论文部分内容阅读
物种生态位模型主要是利用物种分布数据与环境数据，依据特定的算法估计物种基础生态位，并投影到景观中，以概率的形式反映物种对生境的偏好程度。它在生物多样性评估、自然保护区的设计、物种迁地保护生境的筛选、环境风险评估、入侵物种的管理、群落和生态系统分布的模拟、全球环境变化对物种和生态系统影响的预测等方面具有重要的作用。近年来，大量的物种生态位模型算法被用来模拟大尺度上或大范围物种的空间分布。虽然不同的物种生态位模型具有各自的优点和使用效率，但是预测的结果有时候存在较大的差异。从这些不同的结果中筛选出合理的物种潜在分布图，对于研究者来说是个艰巨的任务，如果研究人员缺少对物种生态位模型过程和对GIS背景知识的了解，这将阻碍我们有效的使用物种生态位模型。
为了从整体上对物种生态位模型有详细的了解，本研究总结了物种生态位模型的研究历史、模型的算法种类、模型的评估及模型中存在的问题，并以Quercuswutaishannica为例，对六种物种生态位模型(Bioclim，Domain，GLM，ANN，MaxEnt，SVM)的适用性做了评价;在样本量不充足的条件下，以中国南方四种濒危冷杉(Abiesbeshanzuensis、A.ziyuanensis、A.yuanbaoshanensis、A.fanjingshanensis)为例，探讨了极濒危物种潜在分布区估计的方法。本研究主要解决下列问题:不同模型对样本量大小的最小需求是多少？不同模型的最小需求之间是否存在差异？不同模型对物种预测的准确性之间是否存在差别？不同阈值分类器对不同模型的最优阈值的选择是否有影响？对模型预测的正确率是否有影响？在PA模型中，伪不存在数据量选择的多少对模型预测的准确度是否有影响？对分类阈值的选择是否有影响？环境变量在不同的模型中的作用是否一样？不同的模型融合方法对预测准确性是否有显著的提高？当物种的分布点数据很少、甚至没有时，如何预测物种的潜在分布？
研究认为Bioclim对样本的最低需求量为65～105、Domain的最低需求量为10～15、SVM的最低需求量为15～25、GLM的最低需求量为25～40、ANN的最低需求量为25～40、MaxEnt的最低需求量为10～15。伪不存在点的数量对GLM、ANN、MaxEnt和SVM模型预测的有效性影响很小，但是对模型最优阈值的选择影响较大。并且最优分类阈值从整体上随着伪不存在数量的增多而减少，但是GLM、ANN模型与MaxEnt、SVM模型对伪不存在点数量多少的敏感程度不一样。在比较所有六个模型的预测有效性方面，还发现SVM模型的预测能力最高，Domain模型的预测能力最低，ANN模型、GLM模型、Bioclim模型、MaxEnt模型居于中间。结合Boyes曲线的走势图，发现SVM和ANN模型的预测效果最好，Domain和GLM模型的预测效果较差。
不同的环境因子在不同的模型中的表现是不同的，删除任何一个环境变量后，所有模型的预测表现都没有显著的发生改变，模型的预测准确性都较高（AUC都大于0.9）;而以单一的环境变量来训练模型，每个模型的预测准确性差别较大。从整体上看，在使用数量少的环境变量预测物种潜在分布时，Bioclim、ANN和SVM模型的表现相对较好，而Domain、GLM和MaxEnt模型需要更多的环境变量。
在最优闽值的选择中，不同的选择标准对最优阈值的大小差异较大，对模型预测的准确性也影响较大。但是MaxKappa、MaxPPC和Cost划分标准的普适性相对较广，在6个模型中，预测的准确率都是最高的(86-91％)。
四种不同融合方式显著提高了模型的预测准确性，AUC值都为0.95，达到了极好的水平(AUC＞0.9)。四种融合方法误差的分布曲线都有着相似的特征，四种不同的融合方法产生的辽东栎预测分布图的分类阈值处于0.36-0.48之间，但是平均方法、AUC-Average方法和PCA方法能够显著的改变Boyes曲线的走势，因此它们是比较好的模型融合方法。
当物种分布点很少的情况下，使用与该物种生态学特性相似的同属植物的生态变幅来推断该物种的生态位适应范围，然后使用该范围预测物种的潜在分布区。研究表明满足现状气候条件下百山祖冷杉、梵净山冷杉、元宝山冷杉、资源冷杉理想生态幅度的潜在生境是比较广泛的。这些生境主要集中在横断山区-岷江上游-秦岭、大巴山-太行山、吕梁山-长白山山区;如果考虑全球气候变暖（CO2倍增）对潜在生境的影响，则秦岭以北地区的潜在生境受到的影响非常大，而在横断山区—秦巴山区对气候变暖不敏感的。因此横断山区—秦巴山区是保存四种濒危冷杉的最好场所。