甘肃白水江国家级自然保护区大熊猫生境评估及动态预警

物种分布模型（Species distribution models，SDMs）是一种模拟物种生态位的数值模型，是将物种的分布样本信息和对应的环境变量信息进行关联得出物种的分布与环境变量之间的关系，并将这种关系应用于所研究的区域，对目标物种的分布进行估计的模型（许仲林等，2015）。目前，SDMs已经成为基础生态学和生物地理学研究的重要工具，被广泛用于研究全球变化背景下物种的分布和气候之间的关系（蒋霞等，2005；Anderson etal，2010；Elith，2006；翟天庆等，2012）、区域气候变化对植物群落和功能的影响（冷文芳等，2007；张雷等，2011）、生态系统功能群和关键种的监测和预测（张志东等，2007）、生态系统不同尺度多样性的管理和保护（Svenning etal，2005）、外来物种入侵区域的预测（Larson et al）、面向生态系统恢复的关键物种的潜在分布预测和保护区规划（Xu et al，2012）等。物种分布模型起始于BIOCLIM模型的开发及其应用（Busby，1991），在随后的三十多年里涌现了生态位因子分析模型（ENFA）、马氏距离（MD）、边界函数方法（BF）、最大熵模型（MaxEnt）、广义线性模型（GLM）、广义加法模型（GAM）、分类与回归树模型（CART）、随机森林模型（RFs）、多元适应性回归样条（MARS）、表面分室模型（SRE）、柔性判别分析（FDA）、多元自回归样条模型（MARS）、助推法模型（GBMs）、分类回归树分析（CTA）、基于规则集的遗传算法（GARP）和人工神经网络（ANN）等，这些模型对中国植物种分布的模拟及其应用次数见表6-1（刘晓彤等，2019）。作为气候变化情景下物种适宜生境预测的方法主体，目前有大量的物种分布模型及相关软件可用（如表6-2所示）。

在众多的SDMs中，根据所需的物种存在-不存在（presence-absence）样点信息可将这些模型分为两大类：第一类需要物种存在和不存在的样点信息；第二类只需要物种存在的样点信息（Guisan etal，2000）。第一类模型通常运用逻辑回归分析的方法，以概率形式表现物种分布的适宜性，第二类模型含有生态位的思想，如ENFA（Hirzel et al，2002）、BIOCLIM（Walker et al，1991）、GARP（Stockwell et al，1992）和DOMAIN（Carpenter etal，1993）。

表6-1　物种分布预测模型及在中国的应用

注：MaxEnt：Maximum Entropy Model；GARP：Genetic Algorithm for Rule-set Prediction；GLM：Generalization LinearModel；GAM：Generlized Additive Model；RF：Random Forest；GBM/BRT：Generalized Boosted Regression Models/Boosted Regrssion Tree；MARS：Multivariate Adaptive Regression Splines；ANN：Artificial Neural Network；FDA：Flexibled Discriminant Analysis；SVM：Support Vector Machine；CTA：Classification Tree Analysis；，CART：Classification and Regression Tree；SRE：Surface Range Envelope；MGCV：Mixed GAM Computation Vehicle；NNET：Fit Neural Networks；RPART：Recursive Partitioning and Regression Trees；LR：Logistic Regression；ECOCROP：Crop Ecological Requirements；AEZ：Agriculture Ecological Zone Model；CT：Classification Tree Model；ENFA：Ecological Niche Factor Afalysis；HSM：Habitat Suitability Model；LDA：Linear Discriminant Analysis；MAHAL：Mahalanobis Distance；MART：Multiple Additive Regression Tree；SESAM：Spatially Explicit Species Assemblage Model；n-DERM：n-Dimentional Environment and ResourceModel；NM：NicheModel；RPM：Random PredictiveModel.(www.xing528.com)

表6-2　常用的物种分布预测模型及软件

注：表中的符号同表6-1。