Maxent模型复杂度对物种潜在分布区预测的影响.pdfVIP

生物多样性 2016, 24 (10): 1189–1196 doi: 10.17520/biods.2016265 Biodiversity Science http: // ·方法· Maxent模型复杂度对物种潜在分布区预测的影响 1* 2 朱耿平 乔慧捷 1 (天津市动植物抗性重点实验室, 天津师范大学生命科学学院, 天津 300387) 2 ( 中国科学院动物研究所, 北京 100101) 摘要: 生态位模型在入侵生物学和保护生物学中具有广泛的应用, 其中Maxent模型最为流行, 被越来越多地应用 在预测物种的现实分布和潜在分布的研究中。在Maxent模型中, 多数研究者采用默认参数来构建模型, 这些默认 参数源自早期对266个物种的测试, 以预测物种的现实分布为目的。近期研究发现, Maxent模型采用复杂机械学习 算法, 对采样偏差敏感, 易产生过度拟合, 模型转移能力仅在低阈值情况下较好。基于默认参数的Maxent模型不仅 预测结果不可靠, 而且有时很难解释。在本研究中, 作者以入侵害虫茶翅蝽(Halyomorpha halys)为例, 采用经典模 型构建方案(即构建本土模型然后将其转移至入侵地来评估), 利用ENMeval数据包来调整本土Maxent模型调控倍 频和特征组合参数, 分析各种参数条件下模型的复杂度, 然后选取最低复杂度的模型参数( 即为最优模型), 综合 比较默认参数和调整参数后Maxent模型的响应曲线和预测结果, 探讨Maxent模型复杂度对预测结果的影响及 Maxent模型构建时所需注意事项, 以期对物种潜在分布进行合理的预测, 促进Maxent模型在我国的合理运用和发 展。作者认为, 环境变量的选择至关重要, 需要综合分析其对所模拟物种分布的限制作用和环境变量之间的空间 相关性。构建Maxent模型前需对物种分布采样偏差及模型的构建区域进行合理地判断, 模型构建时需要比较不同 参数下模型的预测结果和响应曲线, 选取复杂度较低的模型参数来最终建模。在茶翅蝽的分析中, Maxent模型的默 认参数和最优模型参数不同, 与Maxent模型默认参数相比, 采用调整参数后所构建的模型预测效果较好, 响应曲 线较为平滑, 模型转移能力较高, 能够较为合理反映物种对环境因子的响应和准确地模拟该物种的潜在分布。 关键词: 生态位模型; Maxent模型; 模型复杂度; 转移能力; 现实分布; 潜在分布 Effect of the Maxent model’s complexity on the prediction of species po- tential distributions 1 2 Gengping Zhu *, Huijie Qiao 1 Tianjin Key Laboratory of Animal and Plant Resistance, College of Life Sciences, Tianjin Normal University, Tianjin 300387