Preuk N, et al. (2024). Randomising spatial patterns supports the integration of intraspecific variation in ecological niche models. Ecography, doi: 10.1111/ecog.07289.
（2024年11月12日发表）
摘要参考翻译：生态位模型（Ecological niche models，ENM）是生物多样性预测和保护中的一项重要建模技术，经常用于预测物种对全球变化的响应。经典的物种水平模型可能会显示出局限性，因为它们假定物种是同质的，忽略了种内变异。复合ENM可通过结合种内ENM来整合种内变异，捕捉物种地理范围内的个体环境响应。虽然最近的研究表明，考虑种内变异可以改善模型预测，但我们目前还缺乏方法来检验这种改善的显著性。在此，我们提出了一种零（null）模型方法，将观测到的种内结构随机化，作为比较的适当基准。我们通过比较物种水平ENM与欧洲山毛榉（Fagus sylvatica）复合ENM的预测性能来说明这种方法。为了研究空间谱系结构的影响，我们用相同的保留数据对所有模型进行了测试，以便根据五个共同的性能指标对不同模型进行比较。我们发现，物种水平的ENM具有更高的总体性能（即AUC、TSS、Boyce指数）和特异性（预测缺失的能力），而复合ENM具有更高的灵敏度（预测存在的能力）。与此相应，与随机谱系结构的零模型相比，复合ENM也显示出更高的灵敏度和更低的特异性。我们的研究表明，对模型性能的评估因所使用的测量方法而有很大不同，这就要求我们仔细研究多种评估方法。零模型的应用使我们能够区分观察到的ENMs种内变异模式的影响。此外，我们还强调了验证和使用基础良好的亚组进行建模。尽管种内变异提高了对欧洲山毛榉出现情况的预测能力，但它并不能完全取代经典的物种水平模型，因此应谨慎使用，以加深理解，并补充而非取代物种水平模型。
工作流程显示了将观测到的种内结构随机化的零模型方法，作为与复合生态位模型进行比较的适当基准，同时与物种水平模型进行常规比较，以更好地理解观测到的谱系结构的影响
点击下方“阅读原文”可查看英文全文。
声明：本内容未向其他微信公众号投稿。
