《NeoBiota》：Streamlining alien species listing processes to enable prioritisation and reporting in protected areas: The case of alien plants in South African National Parks
编辑推荐：
本文针对保护地外来物种清单编制中存在的命名不一致、数据来源多样化和更新滞后等关键问题，以南非国家公园体系为案例，提出了一套十步法标准化流程。研究人员通过整合历史数据集与动态数据源（如iNaturalist），并依托GBIF分类学主干进行名称匹配，成功构建了包含1,330个分类单元的动态数据库，显著提升了清单的准确性与可更新性。该研究为保护区间入侵物种的优先排序、监测与报告提供了可复制的技术框架，对实现《昆明-蒙特利尔全球生物多样性框架》相关目标具有重要实践意义。
在全球变化加剧自然系统威胁的背景下，生物多样性热点地区正面临着前所未有的生物多样性丧失风险。其中，外来动植物物种作为关键的威胁因素，对全球环境和人类产生了多样且显著的负面影响。《生物多样性公约》的《昆明-蒙特利尔全球生物多样性框架》明确了相关目标，旨在扩大保护面积、恢复退化生态系统并防止外来物种的引入和传播，这凸显了在保护区内制定有效管理策略的迫切性。南非作为一个独特的案例研究地，不仅拥有异常丰富的生物多样性（包括三个世界生物多样性热点），同时也是全球外来物种多样性最高的五个国家之一。气候变化、管理预算缩减和栖息地破碎化正在增加自然系统管理的压力，并使物种和区域优先排序中的现有权衡更加复杂。
有效管理这些权衡需要关于外来物种的存在、分布、丰度、传播和影响的数据。保护区管理机构需要在公园内部和公园之间优先处理外来物种管理。然而，不一致、不完整、难以获取或不可验证的数据，以及分类学专业知识的缺乏，严重限制了潜在数据源的完整性和实用性。尽管存在如达尔文核心（Darwin Core）这样的数据共享标准和全球生物多样性信息设施（GBIF）等数据平台，但许多保护组织由于知识、技术、资源和数据共享方面的障碍，缺乏管理物种清单的能力。
针对上述挑战，研究人员在《NeoBiota》上发表了一项研究，旨在为整合异构数据源（如历史标本馆记录、野外研究和当代在线平台）提供一种系统且可复制的方法，从而生成可用于保护区域物种清单编制和优先排序过程的动态物种列表。该研究以南非国家公园（SANParks）体系中的外来植物为具体案例，其方法亦普遍适用于其他类群和区域。
为开展此项研究，团队主要应用了几项关键技术方法：首先，采用十步法流程整合多源数据，包括定义地理和分类范围、编译数据、建立数据收集模板、使用GBIF分类学主干进行名称标准化、构建动态出现数据库、生成初步清单、添加管理相关注释、专家评审、生成最终清单以及建立数据库更新机制。数据来源涵盖了植物志描述、管理数据（如WIMS系统）、科学研究出版物以及公民科学数据（如iNaturalist的研究级记录）。特别注重保留原始记录的唯一标识符和来源信息，以确保数据的可追溯性。对于从SANBI获取的iNaturalist数据以及从公园及周边第四纪集水区获取的研究级记录，均进行了严格的筛选和验证。
定义范围（步骤1）
研究首先明确了清单的地理和分类范围，即南非21个国家公园的所有外来植物物种，并额外考虑了公园周边集水区的物种用于观察名单的制定。鉴于南非生物群系的多样性，研究同时考虑了国家层面的外来物种和每个公园内的域外物种（即原产于南非其他地区但被引入新区域的物种）。
从不同来源编译数据（步骤2）
研究人员识别了相关的数据源，主要包括三类：为描述植物区系而收集的数据（如野外调查、标本馆记录）、用于管理的数据（如Working for Water信息管理系统WIMS）以及研究数据（如科学出版物）。此外，公民科学数据（如iNaturalist）作为一个新兴数据源被纳入。研究充分利用了南非国家公园内部研究人员积累的数据，并整合了以往编制的物种清单。
标准化和对齐数据（步骤3和4）
步骤3涉及建立一个数据收集模板，以标准化每个源数据集的数据和元数据。步骤4则是识别一个适当的全球分类学主干（本研究选用GBIF分类学主干），通过为每个分类单元名称提供一个唯一的分类标识符（taxonKey）来对齐所有记录的物种名称。研究使用R包rgbif中的物种查询工具来识别所有数据源中使用名称的接受名，并借助ChatGPT优化了代码，实现了并行处理和已匹配名称的缓存，大幅减少了运行时间。匹配后，仍需手动清理数据，对匹配类型为“模糊”、“更高级别”或“NA”的记录进行人工评估和校正。
整理到出现数据库中（步骤5）
在此步骤中，数据被整合到一个关系型出现数据库中。该数据库的核心包括一个内部分类学主干（包含数据库中所有分类单元）和来自所有数据源的与每个分类单元相关的出现数据。研究将清理和注释后的未汇总地点数据上传至SANParks的生物多样性信息管理系统（BIMS），并定期根据最新的GBIF分类对内部主干进行更新。
汇总、注释和审查清单（步骤6-8）
步骤6通过按taxonKey对分类单元进行分组，汇总每个物种的所有数据源和同义词，生成初步清单。步骤7通过连接表格，为清单添加用户定义的信息，如立法类别（根据南非《国家环境管理：生物多样性法案》（NEMBA）的规定）、物种状态信息或与物种层面相关的其他管理信息（如关键途径）。步骤8涉及对初步注释清单进行人工审查，与之前的清单进行比对，标记出需要移除的记录，并将新的注释清单分发给专家进行准确性审查。
生成清单（步骤9）
通过过滤掉在前述步骤中被标记为排除的记录，生成最终清单。不正确的记录会被适当注释或保留在并行数据库中，以防止将来错误地重新纳入。
更新数据库（步骤10）
最后一步确保所有关于鉴定、确定性或相关属性的更改都在关系型出现数据库或BIMS等动态系统中直接进行注释。当源数据也来自动态系统（如GBIF或iNaturalist）时，需要建立机制将这些更新反映到出现数据库中，以确保不准确的遗留数据不会保留在系统内。
研究结果
应用十步法流程后，研究为南非21个国家公园编制了外来植物清单，共记录了1,330个独特的分类单元，与之前编纂的752个分类单元相比几乎翻了一番。此外，从公园周边集水区的公民科学数据中还识别出170个物种。在新增物种中，关于克鲁格国家公园观赏物种的出版物贡献了最多新物种（323个），iNaturalist数据新增了124个物种（占总清单分类单元的9.3%）。WIMS管理数据也贡献了274个独特分类单元，其中111个是新列入清单且未包含在其他数据源中的。清单中包含271种（20%）列于NEMBA法规中的物种，其中大部分属于需要强制性控制的1b类物种。平均而言，公园清单中包含5%的域外物种，但不同公园间存在显著差异，桌山国家公园的域外物种数量显著多于其他公园。
讨论与结论
该研究提出的方法成功解决了保护地外来物种清单编制中的关键挑战，特别是通过使用GBIF分类学主干标准化物种名称，有效处理了同义词、拼写错误和命名不一致问题。构建的动态出现数据库能够整合历史静态数据和当代动态数据源，使得清单能够持续更新，成为“活的清单”。这对于入侵物种的长期监测、管理优先排序以及符合《昆明-蒙特利尔全球生物多样性框架》的报告至关重要。
研究也指出了面临的挑战，如跨数据源名称匹配的复杂性、非专家数据中的误识别、以及空间误差等。这些问题需要通过人工检查、数据注释和置信度评估来不断完善。此外，研究强调了明确清单范围（如是否包含栽培物种、域外物种）和制定数据验证标准的重要性。
该研究的意义在于它不仅为南非国家公园提供了实用的外来植物管理工具，更重要的是提出了一套可扩展、可适应的标准化流程，可用于全球其他保护地应对外来物种入侵的挑战。通过促进数据的一致性、可比性和动态更新，该研究为提升保护地的生物多样性保护成效、优化资源配置和实现全球生物多样性保护目标提供了坚实的技术支撑。未来，随着公民科学平台和自动识别技术的发展，这套方法有望进一步优化，实现更高效、低成本的外来物种监测与管理。
