Abstrak
Perubahan global mengancam sejumlah besar spesies dengan penurunan populasi yang parah atau bahkan kepunahan. Status ancaman suatu organisme sering ditetapkan berdasarkan jangkauan geografis, ukuran populasi, atau penurunan keduanya. Namun, invertebrata, yang mencakup sebagian besar keanekaragaman hewan, secara mencolok tidak ada dalam kerangka kerja global yang menilai risiko kepunahan. Banyak invertebrata yang sulit dipelajari, dan telah dipertanyakan apakah penilaian risiko saat ini sesuai untuk sebagian besar organisme ini. Karena sebagian besar invertebrata langka, kami berpendapat bahwa kurangnya data untuk organisme ini membuat kriteria saat ini sulit diterapkan. Dengan menggunakan bukti empiris dari salah satu survei artropoda terestrial terbesar hingga saat ini, yang terdiri dari lebih dari 33.000 spesies yang dikumpulkan dari lebih dari satu juta jam upaya survei, kami menunjukkan bahwa perkiraan tren berdasarkan ukuran sampel yang rendah dikaitkan dengan ketidakpastian besar dan risiko kesalahan klasifikasi berdasarkan kriteria yang ditetapkan oleh IUCN. Kami berpendapat bahwa bahkan upaya pemantauan yang paling ambisius sekalipun tidak mungkin menghasilkan cukup pengamatan untuk memperkirakan ukuran dan rentang populasi secara andal untuk lebih dari sebagian kecil spesies, dan kemungkinan ada ketidakpastian substansial dalam menilai risiko bagi mayoritas keanekaragaman hayati global menggunakan tren tingkat spesies. Sebagai tanggapan, kami membahas perlunya fokus pada metrik yang saat ini dapat kami ukur saat melakukan penilaian risiko untuk organisme ini. Kami menyoroti metode statistik modern yang memungkinkan kuantifikasi metrik yang dapat menggabungkan pengamatan invertebrata langka ke dalam kerangka kerja konservasi global, dan menyarankan bagaimana kriteria saat ini dapat diadaptasi untuk memenuhi kebutuhan mayoritas keanekaragaman hayati global.
Kurangnya representasi invertebrata
Tingkat degradasi lingkungan yang cepat mengancam keanekaragaman hayati di seluruh dunia (Garcia et al. 2014 ) dan upaya konservasi terpadu diperlukan untuk mengurangi dampak perubahan global (Synes et al. 2020 , Williams et al. 2021 ). Invertebrata berada di garis depan krisis ini, meliputi sebagian besar spesies, serta beberapa organisme yang paling rentan terhadap tekanan lingkungan. Penelitian terkini telah memberikan bukti penurunan populasi invertebrata global (van Klink et al. 2020 , Wagner et al. 2021 ) dan sensitivitas tinggi terhadap perubahan global (Millard et al. 2021 , Outhwaite et al. 2022 ). Namun, representasi organisme ini dalam program pemantauan dan upaya konservasi global sangat buruk.
Contoh mencolok dari pengabaian invertebrata dalam penilaian alam adalah representasi mereka yang buruk pada daftar merah IUCN, yang merupakan pilar utama konservasi keanekaragaman hayati global. Penilaian yang disediakan oleh daftar merah sering mendukung alokasi dana untuk sejumlah besar proyek konservasi dan memiliki keberhasilan yang dapat dibuktikan dalam melindungi spesies yang terancam (Rodrigues et al. 2006 , Bland et al. 2019 , Betts et al. 2020 ). Di bawah kerangka kerja ini, mayoritas vertebrata telah menerima penilaian, dan khususnya semua 11.188 spesies burung telah menerima beberapa penilaian masing-masing (IUCN 2022 ). Namun, dari satu juta spesies serangga yang dideskripsikan, hanya 1,2% (~12.000) yang telah menerima penilaian (IUCN 2022 , Gambar 1A ), dan proporsi spesies invertebrata (dibandingkan dengan vertebrata) yang jauh lebih tinggi terdaftar sebagai data yang kurang (Gambar 1B ).
Status quo saat ini mengkhawatirkan. Ada bukti kuat yang menunjukkan bahwa komponen utama keanekaragaman hayati global terancam oleh perubahan global, sementara perspektif kita saat ini tentang organisme mana yang terancam bergantung pada informasi selektif (Cardoso et al. 2012 , 2012 , Eisenhauer et al. 2019 ), populasi invertebrata mengalami perubahan yang meluas dan cepat di seluruh dunia, dan upaya pemantauan kita sering kali terbatas dalam kemampuannya untuk mendeteksi cakupan penuh dari perubahan ini (Forister et al. 2023 ). Sementara itu, kerangka kerja konservasi dan instrumen kebijakan kita gagal untuk cukup mewakili sebagian besar keanekaragaman hayati global dan risiko yang mereka hadapi.
Kendala dalam pemantauan dan konservasi invertebrata
Invertebrata sangat sulit diidentifikasi dan dipelajari, dan masalah ini menimbulkan beberapa hambatan mendasar bagi konservasi invertebrata (Cardoso et al. 2011a , 2011b ). Hambatan ini meliputi ketidakpopuleran mereka di mata publik, pembuat kebijakan, dan ilmuwan, deskripsi mereka yang sangat kurang dibandingkan dengan keanekaragamannya, dan keahlian taksonomi yang semakin berkurang (Hochkirch et al. 2022 ). Secara umum diterima bahwa hambatan ini tidak hanya membatasi pemahaman kita tentang komunitas invertebrata, tetapi juga mencegah penilaian risiko kepunahan invertebrata secara luas dalam kerangka kerja konservasi global. Perdebatan sebelumnya juga berfokus pada apakah kriteria penilaian risiko itu sendiri (seperti yang digunakan oleh daftar merah IUCN – Informasi pendukung) berlaku untuk banyak taksa invertebrata, karena data mungkin sulit diperoleh atau ambang batas standar mungkin memberikan ukuran risiko relatif yang tidak tepat untuk organisme kecil dengan tingkat reproduksi tinggi (Tscharntke et al. 2007 , Cardoso et al. 2011b , 2012 , Collen dan Böhm 2012 , Eisenhauer et al. 2019 , Fox et al. 2019 , Akçakaya et al. 2021 ). Misalnya, memperkirakan ukuran populasi total untuk serangga seringkali sangat sulit, yang mungkin menjelaskan mengapa hanya 0,0016% dari total penilaian serangga diselesaikan berdasarkan kriteria IUCN yang menetapkan risiko karena ukuran populasi absolut (kriteria C). Kendala yang sudah diketahui umum terhadap konservasi invertebrata, dan kemungkinan ketidaksesuaian beberapa kriteria penilaian untuk kelompok organisme yang sangat beragam, mengakibatkan terbatasnya perangkat yang dapat kita gunakan untuk memberikan penilaian, dan membatasi laju penilaian ancaman invertebrata.
Kelangkaan invertebrata
Meskipun penerapan beberapa kriteria dipertanyakan, penilaian berdasarkan tren kelimpahan dan ukuran jangkauan pada dasarnya merupakan ukuran yang berguna untuk ancaman yang dihadapi oleh suatu organisme, dan mayoritas penilaian invertebrata dilakukan dengan menggunakan metrik ini. Namun, fitur yang konsisten dari komunitas invertebrata adalah bahwa mayoritas organisme sangat langka. Pola ini didokumentasikan dalam sebuah makalah penting pada tahun 1943 (Gbr. 2A ), menggunakan data dari survei Lepidoptera lima tahun di Rothamsted, Inggris. Dalam penelitian ini sekitar 14% spesies diamati hanya sekali. Setelah 80 tahun kerja empiris, pola yang sama tetap ada. Dalam penelitian fauna invertebrata; sebagian besar hanya ditemukan dalam jumlah sedikit atau di satu lokasi (Morse et al. 1988 , Basset and Kitching 1991 , Novotný and Basset 2000 , Coddington et al. 2009 , Hudson et al. 2017 , Dornelas et al. 2018 , Srivathsan et al. 2022 ). Gambar 2C – D menggambarkan persistensi pola ini – di seluruh kumpulan data profil tinggi dan basis data keanekaragaman hayati, komunitas invertebrata masih didominasi oleh organisme langka.
Teknik pengambilan sampel modern, menggunakan sekuensing DNA throughput tinggi dan taksonomi molekuler menyediakan rute untuk identifikasi invertebrata yang cepat, dan alat utama dalam meningkatkan pemahaman kita tentang keanekaragaman dan ekologi mereka. Pada tahun 2019 kami melakukan survei molekuler intensif dan sistematis terhadap artropoda darat di Swedia (Kotak 1) (Miraldo et al. 2024 ), survei ini merupakan salah satu survei artropoda terbesar dan tercanggih hingga saat ini. Secara total kami mengumpulkan lebih dari 4700 sampel mingguan komunitas artropoda dari 198 lokasi, mewakili lebih dari 1,5 juta jam upaya survei. Meskipun upaya pengambilan sampel yang sangat besar, dan identifikasi molekuler yang canggih (Iwaszkiewicz-Eggebrecht et al. 2023 ) (Informasi pendukung), sebagian besar organisme yang kami survei masih jarang diamati, dengan 13% spesies ditemukan hanya di satu lokasi (1% dari total lokasi). Lebih dari 40% organisme menempati lima lokasi atau kurang (2,5% dari total lokasi), dan kurang dari 1% menempati lebih dari setengah lokasi (Gbr. 2B ). Temuan kami memperkuat bukti adanya pola yang sudah lama ada dalam ekologi – kelimpahan kelangkaan merupakan fitur inheren komunitas invertebrata.
Kotak 1. Survei nasional artropoda Swedia yang luas secara spasial dan taksonomi.
Bahasa Indonesia: Untuk menentukan tantangan yang terkait dengan penerapan kriteria berbasis tren pada invertebrata, kami memeriksa data yang dihasilkan oleh upaya sistematis untuk mengkarakterisasi distribusi dan keanekaragaman fauna artropoda Swedia saat ini. Survei ini terdiri dari 198 perangkap malaise di seluruh Swedia, yang diambil sampelnya setiap minggu untuk menghasilkan 4748 sampel tingkat komunitas, yang terdiri dari 26 kg biomassa invertebrata dan sekitar 3,3 juta individu. Menggunakan jalur molekuler throughput tinggi (Iwaszkiewicz-Eggebrecht et al. 2023 ) kami mencocokkan lebih dari 13.000 dengan referensi tingkat spesies dan mengidentifikasi lebih dari 33.000 OTU unik. Kumpulan data ini (dengan rincian yang diberikan dalam Informasi pendukung) adalah salah satu survei sistematis keanekaragaman artropoda yang paling komprehensif, dalam hal skala spasiotemporal dan cakupan taksonomi. Data yang dihasilkan ini mewakili standar emas dalam hal pemantauan keanekaragaman hayati artropoda skala nasional dan berasal dari salah satu fauna paling terkenal di dunia (Ronquist et al. 2020 ).
Gambar B1. (A) Tata letak spasial lokasi perangkap di Swedia, dengan peta yang mengilustrasikan ketinggian dan badan air utama. Perangkap dikosongkan setiap minggu antara April dan Oktober, dan setiap bulan di sisa tahun tersebut. (B) Ilustrasi keanekaragaman organisme yang terdeteksi dalam survei. Survei mendeteksi lebih dari 13.144 spesies yang diberi anotasi di 556 famili artropoda. Pohon tersebut adalah taksonomi artropoda di mana simpul terminal mewakili 253 famili yang berisi lebih dari lima unit taksonomi operasional (OTU) tingkat spesies. Klade artropoda utama disorot oleh batang eksternal dan daerah yang diarsir di seluruh bagian taksonomi. Cincin luar peta panas mengilustrasikan jumlah OTU tingkat spesies yang ditemukan di setiap famili, dan cincin bagian dalam mengilustrasikan jumlah bacaan di setiap famili.
Menilai tren dan distribusi
Sayangnya, realitas dari pola yang konsisten ini dalam data komunitas invertebrata adalah bahwa, untuk sebagian besar spesies, kita tidak dapat memperkirakan perubahan dalam ukuran atau rentang populasi mereka dengan andal karena kurangnya data yang memadai. Karena hubungan statistik yang melekat antara ukuran sampel dan ketidakpastian, kelimpahan atau kejadian yang rendah secara intrinsik terkait dengan daya statistik yang rendah, dan oleh karena itu setiap estimasi sulit untuk dikuantifikasi tanpa tingkat ketidakpastian yang cukup besar (van Proosdij et al. 2016 , Jeliazkov et al. 2022 , Yoccoz 2022 , Erickson and Smith 2023 ). Untuk mengilustrasikan bagaimana klasifikasi menggunakan kriteria kuantitatif dapat menghasilkan estimasi yang tidak pasti, kami menggunakan distribusi kejadian dan kelimpahan empiris yang diungkapkan oleh data yang dijelaskan dalam Kotak 1 untuk menunjukkan ketidakpastian dalam klasifikasi risiko.
Kami mensimulasikan penurunan dalam kejadian dan indeks ukuran populasi (Kotak 2) menggunakan ukuran yang diperoleh secara empiris dari data kami (Kotak 1). Kami fokus pada tren, karena mampu mendeteksi perubahan dalam jangkauan atau ukuran populasi secara andal merupakan prasyarat untuk mengevaluasi apakah spesies mengalami penurunan, tetapi juga apakah ada intervensi yang merupakan tindakan konservasi yang efektif. Kami menggunakan kriteria yang ditetapkan oleh daftar merah IUCN, karena ini adalah kerangka kerja konservasi yang paling terkenal untuk menilai risiko kepunahan. Meskipun kami hanya secara langsung menerapkan ambang batas untuk kriteria A, perlu dicatat bahwa deteksi tren yang andal juga merupakan persyaratan untuk kriteria C dan kriteria B. Tren yang diperkirakan dalam kejadian dan kelimpahan untuk spesies langka dikaitkan dengan persentase kesalahan yang tinggi (Gbr. 3 ), ketika menerapkan ambang batas IUCN untuk menentukan kategori daftar merah, hal ini mengakibatkan tingkat kesalahan klasifikasi yang tinggi untuk organisme yang Rentan (Gbr. 3A , D ), dan Terancam Punah (Gbr. 3B , E ).
Bahasa Indonesia: Mengingat pola kelangkaan yang konsisten pada invertebrata, sangat sulit untuk mengukur perubahan pada sebagian besar populasi secara andal – bahkan dengan data terbaik yang tersedia. Untuk spesies langka, ada tingkat ketidakpastian yang tinggi saat memperkirakan tren dalam kejadian atau kelimpahan, dan menggunakan kriteria yang ditetapkan untuk mengevaluasi risiko menghasilkan tingkat kesalahan klasifikasi yang tinggi. Ketidakpastian ini dan bahaya yang melekat akan lebih buruk untuk intensitas pengambilan sampel yang lebih rendah (Informasi pendukung) yang lebih mencerminkan upaya pemantauan jangka panjang (Hallmann et al. 2017 , Crossley et al. 2020 ). Kami menunjukkan bahwa perubahan yang lebih kecil dalam kelimpahan lebih sulit untuk diperkirakan secara akurat, terutama dengan ukuran sampel yang rendah. Namun, karena spesies langka khususnya berisiko terancam (Purvis dan Hector 2000 , Purvis et al. 2000 , Jetz dan Freckleton 2015 ), ketidakpastian yang tinggi dalam tren jangkauan atau ukuran populasi akan membatasi pengambilan keputusan kami untuk organisme yang paling membutuhkan penilaian. Demikian pula, tren yang lebih parah lebih mudah dideteksi, tetapi spesies yang mengalami penurunan paling parah juga akan menjadi yang paling sulit dilindungi. Oleh karena itu, penetapan kategori risiko yang kurang parah secara akurat sangat penting untuk merencanakan tindakan konservasi yang efektif, karena pada tahap ini mungkin lebih mudah dan lebih hemat biaya untuk membalikkan perubahan.
Karena data keseluruhan tentang kelimpahan dan distribusi artropoda langka, penerapan kriteria saat ini akan membutuhkan ketergantungan yang besar pada pendapat ahli untuk sebagian besar taksa. Dengan tidak adanya data yang memadai untuk memperkirakan tren populasi dan ukuran jangkauan, proses ini bergantung pada keahlian taksonomi. Namun, pasokan ahli tersebut terbatas (Hochkirch et al. 2022 ) dan, yang terpenting, untuk sebagian besar spesies (yaitu yang belum dideskripsikan secara taksonomi dan ekologis), keahlian ini belum ditetapkan. Hal ini membuat praktisi menghadapi keputusan yang sulit selama proses penilaian untuk organisme yang jarang diamati – mengklasifikasikan spesies tanpa adanya data kuantitatif yang memadai dan ketidakpastian yang tinggi, mengandalkan sudut pandang yang berpotensi subjektif dari para ahli takson. Atau, pasrah pada kenyataan bahwa suatu organisme tidak dapat dinilai dan harus dikategorikan sebagai ‘Kekurangan Data’. Kami berpendapat, hal ini membuat proses tersebut sulit direplikasi, dan akan membatasi representasi invertebrata dalam upaya konservasi global kita.
Kotak 2. Simulasi penurunan kelimpahan dan kemunculan artropoda Swedia.
Untuk menyoroti masalah saat mengklasifikasikan spesies yang jarang diamati berdasarkan tren dalam jangkauan atau ukuran populasi, kami mensimulasikan tren minimum dari kriteria A dari daftar merah IUCN (Tabel 1 ). Lebih khusus lagi, kami fokus pada kriteria A2b dan A2c, yang merujuk pada pengurangan indeks ukuran populasi, dan tren dalam jangkauan geografis (IUCN 2022 ). Untuk kriteria ini, kategori Rentan (VU), Terancam (EN), dan Sangat Terancam (CR) ditetapkan dengan mengamati setidaknya 30%, 50%, atau 80% penurunan dalam kelimpahan atau jangkauan geografis selama periode 10 tahun. Kami mensimulasikan penurunan yang sesuai menggunakan frekuensi kejadian yang diamati dari data dalam Kotak 1, dan kemudian memperkirakan tren dari data simulasi dengan menyesuaikan model statistik. Kami kemudian menghitung kesalahan antara tren simulasi (yaitu nyata) dan yang diperkirakan untuk menggambarkan masalah dalam mengambil tren nyata dari organisme yang jarang terjadi. Untuk setiap kategori tren, kami melakukan simulasi kejadian atau kelimpahan dari model linier umum, atau model campuran dengan inflasi nol. Kami kemudian menyesuaikan model yang sama dengan data simulasi, mengambil parameter estimasi, dan menghitung kesalahan dalam tren simulasi dan estimasi (Gbr. 3 ), dan tingkat kesalahan klasifikasi ke dalam kategori IUCN. Rincian latihan simulasi dapat ditemukan di Informasi pendukung.
Gambar B2. Ilustrasi perhitungan galat estimasi untuk tren simulasi dalam probabilitas kejadian (A), dan jumlah bacaan (B). Untuk setiap spesies yang terdeteksi dalam survei, kami mensimulasikan tren yang ditentukan IUCN (garis kuning) dalam probabilitas kejadian (ψ atau jumlah bacaan sebagai proksi untuk kelimpahan relatif (γ). Dari tren simulasi ini, kami mengambil observasi (titik biru muda) dari distribusi binomial untuk kejadian dan distribusi Poisson yang digelembungkan nol untuk kelimpahan. Perubahan pada tahun ke-10, yaitu tren simulasi dalam kejadian atau jumlah bacaan (masing-masing ΔΨ sim , Δγ sim ), ditunjukkan oleh titik-titik berlabel 1. Model yang sesuai kemudian dipasang dan tren diperkirakan (garis biru) dari set data simulasi. Tren yang diperkirakan pada tahun ke-10 (ΔΨ est , Δγ est ) di setiap model ditunjukkan oleh titik-titik berlabel 2. Kesalahan (garis putus-putus merah) dihitung dengan mengurangi tren yang diperkirakan dari tren simulasi.
| Kriteria | Berdasarkan pada: | VU | ID | Bahasa Inggris | |
|---|---|---|---|---|---|
| A1 | Penyebabnya bisa dipulihkan DAN sudah berhenti |
|
≥ 50% | ≥ 70% | ≥ 90% |
| A2 | Penyebabnya tidak dapat diubah ATAU belum berhenti | ≥ 30% | ≥ 50% | ≥ 80% | |
| Ukuran A3 | Pengurangan yang diproyeksikan/disimpulkan/diduga terjadi di masa depan (hingga 100 tahun) | ≥ 30% | ≥ 50% | ≥ 80% | |
| Ukuran A4 | Pengurangan yang diproyeksikan/disimpulkan/diduga, penyebabnya belum berhenti ATAU dipahami ATAU tidak dapat diubah | ≥ 30% | ≥ 50% | ≥ 80% |
Cara untuk meningkatkan representasi invertebrata dalam upaya konservasi
Karena sebagian besar spesies invertebrata belum dideskripsikan (Stork 2018 ), sangat mungkin dominasi spesies langka akan tetap ada di masa mendatang. Untuk memberikan perlindungan bagi organisme paling beragam di planet ini, kita harus segera memperluas penilaian kita terhadap alam dari subset spesies yang bias secara taksonomi ke sampel keanekaragaman hayati yang lebih luas dan lebih representatif (Fraixedas et al. 2022 ). Untuk invertebrata, kita harus menjauh dari ketergantungan pada informasi yang saat ini tidak dapat diperoleh bahkan dengan metode yang paling maju. Kami berpendapat bahwa menggunakan tren tingkat spesies dalam kerangka kerja saat ini (IUCN 2022 ) bersama dengan data terbaik yang mungkin, akan menghasilkan satu dari dua hasil: kegagalan untuk memberikan penilaian risiko bagi sebagian besar organisme bumi, atau kemungkinan klasifikasi kategori ancaman yang tidak akurat untuk banyak organisme.
Yang penting, data ekstensif yang dihasilkan oleh studi kami (Kotak 1) merupakan pengecualian, karena sebagian besar upaya pemantauan berisi lebih sedikit situs, dan sering kali terbatas pada kawasan lindung (Forister et al. 2023 ). Agar upaya konservasi berhasil, upaya tersebut harus didasarkan pada bukti kuantitatif, dengan demikian kami menyarankan tiga kemungkinan rute menuju penilaian risiko yang lebih baik untuk invertebrata (Gbr. 4 ), yang semuanya bergantung pada informasi yang saat ini dapat diukur dari survei standar dan molekuler. Kami menyoroti pendekatan statistik yang dapat secara andal mengukur metrik perubahan pada komunitas invertebrata yang menggabungkan informasi untuk organisme yang jarang diamati. Kami juga menguraikan kerangka kerja yang ada yang dapat digunakan untuk memandu pengembangan kriteria baru untuk mengklasifikasikan risiko bagi organisme ini.
Meningkatkan inferensi spesies tunggal
Meskipun data untuk banyak spesies terbatas, praktisi harus terlebih dahulu mencoba memahami risiko terhadap organisme individual, karena klasifikasi ke dalam kategori risiko atau daftar merah merupakan alat yang berguna untuk konservasi, keterlibatan publik, dan pembuatan kebijakan (Rodrigues et al. 2006 , Bennun et al. 2018 , Bachman et al. 2019 , Bland et al. 2019 , Betts et al. 2020 ). Oleh karena itu, pendekatan pertama adalah meningkatkan inferensi dan penilaian tingkat spesies dengan menggunakan teknik statistik yang memanfaatkan struktur data komunitas (Gbr. 4A ). Ada apresiasi yang semakin meningkat terhadap pentingnya dan dominasi spesies langka dalam literatur pemantauan ekologi (Jeliazkov et al. 2022 , Yoccoz 2022 ), dan banyak teknik telah disarankan untuk meningkatkan inferensi tingkat spesies untuk organisme langka. Meskipun kurangnya data untuk organisme individual, kumpulan data tingkat komunitas sering kali berisi sejumlah besar pengamatan di ribuan spesies dengan sejarah evolusi, distribusi spasiotemporal, dan ciri ekologis yang sama. Struktur dalam data komunitas ini dapat digunakan untuk memungkinkan spesies yang kekurangan data meminjam kekuatan dari organisme yang berkerabat dekat atau serupa secara ekologis. Menyimpulkan kesamaan di antara spesies berdasarkan fitur-fitur ini sekarang menjadi praktik umum di antara ahli ekologi kuantitatif, yang memungkinkan estimasi yang lebih kuat untuk dibuat untuk organisme dengan catatan yang jarang (Ovaskainen et al. 2017 , Norberg et al. 2019 , Jeliazkov et al. 2022 ). Seiring dengan meningkatnya apresiasi terhadap pentingnya dan dominasi spesies langka, metode yang lebih canggih telah muncul. Misalnya, Ovaskainen et al. ( 2024)) menunjukkan pendekatan pembelajaran transfer untuk meningkatkan inferensi tingkat spesies untuk ratusan ribu spesies, yang sebagian besar hanya menyediakan beberapa pengamatan. Manfaat menggabungkan pendekatan spesies tunggal dengan informasi yang dapat diperoleh dari tingkat komunitas adalah pendekatan ini menawarkan penilaian nyata yang terkait dengan spesies individu bagi para praktisi, publik, dan pembuat kebijakan. Teknik statistik ini dapat langsung dimasukkan ke dalam praktik penilaian risiko saat ini, seperti proses daftar merah IUCN, karena dapat digunakan untuk memperoleh metrik spesies tunggal yang menjadi fokus penilaian saat ini. Peningkatan yang relatif sederhana adalah memperbarui pedoman IUCN untuk menyertakan saran tentang bagaimana rentang dan tren populasi dapat diperkirakan menggunakan pemodelan hierarkis. Kolaborasi dengan ahli ekologi kuantitatif tentang praktik terbaik saat menggunakan teknik ini, dan cara menggunakannya dengan data saat ini akan diperlukan untuk membantu meningkatkan inferensi spesies tunggal. Namun, penting bahwa setiap perubahan yang dibuat pada saran harus berupaya mempertahankan fleksibilitas proses penilaian asli.
Meningkatkan inferensi tingkat kelompok
Meskipun ada apresiasi yang berkembang terhadap isu spesies langka dan kemajuan dalam metodologi statistik, alternatif untuk fokus spesies tunggal dari kerangka kerja saat ini mungkin bijaksana untuk memungkinkan penyertaan spesies dengan terlalu sedikit pengamatan bahkan untuk teknik statistik yang lebih canggih. Pendekatan tingkat kelompok dapat memberikan cara yang mudah untuk menggunakan data yang tersedia saat ini untuk menginformasikan keputusan konservasi untuk beberapa spesies secara bersamaan. Karena banyak organisme langka sering kali berasal dari kelompok taksonomi yang sama, berbagi sifat, atau menunjukkan respons atau distribusi ekologi yang sama, opsi kedua adalah menilai tren di seluruh kelompok organisme. Mirip dengan pendekatan pertama kami (Meningkatkan inferensi spesies tunggal), model terintegrasi dapat digunakan untuk meningkatkan inferensi untuk metrik tingkat komunitas menggunakan struktur dalam data komunitas atau mengintegrasikan data dari sumber yang berbeda (Miller et al. 2019 , Simmonds et al. 2020 , Zulian et al. 2021 , Doser et al. 2022 , Lauret et al. 2023 , Zipkin et al. 2023 ). Pendekatan ini kemudian dapat digunakan untuk mengukur perubahan dalam metrik keanekaragaman tingkat komunitas yang mungkin mengindikasikan risiko. Pendekatan yang menyatukan pengamatan di seluruh kelompok taksonomi juga dapat digunakan untuk meningkatkan inferensi tingkat spesies, sementara secara bersamaan memodelkan respons tingkat kelompok (Adjei et al. 2024 ). Kami membayangkan pendekatan potensial di mana spesies yang miskin data digabungkan ke dalam tingkat taksonomi yang lebih tinggi (misalnya genus), dan tren kelimpahan atau distribusi dievaluasi sebagai bagian dari klaster ini. Banyak teknik statistik yang dapat digunakan untuk meningkatkan pendekatan spesies tunggal juga dapat memandu penilaian tren tingkat kelompok. Estimasi sering kali diturunkan secara hierarkis untuk kelompok dan anggotanya, dan jika estimasi pada tingkat spesies terbukti terlalu tidak pasti, estimasi pada tingkat kelompok dapat memberikan ukuran risiko yang kurang spesifik, tetapi berguna. Misalnya, kelompok endemik tropis dengan distribusi terbatas tetapi terlalu sedikit pengamatan untuk penilaian spesies tunggal akan menjadi kandidat yang baik untuk estimasi metrik tingkat kelompok. Pendekatan lain yang berguna adalah mengelompokkan spesies berdasarkan kepekaan terhadap perubahan, sesuatu yang secara alami mencerminkan ukuran risiko kepunahan sehubungan dengan perubahan lingkungan. Model arketipe spesies (Dunstan et al. 2011 , Hui et al. 2013 , Rognstad et al. 2021 , Yu et al. 2022)) dapat mencapai hal ini dengan mengelompokkan organisme berdasarkan respons lingkungannya dan menetapkan ‘arketipe’ yang mendefinisikan bagaimana kelompok yang berbeda merespons variabel lingkungan yang berbeda. Distribusi dan tren kelompok (serta spesies individu) kemudian dapat diperkirakan dari waktu ke waktu, dan digunakan untuk menilai risiko kelompok organisme yang terlokalisasi bersama. Memperkirakan dan mengelompokkan organisme berdasarkan kepekaannya terhadap perubahan lingkungan bersinergi dengan baik dengan kapasitas kriteria daftar merah saat ini yang memungkinkan penunjukan risiko berdasarkan tren yang diproyeksikan. Misalnya, jika kepekaan tingkat kelompok terhadap kovariat tutupan habitat memprediksi penurunan distribusi atau kelimpahan, maka kriteria IUCN saat ini dapat diadaptasi untuk mengklasifikasikan risiko ini.
Yang penting, estimasi metrik tingkat kelompok hanya boleh dipertimbangkan untuk organisme yang penilaian individualnya tidak dapat diperoleh, dan persyaratan konservasi organisme harus dipertimbangkan sebelum penilaian tingkat kelompok. Kriteria penting untuk penilaian tingkat kelompok adalah asosiasi spasial – sensus berbagi habitat dan penggunaan sumber daya yang sama, dan menunjukkan distribusi yang sebagian besar tumpang tindih. Pertama, ini bertindak sebagai perlindungan terhadap pengelompokan yang berpotensi tidak tepat, organisme dengan distribusi yang sangat berbeda (misalnya terlokalisasi di habitat atau wilayah yang sama sekali berbeda), jelas tidak boleh dimasukkan dalam estimasi tren kelompok. Kedua, ini memungkinkan upaya konservasi yang ditargetkan ke wilayah tertentu, dengan tujuan yang sama, misalnya pelestarian atau pemulihan habitat.
Manfaat utama dari metode ini adalah bahwa skema perekaman ekologi sering kali sudah mengumpulkan informasi di tingkat kelompok (O’Connor et al. 2019 , Breeze et al. 2021 ), dan metode ini dapat memanfaatkan data yang sudah ada sebelumnya dari program perekaman sains warga dan terstandarisasi. Namun, metrik yang dihasilkan oleh metode ini tidak serta merta melengkapi kriteria penilaian risiko yang ada, dan kriteria baru harus dikembangkan untuk mengkategorikan tingkat ancaman dari metrik ini. Identifikasi tingkat taksonomi yang tepat untuk menilai organisme akan memerlukan pengetahuan khusus tentang kelompok atau komunitas organisme, dan kriteria tersebut harus menyampaikan ancaman yang ditimbulkan terhadap satu atau lebih spesies dengan tepat. Namun, pendekatan multitakson dapat meningkatkan penerimaan penilaian dan representasi invertebrata dalam penilaian konservasi global.
Meningkatkan inferensi bio-regional
Pendekatan alternatif adalah dengan menggabungkan pengamatan spesies langka ke dalam model yang memungkinkan estimasi wilayah ekologi atau biologi. Penilaian akan melibatkan pemantauan perubahan dalam distribusi dan komposisi komunitas ‘bio-wilayah’ berbeda yang dikuantifikasi oleh model statistik. Biasanya, metode statistik jenis ini mendefinisikan wilayah ruang geografis atau lingkungan yang menampilkan komposisi komunitas serupa (Gbr. 4C ). Sejumlah metode kuantitatif telah dikembangkan untuk mengelompokkan wilayah dengan cara ini (Hill et al. 2020 , Woolley et al. 2020 ). Metode umumnya dibagi menjadi metode yang mengelompokkan wilayah terlebih dahulu kemudian memperkirakan distribusi, dan metode yang memperkirakan distribusi spesies terlebih dahulu dan mengelompokkan setelahnya. Namun, yang paling ketat dan kuat adalah metode yang melakukan analisis ini secara bersamaan (Foster et al. 2013 , Vanhatalo et al. 2021 ) dan oleh karena itu kami merekomendasikan metode ini sedapat mungkin. Beberapa metode yang paling terdefinisi dengan baik adalah metode yang menunjuk ‘wilayah dengan profil umum’ (RCP) (Foster et al. 2013 ). Pendekatan ini mendefinisikan wilayah melalui ‘profil’ komunitas, yaitu pola kemunculan umum organisme yang ditampilkan di seluruh wilayahnya, yang diatur oleh variabel lingkungan. Perubahan dalam rentang RCP kemudian dapat diukur secara andal sehubungan dengan perubahan dalam profil komunitasnya, atau karena perubahan variabel lingkungan. Kekuatan utama pendekatan ini adalah bahwa teknik statistik untuk memperkirakan bioregion beragam dan karenanya fleksibel – metode mampu menggunakan berbagai macam data masukan, mulai dari ukuran kemunculan individual hingga ukuran pergantian komunitas (Leaper et al. 2011 , Stephenson et al. 2018 ).
Manfaat utama lain dari pendekatan ini adalah bahwa dari perspektif manajemen, manajemen tingkat regional jauh lebih mudah ditangani daripada mengelola ribuan spesies secara individual. Jika ada satu kebenaran dalam konservasi, itu adalah bahwa manajemen habitat daripada spesies hampir selalu terbukti menjadi proses yang hemat biaya dan dapat diimplementasikan untuk konservasi spesies (Fahrig 1997 , Lawton 1999 , Mantyka-pringle et al. 2012 , Segan et al. 2016 ). Mengidentifikasi komunitas dengan sejumlah besar spesies endemik dengan rentang yang relatif kecil, atau tren negatif dalam tingkat bio-region yang dimodelkan akan memberikan metrik yang dapat diukur untuk menilai risiko. Meskipun tidak ada kerangka kerja saat ini yang ada secara khusus untuk penilaian bio-regional, daftar merah IUCN untuk ekosistem yang terancam (RLE) (Rodríguez et al. 2011 , Bland et al. 2019 ) menyediakan kerangka kerja yang berguna untuk memandu pengembangan kriteria penilaian risiko tingkat regional. Dari sudut pandang praktis, RLE telah secara langsung mengadopsi banyak ambang batas risiko (misalnya penurunan ukuran jangkauan sebesar 30, 50 dan 80% untuk kriteria RLE A dari Daftar Merah spesies yang terancam. Secara konseptual, ambang batas yang sama ini kemudian dapat diterapkan pada perubahan distribusi bioregional, dengan manfaat tambahan bahwa kemunculan spesies akan secara langsung dikaitkan dengan kuantifikasi perubahan.
Dasar pemantauan yang memadai
Semua saran kami, serta penggunaan kriteria saat ini yang efektif dan berkelanjutan, bergantung pada pembentukan program pemantauan yang sesuai. Investasi mendesak dalam skema pemantauan yang komprehensif dan dirancang dengan baik diperlukan jika kita ingin mendeteksi secara akurat rentang, kelimpahan, dan tren temporal dan spasial invertebrata sebagai komponen utama keanekaragaman hayati global (Jeliazkov et al. 2022 ). Untungnya, teknik untuk melakukannya dalam skala besar menjadi lebih tersedia, menjadikannya tujuan yang lebih dapat dicapai dalam waktu dekat (van Klink et al. 2024 ). Menerapkan metode ini untuk mengidentifikasi kelompok dan ekosistem yang mengandung sejumlah besar invertebrata endemik atau terancam, dan kemudian memantau komunitas ini sangat penting untuk menilai efektivitas upaya konservasi. Ini, menurut kami, akan meletakkan dasar untuk memberikan perlindungan yang lebih baik terhadap organisme yang terancam yang datanya sulit kami peroleh.
