最大熵模型在物种分布预测中的优化

• 作者: 孔维尧 李欣海 邹红菲
• 来源期刊: 应用生态学报
• 关键词: 最大熵模型 取样偏差 模型复杂性 出现-不出现阈值 模型检验
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 综合评述
• 页码范围: 2116-2128
• 页数: 13页
• 语种: 中文
• DOI: 10.13287/j.1001-9332.201906.029

摘要

最大熵模型在物种分布的预测研究中得到广泛应用,但未经优化的模型的预测结果可能存在严重的拟合偏差.本文汇总了最大熵模型在取样偏差修正、模型复杂性调整、物种分布判定阈值选择以及模型检验过程中的若干优化方法.在取样偏差的修正中,空间筛除法的修正效果最好,而背景限制法表现不佳.模型复杂性受建模变量的数量、函数模式和调控系数的影响.在样本量小于建模变量的数量时需进行变量筛选,筛选标准应侧重其生态学意义,而非变量间的相关性;函数模式对模型表现影响不大,在预测结果相近情况下应选择简单模型;建模时需要调整调控系数以控制过度拟合,一般最优模型调控系数高于默认值.判定物种出现阈值应遵从客观性、等效性和判别力3个原则,敏感度和特异性加和最大是良好的阈值判定标准.模型检验可分为不依赖阈值的检验和依赖阈值的检验,在不依赖阈值的模型评估方法中,基于信息标准选择的模型表现优于基于AUC或相关系数(COR)选择的模型;在基于阈值的模型评估方法中,真实技能统计能够兼顾模型遗漏误差和错判误差,不受假设缺失影响,且受物种流行度的影响较小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹红菲	东北林业大学野生动物资源学院	121	1155	17.0	29.0
2	李欣海	中国科学院动物研究所	17	1039	11.0	17.0