生态建模-利用物种丰度提高物种分布模型预测精度:应用增强回归树
下载文件
打印
电子邮件生态建模-利用物种丰度提高物种分布模型预测精度:应用增强回归树
DOI:10.1016 / j.ecolmodel.2020.109202
以物种丰度为形式的辅助信息通常是生态调查收集数据的一部分，但在对大区域物种分布进行建模时，通常使用物种存在(有时是不存在)。在实际应用中，将丰度纳入物种分布模型可以大大提高模型的预测精度。增强回归树(boosting regression tree, BRT)模型已被广泛应用于物种分布建模，但目前尚未有生态学研究评估纳入物种丰度权重的BRT模型的预测精度。我们将传统的、未加权的brt与美国东北部原生的55种河流鱼类的物种丰度加权brt进行了比较。总体模型偏差解释和传统brt与加权brt之间的预测性能的六个诊断指标进行了比较。这些比较表明，未加权brt在被认为是常见的河流鱼类中表现更好，包括那些存在数量更多和患病率更高的鱼类。相反，加权brt更适合于低存在度、低流行度和高稀有度物种的分布建模，这表明物种丰度加权分布建模有可能改善高保护重要性物种的结果。最后，我们对使用加权方法与其他常用的物种分布建模方法的适用性提出了见解。
