在全球正面临第六次生物多样性大灭绝的背景下，如何应用优化算法进行保护规划以降低物种丧失速率是当前亟待解决的问题。在以往的陆域保护规划中通常以物种丰富度和互补性算法判识保护重要区域网络，但忽略了不同物种之间的保护价值差异。此外，地球上大多数物种仍未得到认识，很多被命名的物种其地理分布也知之甚少，数据不足已成为生物多样性保护规划的瓶颈。因此，在数据匮乏的背景下，物种数据可用性和空间选址算法的选择对保护规划成效的影响仍需进一步明晰。

针对上述研究背景，国际河流与生态安全研究院“保护生物地理学研究组”杨飞龄副研究员及团队使用有限的物种数据，应用多情景分析途径，系统地识别保护优先区网络，主要探讨了以下两个问题：（1）基于物种丰富度、数量和保护价值互补性算法的保护规划效率如何？（2）在物种数据不完整背景下，数据可用性对保护规划效率的影响如何？本研究以“喜马拉雅东南部生物多样性保护优先区域”为例，分别以濒危特有植物分布数据的可用性进行分组，基于传统丰富度方法、以及数量与保护价值互补性算法，设置6种情景判识保护优先区网络并分析其保护规划成效，选取最优规划情景，进一步精细化判识已建保护地体系存在的保护空缺。

图1 研究框架图

图2 各情景优先区空间分布格局

图3 各情景优先区对物种数量、面积、总体保护价值保护效率：(a)物种数量；(b)物种面积；(c)物种保护价值

图4 各情景优先区对不同保护价值物种的保护效率：(a) 17%优先区；(b) 30%优先区；(c) 45%优先区

图5 最优规划情景优先区与已建保护地叠加空间分布图

6种情景判识的优先区主要位于藏东南高山峡谷区、藏南山原湖盆谷地与日喀则东部，各情景之间的Jaccard系数均超过0.72。基于可模拟物种和全部物种数据识别的优先区整体保护成效差异不大，但基于全部物种数据识别的优先区对高保护价值物种的保护效率更高。另外，互补算法比传统物种丰富度算法识别的优先区具有更高的保护效率和物种代表性，其中，基于物种数量的互补性算法可保护最多的物种数量，基于物种保护价值的互补性算法对物种生境与高保护价值物种的保护效率更高。尽管物种丰富度算法的保护效率较低，但其判识的优先区斑块破碎度更低且分布更为聚集，可作为优化已建保护地的潜在保护规划单元。已建保护地对最优规划情景优先区的覆盖率达到49.89%，但墨脱北部与东部、察隅、波密西部及康马东部仍存在保护空缺。本研究表明保护规划成效因物种数据可用性与空间选址算法而异；与传统丰富度算法相比，互补性算法更为高效；基于有限的物种数据进行保护规划具有一定的可靠性，但物种信息缺失可能会遗漏仅包含少数物种记录的高保护价值区域。本研究从数据可用性和空间选址算法选择的角度，为不同保护需求的规划提供了科学参考。

研究论文“Investigating the planning efficiency of species richness- and

complementarity-based algorithms in data deficient areas” (https://doi.org/10.1016/j.biocon.2023.110426)，发表于保护生物学领域国际权威期刊Biological Conservation（中科院1区Top期刊）。论文第一作者为2022级资源与环境专业博士研究生叶锦，杨飞龄副研究员与胡金明研究员为通讯作者，武瑞东研究员为合作作者。