Due to increasing human transformation of virtually all habitats on Earth, setting global priorities for conservation is essential. The emerging disciplines of macroecology and macroevolution (MEE) can provide a global perspective and information for such prioritization but remain relatively separated from conservation prioritization, partly because MEE researchers are unaware of the requirements for effective conservation prioritization and existing approaches implementing these. Indeed, existing approaches for conservation prioritization at large scale are scattered across literature. Here, we systematically review this literature and provide a guideline for researchers in MEE as to which of approaches might be suitable for their needs. From >11 000 scientific publications, we identified 134 methods suitable for commonly used MEE data and geographic scale. Furthermore, we use a ‘trait matrix' to identify families of similar approaches and to design a guideline to select the most suitable method, given a user-defined set of data and analysis scope. The guidelines are freely available via the conserveR R-package (<https://github.com/azizka/conserveR>). Finally, we used our review to identify increasing scalability, continuous monitoring and the integration of molecular, remote sensing and animal movement data as key areas for future impacts of MEE in conservation prioritization. We anticipate that our review can serve as a guide to MEE researchers interested in linking their data to conservation as well as for conservation scientists interested in using MEE approaches.

中文翻译：

---

将宏观生态学、宏观进化和保护优先级联系起来的现有方法和未来方向

由于人类对地球上几乎所有栖息地的改造日益增加，因此确定全球保护重点至关重要。宏观生态学和宏观进化 (MEE) 新兴学科可以为这种优先排序提供全球视角和信息，但与保护优先排序相对分离，部分原因是 MEE 研究人员不了解有效保护优先排序的要求以及实施这些优先排序的现有方法。事实上，现有的大规模保护优先排序方法分散在文献中。在这里，我们系统地回顾了这些文献，并为 MEE 的研究人员提供了哪些方法可能适合他们的需求的指南。来自超过 11 000 篇科学出版物，我们确定了 134 种适用于常用 MEE 数据和地理尺度的方法。此外，在给定用户定义的数据集和分析范围的情况下，我们使用“特征矩阵”来识别类似方法的家族并设计指南以选择最合适的方法。该指南可通过serveR R-package (<https://github.com/azizka/conserveR>) 免费获得。最后，我们通过审查确定了不断提高的可扩展性、持续监测以及分子、遥感和动物运动数据的整合，作为 MEE 在保护优先级中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。我们使用“特征矩阵”来识别类似方法的家族，并设计一个指南来选择最合适的方法，给定用户定义的数据集和分析范围。该指南可通过serveR R-package (<https://github.com/azizka/conserveR>) 免费获得。最后，我们通过审查确定了不断提高的可扩展性、持续监测以及分子、遥感和动物运动数据的整合，作为 MEE 在保护优先级中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。我们使用“特征矩阵”来识别类似方法的家族，并设计一个指南来选择最合适的方法，给定用户定义的数据集和分析范围。该指南可通过serveR R-package (<https://github.com/azizka/conserveR>) 免费获得。最后，我们通过审查确定了不断提高的可扩展性、持续监测以及分子、遥感和动物运动数据的整合，作为 MEE 在保护优先级中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。给定一组用户定义的数据和分析范围。该指南可通过serveR R-package (<https://github.com/azizka/conserveR>) 免费获得。最后，我们通过审查确定了不断提高的可扩展性、持续监测以及分子、遥感和动物运动数据的整合，作为 MEE 在保护优先级中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。给定一组用户定义的数据和分析范围。该指南可通过serveR R-package (<https://github.com/azizka/conserveR>) 免费获得。最后，我们通过审查确定了不断提高的可扩展性、持续监测以及分子、遥感和动物运动数据的整合，作为 MEE 在保护优先级中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。遥感和动物运动数据是 MEE 在保护优先次序中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。遥感和动物运动数据是 MEE 在保护优先次序中未来影响的关键领域。我们预计，我们的审查可以为有兴趣将其数据与保护联系起来的 MEE 研究人员以及对使用 MEE 方法感兴趣的保护科学家提供指导。