本文首发于“生态学者”公众号！

近日，四川大学生命科学学院动物生态与保护团队吕牧羊副研究员在国际顶级期刊《全球变化生物学》（Global Change Biology）发表研究成果。论文以 “Fine-Grain Data Reveal Vulnerability of Biodiversity to Climate Change” 为题，构建了基于多维生态位的气候脆弱性评估新指标，通过系统分析西半球 1804 种鸟类的高精度数据，揭示了传统粗粒度分析在生物多样性气候风险评估中的显著偏差。

量化气候变化对生物多样性的影响是当前最紧迫的科学挑战之一。近年来的研究已警示全球范围内物种分布区收缩和群落崩溃的风险，但这些研究多依赖粗粒度数据（如物种分布范围图），其结果的解读和决策相关性受到严重限制。粗粒度分析往往无法准确反映物种与栖息地环境的真实关联，可能导致对物种气候脆弱性的低估或高估，进而误导保护策略的制定。长期以来，学界对空间粒度如何影响气候脆弱性评估缺乏全面的实证分析，这一局限阻碍了对生物多样性气候风险的准确认知。

面对这一难题，研究团队提出了一种新型气候脆弱性评估方法。该框架基于物种气候生态位的超体积概念，将物种的气候生态位表征为多元正态分布，同时量化物种面临的气候暴露程度（气候变化幅度）和敏感性（气候生态位宽度），实现了两大重要突破：一方面，该指标解决了传统评估方法的局限性，明确生态位边缘种群比核心种群具有更高的脆弱性，更贴合物种生存的实际情况；另一方面，通过将多元脆弱性分解为温度、降水及交互作用等组分，清晰识别了驱动物种脆弱性的关键气候因子。

研究团队利用该方法系统分析了西半球 1804 种鸟类的高精度（1 公里）和粗粒度（128 公里）数据，对比了不同空间尺度下的物种气候脆弱性评估结果。研究发现，粗粒度分析最多可能遗漏半数最脆弱物种（前 20%）。两种空间尺度下气候变化脆弱度的相关性仅有0.43。

该研究进一步揭示了空间尺度效应的地理分布规律：热带地区物种对数据粒度更为敏感，而温带地区受影响较小。亚马逊盆地、大西洋森林和加勒比群岛是偏差最显著的区域。令人意外的是，看似气候均一的亚马逊盆地，其物种脆弱性却被粗粒度数据低估 ——温度的空间自相关性导致粗粒度分析夸大了物种生态位宽度，掩盖了真实气候风险，表明该区域物种面临的气候危机比此前认知更为严峻。温度变化被证实是驱动物种脆弱性的首要因子，其贡献远超降水和生态位交互效应，印证了全球变暖对动物生存的直接威胁。

此外，研究还识别了空间尺度效应的核心驱动因素：温度和降水的空间自相关性作用最为突出。在地形平缓、温度均一的区域（如亚马逊平原），粗粒度数据易低估脆弱性；而降水变异性高的区域则可能出现高估。狭域分布物种、栖息地特化种对粒度变化更敏感，这也解释了热带生物多样性热点区域的评估偏差尤为显著。这些发现表明，忽略空间粒度效应的传统分析方法，极有可能严重误判物种对气候变化的真实响应。

四川大学生命科学学院的吕牧羊副研究员担任论文第一作者兼通讯作者，耶鲁大学 Walter Jetz 教授为共同作者。合作单位包括耶鲁大学生态与进化生物学系、耶鲁大学生物多样性与全球变化中心。研究得到了四川大学生命科学学院动物生态与保护团队、生物资源与生态环境教育部重点实验室、濒危野生动物保护生物学四川省重点实验室冉江洪教授和吴永杰教授的大力支持，同时获得了四川大学 “中央高校基本科研业务费”、马克斯・普朗克 - 耶鲁生物多样性与全球变化中心、E.O. 威尔逊生物多样性基金会 “半地球项目” 等项目的资助。

论文信息：Lu, M., & Jetz, W. (2025). Fine-Grain Data Reveal Vulnerability of Biodiversity to Climate Change. Global Change Biology, 31, e70627.https://doi.org/10.1111/gcb.70627

相关阅读：四川大学生命科学学院团队在PNAS发表重要成果！提出生态位从个体到物种的尺度转换理论框架

图1. 三种西半球鸟类气候变化脆弱性的空间尺度效应。（A）近期（1981-2018 年）与未来（2041-2070 年）期间的温度和降水预测变化，以高精度（1 公里；突出显示三个示例地点）呈现。（B）在双变量环境空间中展示的近期（青色点）与未来（粉色点）环境差异。黑色椭圆代表物种环境生态位的 80% 分位数。每个空间栅格的脆弱性得分（VS）计算方式为：近期与未来环境条件到生态位中心的标准化欧氏距离平方（SED）之差，具体计算过程见（B）中间面板的插图。脆弱性得分（VS）的概率解释为：当维度数为 2 时，VS 从 0 增加到 0.45 相当于适宜度相对于物种生态位中心的估值下降 20%；VS 从 0 增加到 1 相当于适宜度下降 40%；VS 从 0 增加到 2 相当于适宜度下降 63%。（C）物种缓冲分布范围内的平均脆弱性（按空间栅格对应的适宜度加权）与空间粒度的关系图。虚线表示物种水平脆弱性的 95% 置信区间。

图2. 高精度（A）与粗粒度（B）数据评估的物种气候变化脆弱性差异。

“VS” 为 “脆弱性得分（Vulnerability score）” 的缩写。图表列出两种粒度下按脆弱性排序的前 20% 物种。红色和蓝色标识仅在其中一种粒度下属于前 20% 最脆弱的物种，灰色标识两种粒度下共同的最脆弱物种。每种粒度下重点标注 5 个示例物种，并附带其分布范围图（绿色）。彩色边框标注图 1 中的两个示例物种：白耳鹟（Galbalcyrhynchus leucotis）和巴西红宝石蜂鸟（Clytolaema rubricauda）。

图3. 脆弱性的尺度效应及其分解成分（A）将某一地点的脆弱性分解为单变量成分和交互作用成分的示意图。μ 代表生态位中心，t₀代表近期环境条件，t₁代表未来环境条件。实线椭圆代表气候生态位多元正态分布的 95% 分位数。虚线圆代表生态位轴之间无交互作用的多元正态分布 95% 分位数。脆弱性得分计算为当前和未来环境条件到生态位中心的标准化欧氏距离平方（SED）之差。在一维情况下，为欧氏距离平方（ED）之差除以一维生态位宽度（方差σ²）。当生态位轴之间无交互作用时（虚线圆），多元脆弱性等于各单变量成分之和。（B）白耳鹟的多元脆弱性及其分解成分在其地理分布范围内的尺度效应（按空间栅格适宜度加权）。虚线表示脆弱性的 95% 置信区间。（C）1804 种受评估物种的脆弱性尺度效应扩展图。彩色线条代表单个物种，红色表示负向脆弱性 - 尺度关系，蓝色表示正向关系，虚线标注（B）中的焦点物种。黑色实线表示所有物种的平均值。（D）1804 种物种基于高精度与粗粒度数据的脆弱性对比。黑色虚线分别表示每个类别下脆弱性的 80% 分位数。

图4. （A）九种驱动因素对气候变化脆弱性空间尺度效应的相对影响。正值表示该预测因子数值越大，脆弱性随粒度增大而增加的可能性越高；负值表示该预测因子数值越大，脆弱性随粒度增大而降低的可能性越高。（B）基于 1804 种鸟类数据，128 公里网格单元内物种水平脆弱性的平均差异（高精度脆弱性减去粗粒度脆弱性，按分布范围大小的倒数加权）。负值表示粗粒度数据高估脆弱性，正值表示粗粒度数据低估脆弱性。下方面板展示基于高精度（1 公里）和粗粒度（128 公里）数据识别的最脆弱物种（定义为前 20%）数量。地图边界仅用于划分研究区域，不代表公认的国家边界。