biomes: An R package for reproducible occurrence-to-biome classification using 31 global biome schemes
本文介绍了 biomes，这是一个 R 程序包，它提供了 31 种不同生物群系方案的协调全球栅格图层，并提供了一种可复现的、数据驱动的工作流，以帮助研究人员选择最合适的方案，并为生态学和进化研究对物种分布记录进行分类。
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
在世界地图上，陆地通常被划分为宽广且连贯的植被带。这些被称为“生物群落”（biomes）的区域是地球上巨大的生态邻里，从热带茂密潮湿的热带雨林到干燥开阔的稀树草原，再到极地的冰封旷野。科学家利用这些类别来理解生命是如何在全球范围内分布的，物种如何适应其环境，以及生态系统未来可能发生怎样的变化。然而，目前这些区域的定义方式存在一个显著的问题。正如不同的制图师可能会以略微不同的方式绘制一个国家的边界一样，生态学家已经创建了数十种不同的生物群落地图。有些地图侧重于驱动植物生长的气候，有些侧重于植被的物理形态，还有些则关注人类如何改变了景观。由于这些地图经常在界定一个生物群落何时结束、另一个何时开始的问题上产生分歧，研究人员经常难以为自己的特定问题选择合适的地图。这种不确定性可能导致混乱，例如，一项研究可能会在无意中使用了会扭曲其试图测量的模式的地图，或者不同的科学家在研究同一组动物或植物时，仅仅因为使用了不同的环境定义而得出了相互矛盾的结论。
为了解决这种混乱，一个研究小组开发了一个名为 biomes 的新数字工具，旨在为这一混乱的地图景观带来秩序。他们工作的核心是三十一个截然不同的全球生物群落方案，所有这些方案都经过标准化处理，并准备好在 R 语言（一种生态数据分析的标准工具）中使用。该工具不再强迫科学家手动下载、清洗和对齐这些不同的地图，而是以统一的协调格式提供它们。更重要的是，该程序包不仅提供了地图，还提供了一种决定哪张地图最适合特定研究的方法。研究人员创建了一个工作流，可以将物种分布的列表与其进行测试，并将其与所有可用地图进行比对。随后，它根据这些地图与数据的拟合程度进行排名，寻找既能捕捉到最多的记录，又能区分物种实际占据的不同环境类型的方案。这种方法使研究人员能够不再盲目地选择一张熟悉的地图，而是选择在数学和概念上最适合其特定研究问题的地图。
该团队通过将这一新系统应用于被称为木棉科（Bombacoideae）的一类植物，展示了该系统的威力，该亚科包括著名的猴面包树和吉贝树。他们收集了该类群中 185 种不同植物的 17,000 多个记录位置。当他们将数据通过 biomes 工作流运行时，系统评估了 31 张可用地图，并在筛选出侧重于植被类型的地图后，确定了由 Ramankutty 和 Foley 绘制的一张特定的历史地图是最匹配的。这张重建了不受人类干扰时的自然植被状况的地图，成功地将植物记录归类到了有意义的类别中。分析显示，近一半的记录植物以及绝大多数的物种都发现于热带常绿林地。另一大部分则发现于稀树草原。这些发现与科学家此前研究中的推测相吻合，证实了该类群确实分裂在森林和稀树草原环境中。通过使用 biomes 程序包，研究人员能够快速且透明地重现这一已知模式，而无需编写复杂的自定义代码或手动整理数据。
这项工作的价值在于，它使选择生物群落地图成为一个深思熟虑、由数据驱动的决策，而非一种默认的习惯。在此工具出现之前，研究人员可能会仅仅因为某张地图是他们找到的第一张，或者是因为大家都在用它而选择它，如果这张地图与他们的特定研究系统不匹配，可能会引入误差。新程序包确保所选地图既能覆盖研究中的大部分数据点，又能提供足够的细节来观察环境之间的差异。它处理了科学数据中复杂的现实情况，例如某些地图会忽略的海岸线或岛屿上的记录，通过为它们分配一个明确的状态而非直接丢失。该系统运行迅速，可以在数秒内处理数千条记录，并生成清晰的可视化图表，展示植物相对于所选生物群落边界的具体位置。通过提供一种标准化的方式来获取和比较这 31 种看待世界植被的不同方式，biomes 程序包有助于确保生态研究更具可重复性、更准确，并且更契合科学家试图回答的特定问题。
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。