为了评估“集成方法”能否改进物种分布模型(Species Distribution Models,SDMs)在海洋环境高度动态变化的河口区域的预测性能,本研究基于2013-2021年长江口海洋生物资源调查数据,使用8种基于不同算法的单一模型对长江口的优势物种之一...为了评估“集成方法”能否改进物种分布模型(Species Distribution Models,SDMs)在海洋环境高度动态变化的河口区域的预测性能,本研究基于2013-2021年长江口海洋生物资源调查数据,使用8种基于不同算法的单一模型对长江口的优势物种之一龙头鱼(Harpadon nehereus)构建了栖息地生境的集成模型(Ensemble Model,EM)。结果显示:(1)所有单一模型的预测性能均优于随机分布模型,而EM具有最高的预测准确性和稳健性(受试者工作特征曲线下面积(Area Under receiver operating character Curve,AUC)=0.875;真实技巧统计值(True skill statistic,TSS)=0.650;KAPPA系数=0.560;总体精度(Overall accuracy,OA)=0.867);(2)EM能最为准确地识别出龙头鱼的出现点和未出现点,也能清晰地区分出未采样区域适宜性水平的差异,并预测出不同模型共同的高适宜区域;(3)最后,EM能准确识别龙头鱼的关键环境需求并反映出多模型集中的变化趋势,其最适盐度、温度和化学需氧量的范围分别为2.754~30.300、28.278~30.934℃、4.605~8.080 mg/L。本研究可为长江口龙头鱼资源的可持续利用和栖息地保护工作提供更可靠的研究方法。展开更多
文摘为了评估“集成方法”能否改进物种分布模型(Species Distribution Models,SDMs)在海洋环境高度动态变化的河口区域的预测性能,本研究基于2013-2021年长江口海洋生物资源调查数据,使用8种基于不同算法的单一模型对长江口的优势物种之一龙头鱼(Harpadon nehereus)构建了栖息地生境的集成模型(Ensemble Model,EM)。结果显示:(1)所有单一模型的预测性能均优于随机分布模型,而EM具有最高的预测准确性和稳健性(受试者工作特征曲线下面积(Area Under receiver operating character Curve,AUC)=0.875;真实技巧统计值(True skill statistic,TSS)=0.650;KAPPA系数=0.560;总体精度(Overall accuracy,OA)=0.867);(2)EM能最为准确地识别出龙头鱼的出现点和未出现点,也能清晰地区分出未采样区域适宜性水平的差异,并预测出不同模型共同的高适宜区域;(3)最后,EM能准确识别龙头鱼的关键环境需求并反映出多模型集中的变化趋势,其最适盐度、温度和化学需氧量的范围分别为2.754~30.300、28.278~30.934℃、4.605~8.080 mg/L。本研究可为长江口龙头鱼资源的可持续利用和栖息地保护工作提供更可靠的研究方法。
