物种分布模型在预测当地丰富性方面的有效性取决于模型的粒度大小
Mattia Brambilla1, Gaia Bazzi2, Luca Ilahiane1,3
1Department of Environmental Science and Policy, Milan University, Milan, Italy.
种类分布模型 (SDM) 能够有效地预测细微的空间尺度上的鸟类数量. 结合局部变量的细粒度SDM对于准确的局部丰度预测至关重要,其性能优于粗粒度模型.
科学领域:
- 生态生态学 生态生态学
- 生物多样性研究的研究.
- 保护生物学 保护生物学
背景情况:
- 种类分布模型 (SDM) 经常被提议用于预测当地丰度,但它们的有效性仍在争论中.
- 了解时空分辨率对SDM性能的影响对于生态应用至关重要.
研究的目的:
- 评估SDM在不同时空分辨率下对当地鸟类繁多的预测能力.
- 为了确定空间粒度和时间气候数据对SDM准确性的影响.
主要方法:
- 用14种鸟类的长期和混合气候数据在1公和1公里谷地建造了SDM.
- 在275个线性横断段的数据上使用N混合模型预测局部丰度.
- 根据R2值和不同空间和时间尺度的意义评估模型性能.
主要成果:
- 与粗粮 (1公里) 模型相比,细粮 (1公) SDM 对当地丰度的预测能力显著更高.
- 在考虑所有跨度时,环境适用性对所有测试的SDM配置中的丰富性产生了积极的影响.
- 在1公的谷物中,62%的物种模型表明,适合性对丰度具有显著或接近显著的积极影响.
结论:
- 空间粒度是影响SDM预测当地丰富性的解释能力的关键因素.
- 细粒度SDM,特别是那些包含局部变量的SDM,对于准确预测物种的局部密度至关重要.
- 该研究强调了SDM中高时空分辨率对于有效的生态预测和保护的重要性.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
08:56Automatic Image Processing to Determine the Community Size Structure of Riverine Macroinvertebrates
Published on: January 13, 2023
相关概念视频
Distribution and Dispersion
Typical Model Studies
Mechanistic Models: Compartment Models in Individual and Population Analysis
Modeling and Similitude
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Design Example: Creating a Hydraulic Model of a Dam Spillway
