【学术动态】评估城市生物多样性：在城市生态系统中使用公民科学数据构建物种分布模型的有效性 | 2025年第1期

评估城市生物多样性：在城市生态系统中使用公民科学数据构建物种分布模型的有效性

来源： BÜHRS M, ZEPP H, SCHMITT T. Evaluating urban biodiversity: effectiveness of citizen science driven species distribution models in urban ecosystems: a case study in the Ruhr Metropolis, Germany[J/OL]. ERDKUNDE, 2024, 78(3): 195-224. DOI:10.3112/erdkunde.2024.03.03.)

1.研究背景

识别城市生物分布与生物多样性热点空间是进行城市生物多样性保护的基础。物种分布模型（species distribution models，SDM） 是使用环境变量模拟给定物种的潜在栖息地或地理分布范围的生态学模型工具，其有助于科学家理解和预测各种生物的空间分布。近年来，公民科学（citizen science，CS） 和遥感（remote sensing，RS） 技术的快速发展为物种分布模型提供了大量且具有更高分辨率的基础数据。在城市环境中，碎片化和高度多样化的景观占主导地位，将公民科学数据和遥感技术与物种分布模型相结合，可在全面调查和评估城市生物多样性方面发挥重要作用。然而，很少有研究在密集和破碎化的城市地区使用公民科学构建多种鸟类的物种分布模型。鉴于此，本研究对德国鲁尔区（欧洲第五大城市聚集区，面积约4500km²） 的多种鸟类展开研究，以弥补相关研究的局限性。研究目的包括：①详细阐述基于公民科学构建的物种分布模型能否有效地应用于空间复杂的城市环境。②确定研究区域的生物多样性热点和自然保护的优先区域。③检验现有的保护区域是否与物种热点相对应。

2.研究设计

2.1基础数据及处理

鸟类是理想的城市地区生物指标物种，其分布直接或间接地受到城市环境影响，可以通过相关城市栖息地选择驱动因素进行建模。本研究从对城市化的敏感程度、是否为保护或濒危物种以及能否涵盖种群和生态位需求，选取了26种鸟类参与建模。公民科学数据来自德国ornitho.de平台2019至2021年连续3年数据，以对应后续所应用的环境数据时间，并将数据限制于4月至7月具有繁殖记录的鸟类，以代表该区域的鸟类繁殖季节。采用R语言，在必要时减少数据的局部自相关并进行稀释。针对记录较少的物种数据则进行伪缺失模拟，即标准化每种算法的伪缺失数据数量，基于每种物种的存在记录数量的三倍进行生成。同时，为减轻潜在的错误分配问题，使用了多次独立数据集进行迭代。

选择3类环境因子，包括：气候因子（包括最高/最低温度、最大/最小降水、潜在/实际蒸散量） 决定了鸟类的生理活动，并影响生境状况与鸟类生存资源可利用性等间接影响因素，2019至2021年4-7月数据来自德国气象局（German Weather Service）；高程因子与地表特征因子对物种的城市栖息地选择和群落结构具有直接影响，其中高程因子数据来自GEDI LiDAR数据集；地表特征因子中的不透水性与树木覆盖密度来自哥白尼土地覆盖监测（Copernicus Land Cover Monitoring），土地利用信息来自欧洲航天局（ESA）的WorldCover 产品。对环境数据进行重采样形成1km×1km网格单元，并成对进行Person相关性分析，排除具有高度相关性的变量，最终选取其中12个环境因子参与物种分布建模。

2.2研究方法

在Biomod2中选取11种不同物种分布模型建模算法，并选取了26种鸟类中的4种具有代表性的鸟类，对其各自进行单独建模与交叉验证。通过TSS （true skill statistics）、ROC （receiver operating characteristic）、bias （frequency bias index） 以及连续Boyce指数来评估模型性能。最终保留11个算法模型中的具有较好预测性能的4个算法，包括GBM、GAM、RF和XGBOOST。

筛选TSS＞0.5且ROC＞0.7的阈值，采用委员会平均算法（committee averaging，CA） 对26 种物种的每种单独进行集成建模（EM, ensemble modelling）。对各个物种的综合预测栅格值结果应用沿不同阈值（maxTSS） 的方法以确定最佳二元转换阈值，将建模结果进行二元转换，输出存在－不存在（1－0） 栅格图层。最后，将所有物种的栅格图层进行叠合以获得物种丰富度地图。

3.研究结果

研究结果显示：整体上，基于公民科学构建的物种分布模型表现良好，对大部分物种都具有很高的预测能力。简单的算法表现优于更加复杂的算法。但在物种分布数据较少的情况下，GAM算法的预测效能较弱。整体来看，随机森林算法在预测不完整且非结构化的数据集时表现更佳。

在环境因子中，气温以及草地、水、湿地占比普遍具有较高重要性。其中水鸟对水和湿地具有更大的依赖性，而地面鸟类则主要依赖草地和裸土。

在德国鲁尔区，约有6% （250 km²） 的地区被认定为具有较高鸟类物种多样性，26个物种中至少有17种栖息于此；在核心城区内，保留下来的棕地、重新焕发生机的矿区以及先前划定的区域绿化带的残留部分具有较高的物种丰富度；此外，作为整体生境网络框架的一部分，核心区以外的区域也被证明具有较高的物种丰富度和鸟类物种多样性。

4.结论与讨论

本文的研究表明，将公民科学与遥感结合应用于物种分布建模的组合，可以为城市景观中的鸟类物种多样性预测提供一种复杂而准确的方法，其能够有效识别城市环境中值得保护的栖息地，从而指导保护生物多样性关键种群与栖息地。研究结果有助于优化德国鲁尔区的城市发展理念和城市绿地管理措施，以保护城市生物多样性。本研究表明了绿色空间网络的重要性、对其进行保护以及缩小鲁尔区现有网络缺口的必要性。

本文的研究不足主要包括：①尽管进行了严谨的数据处理与模型评估选择，但公民科学数据本身具有一定的空间不均匀性等问题，因此这些偏差仍可能会影响其对研究区域鸟类物种分布的整体代表性。②在单一物种模型的研究中，可能无法检测到物种间的依赖性，这可能导致对物种栖息地适宜性的偏差评估。③公民科学与遥感结合的物种分布建模方法对不同物种的预测效果不同，其对具有特定土地利用偏好与筑巢地点要求的物种（如啄木鸟和云雀） 预测精度较高，但对栖息地选择偏好较广、活动范围较大和一般丰度较高的猛禽类预测较不准确。④尽管本研究已经证实对所有物种统一使用相同繁殖代码的模型预测性能足以评估物种丰富度，但为了提高预测准确性，应根据物种的丰度对其进行更加精细的分类。⑤研究可能缺乏长期的监测数据来验证模型的长期预测能力和稳定性，尤其是在城市生态系统中，环境变化可能会影响物种分布。

（供稿：傅晓蝶，同济大学建筑与城市规划学院硕士研究生）

原文始发于微信公众号（城市规划学刊upforum）：【学术动态】评估城市生物多样性：在城市生态系统中使用公民科学数据构建物种分布模型的有效性 | 2025年第1期