从Nature|Science文章看全球尺度研究中的外推风险

几天前，我曾写过一篇关于 Bastin 等（2019，Science） 《 The global tree restoration potential 》质疑风波的推文。提出了一个问题：当一个全球尺度的地图看起来完整、精确，甚至具备直接的政策吸引力时，它的证据基础是否真的足以支撑这种“全球性”？为此，我提出了一个简单但必要的判断框架：任何一个 global map，至少需要同时经受三重审查——输入数据是否可靠，模型验证是否严谨，外推边界是否明确。

如果把视野从一篇 highly influential 的 Science 论文，扩展到几篇近年 Nature/Science 正刊文章，会发现这并不是个例，而是一种更普遍的方法学问题。近年的顶刊研究，越来越擅长把局地观测转化为全球叙事：把数万土壤样点转化为全球多样性热点图，把有限区域的训练数据扩展为全球生态系统分布图，把近二十年可以验证的 proxy 延伸为跨越半个世纪的环境变化记录。

从方法学上看，这类研究往往面临两种关键的 representation mismatch（表征错配）。第一类是 空间代表性错配（spatial representativeness mismatch） ：训练数据只覆盖了全球环境空间的一部分，但模型输出却是连续的全球表面。第二类是 时间表征错配（temporal representativeness mismatch） ：要么将近年建立的 proxy 或经验关系延伸用于解释更早几十年的过程，要么将长度有限、起点不一的时间序列汇总为“全球长期变化格局”。对应地，前者主要表现为 空间外推脆弱性（spatial extrapolation fragility） ，后者则更容易导致 时间解释过度（temporal over-interpretation） 。

图1｜样点分布先于全球预测。Van Nuland 等（2025，Nature）在主文 Fig. 1 中展示了菌根真菌全球分析所依据的样点位置与不同生物群系中的 richness 变化趋势。对全球尺度结论而言，首先需要追问的不是“地图是否精细”，而是“这些样点是否足以代表全球环境空间”。

一、 空间外推风险

一个典型例子，是 Van Nuland 等（2025，Nature） 的 Global hotspots of mycorrhizal fungal richness are poorly protected 。这篇论文使用约 25,000 个地理定位土壤样本训练机器学习模型，生成全球 1 km² 分辨率的菌根真菌 richness 与 rarity 热点图。 问题不在于样本数量不够大，而在于样本的空间分布并不均衡 。作者在正文与扩展数据中都明确提示，现有采样更集中于 North America、Europe 和 Asia；主图还直接用交叉阴影标出“underrepresented by the training data (highly extrapolated)”的区域，并说明这些区域应谨慎解释。更重要的是，模型在随机交叉验证与更严格的空间交叉验证之间存在明显落差：richness 模型中，AM 的 R² 从 0.61 降到 0.20，EcM 从 0.63 降到 0.28；rarity 模型中，AM 的 kNNDM R² 甚至为 -2.55。换句话说，这篇论文最值得读者重视的信息，不只是“全球热点在哪里”，而是作者自己已经说明： 相当一部分全球热点，是在明显外推条件下得到的 。

图2｜空间独立验证下，模型表现明显下降。Van Nuland 等（2025，Nature）补充材料 Supplementary Fig. 3 显示，在 spatially buffered leave-one-out cross-validation 中，随着 buffer size 增大，模型的 R² 持续下降。

这里最容易被忽略的一点是，随机交叉验证给出的高精度，并不自动等于对陌生区域的可靠预测。几天前那篇关于 Bastin 论文的推文中，我已经借助 Ploton 等（2020，Nature Communications） 的分析讨论过这个问题： 如果训练集与测试集在空间上并不独立，模型性能就可能被系统性高估 。Van Nuland 等这篇论文其实已经把这一点部分写进了自己的方法体系：他们没有只给随机验证，而是同时给了空间验证。正因为如此，这篇论文反而是一个很好的教学案例——它并不是“做错了”，而是清楚地展示了：当研究对象是全球连续表面时，模型的空间可迁移性往往远弱于随机验证所暗示的程度。

类似的问题，在 Rohde 等（2024，Nature） 的 Groundwater-dependent ecosystem map exposes global dryland protection needs 中表现得更直接。论文利用 34,454 个 training points、结合 2015–2020 年 Landsat 8 与其他环境变量，绘制了全球 drylands 的约 30 m GDE 分布图。作者在正文中明确写道，他们的目标之一就是提供一个“ conservative (low) estimate ”，并把它视为后续 regional refinement 与 ground validation 的起点，而不是终点。之所以这样表述，是因为作者同样意识到模型需要在“ regions lacking training data ”的地方工作；相应地，他们做了区域留出验证，结果 Sahel、Western Australia 和 New Mexico 的验证精度分别只有 69%、53% 和 61%。论文还明确承认，研究受限于“ lack of a globally consistent ground-truth dataset ”，并依赖 regional expert opinion 来区分 GDE 与 non-GDE vegetation。也就是说，这篇论文面对的不只是训练点分布不均，更是 标签定义并非全球同质 的问题。

图3｜训练集空间分布。Rohde 等（2024，Nature）在 Extended Data Fig. 1 中列出了 GDE 模型训练与验证数据的来源及分类分布。对这类全球生态制图而言，训练点覆盖范围与标签口径的一致性，往往比最终地图本身更值得审查。

这也是为什么，“全球地图”在方法上最容易制造一种误解：它会在视觉上给人一种均质、连续、完整的印象，但实际上的证据强度往往高度不均匀。 Meyer 与 Pebesma（2022，Nature Communications） 对此提出的 area of applicability 框架，非常适合拿来理解 Van Nuland 等与 Rohde 等这两篇 Nature 论文。问题并不是这些工作不该做全球图，而是它们的结果更适合被理解为 hypothesis map 或 screening layer ：在训练数据支撑充分的区域，它更接近可操作的信息产品；在高度外推或标签口径不一致的区域，它更像一张需要后续验证的优先排查地图。你前几天那篇关于 Bastin 论文的推文，其实已经非常清楚地指出了这一点：global map 的价值，不应自动被理解为 globally uniform reliability。

二、 时间外推风险

时间维度上的问题，在 Miles 与 Bingham（2024，Nature） 的 Progressive unanchoring of Antarctic ice shelves since 1973 中表现得最典型。这篇论文的重要贡献，是试图把 Antarctic ice-shelf thickness change 的证据链从卫星测高时代之前继续向前延伸。作者在摘要与正文中写得非常明确：现有 altimetry 对冰架厚度变化的直接观测大致始于 1992 年，而他们的方法，是用 pinning-point area change 作为 thickness change 的 proxy，将记录延伸回 1973–1989。论文的核心表述是：他们测量了 1973–1989、1989–2000 和 2000–2022 三个时期的 pinning-point change，并“ by proxy infer changes to ice-shelf thickness back to 1973–1989 ”。这个方法并不粗糙，恰恰相反，它相当有创见；但它同时也构成了一个很典型的 temporal transfer 场景： 近年可交叉验证的 proxy，被延伸用来解释更早几十年的过程。

因此，这篇论文最需要谨慎阅读的，不是它“向前追溯了 50 年”这个表述本身，而是：这种 50 年尺度究竟意味着什么。它并不等同于“拥有 50 年同质、连续、直接的厚度观测”；更准确地说，它意味着： 作者把近期得到部分验证的 proxy 关系，结合历史 Landsat mosaics，构建成了一个五十年尺度的重建叙事。 论文自己也交代了这种重建的条件：早期影像需要重新拼接，1970s 与 1980s 的 mosaics 实际上由跨若干年的影像组成；早期 Landsat 影像在 Antarctic 的 geolocation accuracy 较差，需要手工 co-registration；同时，altimetry 本身主要覆盖更近的时期。正因为如此，这篇论文最稳妥的理解应当是 proxy-supported reconstruction ，而不是与近几十年的卫星测高观测处于同一证据等级的长时序实测。

图5｜时间节点背后，其实是跨年份拼接的影像产品。Miles 与 Bingham（2024，Nature）在 Extended Data Fig. 1 中展示了 1973 与 1989 两期南极冰架 mosaics；而正文说明，这两个“年份”都由跨若干年的 Landsat 影像拼接而成。

相比之下， Blowes 等（2019，Science） 的 The geography of biodiversity change in marine and terrestrial assemblages 属于另一类时间问题。它不是严格意义上的 temporal transfer，因为作者并没有用近年的样点去直接回推几十年前某个连续过程；它的问题更接近 temporal representativeness mismatch 。论文基于 BioTIME 等数据源，整合了 239 个独立研究，并通过 gridding 与 filtering 得到 51,932 条 local assemblage time series，用来刻画全球 biodiversity change 的空间结构。作者自己在正文中明确承认，这些时间序列从 19 世纪末延续到当代，但 大部分数据来自过去 40 年 ，而且 temporal extent and start date vary substantially 。同时，论文也明确承认，BioTIME 在热带地区的数据仍然相对有限。也就是说，这篇论文要解释的是“全球 biodiversity change 的地理格局”，但底层时间证据并不是一组长度相近、起点一致的长期观测，而是 大量时长有限、起点不一、年代结构不均匀的局部序列。

图5｜全球变化格局建立在时间代表性不均一的序列之上。Blowes 等（2019，Science）在补充材料 Fig. S2 中展示了纳入分析的时间序列在起始时间与持续时间上的分布。可以看到，大多数序列集中在近几十年，且持续时间有限。这意味着所谓“全球生物多样性变化格局”，在一定程度上是由时间跨度较短、起点不一致的局地序列拼接而成。

这类研究的风险不在于“结果一定不成立”，而在于它很容易被过度理解为对“长期全球变化格局”的稳定刻画。实际上，这类分析在很大程度上更接近于： 在目前可用、且年代结构并不均匀的时间序列集合中，识别出哪些区域更频繁地表现出显著的 richness change 或 turnover。 这与“哪里在更长历史尺度上持续变化得最强”并不是完全相同的问题。换句话说，Miles 与 Bingham 那篇论文的问题，是把近年可校验的关系向更早时期迁移；Blowes 等这篇论文的问题，则是把 长度与起点都高度异质的时间证据 ，汇总成全球尺度的空间比较。两者并不相同，但都属于时间维度上的 representation mismatch。

三、证据边界的理解

如果把这四篇论文放在一起看，会发现一个相当清楚的共同点：今天最有影响力的 global-change research，越来越依赖大范围汇总数据、遥感、机器学习和 proxy reconstruction。这样的研究非常必要，也常常是最有价值的；但它们最容易被传播、也最容易被误读的部分，往往正是那些最依赖外推的部分。一个连续的全球图，很容易让人误以为每个像元都同样可信；一个跨 50 年的历史叙事，很容易让人误以为 50 年里的证据质量是均一的。真正需要修正的，不是这些研究提出 global-scale questions 的雄心，而是我们对它们 证据边界 的默认理解。

因此，比“这篇论文对不对”更重要的问题，常常是： 它的结论在哪些区域、哪些时期、哪些解释层次上更可靠？ 对全球地图，要问训练样点是否足以覆盖目标环境空间，验证是否采用了空间独立的方案，外推区域是否被明确标出；对长时段叙事，要问它究竟是直接观测、proxy-supported reconstruction，还是对异质时间序列的综合比较。也正是在这个意义上，这四篇 Nature/Science 论文提供的最重要启示，不是某一个结论是否可以简单接受或否定，而是： 当结论尺度大于证据尺度时，representation mismatch 就会成为决定论文应当如何被阅读的关键。

References

Bastin, J.-F., Finegold, Y., Garcia, C., Mollicone, D., Rezende, M., Routh, D., Zohner, C. M., & Crowther, T. W. (2019).The global tree restoration potential. Science, 365 (6448), 76–79.

Ploton, P., Mortier, F., Réjou-Méchain, M., Barbier, N., Picard, N., Rossi, V., Redmond, I., Veillon, L., Bayol, N., Williamson, J., et al. (2020).Spatial validation reveals poor predictive performance of large-scale ecological mapping models. Nature Communications, 11 , 4540.

Meyer, H., & Pebesma, E. (2022).Machine learning-based global maps of ecological variables and the challenge of assessing them. Nature Communications, 13 , 2012.

Van Nuland, M. E., Averill, C., van den Hoogen, J., et al. (2025).Global hotspots of mycorrhizal fungal richness are poorly protected. Nature .

Rohde, M. M., Albano, C. M., Stella, J. C., et al. (2024).Groundwater-dependent ecosystem map exposes global dryland protection needs. Nature, 632 , 101–107.

Miles, B. W. J., & Bingham, R. G. (2024).Progressive unanchoring of Antarctic ice shelves since 1973. Nature, 626 , 785–791.

Blowes, S. A., Supp, S. R., Antão, L. H., et al. (2019).The geography of biodiversity change in marine and terrestrial assemblages. Science, 366 (6463), 339–345.