全球外來種原生與引入分布數據集：生物入侵管理與預警的基石

《Scientific Data》：A global dataset of native and alien distributions of alien species

【字體： 大 中 小 】 時間：2025年12月05日 來源：Scientific Data 6.9

　　

隨著全球化進程加速，人類活動無意中成為物種遷徙的“搬運工”，導致生物入侵日益成為破壞生態系統穩定性、加劇生物多樣性喪失的重要推手。據IPBES報告，外來入侵物種已被列為全球生物多樣性喪失的五大驅動因素之一，其引發的經濟損耗和健康威脅更是觸目驚心。然而，科學界長期面臨一個尷尬困境：盡管已有大量研究記錄物種在“新家園”的分布，但關于它們“故鄉”在哪里的信息卻支離破碎。這種原生分布數據的缺失，如同只知罪犯的逃竄路線卻不知其籍貫，嚴重阻礙了入侵物種的溯源管理和早期預警。

為破解這一難題，德國吉森大學動物生態與系統學系的Manuela Gomez-Suárez、Philipp Laeseke和Hanno Seebens在《Scientific Data》發表了題為“A global dataset of native and alien distributions of alien species”的研究。團隊通過整合14個全球權威數據庫（如GloNAF、GAVIA、DAMA等），構建了名為SInAS 3.1.1的全新數據集。該數據集首次系統收錄了全球289個行政區域（涵蓋島嶼和生物地理熱點地區）中39,700種外來物種的引入分布記錄，并追溯了其中21,345種的原生分布范圍，形成總計427,956條標準化數據。這一成果不僅填補了外來物種“全生命周期”分布信息的空白，更為解析物種入侵路徑、識別高風險源區提供了數據基石。

研究方法的核心在于多源數據整合與標準化流程。團隊基于已有的SInAS工作流，新增了對原生分布數據的處理模塊。首先，從專業數據庫（如IUCN紅色名錄、BirdLife范圍地圖）提取物種分布信息，將矢量范圍數據與289個自定義地理單元進行空間疊加，生成物種-地點對應清單。其次，采用Darwin Core術語體系對物種狀態（如“原生”“引入”）、建立程度（如“已建立”“入侵性”）等字段進行標準化，并通過翻譯表統一地理名稱和生境類型（如淡水、海洋）。最關鍵的是，所有物種名稱均與GBIF主干分類學匹配，解決同物異名和拼寫誤差問題，確保分類一致性。最后，通過去重和沖突解析（如同一物種在相同區域既有原生又有引入記錄時保留雙重狀態），生成可追溯至原始數據源的完整數據集。

數據記錄

數據集包含兩個核心文件：分布記錄表（SInAS_3.1.1.csv）和物種分類信息表（SInAS_3.1.1_FullTaxaList.csv）。分布表以Darwin Core為框架，包含地點ID、物種狀態、首次記錄年份等字段；分類表則整合了GBIF提供的門類至物種級系統發育信息，并添加了“類群”（taxaGroup）字段以便按生態組（如維管植物、節肢動物）進行篩選。值得注意的是，92%的物種名稱已通過GBIF驗證，但部分雜交變種或微生物因分類信息缺失暫未歸類。

數據概覽

數據分析揭示顯著的空間和類群偏好性。外來種記錄高度集中于北美洲、歐洲和大洋洲等經濟發達地區，而原生分布則更多體現生物多樣性熱點（如南美、撒哈拉以南非洲）。

類群方面，維管植物（15,000種）、節肢動物（近10,000種）和脊椎動物占據主導，反映當前研究更關注易被引入的類群。

但數據完整性存在差異：僅9.2%的記錄包含建立程度信息，0.5%有引入途徑描述，提示未來需加強入侵生態學細節的收錄。

技術驗證與使用指南

團隊通過三重機制保障數據可靠性：一是僅采納專家審編的權威源（如IUCN評估報告、同行評審期刊數據）；二是通過GBIF分類匹配和地理單元標準化減少系統誤差；三是公開全流程代碼（GitHub平臺）供用戶復現和自定義區域聚合方案。使用需注意兩點局限：一是行政邊界可能高估實際物種分布范圍；二是基于范圍地圖的原生分布數據在邊界地區存在誤判風險。

結論與意義

SInAS 3.1.1首次實現了外來物種“從起源到歸化”的全景式數據整合，其價值體現在三方面：科學上，支持入侵路徑網絡分析和生態位模型預測，助力發現“潛伏性”外來種；管理上，為《昆明-蒙特利爾框架》目標6（到2030年將入侵種引入減半）提供監測基準；技術上，其可擴展工作流允許持續融入地方性數據集，推動全球生物入侵治理的協作標準化。這一數據庫不僅是入侵生物學的里程碑資源，更警示人類：唯有明晰物種的“前世今生”，方能守住生態安全的未來防線。