科学家提出生态位建模新方法

生态位模型(ENM)在生态学、生物地理学和进化生物学研究中发挥着越来越重要的作用，并被广泛用于帮助保护规划和管理。该领域研究的一个重要部分是针对稀有物种的。稀有物种的特点是观测记录偏差、地理限制、栖息地专门化、种群规模小和自然历史信息有限。然而，由于空间采样误差导致模型的不准确性和过度拟合，为稀有物种建立可靠的生态位模型是一个巨大的挑战。日前，由中国科学院成都生物研究所胡俊华研究员和中国科学院动物研究所乔惠杰副研究员共同领导的研究团队利用虚拟场景，讨论如何将一系列记录的具有不同生态位重叠的相关物种的发生数据整合到目标物种的生态位模型中，以克服空间采样偏差和衍生限制。相关成果发表在《生态学与进化方法论》上。

本研究考虑了两种融合目标种和相关种模型的方法:直接整合目标种和相关种的发生记录来构建进化神经网络；；基于目标种和相关种的发生记录分别构造进化神经网络，然后基于贝叶斯推理方法对结果进行融合。研究表明，在所有测试算法中，当目标和相关物种之间的生态位重叠较大时，两种融合方法构建的模型比仅基于目标物种的模型表现更好。当分别评估模型的灵敏度和特异性时，两种积分方法在不同的ENMs算法中的性能更加复杂。本研究的结果为推进生态位建模的理论研究提供了一条新的途径。