公民科学拓展蚊虫监测的生态与气候维度

随着蚊媒疾病在全球持续扩散，将公民科学整合入媒介监测体系仍具巨大潜力未被充分挖掘。研究人员以全球重要登革热及其他虫媒病毒入侵媒介——西班牙白纹伊蚊(Aedes albopictus)为对象，在2020至2022年时间尺度上对比了两类数据源构建的生态模型：传统诱捕器数据与公民科学数据。结果显示，两类模型在季节动态上高度一致，但在夏季尤其是西班牙西北部出现空间差异。这种差异与公民科学家观测覆盖的更广环境梯度直接相关，尤其在极端温湿度条件下表现显著。公民科学可在诱捕器缺失或效率受限的时间与地点记录蚊虫活动，捕捉真实宿主搜寻行为，并降低固定点位诱捕带来的采样偏差。将公民科学数据纳入基于诱捕器的模型后，月度预测性能得到提升，证实其作为互补数据源的价值。传统诱捕与公民科学的融合可强化蚊虫监测网络，支撑预警系统建设，并为气候驱动下的分布范围扩张决策提供依据。

本研究发表于生态学与生物地理学领域期刊《Ecography》，针对全球蚊媒疾病扩张背景下传统蚊虫监测空间覆盖有限、连续性不足的痛点，聚焦入侵媒介白纹伊蚊(Aedes albopictus)，探索公民科学数据在物种分布模型(species distribution models, SDMs)中的应用潜力。现有研究多依赖诱捕数据生成存在概率图，缺乏大尺度丰度建模，且公民科学数据因存在“仅存在(presence‑only)”和采样偏差，在蚊虫SDMs中应用受限。研究人员通过整合西班牙2020–2022年91个BG‑Sentinel诱捕器数据与Mosquito Alert(MA)公民科学平台经双验证的可靠观测，采用层次贝叶斯框架分别构建诱捕器计数模型(TRAP)与公民科学存在概率模型(CITSCI)，并通过秩转换一致性分析、广义线性混合模型(generalized linear mixed models, GLMM)解析两者差异的驱动因子，进一步开发融合模型(CITRAP)验证公民科学概率对诱捕计数的预测能力，最终证实公民科学可拓展监测的生态与气候维度，弥补传统监测空白。

研究人员采用的关键技术方法包括：1) 样本队列：西班牙本土及巴利阿里群岛2020–2022年91个BG‑Sentinel诱捕器的雌蚊周度计数数据，以及MA平台经昆虫学家与人工智能双重验证的白纹伊蚊可靠报告；2) 采样偏差校正：基于MA后台追踪的每日0.025°网格采样努力度(sampling effort, SE)，聚合至市镇级用于伪不存在(pseudo‑absence)分配与模型偏移量(offset)校正；3) 建模策略：使用Stan概率编程语言构建层次贝叶斯负二项计数模型(TRAP)与伯努利逻辑回归模型(CITSCI)，纳入市镇与年份随机效应控制时空自相关，通过留一法交叉验证(leave‑one‑out cross‑validation, LOO)与期望对数逐点预测密度(expected log pointwise predictive density, ELPD)筛选最优模型；4) 一致性量化：对两类模型输出进行秩转换，计算斯皮尔曼秩相关系数(Spearman's rank correlation, S)评估时空一致性，并以秩差作为响应变量拟合GLMM识别环境与气象驱动因子；5) 融合建模：以CITSCI预测的月度存在概率为单一预测因子，构建负二项回归融合模型(CITRAP)，通过70/30训练‑测试集划分评估预测性能。

研究结果如下：

预测一致性(Predictive congruence)：时间维度上，两类模型均呈现6–10月种群峰值，年际斯皮尔曼秩相关系数超过0.9，显示西班牙市镇尺度的白纹伊蚊数量与存在概率共享相似季节动态。TRAP模型波动更剧烈，反映种群对环境的非线性响应；CITSCI模型变化平缓，风险平台期更长。空间维度上，多数月份两者空间相关性高于0.8，但6–9月相关性骤降至0.1–0.7，差异集中在西北部坎塔布里亚与大西洋沿岸、东北部加泰罗尼亚中部及东部瓦伦西亚周边区域。

夏季空间不一致的驱动因素(Drivers of spatial incongruence during summer months)：GLMM分析表明平均相对湿度(mean relative humidity, MRH)与平均温度(TMean)是显著差异驱动因子。当MRH高于63.87%、TMean高于14.36°C时，CITSCI秩预测值倾向于高于TRAP。公民科学观测覆盖了更广的温湿度范围，尤其在低温低湿的西北部区域代表性更强，这源于诱捕器多日聚合平滑了天气信号，而公民报告捕捉了单日极端值与微气候异质性。

从公民科学适宜性到诱捕器蚊虫丰度(From citizen‑based suitability to trap mosquito abundances)：日尺度下CITRAP模型预测能力有限，CITSCI对诱捕计数变异的解释率(R²)仅为0.001；月度聚合后预测性能显著提升，斯皮尔曼相关系数为0.760，皮尔逊相关系数为0.623，R²达0.389。CITRAP的空间预测更贴合西班牙近年实际定殖格局，尤其提升了南部与西北部新扩张区域的丰度估计精度。

讨论与结论部分指出，传统诱捕监测虽精准但空间稀疏，难以大尺度外推；公民科学数据不仅拓展了环境梯度覆盖，还能捕捉已知分布区外的潜在适生区，2023年加利西亚大西洋沿岸的首笔公民发现后经诱捕证实，验证了该数据的早期预警价值。两类数据分别对应白纹伊蚊的“实现分布(realized distribution)”与“潜在分布(potential distribution)”，其差异可指示未来扩张路径。融合模型通过月度聚合缓冲了公民报告的随机性，证明公民科学适宜性概率可有效转化为可解释的丰度指标。研究同时强调，市镇级土地覆盖数据因尺度不匹配未能提升模型性能，未来需优化陷阱布局与公众动员以减少景观代表性偏差。总体而言，公民科学与传统监测的整合，兼顾了广泛覆盖与精准验证，为气候驱动下的病媒生态研究与防控决策提供了更完整的证据链。