样本量与研究范围变化对MaxEnt模型准确度的影响——以黑白仰鼻猴为例

MaxEnt模型是过去几年最为流行的物种分布预测模型之一。针对一些濒危物种、入侵种和模拟数据的研究表明,MaxEnt模型均能在小样本的分布数据下得到较准确的预测结果。此外,研究范围的变化也会影响MaxEnt模型的构建。 然而,基于动物的实际分布数据来评估MaxEnt模型的研究甚少。 我们以黑白仰鼻猴 (Rhinopithecus bieti)为例,以11个猴群的分布数据为训练数据（样本量从1到10个猴群）,在不同研究范围内构建MaxEnt模型,通过其它5个的猴群分布数据验证,分析样本量和研究范围变化对模型准确度产生的影响。 结果表明,随样本量和研究范围增大,MaxEnt模型准确度及稳定性都有增加。 此外,研究范围变化对模型准确度有一定影响。 应用Maxent进行物种分布预测时,训练数据应尽可能涵盖该物种可能出现的全部环境梯度。构建模型所需的背景数据点选择,应与建模使用的物种出现点形成有效对照。