相关实验视频
Updated: Jan 10, 2026
10:35
Vector Competence Analyses on Aedes aegypti Mosquitoes using Zika Virus
Published on: May 31, 2020
3.4K
对多种物种分布模型的现场验证显示,预测入侵边缘的Aedes albopictus分布的性能存在差异
Anna V Shattuck1, Brandon D Hollingsworth2,3,4, Jared Skrotzki2
1Department of Entomology, Cornell University, Ithaca, NY, USA. avs79@cornell.edu.
Parasites & vectors
|November 26, 2025
概括
种类分布模型 (SDM) 有效预测入侵性蚊子范围,其中GAM和MaxEnt表现最好. 现场验证对于动态环境中的准确性至关重要.
科学领域:
- 生态生态学 生态生态学
- 媒介性疾病流行病学 媒介性疾病流行病学
- 生物地理学 生物地理学 生物地理学
背景情况:
- 气候和土地利用的变化推动了物种范围的扩大,改变了疾病的景观.
- 预测侵入性载体分布对于有针对性的监测和控制至关重要.
- 传统的物种分布模型 (SDM) 可能不适合入侵物种,因为它们违反了平衡和利基保护主义假设.
研究的目的:
- 评估各种SDM来预测侵入性蚊子Aedes albopictus的范围.
- 确定关键的环境驱动因素,并模拟不同意见的领域.
- 使用独立现场验证和早期与后期入侵数据评估SDM预测性能.
主要方法:
- 利用长期监测的数据,以发现Aedes albopictus在其范围的边缘.
- 将多个SDM算法进行比较:MaxEnt,GAM,随机森林,增强回归树.
- 通过现场抽样在模型不一致的地点生成独立的数据集,用于验证.
主要成果:
- 景观和气候变量显著影响Aedes albopictus的分布.
- 在SDM方法和验证方法 (交叉验证与现场验证) 之间,预测准确度有所不同.
- 对于后期的入侵范围,GAM和MaxEnt表现出卓越的预测准确性,需要更少的训练数据.
结论:
- SDM是预测入侵物种范围的宝贵工具,包括疾病载体.
- 将不同SDM的预测进行比较对于可靠的范围估计至关重要.
- 通过考虑独立验证和动态入侵模式,可以提高模型性能.
