《Reviews in Fish Biology and Fisheries》：The biogeographic ignorance in the distribution of South American goliath catfish
编辑推荐：
本研究针对迁徙性和过度开发物种（如巨鲶 Brachyplatystoma filamentosum）分布数据质量不确定性的挑战，研究人员开展了生物地理无知地图（MoBIs）的构建。他们基于清单完整性、分类学质量、时间数据衰减和环境空间距离等维度，量化了物种出现数据的不确定性，并结合物种分布模型（SDMs）生成双变量地图。结果表明，物种知识存在高度空间异质性，主要河流通道知识完备，而奥里诺科河和北大西洋流域则存在高度无知。该研究为优化这一巨鲶的研究、保护和管理策略提供了空间明确的依据，强调了在数据可靠性不同的区域采取差异化管理措施的重要性。
在南美洲广阔的河流网络中，生活着一种体型巨大的鲶鱼——Brachyplatystoma filamentosum（俗称“piraíba”或“filhote”）。作为顶级捕食者和重要的渔业资源，这种巨鲶的生存状况对整个水生生态系统的健康以及沿岸社区的生计都至关重要。然而，与许多生活在偏远或复杂环境中的物种一样，我们对其真实分布范围的了解充满了不确定性。传统的物种分布数据往往存在偏差：采样点多集中在交通便利的主河道，而许多支流和偏远流域则缺乏调查；博物馆标本的鉴定可能因历史分类变动而存在误差；数十年前的记录是否还能反映物种当前的分布也是未知数。更严峻的是，当决策者依据这些充满不确定性的数据来制定保护策略或管理渔业时，可能会适得其反，加速种群衰退。尤其是在水电大坝建设和过度捕捞的双重压力下，准确了解像B. filamentosum这样的迁徙鱼类的分布，变得前所未有的紧迫。
为了应对这一挑战，并更负责任地使用物种分布数据，研究人员在《Reviews in Fish Biology and Fisheries》上发表了一项研究，旨在为B. filamentosum绘制“生物地理无知地图”（Maps of Biogeographic Ignorance, MoBIs）。这项研究的核心创新在于，它不再仅仅预测物种可能在哪里出现，而是坦率地承认并量化了我们在哪些地方、因为什么原因而对物种的分布“无知”。研究人员系统性地整合了四个关键维度的不确定性：清单完整性（一个地区的物种是否被充分调查）、分类学质量（物种记录鉴定的可靠性）、时间数据衰减（记录的新旧程度）以及空间环境距离（无数据区域与有数据区域在环境和地理上的相似性）。通过将MoBIs与传统的物种分布模型（Species Distribution Models, SDMs）相结合，他们生成了一种双变量地图，能够同时展示每个子流域的环境适宜性高低和与之相关的数据不确定性大小。这种方法就像是为物种分布预测添加了一个“可信度”图层，明确指出了哪些预测是坚实可靠的，哪些则需要谨慎对待并优先开展野外验证。
为开展此项研究，研究人员综合运用了几项关键技术。首先，他们从多个全球开放获取数据库、专家咨询、博物馆馆藏和科学文献中，收集并严格清理了南美琵鲶科（Pimelodidae）鱼类的初级出现记录，并利用HydroBASINS数据集划分了三级流域和七级子流域作为空间分析单元。其次，他们从EarthEnv数据库获取了高分辨率的淡水生态系统环境变量，并通过主成分分析（PCA）筛选出关键环境预测因子。核心方法是构建生物地理无知地图（MoBIs），该方法量化了四个不确定性组成部分：基于琵鲶科物种累积曲线的清单完整性、针对B. filamentosum与相似种B. capapretum混淆问题的分类学质量、基于高斯核函数的时间衰减、以及结合河流网络距离和环境欧氏距离的空间环境衰减。这些组成部分被整合成一个综合的无知指数。同时，研究人员采用了五种物种分布模型（Bioclim, Gower, SVM, GLM, MaxEnt）进行集成预测，并通过30次交叉验证评估模型性能。最后，他们将SDM预测的适宜性与MoBIs的无知值相结合，生成双变量地图来划分不同管理优先级的区域。
研究结果
生物地理无知
对琵鲶科鱼类出现记录的分析揭示了采样努力的极不均匀分布。在总共3,049个7级子流域中，仅有170个拥有≥20条有效记录。清单完整性较高的子流域主要集中在亚马逊主河道及部分主要支流（如内格罗河、马德拉河），而在奥里诺科河和北大西洋等流域，多数子流域的采样严重不足。分类学质量分析显示，在B. capapretum也有分布的亚马逊河流域部分子流域，特别是在2005年该相似种被正式描述之前记录的B. filamentosum出现点，存在较高的鉴定不确定性。时间分布表明，超过一半的琵鲶科记录是在2000年之后收集的，但仍有大量历史记录，其信息价值随时间衰减。综合这些因素生成的生物地理无知地图（MoBI）显示，无知度（BI值）在空间上高度异质。低无知度（高可信度）区域集中在亚马逊河主干道、马德拉河下游、辛古河下游等经过充分调查的区域。而高无知度区域则广泛分布于西部亚马逊（如乌卡亚利盆地）、奥里诺科河东部以及北大西洋沿岸盆地等偏远或难以到达的地区。
物种分布模型
物种分布模型（SDM）的集成预测表现出良好的性能（连续Boyce指数 = 0.97）。预测的高适宜性区域主要分布在南美主要河流盆地的低地洪泛平原，特别是亚马逊河主干道、马德拉河下游、普鲁斯河中游、内格罗河中游、辛古河下游、阿拉瓜亚河中上游、托坎廷斯河下游以及奥里诺科河部分河段。相反，低适宜性区域主要出现在安第斯山脉源头、圭亚那地盾和巴西地盾等高海拔地区，显示出环境适宜性随海拔和坡度增加而降低的梯度。
预测不确定性地图
将SDM的适宜性预测与MoBI的无知度相结合的双变量地图，生成了具有明确管理含义的空间分类。高适宜性且低无知度的子流域（图中黄色区域）被视为“保护参考走廊”，主要集中在亚马逊河中下游及主要支流下游，这些区域的预测可靠，是监测和保护的优先区域。高适宜性但高无知度的子流域（紫色至红色区域）是“野外调查优先目标”，广泛存在于北大西洋盆地、亚马逊河河口、圭马河以及东北大西洋盆地，这些地方模型预测条件良好，但缺乏可靠数据证实，亟需新的标准化采样。低适宜性且低无知度的子流域（灰色区域）代表了“可能的分布范围边界”，多位于流域分水岭或地盾地区的高地溪流，环境和数据均支持物种的可能缺失。低适宜性但高无知度的子流域（蓝色区域）则是“需谨慎解读的不确定缺失区”，多见于安第斯山区、地盾上游等偏远地带，其表观不适宜性可能源于数据匮乏而非真实的生态限制。
讨论与结论
本研究通过开创性地应用生物地理无知地图（MoBIs）框架于淡水鱼类B. filamentosum，清晰地揭示了其分布数据中存在的空间异质性的不确定性。研究表明，关于该物种的知识高度集中在亚马逊河主要航道等易于到达的区域，而在奥里诺科河、北大西洋沿岸盆地以及西部亚马逊的许多子流域，存在着显著的知识空白。这种不确定性不仅源于采样不足，还与历史分类混淆、数据陈旧以及环境空间隔离密切相关。
这项研究的重要意义在于它将数据不确定性从幕后推到了台前，为基于数据的决策提供了更透明、更负责任的基础。双变量地图的结果具有直接的实践指导价值：它帮助管理者和研究者识别出那些预测可靠、需要重点保护的核心栖息地（如亚马逊河主干道），同时也明确指出了那些虽然预测适宜但数据可信度低、需要优先开展野外验证的区域（如奥里诺科河部分流域）。这对于在资源有限的情况下优化保护投入、指导环境许可的谨慎决策、以及验证和保护可能受大坝威胁的迁徙廊道至关重要，尤其是在需要国际合作的跨境河流系统中。
此外，该研究框架具有很强的可转移性，可应用于其他淡水生物多样性保护优先性的评估中。研究人员也指出，公民科学和本地生态知识可以作为补充数据源，帮助更新特定区域的物种信息，尤其是在数据空白的子流域。同时，他们呼吁加强生物多样性数据的标准化和共享，特别是带有完整元数据（如精确坐标和采集日期）的记录，这对于未来更新无知地图和改善分布模型至关重要。
总之，这项研究不仅增进了我们对南美巨鲶分布现状的理解，更重要的是提供了一种强大的方法论工具，鼓励在生态学和保护生物学中更系统地评估和沟通数据的不确定性。在面对全球变化和人类活动加剧的背景下，这种坦诚面对“未知”并努力量化它的科学态度，对于制定具有韧性和适应性的生物多样性保护策略具有深远的意义。
