物種分布模型的研究進展與展望

吳艷，王洪峰，穆立薔

物種分布模型的研究進展與展望

吳艷，王洪峰，穆立薔

（東北林業大學 林學院，黑龍江 哈爾濱 150036）

物種分布模型是當前生態學領域十分熱點的研究方向，自生態位的概念提出后，物種分布模型也隨之產生．從最初僅依賴專家學者的經驗探究物種分布和環境關系，到隨著計算機技術與物種分布背后生態學理論的并行發展，出現了各種基于不同理論的物種分布模型．近年來，物種分布模型已經成為解決瀕危物種保護，外來生物入侵風險評估，病蟲害防治等多個領域研究中各種問題的重要工具．闡述了物種分布模型的背后理論，介紹了主流的物種分布模型與其實際應用，總結了現有物種分布模型的缺點，并對物種分布模型后續發展提出了展望．

物種分布模型；生態位理論；適生區預測

物種分布模型（Species Distribution Model，SDM）又稱生態位模型（Ecological Niche Model，ENM）或物種棲息地模型（Species Habitat Model）[1]．由于不同研究者對其研究目的的不同，故產生了不同的名稱，本文均以物種分布模型代指．物種分布模型是將目標物種的分布情況和該物種所在地的相關環境因子通過算法關聯起來推算物種分布所需的生態要求，并將運算結果投射到未來特定時空條件下預測某地區物種潛在分布情況的模型[2]．

1　生態位理論的起源與發展

物種分布模型立足于生態位原理[3]．生態位最初由Grinnell[4]提出，Grineell將生態位定義為一個能同時滿足物種自身生存且后代能夠繁衍的狀態下所需要的所有條件的和，即現在通常解釋為的空間生態位．而后，Elton[5]又提出了功能生態位的概念，即一個物種在其所處的群落中的功能地位．此后，生態位概念在不同學者的研究中越來越完善，Hutchinson[6]整理了前人的觀點，以數學角度提出了著名的超體積生態位，即在多個環境因子所定義的多維空間內能維持穩定的種群狀況的超體積（Hyper-volume）．Hutchinson認為Grinnell的生態位概念更偏重于物種與環境（生物與非生物因子）的關系，Elton的生態位概念更偏重于物種本身在群落中扮演的角色．在此基礎上，Hutchinson又進一步定義了基礎生態位（無其它物種競爭下能維持物種本身生存的環境因子條件）以及現實生態位（除環境因子外將物種自身與其它物種的種間關系也考慮進去后，能夠維持生存與繁殖的所有條件）．基于此，Soberón[7]等提出了影響生態位變化從而影響物種分布的因素有4種：（1）該時空下的氣候、土壤情況、地形地勢等非生物因素；（2）與物種間的營養關系以及相互作用，包括捕食、競爭、互利共生等生物因素；（3）該物種在原生境受威脅后的遷移能力與擴散能力；（4）該物種進入到新的環境后，為了適應新環境的進化能力，該能力在一般情況下影響力并不明顯，但當生境變化較大時，該因素將會是非常重要的因素．從宏觀角度來看，這些因素當中影響力最強的是非生物因素（氣候等環境因素），因其制約了物種對該生境的生理適應能力及對不同生境的響應，因此很大程度上也決定了該物種在世界范圍內的分布格局和分布范圍．而非生物因素中影響力最大的是氣候因素，這對物種的影響最為直接．

2　物種分布模型

2.1　物種分布模型的發展

從現有文獻看，最早探究物種分布和氣候之間關系的例子出現于1924年，Johnston預測了一種仙人掌在澳大利亞的入侵風險．Hittinka在1963年評估了影響幾種歐洲物種分布的主要氣候因素[8]．1977年，Nix和他的合作者開始了對物種分布建模的嘗試，1986年，第一個廣泛使用的SDMs模型——BIOCLIM模型誕生[9]，此后的30年，隨著計算機和統計科學的并行發展，越來越多的物種分布模型相繼出現．近年來，物種分布模型已經成為解決生態學、生物地理學、保護生物學和氣候變化等研究中各種問題的重要工具[10]．

2.2　物種分布模型介紹

2.2.1最大熵模型（MaxEnt）MaxEnt模型是以最大熵理論為依據構建的一種物種分布模型[11]．該模型將物種已知的實際分布情況與對應環境變量結合，根據同一物種所需生長氣候相似的原理依據，推算在一定的生態位約束條件下，物種分布規律的最理想狀態，即達到熵最大時物種在預測地區的可能分布情況．在眾多物種分布模型中，最大熵模型對樣本量少、地理范圍小、環境耐受能力有限的物種也具有準確率較高的預測結果[12]．因此，MaxEnt模型被廣泛應用于各種分布數據少、分布范圍狹窄的珍稀瀕危物種的潛在分布區預測．

2.2.2生物氣候分析系統（BIOCLIM）BIOCLIM模型是最早誕生的物種分布模型[13]，它的應用原理是通過數字高程模型（DEM）將已知的物種分布區中所含的限制環境因子從地理層面提煉，并與物種已知的分布區進行對比，得到一個研究物種的多維生物氣候包絡[14]，并將該物種所需的環境條件投射到其他物種未知分布的區域，以得到未知區域是否適合物種分布的預測結果．雖然BIOCLIM模型創建較早，但它的算法簡單，預測效果良好，操作簡便，因此至今仍然被運用于各種物種分布的預測中．但由于該模型將不同的環境變量看成獨立的個體，而實際上，不同環境因子之間往往存在關聯，故該模型的預測結果會出現一定程度的偏差，且樣本量小時該模型的預測精度并不高．

2.2.3生態位因子分析模型（ENFA）ENFA模型是比較了物種分布所需要的生態位與整個研究區域的總環境因子的均值以及方差，通過這種比較計算出物種分布的適宜性以及影響物種分布的環境因子[15]．由此可以看出，ENFA模型受物種已知分布點特征的影響較大，因此它的預測結果具有較高的生態學意義，但同樣精度較低，且無法分類變量．

2.2.4分類與回歸樹模型（CART）CART模型可用于創建分類樹與回歸樹，二者的區別在于回歸樹的預測結果是根據葉子節點的中位數或均值來決定的[16]，分類樹的預測結果是根據葉節點的類別概率最大決定的．在模擬物種分布中，將物種分布樣本的各變量極值作為葉節點而進行分割，由此可知該模型的預測結果不易受到少數特別的分布數據點的影響．同樣的，其缺點在于預測結果與生態學理論聯系不大，生態學意義不高．

2.2.5廣義線性模型（GLM）與廣義相加模型（GAM）GLM模型是線性模型的一種拓展，它克服了線性模型對于殘差服從正態分布的要求但仍需服從其它指數分布族[17]，在物種分布預測方面，它的預測結果代表了物種在多維環境因子空間中的一個響應曲面，即物種分布點數量越多預測結果越合理．與它相比，GAM模型可應用于因變量和自變量不呈線性關系時，即GAM模型具有更廣的適用性．但二者均受樣本量影響較大，且無法處理分類變量．

2.2.6遺傳算法模型（GARP）GARP模型可以看做是一種規則集的生成[18-19]，在物種分布預測中則代表物種的地理分布數據與環境變量數據結合運行后的規則集合．通過反復運行的過程最終確定規則的最大參數，即形成適合物種分布的區域預測．GARP模型是在多類規則下產出運行結果的，這代表了不同規則間的互補能很好地提高它的模型預測結果精度，且在樣本量充足的情況下過擬合的現象會降低．

2.2.7貝葉斯網絡模型（BN）貝葉斯網絡形式上是一個有向無環圖[20]，在這個有向無環圖中，結點表示隨機變量，結點之間的邊表示了節點與節點之間的條件依存關系，這種依存關系也可以看做為概率關系．在物種分布模型中，這種概率關系既可以由實際物種分布數據得到也可以由專家經驗得到，這表明該種模型在生態學意義上有較高體現．但同樣的，在缺乏足夠的樣本量數據或專家經驗不足時，該模型的精度會大大降低．

除此之外，還有結合物種分布數據與專家前人的經歷經驗的模糊物元模型（FME）、模糊神經網絡模型（FNN），這類模型可以建立更為復雜的模型[21]．但同時因為由專家經驗建模而主觀性過高，且在針對不同的對象建模時需要采用額外的數據補充．

2.3　物種分布模型在實際研究中的應用

自物種分布模型問世以來，各生態學領域學者都對其表現出極大的熱情，物種分布模型也被廣泛應用于生物入侵風險評估、病蟲害防治、瀕危物種保護、物種與氣候環境間關系分析等方面．在生物入侵風險評估方面，胥勇[22]等利用BIOCLIM模型評估了松材線蟲傳入云南的風險，王奕晨[23]等運用GARP模型預測分析了福壽螺在中國的潛在適生區．在病蟲害防治方面，基于BIOCLIM模型，黃芳[24-25]等預測了綠圓跳蟲、石蒜綿粉蚧在中國的適生區，徐家文[26]等分析了扶桑綿粉蚧在中國的適生性．韓雨昊[27]等利用GART算法對蟲害進行了預測分析．在瀕危物種保護方面，鄒麗麗[28]利用GARP模型預測了濕地水鳥的空間分布；利用MaxEnt模型，李一琳[29]等對瀕危物種褐馬雞進行了保護空缺分析，塔旗[30]等對中華穿山甲的潛在適生區進行了預測．在物種與氣候環境關系研究方面，GLM與GAM 2種模型應用較多，朱源[31]等人論述了GLM模型和GAM模型在植物種與環境關系研究中的應用，武亞蘋[32]對吉爾伯特群島海域中黃鰭金槍魚的棲息地綜合指數進行了分析，鄭波[33]等研究了東黃海鮐漁場與環境因子的分析，李增光[34]分析了南黃海帆張網的主要漁獲物分布等．

2.4　物種分布模型在實際研究中的評價

物種分布模型在被廣泛應用于生態學中各物種分布預測的同時，還有不少生態學者對不同模型的表現進行了橫向對比和評價．曹銘昌[35]等利用中國15個樹種的地理分布數據，對比分析了GLM模型、GAM模型、CART模型各自的優缺點，通過表現結果，他認為這3種模型均有比較不錯的表現，且其中GAM模型的預測結果最好．左聞韻[36]等利用20種杜鵑花屬中國特有種為檢驗對象比較SVM（支持向量機模型）與GARP 2種模型性能，最終認為SVM模型解決了“高維小樣本”的物種分布預測難題，且無論在計算速度還是在預測效果上SVM模型都遠優于GARP模型．Elith[37]等使用了不同的物種分布模型對來自全球6個地區的226種物種分布數據進行預測和模擬，在其結論中，MaxEnt模型表現最佳．通過預測結果對比，GLM模型、GAM模型、GARP模型表現結果雖次于MaxEnt模型，但也均有不錯的預測結果．Tsoar[38]等使用4種模型共模擬了42種以色列蛇類、鳥類和蝙蝠類物種的分布情況．通過對比，他認為其中表現較好的是GARP模型和MD模型（馬氏距離模型），表現相對較差的是DOMAIN模型（領域模型）和ENFA模型．

3　物種分布模型展望

物種分布模型的出現對生態學是一個巨大的里程碑，因為無論是生物入侵、病蟲害防治、還是瀕危物種保護，都需要掌握該物種的分布情況，但人為采集這些分布數據常有物種分布范圍廣、數量多導致工作量大或物種分布范圍狹窄，野外生境難以到達，工作開展艱難等情況．合理運用物種分布模型可以高效快速地判斷出物種的潛在分布區，以便于下一步防治或保護政策的制定．同時也能根據該類模型，基于未來時空的環境因子預判該物種未來的分布情況，提前制定相應的保護或防治計劃，更大程度地維持物種豐富度．

目前看來，沒有任何一種模型可以被稱之為“萬金油”模型，現有的物種分布模型只能處理部分特定案例，每個模型都有各自擅長與不擅長的地方．

在理論方面，有些模型僅依賴于專家經驗，導致其預測結果雖然有較高的生態學意義，但具有很大的主觀性，如BN模型，FME模型，FNN模型等．而有些模型僅依賴于算法邏輯而對生態學意義并沒有很好的詮釋，在生態學上還需謹慎對待使用，如BIOCLIM模型、GLM模型、GAM模型等．還有些模型受樣本的質量和數量影響較大，在樣本所代表的環境特征不明顯或樣本量小時容易產生預測結果不佳的情況，如ENFA模型、BIOCLIM模型、GLM模型、GAM模型、GARP模型等．即使是目前公認的受樣本量影響小，預測結果較好的MaxEnt模型，也有預測結果容易過擬合的缺點存在．除模型的欠缺外，在實際操作方面，很多學者在使用物種分布模型時對其背后的生態學理論和算法的理解并不透徹，既不明白為什么選用某一種物種分布模型，也不了解模型的算法與參數設定，單純套用軟件和默認參數，所得結果并不能很好解釋實際上物種分布的真實情況．且物種分布模型對環境因素的選取要與研究物種的特性相結合，各類環境因子和分布數據如不篩選可能會出現過擬合現象．此外，我國的物種分布模型研究在物種分布數據和環境數據的來源上都有所欠缺，很多學者所依賴的GBIF數據平臺關于中國的物種分布信息非常少且更新緩慢，Worldclim的全球氣候數據對國內研究也有著種類單一、精度不足的問題．而國內各氣象數據平臺雖然可以獲取更精準的環境氣象數據，但往往格式難以統一，需要研究人員手動二次加工，加大了工作難度．

總的來說，物種分布模型是熱點研究方向但尚未成熟，在未來的研究中，我國學者應該建立更完善的物種分布信息和環境數據的大數據平臺，隨時更新新的物種分布信息，方便研究者的相關研究．與此同時，研究者應該更好地結合理論與實際，考慮加入生物因子影響（如競爭、捕食等）以及物種自身的遷入遷出能力與適應新環境的能力．在使用物種分布模型預測分布區時，要更加深入系統地學習不同模型背后的算法與理論支撐，考慮同一軟件下不同參數的調整以及不同的軟件處理同一個物種的分布預測，結合分析考慮最好的分析結果．如果有可能，也希望研究者自己建立算法與生態學理論連接更緊密，受限更小且預測結果更好的新物種分布模型．

[1] Jane Elith，John R Leathwick．Species Distribution Models：Ecological Explanation and Prediction Across Space and Time[J]．Annual Review of Ecology，Evolution，and Systematics，2009，40（1）：21．

[2] Dyderski Marcin K，Pa? Sonia，Frelich Lee E，et al．How much does climate change threaten European forest tree species distributions?[J]．Global change biology，2018，24（3）：14．

[3] Guisan Antoine，Thuiller Wilfried．Predicting species distribution：offering more than simple habitat models[J]．Ecology Letters，2005，8（9）：993-1009．

[4] Grinnell Joseph．The Niche-Relationships of the California Thrasher[J]．The Auk，1917，34（4）：427-433．

[5] Elton C S．Animal ecology[M]．London：Sidgwick and Jackson，1927：63-68．

[6] Hutchinson G E．Concluding remarks-cold spring harbor symposia on quantitative biology．Reprinted in 1991：classics in theoretical biology[J]．Bulletin of Mathematical Biology，1957，53（1507）：193-213．

[7] Soberón J，Peterson A T．Interpretation of Models of Fundamental Ecological Niches and Species′ Distributional Areas[J]．Biodiversity Informatics，2005，2：1-10．

[8] Pearson R G，Dawson T P，Berry P M，et al．SPECIES：A Spatial Evaluation of Climate Impact on the Envelope of Species[J]．Ecol Model，2002，154（3）：289-300．

[9] Busby J R．BIOCLIM：A bioclimate analysis and prediction system[M]．Melbourne：Plant Protection Quarterly，1991，6：64-68．

[10] Kevin J Gaston．Species-range-size distributions：patterns，mechanisms and implications[J]．Trends in Ecology & Evolution，1996，11（5）：197-201．

[11] 邢丁亮，郝占慶．最大熵原理及其在生態學研究中的應用[J]．生物多樣性，2011，19（3）：295-302．

[12] 甘桂春，鄒亞，劉郁林，等．利用最大熵模型預測貴州省南方紅豆杉潛在適宜區[J]．內蒙古林業調查設計，2021，44（5）：67-71．

[13] 王一凱，張蒙蒙，段衛虎，等．基于BIOCLIM模型的元江干熱河谷稀樹灌木草叢空間分布研究[J]．綠色科技，2015（3）：1-3．

[14] 邵慧，田佳倩，郭柯，等．樣本容量和物種特征對BIOCLIM模型模擬物種分布準確度的影響：以12個中國特有落葉櫟樹種為例[J]．植物生態學報，2009，33（5）：870-877．

[15] 楊瑞，張雅林，馮紀年．利用ENFA生態位模型分析玉帶鳳蝶和箭環蝶異地放飛的適生性[J]．昆蟲學報，2008（3）：290-297．

[16] 鄧鎮坤，張鵬林．基于CART決策樹的黃河源區域生態地類的遙感解譯研究[J]．黑龍江農業科學，2022（2）：24-29，35．

[17] 任學敏．太白山主要植物群落數量分類及其物種組成和豐富度的環境解釋[D]．咸陽：西北農林科技大學，2012．

[18] 李紅梅，韓紅香，薛大勇．利用GARP生態位模型預測日本松干蚧在中國的地理分布[J]．昆蟲學報，2005，48（1）：95-100．

[19] 曹向鋒，錢國良，胡白石，等．采用生態位模型預測黃頂菊在中國的潛在適生區[J]．應用生態學報，2010，21（12）：3063-3069．

[20] 毛亞娟．基于貝葉斯網絡的瀕危植物生境適宜性評價[D]．西安：陜西師范大學，2016．

[21] 郭彥龍，趙澤芳，喬慧捷，等．物種分布模型面臨的挑戰與發展趨勢[J]．地球科學進展，2020，35（12）：1292-1305．

[22] 胥勇，周平陽，王揚，等．應用BIOCLIM生態位模型對松材線蟲傳入云南的風險評估[J]．云南農業大學學報，2008（6）：746-753．

[23] 王奕晨，鄭鵬，潘文斌．運用GARP生態位模型預測福壽螺在中國的潛在適生區[J]．福建農林大學學報（自然科學版），2018，47（1）：21-25．

[24] 黃芳，張文俊，張建成，等．基于BIOCLIM模型的綠圓跳蟲在中國的適生區分析[J]．浙江農業學報，2021，33（11）：2098-2103．

[25] 黃芳，張文俊，張建成，等．基于BIOCLIM模型的石蒜綿粉蚧在中國的適生區分析[J]．浙江農業學報，2019，31（8）：1331-1336．

[26] 徐家文，史家浩，任強，等．基于BIOCLIM模型的扶桑綿粉蚧在中國的適生性分析[J]．湖北農業科學，2015，54（11）：2631-2633．

[27] 韓雨昊，曹麗君，王友起，等．基于決策樹CART算法的蟲害預測模型分析[J]．現代化農業，2022（1）：45-47．

[28] 鄒麗麗．基于GARP生態位模型濕地水鳥空間分布模擬研究[J]．湘潭大學自然科學學報，2016，38（3）：118-121．

[29] 李一琳，丁長青．基于GIS和MaxEnt技術對瀕危物種褐馬雞的保護空缺分析[J]．北京林業大學學報，2016，38（11）：34-41．

[30] 塔旗，李言闊，范文青，等．基于最大熵生態位模型的中華穿山甲潛在適宜生境預測[J]．生態學報，2021，41（24）：9941-9952．

[31] 朱源，康慕誼．排序和廣義線性模型與廣義可加模型在植物種與環境關系研究中的應用[J]．生態學雜志，2005（7）：807-811．

[32] 武亞蘋．基于QRM、GLM和GAM的吉爾伯特群島海域黃鰭金槍魚棲息地綜合指數比較[D]．上海：上海海洋大學，2012．

[33] 鄭波，陳新軍，李綱．GLM和GAM模型研究東黃海鮐資源漁場與環境因子的關系[J]．水產學報，2008（3）：379-386．

[34] 李增光．基于GAM模型的南黃海帆張網主要漁獲物分布及海州灣魚卵、仔稚魚集群特征的初步研究[D]．青島：中國海洋大學，2013．

[35] 曹銘昌，周廣勝，翁恩生．廣義模型及分類回歸樹在物種分布模擬中的應用與比較[J]．生態學報，2005（8）：2031-2040．

[36] 左聞韻，勞逆，耿玉英，等．預測物種潛在分布區：比較SVM與GARP[J]．植物生態學報，2007（4）：711-719．

[37] Elith J，Graham C H，Anderson R P，et al．Novel methods improve prediction of species′ distributions from occurrence data[J]．Ecography，2010，29（2）：129-151．

[38] Tsoar A，Allouche O，Steinitz O，et al．A comparative evaluation of presence-only methods for modelling species distribution[J]．Diversity and Distributions，2007，13（4）：397-405．

Research progress and prospect of species distribution models

WU Yan，WANG Hongfeng，MU Liqiang

（School of Forestry，Northeast Forestry University，Harbin 150036，China）

The species distribution model is a very hot research direction in the current ecology field．Since the concept of niche was proposed，species distribution models have also emerged．From the initial exploration of species distribution and environment only relying on the experience of experts and scholars to the parallel development of computer technology and ecological theory behind species distribution，there have been various species distribution models based on different theories．In recent years，species distribution model has become an important tool to solve various problems in the research of endangered species protection，exotic biological invasion risk assessment，pest control and other fields．Expounds the theory behind the species distribution model，introduces the mainstream species distribution model and its practical application，summarizes the shortcomings of the existing species distribution model，and puts forward the prospect for the follow-up development of the species distribution model．

species distribution model；ecological niche theory；prediction of suitable area

1007-9831（2022）05-0066-05

Q94

A

10.3969/j.issn.1007-9831.2022.05.012

2022-01-18

吳艷（1996-），女，青海西寧人，在讀碩士研究生，從事資源植物保護與利用研究．E-mail：775720669@qq.com

穆立薔（1966-），女，黑龍江寧安人，教授，博士，從事資源植物保護與利用、植物抗逆性及樹種篩選研究．E-mail：mlq0417@163.com