        
            客服中心
        
        QQ：854727998
Email：lunwen133@163.com
地址：福建省厦门市思明区嘉禾路337号

                最新投稿+更多
        
                标题标题标题

                最新期刊更新+更多
        
                新教育时代-初中体育教学中如何激发学

                最新期刊更新+更多
        
                新教育时代-初中体育教学中如何激发学

您的位置：首页 > 医学 > 医学论文发表-记录和监测物种分布的全球和国家趋势、差距和机会

《医学论文发表-记录和监测物种分布的全球和国家趋势、差距和机会》

主管单位：
主办单位：
国际刊号：
国内刊号：
期刊级别：
发行周期：
收录情况：
审稿时间：
投稿邮箱：

《医学论文发表-记录和监测物种分布的全球和国家趋势、差距和机会》期刊在线投稿系统

* 投稿刊物	医学论文发表-记录和监测物种分布的全球和国家趋势、差距和机会
* 作者姓名		(只写第一作者)
* 联系电话		（请填写正确的联系电话）
通讯地址		（请填写正确的通讯地址）
* 电子邮箱		（请提供正确的电子邮箱）
* 联系qq		（请提供常用的联系qq）
上传稿件
验证码

《医学论文发表-记录和监测物种分布的全球和国家趋势、差距和机会》期刊简介

医学论文发表-记录和监测物种分布的全球和国家趋势、差距和机会

· 露丝·奥利弗

· 卡斯滕·迈耶

· 阿贾伊·拉尼佩塔

· 凯文·温纳

· 沃尔特·杰茨

· 发布时间： 2021年8月12日

抽象

面对全球正在发生的变化，保护和管理生物多样性需要足够的证据来评估物种分布的现状和趋势。在这里，我们提出了生物多样性数据覆盖和采样有效性的新指标，并分析了缩小陆生脊椎动物空间知识差距的国家轨迹（1950-2019年）。尽管数据覆盖率迅速上升，特别是在过去20年中，但强烈的地理和分类偏见依然存在。对于一些分类和地区来说，由于抽样有效性的急剧下降，记录的大幅增长未能直接转化为新发现的知识。然而，我们发现，一个国家的物种覆盖率更高，它拥有更大的管理。随着2020年后全球生物多样性框架下的国家重申对改善、严格生物多样性知识库的承诺，我们的发现突出了国际合作缩小关键信息差距的机会。

引文：奥利弗·瑞，迈耶C，拉尼佩塔A，优胜者K，Jetz W（2021）全球和国家趋势，差距和机会记录和监测物种分布。PLoS 生物 19 （8）： e3001336.https://doi.org/10.1371/journal.pbio.3001336

学术编辑：克雷格·莫里茨，澳大利亚国立大学，澳大利亚

接收：2020年11月9日：已接受：2021年6月22日：已发布：2021年8月12日

数据可用性：所有支持数据和脚本均可在以下 DOI 相关的https://github.com/MapofLife/biodiversity-data-gaps下载：https://doi.org/10.48600/MOL-3Y3Z-DW77。国家指标值可直接在 mol.org/indicators/coverage 下载。

资金：这项研究得到了EO威尔逊生物多样性基金会的支持，国家科学基金会授予DEB-1441737，国家航空航天局向W.J..C.M提供了80NSSC17K0282和80NSSC18K0435。确认大众汽车基金会通过弗雷格斯特奖学金（A118199）提供资金，以及由德国研究基金会（DFG+FZT 118，202548816）资助的iDiv提供额外支持。资助者在研究设计、数据收集和分析、决定出版或准备手稿方面没有作用。

竞争利益：作者宣称不存在相互竞争的利益。

缩写：《生物多样性公约》;全球生物多样性信息设施GBIF;摩尔，生命地图;SSEI，物种抽样有效性指数：SSII，物种状态信息指数

介绍

在一个迅速变化的世界中，对全球生物多样性变化及其多重后果的探测、理解和管理[1，2]依靠综合证据来建立基线和评估变化。随着《生物多样性公约》2020年后全球生物多样性框架的讨论进入最后阶段，数据和指标的提供，以评估朝着商定的目标取得的进展，发挥了核心作用[3]7]拟议的目标19认识到改善和共享全球生物多样性知识基础的基本需要，该目标要求提供关于生物多样性状况和趋势的可靠信息[8]。

物种地理范围及其时间动态的描述是基本的生物多样性措施[9]，如物种分布中捕获的基本生物多样性变量[10]。物种地理分布的现状和趋势与物种的生态相关性、种群规模和灭绝风险直接相关，因此对物种及其生态功能的保护和管理至关重要[11]13]。限制对物种的威胁并确保生态系统完整性的雄心壮志，这是正在讨论的2020年之后全球生物多样性框架的核心目标[8]，主要依靠有效的文件和监测物种分布和变化随着时间的推移[6，7，14]。

由于数据收集、动员和聚合（15=17]方面取得重大进展，可公开访问的发生数据正在快速增长 [9、14、18]，全球生物多样性信息设施（GBIF）提供了超过 16 亿份跨来源和分类的发生记录。这些数据代表了越来越多的来源，包括博物馆标本、现场观测、声学和视觉传感器以及公民科学工作[19]。数字平台，如生命地图（MOL）已经开始通过模型整合这些数据，以支持大量的研究和保护应用[10，20]。

然而，仅凭数据量的增加，就很少提供关于向有效空间生物多样性知识库取得全面进展的信息，因为记录可能非常多余，涵盖有限的物种和区域[21]。事实上，先前的工作揭示了现有数据（9、21和26）中的重大分类和地理差距，并强调了在数据覆盖评估中考虑预期多样性和规模敏感性的重要性[19、21、27]29] 。科学家已经确定了当前数据存在差距和偏见的一系列社会经济、语言和生态驱动因素，并确定地理访问、当地资金资源的可用性和参与数据共享网络是数据差距的关键相关关系[21，30]。

上述知识差距突出表明，必须采取更知情和协调的方法，以建立有效的空间生物多样性证据基础。建立这样一个证据基础需要能够随着时间推移改变生物多样性数据覆盖范围的指标，以便为决策提供信息。作为负责协调和管理其生物多样性的政治单位，各国掌握着激励改善信息基础的关键，并通过能够监测和强有力的管理决策，从广泛改进的生物多样性信息中获得最大的好处。例如，墨西哥联邦政府常设委员会墨西哥国家生物多样性委员会（CONABIO）的活动导致该国生物多样性信息大量增加，支持该区域的保护决定[31]。尽管迫切需要实现国际目标，并大量记录不断增长的数据[32，33]，已发表的工作尚未提供定量指标来跟踪各国在缩小空间生物多样性数据差距方面的进展 [27，34]36] 。

在这里，我们提供了两项国家指标，以支持全球评估、监测和决策支持，围绕空间生物多样性信息的年度趋势。这些指标集成在灵活、可向上的分析框架中。具体来说，我们提出并在全球范围内实施在地球同步轨道生物多样性观测网络[37]（https://mol.org/indicators/coverage）的赞助下编制的 MOL 物种状况信息指数（SSII），以支持 IPBES 报告（https://ipbes.net/core-indicators）和全球评估流程[8]，以及物种采样有效性指数（SSEI）。我们利用指标框架比较了自1950年以来全球和国家空间生物多样性知识的趋势，对31，000多个陆地脊椎动物物种以及超过4.5亿种物种、国家和全球水平的经核实和分类协调的发生记录进行了比较。我们首次对陆生脊椎动物的数据覆盖趋势和采样有效性以及基础设施进行全球评估，以便在MOL（https://mol.org/indicators/coverage）持续跟踪这些指数。

SSII量化了特定网格分辨率和物种地理范围期望（图1A）的间隙生物多样性数据覆盖范围。全球SSII跟踪预期范围细胞的比例与记录，无论是单一物种或平均跨多个物种（图1B）。国家 SSII 的计算方法与全球 SSII 相同，但仅限于特定国家/地区/地区（图1B）内的范围单元格。斯图尔特的SSII遵循国家SSII计算，但另外应用物种级重量来考虑不同的国家对物种的管理（图1B）。各国的不同责任取决于一个物种的全球范围（例如，国家特产科的1个;见图1A的插图和S1文件中的文本A进行正式描述）。对于给定物种，SSII 用数据量化范围的比例，但不包括这些数据在所覆盖范围中分布的有效程度。我们通过将记录的已实现空间分布与基于香农熵（图 1C，S1 文件中的文本 A）标准化为 0 到 1（我们称之为 SSEI 的指标）的理想均匀分布进行对比，来描述采样效果。SSEI 与其他信息理论均匀度指标类似，例如 Pielou 的物种均匀度指数，该指数也基于规范化熵[38]。SSEI 具有与 SSII 相同的属性，可以在物种、国家或全球一级进行计算，此外，还可以由国家物种管理进行调整。

· 原始图像

图1。SSII 和 SSEI 生物多样性数据覆盖率和有效性的指标。

这些指标以二进制（例如专家范围）地图为地理范围的2个假设物种提供说明，并以110公里等面积网格为例进行评估。（a）国家对物种的管理是根据一国境内物种范围的相对部分计算的。（b）在物种一级，SSII被给予为预期在某一年中与记录中占用的细胞的比例。在这个假设的例子中，覆盖率为0.83和0.67的物种，其中5/6和2/3的预期网格细胞有数据。管理人的 SSII 根据各自的国家管理（0.83 和 0.2）调整此覆盖范围。物种级SSII可以通过2种配方汇总到国家一级。给定分类组的国家 SSII 将平均覆盖在一个国家/地区的所有物种（0.75）。斯图尔特的 SSII 根据各自的国家管理（0.8）调整了物种的平均覆盖率。（c） SSEI 将已实现的记录分布的熵与理想分布的熵进行比较（参见S1 文件中的文本 A），其中不均匀采样（较低的 SSEI）被认为不如更均匀的采样（较高的 SSEI）有效。国家 SSEI 在一个国家中预期的所有物种中均具有平均值。（d）相关术语的词汇表。来自层的艺术品。组织（见S1文件中的文本A）。全球生物多样性信息设施GBIF;摩尔，生命地图;SSEI，物种抽样有效性指数：SSII，物种状态信息指数。

https://doi.org/10.1371/journal.pbio.3001336.g001

我们说明了SSII和SSEI在2000年至2019年为美洲虎（潘瑟拉安卡）和领皮卡里（佩卡里塔雅库），2广泛分布的物种与异质采样（图2，表A在S1文件）。每年为美洲虎收集的记录数量大大高于美洲虎，从2到10倍的数据收集（图2A~2C）。随后，全球SSII的球拍价格一直高于美洲虎，但值差异比数据收集的差异（图2D）要窄。

图2。物种和国家榜样模式和趋势。

SSII和SSEI趋势说明了2种，美洲虎（潘瑟拉奥纳卡）和领皮卡里（佩卡里塔亚库）。（a， b）预期占用的细胞以深灰色显示，2010-2019 年收集的记录总数为彩色。（c0）物种级时间系列的总数记录（c），全球SSII为整个物种范围（即所有国家与预期范围）（d），和全球SSEI（e）跨越其预期范围。（f， g）导致国家和斯图尔特的SSII（f）和SSEI（g）为4个国家。来自维基媒体的照片（见S1文件中的文本A）。国家边界从加德姆。奥格。表格 A 和S1 文件中的 B 中可用的数字值。这个数字背后的数据可以在https://mol.org/indicators/coverage和https中找到：//github。com/地图生活/生物多样性数据差距。SSEI，物种抽样有效性指数：SSII，物种状态信息指数。

https://doi.org/10.1371/journal.pbio.3001336.g002

这些结果表明，与美洲虎相比，SSEI对皮卡利的采样有效性要低得多，这表明许多足部记录集中在同一区域。SSII近年来显著改善，达到0.03（即有年度记录的3%全球范围细胞）。这一增长与SSEI的增加有关，因为收集的记录数量仅略有增加（图2E）。国家和斯图尔特的SSII计算这2个物种在哥斯达黎加最高，在巴西最低（图2F，表B在S1文件）。国家SSEI在巴西普遍最高，在哥伦比亚最低（图2G）。

数据覆盖和采样有效性的全球和国家趋势

生物多样性数据收集迅速激增，特别是在过去20年中（图3A）。然而，物种记录的扩散及其转化为生物多样性知识，在分类之间沿着截然不同的轨迹发展。例如，鸟类的记录数量一直最多，每年收集的记录数量大约是陆生脊椎动物（图3B）的1000倍，预期物种的记录比例是其他陆生脊椎动物的3倍。然而，1980年以后，鸟类的SSII只超过了其他3个组，但此后在分类范围SSII（图3C）方面出现了近线性增长。虽然从哺乳动物物种的记录数量来看，数据收集一直超过两栖动物和爬行动物，但近年来哺乳动物的数据覆盖率最低（图3C）。然而，与鸟类数据收集和覆盖面迅速增加的同时，采样有效性迅速下降（图3D/3F）。

图3。全球趋势数据覆盖范围和4个陆地脊椎动物群体的采样有效性。

（a a年度记录总数（a）、所记录的预期物种百分比（b）和全球SSII（c）的趋势。全球 SSII 基于跨物种范围的数据覆盖范围，而不考虑国界。或者，一个物种的全球 SSII 是预计发生该物种的国家的 Steward SSII 的总和。（d）年度总记录计数与全球 SSII 之间的关系。（e）全球 SSEI 趋势。（f）记录的预期物种百分比与全球SSEI之间的关系。（c， e）线条和阴影表示各类物种之间 95% 的置信间隔。（d， f）关系显示在过去70年（1950-2019年）。a+f的颜色表示鸟类（蓝色）、哺乳动物（橙色）、两栖动物（紫色）和爬行动物（绿色）。植物学的艺术品。组织（见S1文件中的文本A）。这个数字背后的数据可以在https://mol.org/indicators/coverage和https中找到：//github。com/地图生活/生物多样性数据差距。SSEI，物种抽样有效性指数：SSII，物种状态信息指数。

https://doi.org/10.1371/journal.pbio.3001336.g003

在过去十年（2010至2019年），生物多样性知识在地理上仍然具有高度偏见，最完整的数据覆盖主要在美国、欧洲、南非和澳大利亚（图4A）。在全球范围内，只有大约一半的国家（42%）在过去十年中，在税收平均覆盖率（图4B）中呈上升趋势（p <0.01）。对于那些显示增长的国家，趋势主要是由鸟类分布数据的快速增加（图4C，图A和表C在S1文件）。近一半的国家（47%）显示鸟类的数据覆盖率显著增加，而只有不到20%的国家有其他分类（图4C）的增长趋势。这表明，尽管所有分类的数据可用性都在增加，但大多数国家在缩小哺乳动物、两栖动物和爬行动物的信息差距方面没有取得进展。

图4。空间生物多样性数据覆盖和采样有效性的国家模式和趋势。

(a， d）平均斯图尔特的SSII（a）和国家SSEI（d）在过去十年（2010-2019）平均跨陆地脊椎动物：数据覆盖范围与采样有效性之间的关系以嵌入值表示。（b， e）在过去十年中，斯特沃德的 SSII（b）和国家 SSEI（e）的变化率。每个颜色箱的最大值标记在每张地图下方。（c， f）在过去十年中，鸟类、哺乳动物、两栖动物和爬行动物在斯图尔特的SSII（c）和SSEI（f）中没有显著（p <0.01）趋势（米色）和显著减少（蓝色）或增加（红色）趋势的国家百分比。植物学的艺术品。组织（见S1文件中的文本A）。国家边界从加德姆。奥格。这个数字背后的数据可以在https://mol.org/indicators/coverage和https中找到：//github。com/地图生活/生物多样性数据差距。SSEI，物种抽样有效性指数：SSII，物种状态信息指数。

https://doi.org/10.1371/journal.pbio.3001336.g004

有趣的是，一些世界区域，历史上最全面地采样了整个本地物种套件在其地理范围不再继续沿增加的轨迹（图4B）。例如，西欧、南非和澳大利亚在覆盖方面的进展似乎有所放缓（即跨税项的SSII），这可能反映了在继续调动现有数据集方面的挑战，或缺乏参与新举措的动力[39]。然而，我们预计，即使不断努力，各国的覆盖范围也可能因为边际收益变得更加难以实现而失效。因此，数据覆盖中的不均等轨迹可能表明各国正在以最大容量运行。因此，趋势放缓的国家最好通过部分转移对国家生物多样性数据创建的投资，支持迄今通过直接伙伴关系落后于目标数据动员和能力建设的国家，从而对《生物多样性公约》的目标作出贡献。相比之下，亚洲、南美洲以及西非和北非的大部分地区在过去十年中从最初的低值增加了覆盖面，这表明如果趋势继续下去，信息前景将令人鼓舞（图4B）。我们的成果强调了区域目标能力建设和数据动员举措的重要性，这些举措支持数据覆盖面历来有限的区域。目前正在开展的这些努力包括GBIF的亚洲生物多样性信息基金和以撒哈拉以南非洲、加勒比和太平洋为重点的生物多样性信息促进发展方案。

尽管生物多样性记录的积累令人吃惊，但并非所有数据都转化为物种分布的新知识[41]。虽然对其他生态应用有潜在帮助，但根据SSEI索引的生物多样性数据的采样有效性在过去十年中在各国之间差别很大，其有效性通常在西欧、北美和澳大利亚（图4D）。国家有效性的趋势似乎也在很大程度上是由鸟类物种的采样有效性趋势推动的，在过去20年中，这种趋势迅速下降，限制了将大量数据直接转化为数据覆盖（图4E和4F）。

数据覆盖范围和分类有效性的差异和权衡似乎主要受不同分类组数据收集方式的驱动。截至2016年，GBIF（>90%）中几乎所有鸟类的记录都来自直接观测，而不是构成两栖动物、爬行动物和哺乳动物（26+）记录主要来源的博物馆标本。然而，随着不限于鸟类的公民科学家项目继续普及（例如，自然主义者），来源上的这些差异可能会缩小。鸟类的SSII直到20世纪80年代才超过其他类别，尽管记录数量增加了一个数量级。此外，对于相同数量的记录，鸟类在陆地脊椎动物中SSII最低，而且似乎只通过大量的记录达到最高的SSII，而不是战略采样（图3D）。尽管在20世纪大部分时间里，鸟类的数据覆盖率有所提高，但21世纪初eBird[42]等公民科学平台的推出无疑对迅速增加覆盖面起到了很大的作用[19]然而，这种观测的冲击并没有被最大限度地利用来加强全球生物多样性信息基础，正如鸟类采样有效性（图3E）的巧合性下降所示。

与其他脊椎动物群体相比，鸟类数据覆盖速度加快，这说明非博物馆数据收集在缩小知识差距方面可以发挥巨大作用[43]45]。然而，我们发现的鸟类物种采样有效性的迅速下降，与公民科学平台的增长相吻合，表明这些数据并没有收集到以最佳方式支持缩小知识差距。虽然公民科学的贡献是无价的，但扩大公民科学倡议对信息增长的影响将可能受益于解决最有效和互补贡献的倡议和指导（即解决未加标的物种或区域）[46，47]。公民科学倡议的迅速变化需要通过国际组织或政府机构进一步支持和扩大协调方案，以确保提高数据覆盖面。公民科学平台可以将激励措施从收集的记录数量或识别的物种转移到贡献的记录的价值。通过 SSII 和 SSEI 等产品量化和识别特别重要的数据贡献，这些产品可以通过 MOL 基础设施进行更新和交付，从而支持自然学家和举措，以填补关键的地理和分类学空白。

国家监测工作的类型

国家生物多样性监测受到无数社会、政治、经济和地理因素的影响[21、22、30、48、49]。我们根据 Steward 在过去十年中的 SSII 状况和趋势将国家分为以下 4 种主要类型：（1）覆盖范围小于全球平均覆盖率，没有或下降趋势（2010 至 2019 年）（42%）;（2）覆盖率低于全球平均水平，呈上升趋势（24%）：（3）覆盖面大于全球平均覆盖面，无或下降趋势（17%）：和（4）覆盖范围大于全球平均值，呈上升趋势（17%）（图 5A）。我们重点介绍每个组的国家轨迹示例（图 5B）。斯图尔特的SSII的状态和趋势在各大洲之间差异很大（图5C）。

图5。国家数据覆盖范围和趋势的分类。

（a） Steward SSII 在过去十年中的平均值和变化率（2010 年 2019 年）。水平虚线表示斯图尔特 SSII 的全球平均值。左面板显示覆盖面没有显著或下降趋势的国家/正确的面板显示覆盖范围显著（p < 0.01）的国家/我们根据 Steward 在过去十年中的 SSII 状态和趋势将国家分为以下 4 种主要类型：（1）覆盖范围小于全球平均覆盖率，没有或下降趋势（2010 年/2019 年）（42%）;（2）覆盖率低于全球平均水平，呈上升趋势（24%）：（3）覆盖面大于全球平均覆盖面，无或下降趋势（17%）：和（4）覆盖面大于全球平均值，且呈上升趋势（17%）。（b）各类型国家/地区（c）国家对象限的分配。条形图显示每个象限内的国家百分比。国家边界从加德姆。奥格。这个数字背后的数据可以在https://mol.org/indicators/coverage和https中找到：//github。com/地图生活/生物多样性数据差距。SSII，物种状态信息指数。

https://doi.org/10.1371/journal.pbio.3001336.g005

在20世纪和21世纪，墨西哥境内的生物多样性数据覆盖都沿着强劲且不断增长的轨迹发展。尽管20世纪期间的覆盖率较低，但南非的数据覆盖率在过去十年中同样强劲且不断增加。历史上数据覆盖范围有限的许多国家最近都增加了覆盖面，例如巴西。数据覆盖的这些轨迹可能是由于支持生物多样性数据收集和动员的政治决定和国家基础设施。例如，建立国家生物多样性方案[CONABIO][31]和大规模地图集工作，如南部非洲鸟类地图集项目[50，51]。

通过国家对《生物多样性公约》减少物种灭绝目标的承诺，要求各国监测它们承担最大责任的物种，或在地方物种方面承担全部责任。通过比较国家和斯图尔特的SSII，我们发现，大多数国家（50%）优先调查物种，他们持有高比例的全球范围（图B在S1文件）。这可能反映了一种趋势，即地方生物多样性赋予了特殊的文化重要性，社会利益也影响了研究议程[49]，或者仅仅反映了旨在提高生命清单的公民科学家的偏好。基于国家对物种管理的选择性监测可能有益地促进对物种赖以依赖的生境拥有主要控制权的国家内部的保护议程。考虑到这一目标，我们的分析突出了各国在抽样物种方面落后的情况，而抽样物种具有高度的管理地位，因此在物种保护方面（例如印度尼西亚和哥斯达黎加）发挥着特别重要的作用。

跟踪全球生物多样性知识的未来方向

我们认识到SSII或生物多样性数据覆盖的任何单一指标在满足研究和监测需求方面具有局限性。我们的制定假定了一套特定的分类、空间和时间单位，并给多样性特别高或国家面积大的国家带来负担，以取得高分。此外，这里介绍的 SSII 模式的年度时间单位和相对粗糙的网格对空间密集的数据不敏感，这些数据可能揭示重复样本（例如在占用建模框架中）提供季节性动态和额外见解[52]。同样，通过惩罚不均匀的采样，SSEI 忽略了需要重复采样的应用程序。以目前的形式，SSII也没有考虑到环境空间的覆盖范围（例如，与基于模型的推理和基本生物多样性可变生产相关）[10]。此外，由于 SSII 目前基于物种范围的静态表示，因此它不会捕获范围动态，例如在新的入侵或范围变化中[9]。这可以通过及时更新范围期望或其他特定入侵信息[53]来解决。动态跟踪物种分布在物种范围跨越国界的情况下尤其重要，从而产生新的监测责任。我们的方法和分析基础结构能够灵活地适应不同的空间分辨率（S1 文件中的图 C 和文本 A），因为有关物种范围的更精确信息（例如，通过物种分布建模）可用于更广泛的分类。

一组量化采样完整性的替代方法依赖于参数化或非参数丰富性估计值，基于对组合物种积累曲线的推断[27，34]36]。这些方法提供了重要的补充贡献，特别是对于严重不足或描述不足的分类，因为全球综合物种范围期望（SSII 计算所必需的）仍然不可用。但是，外推方法的丰富性估计可能与输入数据使用的具体方法和结构有显著差异。因此，对于它们的开发和使用，有相互竞争的建议[54]56]。SSII 通过将记录收集直接与最佳物种水平的期望直接联系起来，避免了潜在的陷阱和推断方法的有限透明度。因此，SSII允许在物种层面提供决策支持，这在推断方法中是不可能的。虽然这项研究的范围仅限于陆地脊椎动物，但该框架很容易扩展，以解决其他分类学群体和领域，并不断进行全面的分布测绘工作，如植物和某些海洋和无脊椎动物群[18，57]。SSII 提供了物种、国家和全球尺度上生物多样性信息的有效初始特征，并有可能将指标扩展到不同空间颗粒（S1 文件中的图 C）、分类和数据类型。

结论

这里提出的框架和指标提供了物种、国家和全球轨迹在缩小生物多样性信息差距方面的定性和可比性。需要更全面的定量和标准化生物多样性信息来支持政策和行动，这不仅支持了改进的基本生物多样性变量[10]，而且在最近对 IPBES 和 2020 后全球生物多样性框架的评估中也被认为是迫切需要的。我们的发现表明，数据覆盖的趋势因分类和区域而异，并强调需要补充和重新评估生物多样性采样战略，以便最有效地将数据收集转化为有助于管理和决策的生物多样性知识。

支持信息

" %

*1！=，K*2，=！01！，7-<7<-<2！

Download

figshare

S1 文件。

文本 A.支持主要文本的方法、补充文本和补充确认。图A. 数据收集、覆盖范围和采样有效性的国家模式（2010-2019年）。（a）斯图尔特的 SSII 和国家 SSEI 的更改率。虚线表示零坡度。（b， c）Steward 的 SSII 与全国收集的总面积（b）和全国记录的预期物种百分比之间的关系和不匹配（c）。（d）全国记录的预期物种百分比与平均国家SSEI之间的关系。这个数字背后的数据可以在https://mol.org/indicators/coverage和https://github.com/MapofLife/biodiversity-data-gaps中找到。图 B. 国家数据覆盖管理。（a）过去十年（2010-2019年）国家和斯图尔特的SSII。积分由国家和斯图尔特的 SSII 之间的百分比差异来着色。虚线表示变量之间的 1：1 线。（b）根据百分比差异估计，在过去十年中对国家的相对管理。颜色比例与面板中的色度匹配（a）。国家边界从加德姆。奥格。这个数字背后的数据可以在https://mol.org/indicators/coverage和https://github.com/MapofLife/biodiversity-data-gaps中找到。图 C. 空间分辨率对 SSII 和 SSEI 的影响的实证演示。（a， b）阈值物种分布模型输出（Ellis-Soto 及其同事，2021 年）重新缩放为 3 个空间分辨率（110、55 和 27.5 公里），用于 2 种蜂鸟，（a）发光浮肿（Eriocnemis 前田）和（b）白面山星（奥利奥特罗奇卢斯白细胞）。网格单元格按 2000 年至 2019 年间收集的记录数量进行着色。（c）以3个空间分辨率计算的年度SSII（实线）和SSEI（破折号线）。（d-i）空间分辨率之间的 SSII （d+）和 SSEI （g+i）值的比较（d， g： 100 对 55 公里：e， h： 55 vs. 27.5公里：f， i： 110 vs. 27.5公里）。灰色阴影显示 95% 的置信区间。彩色文本显示每个物种的坡度估计值和 95% 的置信间隔（蓝色：Eriocnemis 前庭;绿色：奥利奥特罗奇卢斯白细胞）。这个数字背后的数据可以在https://mol.org/indicators/coverage和https://github.com/MapofLife/biodiversity-data-gaps中找到。图 D. 物种采样有效性指数（SSEI）的理论实例。每行都对应于不同程度的生物多样性分布记录的理论案例，这些记录为具有相同范围大小的理想物种。在这些示例中，单个记录与备用值（1、2、10、100 和 1，000）的采样范围的比例从 0 调整为 1。SSEI 在具有均匀或近乎均匀采样的情况下最高（即所有网格单元格都包含 1 或 2 个记录）。SSEI 在采样高度不均匀的情况下最低（即具有单个记录或 100 1，000 记录的网格细胞混合物）。这些示例还突出表明，在冗余采样均匀的情况下，SSEI 是相同的（即，如果所有细胞都有 1、10 或 1，000 个记录，则值相同）。此外，SSEI 接近最大值时，只有一小部分细胞包含超过一个单一的记录（即单个记录的细胞比例>90%）。表 A. 物种示例覆盖范围和采样有效性值。图为美洲虎（潘瑟拉·安卡）和领皮卡里（佩卡里·塔亚库）提供的价值观，如图2C-2E所示。此表下的数据可能在https://mol.org/indicators/coverage和https://github.com/MapofLife/biodiversity-data-gaps中找到。表 B. 国家示例数据覆盖率和采样有效性值。图为美洲虎（潘瑟拉·安卡）和领皮卡里（佩卡里·塔亚库）提供的值，如图2F和2G所示。此表下的数据可能在https://mol.org/indicators/coverage和https://github.com/MapofLife/biodiversity-data-gaps中找到。表 C. 过去十年（2010-2019年）的国家数据覆盖率和抽样有效性值。ISO3 代码和平均值为国家和斯图尔特的 SSII 和 SSEI 的国家。此表下的数据可能在https://mol.org/indicators/coverage和https://github.com/MapofLife/biodiversity-data-gaps中找到。

https://doi.org/10.1371/journal.pbio.3001336.s001

（PDF）

确认

我们感谢生命地图团队的支持和专业知识，尤其是维杰·巴夫、亚尼娜·西卡和米歇尔·杜昂。我们还感谢 GBIF 团队，特别是乔·米勒、蒂姆·赫希和蒂姆·罗伯逊在数据和手稿反馈方面提供帮助。

引用

00001. 1.博内布拉克 Tc，布朗 Cj，贝尔 Jd，布兰查德 Jl，乔韦内特 A，冠军 C，等等。管理气候驱动的物种再分配的后果需要生态学、保护学和社会科学的整合。生物修订版 2018;93 （1）：284+305.pmid：28568902

首页

期刊

论文

留言

联系

论文指南

客服中心

最新投稿+更多

最新期刊更新+更多