原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你是一位掌管着规模宏大、面积堪比大陆的种子图书馆的总园丁。这座图书馆不仅藏书，还收藏着我们今日所食作物的野生祖先——例如野生小麦或古老番茄。这些野生近缘种是我们粮食供应的“备份硬盘”。如果气候变化导致现有农场难以为继，农民们就需要查阅这座图书馆，寻找能帮助作物抵御高温或干旱的性状。
问题在于，我们用于建立“保护区”（如自然保护区）以保护这些种子的预算有限。通常，规划者在决定何处建立这些保护区时，使用的是显示这些植物“当前”分布的地图。这就像试图仅凭今天的天气预报来打包行李，却忽略了预报显示下周将有大雨。
本文认为，这种“只看今天”的做法是一个错误。植物就像徒步者；随着气候变化，它们会自然地迁移到新的、更凉爽或更湿润的地方。如果我们只保护植物今天所在的地点，那么五年后我们守护的可能只是一片空地，因为植物早已迁走。
为了解决这一问题，研究人员使用了一种智能计算机工具（一种称为强化学习的人工智能），进行了一场高风险的“我们该在哪里建围栏？”游戏。他们不仅问：“植物现在在哪里？”还提出了两个新问题：
- 分布区转移：“这些植物未来会迁移到哪里？”
- 生态位覆盖：“我们是在保护这些植物所需的全部家园类型，还是仅仅保护了其中一种‘后院’？”
他们在欧洲对 1,140 种不同的野生作物近缘种测试了这一策略。结果就像从模糊的黑白地图切换到了高清的三维全息图。
以下是他们采用这种面向未来的新策略与旧方法相比所发生的变化：
- 更少被遗弃：最终完全未受保护物种的数量下降了 64%。这就像确保派对上的几乎每位宾客都有座位，而不是让三分之二的宾客站在雨中。
- 更好的覆盖：植物未来家园中目前受到保护的平均面积增加了 43%。他们不再仅仅守护一棵树，而是守护了这棵树未来将成长成的整片森林。
- 数量带来的安全：仅受到部分保护（其未来家园覆盖率不足一半）的物种数量减少了 3.5 倍。
简而言之，本文表明，如果我们想要保存应对气候变化、养活世界所需的基因工具，我们就不能仅仅在植物今天所在之处建起围栏。我们必须运用明智的规划，在它们“未来将到达”的地方建起围栏，确保我们不会无意中为未来锁上了大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。