《海洋生物物种分布模型交叉验证方法研究取得新进展》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: 熊萍
  • 发布时间:2024-10-28
  • 近日,中国科学院南海海洋研究所林强研究员团队在海洋生物物种分布模型构建中如何选择交叉验证方法取得新的研究进展,相关成果“Cross-validation matters in species distribution models: A case study with goatfish species”于2024年9月17日在线发表在国际顶尖生态学期刊Ecography上。

    在全球生物多样性持续丧失的背景下,准确评估生物多样性的空间分布模式对于制定有效的保护和管理策略至关重要。物种分布模型(SDMs)已成为评估生物多样性的一种重要工具,它通过分析物种分布数据与生态因子之间的关系来预测目标物种的适宜栖息地分布。在模型构建过程中,交叉验证是评估模型预测性能的关键步骤。交叉验证通过在不同数据集上反复训练和验证模型,帮助研究人员选择最佳模型参数。虽然随机交叉验证方法是最常见的选择,但最近一些研究者提出了空间交叉验证方法,以解决随机交叉验证忽视空间自相关性的问题。

    该研究通过随机交叉验证与空间交叉验证方法,以海洋近海典型鱼类—羊鱼(Actinopteri: Syngnathiformes: Mullidae)为对象进行模型的参数优化和性能评估。研究发现,两种交叉验证方法在95%的物种中得出了不同的最佳模型参数组合,并且在预测当前和未来的栖息地分布方面存在显著差异。随机交叉验证方法在预测性能上可能存在过高估计的风险,而空间交叉验证方法倾向于保守。

    同步研究结果表明,尽管随机交叉验证和空间交叉验证方法在物种分布预测上存在差异,但两者均一致得出印度-澳大利亚群岛是羊鱼物种丰富度最高的地区,并且最易受到气候变化的影响。

    本研究首次系统性地比较了随机交叉验证与空间交叉验证方法对SDMs结果的影响,揭示了选择交叉验证方法对SDMs预测性能和结果的重要影响,为生物多样性评估研究提供了新的视角。

    该研究工作得到了国家自然科学基金项目、国家重点研发计划项目等的联合资助。

    相关论文信息:Hongwei Huang,Zhixin Zhang*,ákos Bede-Fazekas,Stefano Mammola,Jiqi Gu,Jinxin Zhou,Junmei Qu,& Qiang Lin*,2024: Cross-validation matters in species distribution models: a case study with goatfish species. Ecography. DOI: 10.1111/ecog.07354.

    原文链接:https://nsojournals.onlinelibrary.wiley.com/doi/full/10.1111/ecog.07354

  • 原文来源:https://scsio.cas.cn/news/kydt/202409/t20240918_7364704.html
相关报告
  • 《整合多维信息提升海洋生物分布格局预测研究取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-10-28
    • 近日,中国科学院南海海洋研究所林强研究员团队在整合多维信息提升海洋生物分布格局预测方面取得系列新进展,相关研究成果先后发表于保护生物学与生物地理学经典期刊Conservation Biology、Journal of Biogeography、Ecology and Evolution上。 受气候变化和人类活动影响,海洋生物地理分布格局正在发生剧烈变化。准确预测生物分布格局是理解生物多样性空间格局、评估其气候脆弱性和制定有效保护策略的重要基础。物种分布模型(Species Distribution Models)作为评估生物地理分布的重要工具已被广泛应用于保护生物学、全球变化生态学、生物地理学等领域。然而,传统模型往往忽略了专家知识、种间互作等关键信息,可能导致模型预测结果难以真实反映物种的地理分布格局,从而误导对海洋关键生物类群的保护决策(张志新 等,2024,Journal of Biogeography,https://doi.org/10.1111/jbi.14789;张志新 等,2025,Conservation Biology,https://doi.org/10.1111/cobi.70015)。针对这一挑战,研究团队针对珊瑚礁生态系统的关键生物类群开展了系列研究,提出了海洋生物地理分布预测的优化策略。 首先,研究团队以196种海洋鱼类(海龙科、石斑鱼科等)为研究对象,基于物种分布点记录,利用四种算法分别构建物种分布模型,并进一步采用机器学习中的meta learner方法,创新性地在模型中整合了IUCN专家绘制的物种分布范围信息。研究结果显示,整合专家知识的物种分布模型显著提升了预测结果的合理性,有效避免了传统模型在地理屏障的过度预测。进一步分析发现,专家信息的整合效果与物种分布范围、分布点数量等因素显著相关。 同时,研究团队以广泛分布于热带珊瑚礁的小丑鱼–海葵和珊瑚蟹–珊瑚两类典型共栖组合为研究对象,将共栖关系纳入物种分布模型,评估未来气候变化背景下海葵和珊瑚两类宿主对共栖生物地理分布格局的影响。研究发现,纳入共栖关系后,小丑鱼、梯形蟹的当前地理分布会向低纬度偏移。同时,共栖关系可能会放大未来气候变化对小丑鱼、梯形蟹地理分布的影响,其中,珊瑚对气候变化的敏感性更高,导致共栖的珊瑚蟹的未来分布收缩更为显著。 研究成果阐明了整合多维信息对于提升海洋生物分布格局预测能力的重要性,为海洋生物多样性评估与保护研究提供了更加有力的研究工具,张志新等为上述相关工作的第一或通讯作者,研究成果以“Integrating expert range maps and opportunistic occurrence records of marine fish species in range estimates”、“Improving distribution prediction by integrating expert range maps and opportunistic occurrences: Evidence from Japanese sea cucumber”、“Habitat-forming species: Buffers or amplifiers for mutualistic organisms in response to climate change?”为题,分别发表于Conservation Biology、Ecology and Evolution、Journal of Biogeography上。 相关研究得到了国家重点研发计划青年科学家项目(2023YFC3108800)、国家自然科学基金(42425004)、中国科学院青年创新促进会(2023360)等项目的支持。 相关文章信息:Zhang,Z.*,Bede‐Fazekas,á.,Molinos,J. G.,Mammola,S.,Kass,J. M.,Qu,J.,...& Lin,Q.*. (2025). Integrating expert range maps and opportunistic occurrence records of marine fish species in range estimates. Conservation Biology,e70154. Xiao,B.+,Yuan,S.+,Bede‐Fazekas,á.,Zhou,J.,Song,X.,Lin,Q.,...Cui,L.* & Zhang,Z.*. (2025). Improving distribution prediction by integrating expert range maps and opportunistic occurrences: Evidence from Japanese sea cucumber. Ecology and Evolution,15(7),e71747. Qu,J.,Zhang,Z.*,Ma,S.,Wang,Y.,Tang,X.,Yin,J.,...Qin,G.* & Lin,Q. (2025). Habitat-forming species: buffers or amplifiers for mutualistic organisms in response to climate change?Journal of Biogeography,52(8),e15174. 文章链接:https://conbio.onlinelibrary.wiley.com/doi/abs/10.1111/cobi.70154 https://onlinelibrary.wiley.com/doi/full/10.1002/ece3.71747 https://onlinelibrary.wiley.com/doi/abs/10.1111/jbi.15174
  • 《物种分布信息选择对准确评估海洋生物分布格局的潜在影响取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-04-06
    • 3月24日,中国科学院南海海洋研究所林强团队在海洋物种分布数据信息对其生物地理格局精确评价与应用效果方面取得新进展,相关成果以“Differences in predictions of marine species distribution models based on expert maps and opportunistic occurrences”为题发表于保护生物学旗舰期刊Conservation Biology。研究员张志新为本文第一作者,研究员林强和研究员秦耿为本文共同通讯作者。 当前,全球范围内正面临严峻的生物多样性丧失危机,部分区域的生物多样性正以惊人的速度下降,因此,精确评估生物多样性现状与未来演变趋势,制定科学的保护策略,对于遏制生物多样性衰退现状极其重要。物种分布模型(SDM)是当前学界评估生物多样性变化的重要工具,其预测能力高度依赖于物种分布数据的质量,高质量的物种分布数据源信息是限制物种分布模型应用的关键。因此,探究不同来源的高质量物种分布数据对生物地理分布格局的精准预测是当前本领域学者最为关注的科学问题。在实际的物种分布模型构建过程中,物种分布点和分布范围是两类常用的数据源,两者的获取来源不同,数据特征各具优势,但两者在模型性能方面的差异,尤其是在海洋场景下生物地理格局研究领域,尚未充分研究和报道。 据此,本研究以珍稀海洋鱼类海龙科和石斑鱼科233个物种为研究对象,基于其分布点和分布范围数据分别构建物种分布模型,系统评估了两种模型在预测能力方面的差异,发现两种模型均表明水深和温度是制约海龙科和石斑鱼科鱼类地理分布的关键因素,但基于物种分布点而构建的模型具有更好的预测能力和可转移性。 同时,基于物种分布点和分布范围的模型在纬度多样性梯度格局预测方面差异显著,分布点模型呈现双峰纬度梯度(即物种多样性在赤道附近较低,在中纬度地区呈现峰值),而分布范围模型则呈现了单峰模式(即物种多样性在赤道附近最高)。由此,本研究提出在研究海洋生物多样性的纬度梯度格局中,应特别关注数据源对结果产出的潜在影响。 进一步,本研究利用广义线性模型探讨了两种模型预测差异背后的驱动机制。研究结果表明,两种分布数据对应的环境信息差异是导致模型预测差异的主要因素;基于两种分布数据的模型预测结果在海龙科物种中差异更大,推测这可能与海龙科物种具有更强的栖息生境偏好性有关。 本研究率先在海洋领域系统评估了物种分布数据类型选择在海洋物种分布模型研究中的重要性,指出未来相关研究应更加关注数据源的获取和选择;同时,建议开发新的数据整合方法,充分考虑不同类型数据及其应用场景的优势,提升物种分布模型的准确性。此外,本研究呼吁相关机构应进一步提高数据的开放度和透明度,以便更好地支撑和践行全球生物多样性保护战略。 本研究得到了国家自然科学基金项目、中国科学院战略性先导专项等的联合资助。 文章信息:Zhang,Z.,Kass,J. M.,Bede-Fazekas,á.,Mammola,S.,Qu,J.,Molinos,J. G.,...& Lin,Q (2025). Differences in predictions of marine species distribution models based on expert maps and opportunistic occurrences.?Conservation biology: the journal of the Society for Conservation Biology,e70015. 文章链接:https://doi.org/10.1111/cobi.70015