大兴安岭北部森林景观对气候变化的响应

将森林景观模型LANDIS和林窗模型LINKAGES相结合,模拟气候变化对大兴安岭森林景观的影响,并比较分析了气候变化对森林景观的直接影响与通过火干扰改变所产生的影响.结果表明:维持当前气候和火干扰情景的条件下,森林景观保持动态平衡,兴安落叶松占据优势树种地位,未来气候情景下,兴安落叶松和偃松的分布面积降低,白桦、山杨、甜杨和钻天柳等阔叶树以及樟子松的分布面积增加,森林景观的破碎化和多样性增加;气候变化对森林景观的影响具有时滞性和长期性,气候变暖有利于大部分树种(兴安落叶松除外)的生长,火干扰增加使山杨、甜杨和钻天柳等分布面积增加,使兴安落叶松、樟子松和偃松的分布面积明显降低;火干扰增加对森林景观的影响几乎与气候变化的直接影响同等重要,其加剧了气候变化对森林组成、森林景观破碎化和森林景观多样性的直接影响.     

小兴安岭针叶树种在不同尺度上对环境因子的敏感性分析

 小兴安岭地区是我国重要的林区之一,预测该地区针叶树种的分布,在不同尺度上查找针叶树种分布最敏感的环境因子,是不同层次的林业部 门制定森林恢复和植树造林方针的重要科学依据。该文以坡度、坡向、综合地形指数、海拔、坡位指数、年平均温度和年平均降水量作为环境 因子,利用Logistic回归模型对红松（Pinus koraiensis）、兴安落叶松（Larix gmelinii）、冷杉（Abies nephrolepis）、红皮云杉 （Picea koraiensis)、鱼鳞云杉(P. jezoensis)和樟子松（Pinus sylvestris var. mo ngolica）的分布进行了预测。并且采用相对运行特征 (Relative operating characteristic, ROC）,对模型进行了精度评价。其取值范围为0～1, 如果ROC小于0.7,认为模型具有低精度;如 果大于0.7且小于0.9,则模型具有较好的模拟精度;如果大于0.9,认为模型具有很高的预测精度。对每个树种的模型验证表明只有冷杉的ROC 大于 80%,红松、兴安落叶松和云杉的ROC在70%～80%之间,而樟子松的为67.9%。之后,把预测模型应用到丰林保护区,揭示局域尺度上树种 分布最敏感的环境因子。经过树种分布预测图与环境因子之间的相关分析发现,在区域尺度（整个研究区）上,红松、冷杉、云杉和樟子松对 年降水量最为敏感,而兴安落叶松对坡度最敏感。在局域尺度（丰林保护区）上,红松分布对坡度最敏感,冷杉和云杉对海拔最敏感,兴安落 叶松对坡位最敏感。在不同尺度上,树种最敏感的环境因子的转移,引起了在不同尺度上树种分布类型的变化。红松在区域尺度上聚集分布 （ROC=78.6%）,而在局域尺度上其聚集程度有所减弱（ROC=74.4%）,红松的分布范围增加。在区域尺度上,云杉和冷杉聚集分布,但在局域 尺度上,它们的分布接近随机分布类型（ROC<60%）,它们在丰林保护区内分布面积较大。与以上3个树种相反,兴安落叶松的ROC从71.7%增加 到了82.0%,在区域尺度上聚集分布的兴安落叶松,在局域尺度上更加聚集,其分布范围局限于某个特定环境（谷底）。总的来说,在区域尺度 上,多数树种分布对气候因子最为敏感,在局域尺度上,对地理因子最为敏感。不同树种对不同环境因子的敏感性,揭示了树种空间分布格局 和分异规律。     

广义模型及分类回归树在物种分布模拟中的应用与比较

比较3个应用较广的模拟物种地理分布模型:广义线性模型(GLM)、广义加法模型(GAM)与分类回归树(CART)对中国树种地理分布模拟的优劣,以提出更为合适的模拟物种地理分布模型,并用于预测气候变化对物种地理分布的影响。3个模型对中国15种树种地理分布的模拟研究表明:除对油松、辽东栎分布的模拟精度稍差外,对其余树种分布的模拟精度均较高,其中以GAM模型最好。结合地理信息系统(GIS),比较分析了这3个模型对青冈、木荷、红松和油松4种树种的地理分布模拟效果,结果亦表明:这3个模型均能很好模拟青冈和木荷的地理分布,而GLM模型对红松分布的模拟结果不太理想,3个模型对油松分布的模拟结果均不甚理想,其中以GLM模型最差。基于3个模型对未来气候变化下青冈与蒙古栎地理分布的预测表明:GLM模型与GAM模型对青冈分布的预测结果较为接近,青冈在未来气候变化情景下向西和向北扩展,而CART模型预测青冈在未来气候变化情景下除有向西、向北扩展趋势外,广东和广西南部的青冈分布区将消失;3个模型均预测蒙古栎在未来气候变化情景下向西扩展,扩展面积的大小为:模型的模拟面积>模型>模型。     

中国特有属秤锤树属植物的潜在分布区预测

秤锤树属（Sinojackia）是中国特有属,包括7个物种,各物种的种群及个体数量均较少,预测其潜在适宜分布区及其主要影响因素对制定保护措施至关重要。该研究在全面收集秤锤树属植物分布位点数据的基础上,结合气候、土壤和植被数据,运用物种分布模型（MaxEnt）和ArcGIS,预测该属植物当前的分布范围以及未来（2050s和2070s）潜在分布区的变化,分析影响该属植物分布的主要环境变量。预测结果显示：（1）当前秤锤树属高适宜地区主要在我国的亚热带地区,分布在长江中下游平原,包括湖南、浙江的大部分地区,河南、安徽和江苏南部地区以及湖北和江西两省交界处,四川、贵州零星分布着高适宜度位点;纬度范围为25.42°~31.84°N。（2）当前秤锤树属的高适宜性（0.665）生境面积仅为4.07×10⁴ km²,占国土面积的4.23％,分布区极为狭窄。未来（2050s和2070s）的高适宜分布地区将大幅度缩减,其中在2070s的RCP8.5排放情景下减少最多。（3）随着温度的上升,秤锤树属植物有向高纬度迁移的趋势。研究结果可为濒危植物的就地保护提供科学依据,同时也可为其迁地保护位点的选择提供参考。     

包含哑变量的黑龙江省落叶松人工林碳储量预测模型系统

利用2005—2010年两期黑龙江省落叶松人工林固定监测样地数据,分析黑龙江省落叶松人工林各林分变量因子之间的关系,建立地位级指数曲线模型和林分密度指数模型,采用两步最小二乘的方法建立预测包含林分平均断面积和林分碳储量的联立方程组,将以上所构建的模型统称为黑龙江省落叶松人工林碳储量预测模型系统.同时将龄组和区域作为哑变量加入到预测模型中.结果表明: 模型系统中除地位级指数曲线模型之外,剩余模型的确定系数(R²)均大于0.98,均方根误差均小于4,而加入哑变量的模型R²有所增加,均方根误差均小于3,说明模型稳定性较好,预估参数较为精确.各模型的平均相对误差均小于2%,大部分模型平均相对误差绝对值小于15%,模型精度均在95%以上,研究结果可以对黑龙江省不同区域和龄组的落叶松人工林林分平均树高进行精确拟合.根据地位级指数曲线模型和联立方程组的拟合参数进行分析,当调查样地在同一区域时,林分年龄越大,林分平均树高、林分平均断面积和林分碳储量越大,符合实际生长规律;而在林分年龄相同、区域不同时,不同区域林分平均树高由大到小的排列顺序为: 平原地区、小兴安岭南坡地区、张广才岭东坡地区、完达山地区、张广才岭西坡地区、小兴安岭北坡地区.不同区域林分断面积和林分碳储量由多到少的排列顺序为: 张广才岭东坡地区、小兴安岭北坡地区、张广才岭西坡地区、小兴安岭南坡地区、完达山地区、平原地区.     

GAM模型和BRT模型在长江口鱼类群落多样性预测中的比较

长江口为西太平洋最大的河口,评估其鱼类群落多样性分布能够为长江口生态系统的修复和管理提供科学依据.本研究基于2012—2014年长江口渔业监测数据,分别使用GAM模型和BRT模型建立各站点水域鱼类群落多样性指数与环境和时空因子之间的关系.结合线性回归方程,采用交叉验证的方式对模型的预测能力和拟合效果进行评价,并绘制了2014年长江口鱼类群落多样性指数和丰富度指数的空间分布图.结果表明: 盐度、pH和叶绿素a对多样性指数贡献最高,pH、溶解氧和叶绿素a是对丰富度指数贡献率最高的环境因子.BRT模型对于多样性指数和丰富度指数的拟合和预测结果均优于GAM模型.空间分布预测显示,相较于GAM模型,BRT模型能够对长江口小面积水域间的鱼类群落多样性作更好的区分,河口外侧水域的鱼类群落多样性明显高于河口内侧水域,而北支水域的多样性高于南支水域.     

环境因子对黄海南部春季帆张网小黄鱼和黄鮟鱇渔获分布的影响

帆张网渔业是黄海南部重要的渔业捕捞方式之一.本文根据2006-2009年春季黄海南部帆张网的渔获数据,利用广义线性模型(GLM)和广义加性模型(GAM)定量研究了年份、位置、水深和海水表层温度(SST)对小黄鱼和黄鮟鱇渔获量分布的影响.结果表明:GAM模型较GLM模型可以更好地解释小黄鱼和黄鮟鱇单位捕捞努力量渔获量(CPUE)时空分布与环境因子之间的关系.小黄鱼和黄鮟鱇CPUE呈显著负相关,小黄鱼CPUE呈现由北向南沿纬度方向逐渐减小的趋势,尤其在长江口周围较小;黄鮟鱇CPUE在长江口附近也较小.SST对小黄鱼和黄鮟鱇CPUE的影响显著,小黄鱼和黄鮟鱇适宜表温范围分别为9～11℃和9～14℃.     

气候变化对7种保护植物分布的潜在影响

利用CART（classification and regression tree,分类和回归树）模型,采用A2和B2气候变化情景,模拟分析了气候变化对桫椤（Alsophila spinulosa（wall.ex hook.）Tryon）、水青树（Tetracentron sinenseOliv）、十齿花（Dipentondon sinicus Dunn）、青檀（Pteroceltis tatarinowii Maxim）、桃儿七（Sinopodophyllum emodi（Wall.）Ying）、太白红杉（Larix chinensis Beissn）和山白树（Sinowilsonia henryi Hemsl）的分布范围及空间格局的可能影响。结果显示：在气候变化下,这些植物目前适宜分布范围将缩小,其中太白红杉、山白树和水青树减少幅度较大,十齿花和青檀次之,桫椤和桃儿七较小。就植物新适宜及总适宜分布范围,太白红杉和山白树从1991～2020年到2081～2100年时段呈现减少趋势,其它植物却呈现增加趋势。气候变化下,这些植物空间分布格局将发生较大改变,太白红杉将失去适宜分布范围,其它植物目前适宜分布区的西部、南部、西南、东部和东南部一些区域将不再适宜,新适宜分布区将主要向北部、东北部、西部、西南或西北部一些区域扩展。气候变化下,这些植物适宜分布范围与年均气温和降水量变化的相关性并不一致,一些植物适宜分布范围与年均气温和降水量变化相关系数并不显著（p〉0.05）;除了桫椤新适宜及总适宜、十齿花和桃儿七目前适宜分布范围与年均气温和年降水量变化回归关系较密切外,其它植物适宜分布范围与年均气温和年降水量变化的多元线性回归关系都较弱。这说明,在气候变化情况下,这些植物空间分布格局将发生改变,目前适宜分布范围缩小,除太白红杉和山白树外,其他几种植物新适宜范围扩大。     

兴安落叶松天然林生物量及生产力的研究

 依据生物量标准木237株、解析木814株以及355块标准地实测材料对内蒙古大兴安岭林区三个气候区兴安落叶松天然幼、中龄林的生物量和净初级生产力进行了分析比较。结果表明,兴安落叶松天然林的生物产量明显受热量带的影响。残差分析证实了VAR模型lnW =lna+blnD+cD或lnW=lna+bln D2H+CD2H在估测兴安落叶松天然林生物量方面的应用价值,该模型对相对生长率随D或D2H呈线性变化的情况更为适合。本文还给出了各气候区适宜的林分密度和叶面积指数范围。     

中国东北落叶松属3种植物潜在分布对气候变化的敏感性分析

该文在东北地区多年平均的年均温、年降水分布图,海拔高程图、坡度图、坡向图和植被图的基础上,使用地理信息系统和Logistic回归模型的结合,预测3种落叶松(Larix sp.)的“气候-地形”潜在分布区。预测精度用敏感性、指定度和总正确率进行评价,3个树种的敏感性为61%~88%,指定度为80%~99.8%,总正确率为80%~99.8%。年均温、年降水和海拔是控制3种落叶松分布的主要环境因子。采用5种气温变化方案(+1 ℃、+2 ℃、+3 ℃、+4 ℃和+5 ℃)和6种降水变化方案(-30%、-20%、-10%、+10%、+20%和+30%),预测气候变化对各个树种潜在分布的影响,探索不同的树种对气候因子的敏感性。结果表明,气温每上升1 ℃,兴安落叶松(Larix gmelinii)将减少12%;长白落叶松(Larix olgensis var. changpaiensis)将增加23%;华北落叶松(Larix principis-rupprecntii)将增加500%。降水每增加10%,兴安落叶松将减少12.5%;长白落叶松将增加64%;华北落叶松将减少15%;随气候的“暖干化"(+5 ℃,-30%),兴安落叶松将向西北方退缩100 km左右;长白落叶松向西北方扩展100 km左右;华北落叶松将向东北方扩展800 km左右。随气候的“暖湿化"(+5 ℃,+30%),兴安落叶松将向西北退缩400 km左右;长白落叶松将向西北方扩展550 km;华北落叶松将向东北方扩展320 km左右。     

延河流域本氏针茅(Stipa bungeana)分布预测——广义相加模型及其应用

物种分布预测,对于物种的保护、利用和恢复具有重要意义.利用广义相加模型(GAM,Generalized Additive Model),对延河流域典型地带性物种本氏针茅(Stipa bungeana)的空间分布预测进行研究,以期为该流域本氏针茅草地的保护、恢复等提供依据.结果表明,本氏针茅分布的环境梯度较广,在坡度、坡向、温度与降雨的各个梯度上都有分布,除高平地和侵蚀剧烈的沟道外,各种地形部位上亦可以存在.建立的广义相加模型表明,本氏针茅的分布主要取决于年均蒸发量和温度季节变化两个因子,而非单纯的降雨、温度因素.从其分布概率看,本氏针茅在延河流域大部分地区都有可能分布,但其分布集中区主要在中北部,与实际观测相符.模型检验表明,建立的模型满足统计要求.     

排序和广义线性模型与广义可加模型在植物种与环境关系研究中的应用

排序和广义线性模型(Generalized Linear Model,GLM)与广义可加模型(Goneralized Additive Model,GAM)是研究植物种与环境间关系的重要方法。基于线性模型的排序方法应限定于环境梯度较短的植被数据。而基于单峰模型的排序方法更适用于梯度较长的情况。PCA、CA／RA系列和CCA系列是常用的排序方法。同时进行环境数据和植被数据分析的CCA系列,能清楚地得出植物种与环境间的关系。CCA改进后的DCCA和PCCA,是现今较理想的排序方法。GLM和GAM实质上是用环境变量的高阶多项式来拟合植物种与环境变量的关系。GLM和GAM扩展了植物种与环境变量之间的关系模型,能深入地探讨植物种与环境间的关系。GLM主要是模型决定的,而GAM主要取决于原始数据。一般来说,排序能得出研究区域的主要环境梯度,提供了物种聚集和植物群落的概略描述。GLM与GAM对于深入研究单个植物种与环境间的关系具有优势。在实际研究中,两种方法结合使用能互补不足。     

The Impact of Climate Change on the Potential Distribution of Agricultural Pests: The Case of the Coffee White Stem Borer (Monochamus leuconotus P.) in Zimbabwe

The production of agricultural commodities faces increased risk of pests, diseases and other stresses due to climate change and variability. This study assesses the potential distribution of agricultural pests under projected climatic scenarios using evidence from the African coffee white stem borer (CWB), Monochamus leuconotus (Pascoe) (Coleoptera: Cerambycidae), an important pest of coffee in Zimbabwe. A species distribution modeling approach utilising Boosted Regression Trees (BRT) and Generalized Linear Models (GLM) was applied on current and projected climate data obtained from the WorldClim database and occurrence data (presence and absence) collected through on-farm biological surveys in Chipinge, Chimanimani, Mutare and Mutasa districts in Zimbabwe. Results from both the BRT and GLM indicate that precipitation-related variables are more important in determining species range for the CWB than temperature related variables. The CWB has extensive potential habitats in all coffee areas with Mutasa district having the largest model average area suitable for CWB under current and projected climatic conditions. Habitat ranges for CWB will increase under future climate scenarios for Chipinge, Chimanimani and Mutare districts while it will decrease in Mutasa district. The highest percentage change in area suitable for the CWB was for Chimanimani district with a model average of 49.1% (3 906 ha) increase in CWB range by 2080. The BRT and GLM predictions gave similar predicted ranges for Chipinge, Chimanimani and Mutasa districts compared to the high variation in current and projected habitat area for CWB in Mutare district. The study concludes that suitable area for CWB will increase significantly in Zimbabwe due to climate change and there is need to develop adaptation mechanisms.     

Assessing spatial distribution of Coffea arabica L. in Ethiopia's highlands using species distribution models and geospatial analysis methods

Though there is an increase in popularity of predictive modelling for assessing the geographical distribution of species, there is still a clear gap on explaining geospatial methods to derive the presence/absence of species in terms of geospatial extent besides the ambiguity of robust models. In this paper, we evaluate four major species distribution modelling methods: Artificial Neural Network (ANN), Support Vector Machines (SVM), Maximum Entropy (MaxEnt) and Generalized Linear Model (GLM) with pseudo absence and background absence data. To investigate the efficacy of these models, we present a case study using Coffea arabica L. species in Ethiopia as there was no species distribution modelling that has been done at a local scale especially in the coffee growing areas. We made predictions on 75% subsets and validation on 25% of the 112 presence of the species records that were collected from field observation and 0.5 m spatial resolution of true colour aerial photographs. Twelve biophysical explanatory variables; climatic, remote sensing based and landscape variables were employed in modelling. The results show that MaxEnt with pseudo absence data and SVM with background absence have highest area of understory coffee presence prediction with 12.2% and 23.1% area coverage of indigenous forest, respectively. The result from the model performance test using True Positive Rate (TPR) shows that GLM and SVM with pseudo absence data performed highest (TPR = 0.821). MaxEnt and SVM were the robust modelling methods (TPR = 0.964) using background absence data.     

气候变化下桃儿七潜在地理分布的预测

桃儿七(Sinopodophyllum hexandrum)为小檗科多年生草本植物, 是我国濒危传统藏药, 预测气候变化对该物种分布范围的影响对于其保护和资源可持续利用具有重要意义。该文利用获得的桃儿七136个地理分布记录和21个气候环境图层, 通过MaxEnt模型分析桃儿七在我国西部七省的潜在地理分布, 并基于该模型预测政府间气候变化专门委员会(IPCC)发布的SRES-A1B、SRES-A2和SRES-B1气候情景下21世纪20、50和80年代桃儿七分布范围。结果表明: 最热季平均温度、年降水量、温度季节性变动系数和等温性是影响桃儿七分布的主要气候因子; 在当前气候条件下, 桃儿七适宜的生境面积占研究区总面积的11.71%, 主要集中在青藏高原东缘的四川、甘肃、青海境内次生植被丰富、地形复杂的高海拔地区, 低适宜生境与不适宜生境分别占研究区总面积的15.86%与72.43%。由模型预测可知, 在SRES-A1B、SRES-A2和SRES-B1三种情景下, 桃儿七在研究区低适宜生境的数量相对变化较小, 在适宜生境先大幅减少后又缓慢增加。研究结果同时表明, 在未来气候变化条件下, 桃儿七的适宜生境平均海拔将逐渐升高, 范围以及几何重心极有可能先向北移, 然后再向西延伸至青藏高原内部较高海拔的山区。     

Predictions of potential geographical distribution of Sinopodophyllum hexandrum under climate change

桃儿七(Sinopodophyllum hexandrum)为小檗科多年生草本植物, 是我国濒危传统藏药, 预测气候变化对该物种分布范围的影响对于其保护和资源可持续利用具有重要意义。该文利用获得的桃儿七136个地理分布记录和21个气候环境图层, 通过MaxEnt模型分析桃儿七在我国西部七省的潜在地理分布, 并基于该模型预测政府间气候变化专门委员会(IPCC)发布的SRES-A1B、SRES-A2和SRES-B1气候情景下21世纪20、50和80年代桃儿七分布范围。结果表明: 最热季平均温度、年降水量、温度季节性变动系数和等温性是影响桃儿七分布的主要气候因子; 在当前气候条件下, 桃儿七适宜的生境面积占研究区总面积的11.71%, 主要集中在青藏高原东缘的四川、甘肃、青海境内次生植被丰富、地形复杂的高海拔地区, 低适宜生境与不适宜生境分别占研究区总面积的15.86%与72.43%。由模型预测可知, 在SRES-A1B、SRES-A2和SRES-B1三种情景下, 桃儿七在研究区低适宜生境的数量相对变化较小, 在适宜生境先大幅减少后又缓慢增加。研究结果同时表明, 在未来气候变化条件下, 桃儿七的适宜生境平均海拔将逐渐升高, 范围以及几何重心极有可能先向北移, 然后再向西延伸至青藏高原内部较高海拔的山区。     

桥边河大型底栖动物生境适宜性

构建精度高,适用性强的水生生物生境适宜性评价模型,为河流生境质量评价和生境修复提供理论依据。以长江一级支流桥边河为例,采用典范对应分析和独立性分析,筛选出影响桥边河大型底栖无脊椎动物优势种河蚬生境质量的关键化学因子和物理因子,利用广义加性模型与多项式拟合模型构建生境因子与生物选择的关系。结果表明：（1）影响桥边河河蚬生境质量的主要因子为COD_Mn、TN、DO、Tur（浊度）和Dep（水深）;其中COD_Mn、TN、Tur、Dep与大型底栖无脊椎动物分布成负相关,DO与大型底栖无脊椎动物分布成正相关;（2）桥边河流域河蚬的最适宜COD_Mn含量为1.228 mg/L,最适宜TN含量为0.269 mg/L,最适宜DO含量为11.170 mg/L,最适宜Dep为0.3 m,最适宜Tur为1.130 NTU。（3）线性拟合情况下两种方法均适用;非线性拟合情况下广义加性模型较优于传统多项式拟合模型,且GAM模型在处理离散程度大的数据集时,可以很好的规避多项式拟合过程中出现的过拟合现象。研究显示,运用GAM模型可以更加精确、合理的模拟生境因子与生物选择之间的关系。     

落叶松毛虫对大兴安岭呼中林区森林的景观长期影响模拟

应用空间直观景观模型(LANDIS)模拟了落叶松毛虫对呼中林区森林景观的长期影响,利用统计软件APACK计算了落叶松毛虫、代表性树种的分布面积以及反映物种分布格局的聚集度指数和森林斑块的平均面积,模拟了300年(1990—2290年)内有无落叶松毛虫干扰预案下大兴安岭呼中林区森林景观的动态变化.结果表明:研究区落叶松毛虫的分布面积呈先增加后降低的趋势;在落叶松毛虫干扰预案下,落叶松在模拟前150年的分布面积、平均斑块面积均低于无干扰预案,聚集度指数在前190年低于无干扰预案;干扰预案下白桦的分布面积和平均斑块面积百分比均高于无干扰预案,聚集度指数只在模拟的80～190年高于无干扰预案;樟子松的分布面积、聚集度指数和平均斑块面积在干扰预案下略低于无干扰预案.落叶松毛虫在一定程度上导致森林景观的破碎化.     

Uncertainty of bioclimate envelope models based on the geographical distribution of species

Aim We explored the effects of prevalence, latitudinal range and spatial autocorrelation of species distribution patterns on the accuracy of bioclimate envelope models of butterflies. Location Finland, northern Europe. Methods The data of a national butterfly atlas survey (NAFI) carried out in 1991–2003 with a resolution of 10 × 10 km were used in the analyses. Generalized additive models (GAM) were constructed, for each of 98 species, to estimate the probability of occurrence as a function of climate variables. Model performance was measured using the area under the curve (AUC) of a receiver operating characteristic (ROC) plot. Observed differences in modelling accuracy among species were related to the species’ geographical attributes using multivariate GAM. Results Accuracies of the climate–butterfly models varied from low to very high (AUC values 0.59–0.99), with a mean of 0.79. The modelling performance was related negatively to the latitudinal range and prevalence, and positively to the spatial autocorrelation of the species distribution. These three factors accounted for 75.2% of the variation in the modelling accuracy. Species at the margin of their range or with low prevalence were better predicted than widespread species, and species with clumped distributions better than scattered dispersed species. Main conclusions The results from this study indicate that species’ geographical attributes highly influence the behaviour and uncertainty of species–climate models, which should be taken into account in biogeographical modelling studies and assessments of climate change impacts.