（2024年12月27日发表）
摘要参考翻译：将分类群多度变化与生物和非生物驱动因素在时间和空间上的联系起来，对于理解生物多样性对全球变化的响应至关重要。此外，解读分类群间关系的时间趋势，包括多度变化的相关性（例如同步性），有助于预测未来的变化。然而，驱动这些大尺度相关变化的因素复杂且研究不足，限制了我们对生态群落变化的预测能力。我们利用两个全球数据集——包含多度时间序列的BioTIME和生物相互作用数据的GloBI——量化了地理上相邻分类群对（属对，genus pairs）多度年度变化的相关性。通过分层线性模型和交叉验证，我们测试了属间多度变化在全球尺度上的整体幅度、方向及预测准确性。我们进一步检验了纬度、生物相互作用、干扰和时间序列长度如何影响丰度变化的相关性，同时控制了研究间差异和分类学类别的影响。研究发现，属对多度变化平均呈正相关，这表明在全球范围内存在同步性。此外，多度变化的正相关性在时间序列较长、存在已知生物相互作用以及受干扰生境中更为显著。然而，这些生态驱动因素的单独影响相对较弱，而将单个研究的特异性和分类学类别纳入模型后，预测准确性提高了约两倍。这表明尽管生态驱动因素在全球尺度上影响多度相关性模式，但在预测未知分类群多度变化或未来全球变化背景下的多度变化时，其实用性有限。我们的研究表明，纳入分类学信息和已知生态驱动因素可以改进大尺度和长时间尺度上生物多样性丧失的预测，但不同研究的特异性仍削弱了我们进行全球预测的能力。
用于检验假设的数据处理和建模程序的概念框架
点击下方“阅读原文”可查看英文全文。
声明：本内容未向其他微信公众号投稿。
