主要结论

全球生物多样性模型能够揭示人类活动对生物多样性的总体影响，但难以准确预测局部地区的生物多样性。 即使考虑不同生态区域和生物分类群的差异，模型的预测能力仍然有限，尤其难以推广到新的研究区域。主要原因在于全球生物多样性数据存在空间和分类群采样偏差，而且不同地区的生物多样性对环境变化的响应并不一致。这说明模型的解释能力≠预测能力，全球尺度的生态规律不一定适用于局部尺度。

方法亮点

基于全球 PREDICTS 数据库，利用约2.5万个采样点的生物多样性数据，结合土地利用、人类活动和气候等环境变量，构建了三种贝叶斯层级模型，分别考虑研究间差异、生态群系与生物地理区划差异，以及生态群系与生物分类群差异。最大的创新在于采用两种交叉验证策略，区分模型的插值能力和外推能力。 一种是随机划分采样点，检验模型对已有研究背景下新样点的预测能力；另一种是按独立研究划分训练集和测试集，检验模型能否推广到新的研究背景。此外，作者还分析了训练集与测试集之间的环境条件差异及模型参数变化，进一步解释模型外推能力较低的原因。

参考

1. Nyström, J., Smith, J.R., Mandle, L. et al. Global biodiversity models exhibit low predictive accuracy on local scales. Nat Ecol Evol (2026).
2. 用R包直接提取PREDICTS数据库
3. Hudson, L. N., Newbold, T., Contu, S., Hill S. L. L., Lysenko, I., De Palma A., … Purvis, A. (2017), The database of the PREDICTS (Projecting Responses of Ecological Diversity In Changing Terrestrial Systems) project. Ecology and Evolution, 7: 145–188.