型（SDM）。研究揭示了土壤黏土含量与森林覆盖度对物种丰富度的关键影响，首次量化了州内蜜蜂群落的生态独特性（Ecological Uniqueness）和气候暴露风险（CCE），为将野生蜜蜂多样性纳入30×30保护框架提供了空间明确的决策支持。
1 引言
全球生物多样性丧失对生态安全构成严重威胁，其中蜜蜂作为关键传粉者面临栖息地丧失、农药使用及气候变化等多重压力。尽管公众关注多集中于西方蜜蜂（Apis mellifera），但野生蜜蜂的衰退早在20世纪中期已有记载。纽约州通过帝国州本土传粉者调查（ESNPS）整合了社区科学、历史标本和现代调查数据，为区域尺度保护决策提供了突破性数据基础。本研究旨在通过物种分布模型（SDM）克服数据偏差和样本量限制，生成蜜蜂多样性空间明确图谱，填补保护实践中的尺度空白。
2 材料与方法
2.1 蜜蜂出现数据
研究整合ESNPS与全球生物多样性信息设施（GBIF）的213,000条记录，覆盖269个蜂种。通过CoordinateCleaner剔除地理参考错误，保留1971–2023年间至少10个独立空间位点的物种数据。
2.2 环境变量
选取13类环境协变量，包括CHELSA v2.1气候数据（1981–2010 normals）、森林冠层覆盖度（LANDFIRE）、土壤质地（沙土/黏土含量）及地形粗糙度等。为避免多重共线性，采用主成分分析（PCA）保留解释80%方差的4个主成分（PC1–PC4），其中PC1主导温度指标，PC2关联干旱指数与森林覆盖。
2.3 背景点与偏差校正
针对采样偏差实施双重校正：首先基于核密度估计（带宽20公里）生成加权背景点；其次通过泊松点过程模型量化采样强度，协变量包括人口密度、道路距离及保护区域邻近度。最终预测时假设全州采样强度均一。
2.4 堆叠物种分布模型（SSDM）
对每个物种构建集成模型，包含平衡随机森林（BRF）和双变量广义线性模型集合（ESM）。采用空间块交叉验证（>50记录物种）或最近邻距离匹配（<50记录）评估性能，以AUCROC和连续博伊斯指数（CBI）为指标。通过Somers' D加权平均生成最终分布概率，并基于概率排名规则转换为存在-缺失数据以计算群落组成。
2.5 其他生物多样性指标
量化三类保护价值指标：范围大小稀有性（RSR）强调狭域物种重要性；生态独特性通过局部β多样性贡献度评估；气候暴露（CCE）基于CMIP6多模型（SSP1-2.6/SSP5-8.5）计算气候变化速度（VoCC），并加权物种出现概率分析社区风险。
3 结果
3.1 数据特征
79%的记录集中于2010年后，PC1–PC4分别解释温度梯度、森林-干旱关联、土壤质地和生长季降水变异。采样强度模型显示城市区域及生物多样性机构周边存在明显偏差。
3.2 物种丰富度格局
模型预测州内蜜蜂丰富度介于75–150种，峰值出现于阿迪朗达克山脉麓区。丰富度与森林冠层覆盖度呈正相关（r= 0.67），与土壤黏土含量负相关（r= ?0.75）。指湖区域因农业集约化呈现低丰富度，长岛沿海群落独特性较高。
3.3 保护优先区识别
RSR高值区与丰富度热点重叠，而生态独特性在低丰富度区（如长岛）凸显。气候轨迹显示多数物种需向北迁移，但阿迪朗达克区域可能出现气候陷阱（SSP5-8.5下24%区域无气候相似区）。现有保护地（GAP status 1–3）虽覆盖高丰富度区，但同时面临较高CCE风险。
4 讨论
本研究通过集成建模实现了60%纽约州蜜蜂物种的公里级分布制图，突破传统全球模型的粗分辨率限制。结果挑战了蜜蜂偏好干旱生境的经典认知，揭示中低森林覆盖与沙质土壤的重要性。提出的空间数据产品（丰富度、RSR、独特性、CCE）可直接支持30×30保护目标实施，例如通过森林疏伐、入侵物种管理等措施协同提升传粉者栖息地质量。未来需结合联合物种分布模型（JSDM）增强稀有物种预测，并通过持续监测验证模型假设。本研究范式为数据稀缺类群的保护决策提供了可扩展的技术框架。
