本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
物種分佈模型 (SDM) 的預測通常用於支持環境決策，以探索氣候變遷對生物多樣性的潛在影響。然而，由於未來的氣候可能與當前的氣候不同，人們一直對了解 SDM 預測新條件下物種反應的能力（即模型可轉移性）感興趣。在這裡，我們使用來自美國西部 108 種樹種的 11 種模型演算法的森林清查數據，探索 SDM 中外推法的空間和環境限制。演算法在預測它們所擬合的同一地理區域中發生的地塊的發生方面表現良好。然而，在預測不適合演算法的地理區域時，很大一部分模型的表現比隨機模型差。我們的結果表明，對於地理空間中的傳輸，沒有特定的演算法比其他演算法更好，因為不同演算法的預測性能沒有顯著差異。在環境空間中傳輸的演算法的預測性能存在顯著差異，其中 GAM 表現最佳。然而，相較於其他演算法，GAM 的預測效能隨著環境空間外推的增加而急劇下降。這項研究的結果表明，除了用於模型擬合的環境數據之外，SDM 預測物種範圍的能力可能有限。在預測氣候驅動的範圍變化時，外推法也可能無法反映物種範圍的重要生物和非生物驅動因素，這進一步扭曲了已實現的範圍變化。未來研究基於過程的 SDM 的可轉移性或地理多樣性與生物多樣性之間的關係可能會有希望。