Biodiversity monitoring programs and citizen science data remain heavily biased toward the Global North. Especially in megadiverse countries with limited biodiversity records, incorporating social media data can help address existing data gaps. However, whether such data can significantly improve our understanding of range-shifting species is still unknown. We tested whether social media data improved our knowledge of the range dynamics of a rapid range-shifting butterfly, the tawny coster (Acraea terpsicore). We collated locality data from Flickr and Facebook and compared these with occurrence data from the Global Biodiversity Information Facility (GBIF). We used species distribution models (SDMs) and niche assessments, which we calibrated with data from GBIF alone and both sources combined (GBIF and social media data) to analyze range shift dynamics. Social media data increased occurrence records by 35%, and the proportion of social media data was higher in countries poorly represented in GBIF. In addition, we obtained new distributional information from well-represented countries (e.g., Australia and Malaysia). Over time, the SDMs calibrated with GBIF and social media data showed greater expansion rates than SDMs based solely on GBIF data. The niche assessments revealed that GBIF-only data failed to capture regions with relatively low maximum temperature, relatively low precipitation and high elevation. Our results highlight the potential of harnessing social media data to track rapid biodiversity redistribution in response to climate change.
Aprovechamiento de la información de las redes social para seguir los cambios en la distribución de las especies Resumen Los programas de seguimiento de la biodiversidad y los datos de la ciencia ciudadana aún están muy sesgados hacia el norte global. La incorporación de los datos de las redes sociales puede ayudar a subsanar las lagunas existentes en los datos, especialmente en países megadiversos con registros limitados de biodiversidad. Sin embargo, aún se desconoce si estos datos pueden mejorar significativamente la comprensión de las especies que cambian de área de distribución. Comprobamos si los datos de las redes sociales mejoraban el conocimiento de la dinámica de distribución de una mariposa (Acraea terpsicore) cuya de área de distribución cambia rápidamente. Recopilamos datos de localización de Flickr y Facebook y los comparamos con los datos de presencia de la Infraestructura Mundial de Información sobre Biodiversidad (GBIF). Utilizamos modelos de distribución de especies (MDE) y evaluaciones de nichos y los calibramos con datos de la GBIF y de ambas fuentes combinadas (datos de la GBIF y de las redes sociales) para analizar la dinámica de los cambios en la distribución. Los datos de las redes sociales aumentaron los registros de presencia en un 35%, y la proporción de datos de las redes sociales fue mayor en los países poco representados en el GBIF. Además, obtuvimos nueva información sobre la distribución de los países bien representados (por ejemplo, Australia y Malasia). Con el tiempo, los MDE calibrados con datos del GBIF y de las redes sociales mostraron mayores tasas de expansión que los MDE basados únicamente en datos del GBIF. Las evaluaciones de nichos revelaron que los datos exclusivos de GBIF no lograban captar regiones con precipitaciones máximas relativamente bajas y altitudes relativamente elevadas. Nuestros resultados ponen de relieve el potencial de aprovechar los datos de las redes sociales para realizar un seguimiento de la rápida redistribución de la biodiversidad en respuesta al cambio climático.
【摘要】 生物多样性监测项目和公民科学数据仍明显集中于全球北方地区。特别是在生物多样性水平高但记录有限的国家, 整合社交媒体数据将有助于填补现有的数据空缺。然而, 我们目前尚不清楚此类数据能否显著提升对物种分布区变化的认知。本研究通过对一种快速迁移的蝴蝶——斑珍蝶(Acraea terpsicore)开展案例研究, 检验了社交媒体数据能否提升对物种分布动态的认知。我们整理了Flickr与Facebook网站上的物种地点数据, 并与全球生物多样性信息设施(GBIF)的物种出现数据进行比对。进一步利用物种分布模型(species distribution models, SDMs)及生态位评估方法, 分别校准了GBIF数据以及两种来源的整合数据(GBIF数据及社交媒体数据), 以分析物种的分布变化动态。结果显示, 纳入社交媒体数据增加了35%的物种出现记录, 且在GBIF数据覆盖不足的国家中, 社交媒体数据占比更高。此外, 我们还从数据覆盖全面的国家(如澳大利亚和马来西亚)获得了新的分布信息。经GBIF与社交媒体数据校准的SDM模型相比于仅基于GBIF数据的模型, 表现出更高的物种扩散速率。生态位评估还表明, 仅使用GBIF数据未能捕获最高气温和降水量相对较低且海拔相对较高的区域的物种分布情况。本研究强调了利用社交媒体数据追踪气候变化引发的生物多样性分布快速变化的潜力。【翻译:胡怡思;审校:聂永刚】.
Keywords: Facebook; Flickr; biodiversity shortfall; cambio de distribución; ciencia ciudadana; citizen science; déficit de biodiversidad; especie invasora; iEcology; invasive species; range shift; redes sociales; social media; 入侵物种; 公民科学; 分布变化; 生物多样性缺口; 社交媒体.
© 2026 The Author(s). Conservation Biology published by Wiley Periodicals LLC on behalf of Society for Conservation Biology.