中国计量科学研究院 “物种分布模型”在线开放课程单元5 仅分布数据模型.pdfVIP

单元5 分布数据模型 在这个物种分布模型在线开放课程之前的单元中，我们学到了很多关于建立模型所 需的数据类型，也快速了解了一下可以用的不同算法。现在要详细解释这些算法。 在这个单元中，我们看一下仅使用存在数据的模型。我会解释两个不同的地理模型， 然后讲解最有名的框架模型Bioclim 。最后我会解释一个主流的机器学习模型 Maxent 。 开始探索你感兴趣的物种分布的简单方法是通过将物种记录的位置绘制到地图上， 并建立一个地理模型。这些地理模型只能使用存在数据，并简单地在其周围绘制一 个形状。他们最有用的地方是可以快速了解物种出现的地区。 地理模型 让我们先从地理模型开始。正如我在单元4 中提到的，地理模型是开始研究你感兴 趣的物种分布的简单方法。这些模型只使用存在数据，并简单地绘制它们周围的区 域。因为它们没有使用任何环境数据，主要用于快速了解物种的出现地区。 地理模型的两个例子是圆和凸包模型。圆形模型预测物种存在于物种观测出现地点 的某个给定半径的圆周内。凸包模型在物种出现地点周围绘制一个空间凸包形状。 这是将所有出现地点包含在内的最小多边形，且该多边形边界的所有角都向外凸出。 连接任何两点的线必须完全落在凸包内。该模型预测一个物种可存在于凸包内的任 何位置，且在凸包外部不存在该物种。 例如，国际自然保护联盟用凸包模型估计物种的出现区域。自然保护联盟认为凸包 尺寸小于100 km2 的物种极其濒危。在澳大利亚，澳洲毛鼻袋熊就是一种极度濒危 2 的物种，其分布范围仅限于昆士兰埃平森林国家公园内的3km 范围内。 这些地理模型易于理解和解释，但并不常用，因为他们没有考虑到控制或影响物种 的环境条件。 简介型号：Bioclim 下一种模型是框架模型，这是最基本的真实物种分布模型。他们描述可以找到物种 的环境条件。最著名的框架模型是Bioclim ，被认为是第一个物种分布模型。在十 六世纪60 年代中期，澳大利亚就开始开发这种模型了。 Bioclim 是一个相对简单易懂的模型。通常会采取2 个以上的环境条件作为预测因 子，我在这里用有 2 个环境变量和一组物种出现数据的二维图形展示 Bioclim 概念。 Bioclim 用物种出现地点的环境变量的最大最小值构建了合适的环境空间。绿色区 域代表适宜物种生存的环境条件。为了避免异常值的过度预测效应，结果范围可以 根据用户指定的百分位数缩减，如内部95 ％。如果你在模型中包含两个以上的环 境变量，就会得到一个多维外接包围框。 为了预测任何给定地点的物种出现概率，Bioclim 比较了该位置的环境变量值与已 知出现地点的环境变量值的百分位数分布。50th 的百分位数是指中位数，它恰好在 数据的一半位置上。环境变量在某一未知地点的值越接近50th 的值，该地就越适 合物种生存，因此物种的出现概率越高。所以，出现在50th 处的概率是1，而在 10th 和90th 处的概率相同。Bioclim 模型综合每个环境变量的得分得到总体的物种 出现概率，所有环境变量在每个位置的权重是相等的。 虽然Bioclim 已被广泛应用于物种分布模型中，但其有一些限制。该方法只能处理 连续的环境变量，因此不能考虑土壤类型等分类变量。此外，它并没有考虑到变量 之间的交互性。随着更复杂的算法的发展，Bioclim 算法在物种分布模型中的应用 越来越少。 MAXENT 更复杂的算法之一是Maxent ，它是最大熵模型的代表算法。Maxent 是一种仅使用 存在数据的算法，它比较了研究区域中物种出现的地点和所有已有的所有环境变量。 它通过在整个研究区域抽取大量的点来定义这些可得的环境条件。这些点被称为背 景点。因为背景点包括物种出现的已知位置，其与拟缺失点不同。背景点定义已有 的环境数据。 Maxent 有两个主要组成部分。第一个是熵，这意味着校准模型来找到整个研究区 域里最分散或最接近一致的物种分布。第二个是约束，这些规则基于观测到物种的 位置的环境变量值。是在未知位置的每个环境的平均值必须接近已知出现地点的环 境变量的平均值。 我用一个简单的例子说明这一点。这个栅格代表一个景观，在一些格网中，我们观 测到一个物种的鸟存在。我们不知道该物种是否存在其他格网中。我们输入模型的 环境变量之一是年平均气温，每个格网内都有一个该环境变量的值。Maxent 计算 存在物种的所有格网的环境变量平均值，是20 摄氏度。第一个约束是预测物种出 现的格网的年平均气温必须为2