基于MaxEnt的秦艽物種空間分布預測模型的不確定性分析

摘" 要：由于參數設置等不確定性因素的變化，同一模型預測的物種生態分布可能會有所不同。因此，量化不同不確定性因素的貢獻對于減少生態預測的變化至關重要。然而，很少有研究分析特定模型的建模不確定性。該研究以秦艽為例，探討其分布預測的不確定性，重點關注參數設置。首先，采用主成分分析法（PCA）和生態變量組法（EVGM）篩選環境因子。參數設置使用25%的存在點數據和2種缺失點數據方法作為測試方法，建立6套模型，探討存在點測試集比例對模型性能的影響，綜合分析訓練、測試AUC值和分布面積，確定物種的最佳模型參數，發現20%的隨機測試抽樣比例是最佳的。該模型不僅可以為秦艽等野生藥材的保護和生態規劃提供指導，也能為確定物種空間分布的最優模型提供理論參考。

關鍵詞：參數設置;不確定性分析;MaxEnt;秦艽;存在點數據

中圖分類號：Q948" " " 文獻標志碼：A" " " " " 文章編號：2096-9902（2024）15-0043-04

Abstract： Changes in uncertain factors such as parameter setting can lead to variations in the ecological distribution predicted by the same model. Therefore， quantifying the contributions of different uncertainty factors is crucial for reducing variability in ecological predictions. However， there is limited research analyzing the modeling uncertainty of specific models. This study， using Gentiana macrophylla as an example， explores the uncertainty in its distribution prediction， with a specific focus on parameter settings. Initially， principal component analysis （PCA） and ecological variable grouping method （EVGM） were employed to select environmental factors. Six sets of models were established using 25% of presence point data and two methods for handling missing point data as test methods. The study investigates the impact of the presence point test set proportion on model performance， conducting a comprehensive analysis of training， testing AUC values， and spatial distribution area. The optimal model parameters for species were determined， revealing that a 20% random testing sampling proportion was optimal. This model not only provides guidance for the conservation and ecological planning of Gentiana macrophylla and other medicinal herbs but also serves as a theoretical reference for determining the optimal model for species spatial distribution.

Keywords： parameter setting; uncertainty analysis; MaxEnt; Gentiana macrophylla; presence point data

物種分布模型是基于生態位理論構建的一種數學推理模型。此模型已被用于預測物種的棲息地狀態[1]，評估生態系統對全球變化的響應[2]，評估入侵物種的潛在擴散能力[3]等應用。此模型預測并非對所有物種都普遍可靠，不同物種的最佳預測模型存在差異，探討最佳模型的參數設置、優化，對物種的不確定性分析具有重要的意義。

在國內，使用MaxEnt模型對物種分布預測的不確定性的研究有限。Chen等[4]探討了樣本量對MaxEnt預測準確性和穩定性的影響，揭示了樣本量對預測的影響很小，隨著樣本量的增加，預測精度趨于穩定。Lin等[5]討論了MaxEnt預測臺灣飛蛾分布的準確性和不確定性。目前對物種分布模型不確定性的研究多集中在模型間比較，很少有分析在廣泛使用的MaxEnt模型中比較基于數據質量、變量選擇和模型參數設置等因素的不確定性，因此，很有必要探討MaxEnt模型建模過程中的不確定性。

隨著國內外對中藥材需求的增加，需求的增長為中藥材提供了發展機遇，但也對野生藥用植物種質資源的減少和瀕危構成了威脅。胡亂栽培引種必然會影響藥材適宜生境的合理劃分，削弱藥材的真實性，導致藥材的功效成分遠低于藥典標準。因此，對藥材生境適宜性進行分析具有重要意義。然而，預測潛在的適宜生境分布涉及各種不確定性，這些不確定性會影響最終的分布圖，而不準確的分布圖可能會誤導實際生產。因此，有必要探索藥材分布預測的不確定性，提高物種分布模型的準確性，從而為物種的栽培引種提供依據。本研究以中藥材物種秦艽為例，基于MaxEnt模型，從3個參數設置和2個變量集方面，考慮不同的隨機測試抽樣比例，探討了其分布預測的不確定性。研究結果旨在為未來的物種分布模型提供參考和有效指導。

1" 方法和材料

秦艽是一種著名的傳統中草藥，以其顯著的治療效果而聞名，被廣泛應用于各種疾病的治療。其傳統種植區主要分布在我國東北、西北等地區。此外，MaxEnt模型在宏觀尺度上對物種分布的預測也有較好的效果。因此，本研究選取秦艽作為研究對象，將中國國家級尺度作為研究范圍。預測秦艽的潛在地理分布，具有重要的現實意義和特殊性。該方法旨在為秦艽資源的保護和可持續管理提供科學依據。此外，還旨在指導物種引進、培育和合理利用的戰略規劃和布局，從而促進相關地區的生態和經濟可持續發展。

1.1" 數據收集和處理

1.1.1" 秦艽存在點的采集和處理

本文檢索了中國數字植物標本館（http：//www.cvh.org.cn/）和全球生物多樣性信息設施（GBIF）的數據，為獲取中國秦艽的已知分布點提供了便利。在消除重復坐標和缺乏完整信息的標本后，篩選出245個分布記錄。利用ArcGIS繪制網格圖，網格尺寸為1 km×1 km。為了解決存在點成群造成的潛能偏見問題，每1 km2網格單元只有一個存在記錄，排除了多余的存在點，通過此過程保留了164個存在點數據。

1.1.2" 環境因素數據的收集和處理

19個全球生物氣候變量（BIO1—BIO19）來自WorldClim全球氣候數據庫（http：//www.worldclim.org/）。然后，利用ArcGIS 10.2對這些變量進行掩膜操作，以提取在中國的環境數據，裁剪每個生物氣候變量層，以實現30 s的空間分辨率。此外，高程數據來自美國宇航局提供的全球數字高程模型（SRTM 4.1版，http：//datamirror.csdb.cn/），具有100 m的空間分辨率。利用Arc Toolbox中的表面分析功能，從高程數據中導出坡度和坡向層。

為確保分析的一致性，本研究中考慮的所有環境變量均被標準化為1 km2的統一空間分辨率，并在統一的地理坐標系內對齊。隨后，對研究區域的數據進行精確提取并轉換為ASCII格式。這一過程最終收集了包含19個生物氣候因子（BIO1—BIO19）的綜合氣候數據，以及包含3個因子（高程ALT、坡度SLP和坡向ASP）的地形數據，共計22個不同的環境因子。

1.2" 不確定性研究設計

1.2.1" 變量選擇

共線性是指解釋變量的相互依賴性，是生態數據的共同特征。許多方法被用來解釋環境變量。本研究采用2種變量選擇方法來篩選變量因子：主成分分析（PCA）和生態變量組法（EVGM）。

1）PCA在計算中涉及所有原始變量，去除密切相關的變量，構建盡可能少的新變量，確保新變量不相關，并最大限度地保留反映物種潛在分布的信息。

2）EVGM根據前人對秦艽的研究，了解對秦艽生長特性相關的主要環境因子，選擇這些環境因子（稱為生態變量組）參與MaxEnt模型中進行物種分布建模、預測。

1.2.2" 模型參數的設置

本研究主要側重于模型測試參數的設置和分析。參數設置包括使用25%的存在點數據（許多研究中常見的比例[6]）和2種假缺失點數據（Random Selection， RS和Buffer-out方法）作為3種方法的測試數據。模型基于3個參數設置構建，在MaxEnt平臺下，75%的存在點數據作為訓練數據，其余25%作為測試數據，隨機選擇種子，迭代次數設置為5，迭代類型設置為子樣本，使用PCA和EVGM 2組變量進行建模。選擇這2個變量集是因為它們在變量選擇過程中不涉及測試比例，從而避免了對這部分研究的干擾。在每個變量集下建立了2個模型，結合兩類缺失點作為試驗數據，共構建了6個模型。根據訓練和預測曲線下面積（AUC）值比較了3個參數設置的有效性，選擇最佳模型，然后將隨機測試抽樣比例設置為10%、15%、20%、25%、30%、35%、40%、45%和50%。在保持原有2組變量的前提下，共構建了18個模型。通過比較訓練AUC值、檢驗AUC值和預測結果的分布面積，評估最佳模型的測試數據集比例。

2" 結果

2.1" 變量篩選結果

為了完善建模的環境變量，本研究采用PCA和EVGM方法作為初步篩選機制。PCA有助于將22個影響因素濃縮為最重要的5個主成分，這些部分的累計貢獻率為93.108%。選取載荷大于0.8的因子，結合22個環境因子中相關系數，排除相關系數小于0.85的因子，構成主成分法變量集。

根據參考文獻[7]，獲得了與秦艽生長特性相關的10個因子，包括8個氣候變量和2個地形因子。使用SPSS進行Pearson相關系數分析，確保變量之間的相關性小于0.85（表1），并得到最終的EVGM變量集進行建模。

最終，本研究生成了2組變量（PCA，EVGM），利用這些變量對秦艽的分布進行建模和預測，有助于對變量集之間的不確定性因素進行定量比較，詳見表2。這種綜合方法通過最小化共線性和優化環境變量的選擇來確保穩健的分析，從而對秦艽的分布進行準確的建模和預測。

2.2" 3種參數設置的比較

在模型預測精度方面，2組變量的3種參數設置下的模型訓練AUC值在0.856 4～0.890 9之間（表3），表明模型模擬精度較好，預測差異很小。對于25%存在點參數設置，測試AUC值在0.844 1～0.851 4之間，表明模型擬合精度較好;而對于RS偽缺席點參數設置，測試AUC值在0.4862～0.6659之間波動較大，性能較差。同樣，對于Buffer-out偽缺席點參數設置，測試AUC值在0.734 9～0.750 3之間（表4），表明模型擬合精度適中。可以看出，存在點參數設置為25%的模型具有更高的擬合精度，這就是為什么在許多研究中通常使用該比例進行測試。然而，使用25%的存在點比例獲得的模型精度是否總是最好的還有待討論，這是下一小節的方向。

2.3" 不同測試比例的性能評價

從圖1（a）可以看出，在PCA集下，不同采樣比例下模型的訓練AUC值在0.855 2～0.870 9之間，差異不大，表明模型擬合精度較高。測試AUC值范圍為0.814 8～0.853 5，擬合精度較好。值得注意的是，當采樣比例為10%時，測試AUC值最高，表明測試精度最高。同樣，由圖1（b）可以發現，在EVGM變量集下，各采樣比例下模型的訓練AUC值在0.884 8～0.894 9之間，具有很好的擬合精度。測試AUC值在0.826 3～0.869 7之間，具有較好的測試精度。值得注意的是，當采樣比例為20%時，測試AUC值最高，表明測試精度最高。對比PCA和EVGM變量集對模型的檢驗結果，選擇20%的存在點數據進行檢驗時，模型的檢驗精度最高為0.853 75，預測精度最好。

2.4" 預測分布面積對比

經過MaxEnt模型預測分析， 依據自然分割法將秦艽的潛在分布區分為4個等級， 按照分布概率P確定秦艽適生區等級劃分：Plt;0.2為非適生區， 0.2≤Plt;0.5為低適生區， 0.5≤Plt;0.7為中適生區， P≥0.7為高適生區。將2種變量集下不同測試抽樣比的高適生區面積與最小適生區面積（164個分布點的20 km緩沖區面積）對比（圖2），無論是在PCA變量集還是EVGM變量集下，模型預測的分布面積都呈現出一致的趨勢。當測試抽樣比例為10%和20%時，分布面積范圍最接近實際分布范圍。但是，當測試抽樣比例為20%時，測試精度更高。對于其他測試采樣比例，預測的空間分布范圍隨著比例的增加而略有減小，這與用于訓練的存在點的比例有關。然而，這種關系并不是嚴格線性的，并且與各個采樣點的環境和位置屬性高度相關。考慮到最接近實際分布和準確指導秦艽生產活動的能力，20%的隨機抽樣比例被認為是最佳的。

3" 結論

模型參數估計的不確定性是建模過程中信息不完整的必然結果。本文以秦艽為例，基于MaxEnt模型，探討了在3個參數設置和2個變量集下預測其分布的不確定性。模型精度和分布面積預測分析表明，采用25%的存在點數據進行測試，模型擬合精度較高。通過基于存在點測試的建模分析，綜合考慮模型精度和與實際指導的接近性，確定20%的隨機測試抽樣比例為最優，為確定最優物種分布預測模型提供了有價值的參考。

參考文獻：

[1] YAN H Y， FENG L， ZHAO Y， et al. Prediction of the spatial distribution of Alternanthera philoxeroides in China based on ArcGIS and MaxEnt [J]. Global Ecology and Conservation， 2020（21）： e00856.

[2] YAN H Y， HE J， ZHAO Y， et al. Gentiana macrophylla response to climate change and vulnerability evaluation in China [J]. Global Ecology and Conservation， 2020（22）： e00948.

[3] YAN H Y， FENG L， ZHAO Y， et al. Predicting the potential distribution of an invasive species， Erigeron canadensis L.， in China with a maximum entropy model [J]. Global Ecology and Conservation，2020（21）：e00822.

[4] CHEN X M， LEI Y C， ZHANG X Q， et al. Effects of sample sizes on accuracy and stability of maximum entropy model in predicting species distribution[J]. Scientia silvae sinicae，2012，48（1）：53-59.

[5] LIN Y P， DENG D， LIN W C， et al. Uncertainty analysis of crowd-sourced and professionally collected field data used in species distribution models of Taiwanese moths[J]. Biological Conservation，2015（181）：102-110.

[6] BYEON D H， JUNG S， LEE W H. Review of CLIMEX and MaxEnt for studying species distribution in South Korea [J]. Journal of Asia-Pacific Biodiversity，2018，11（3）：325-333.

[7] 尚忠慧.基于MaxEnt的物種空間分布預測不確定性分析——以當歸為例[D].西安：陜西師范大學，2016.

基金項目：重慶市教委科學技術研究項目（KJQN202215901）

第一作者簡介：嚴胡勇（1984-），男，博士，副教授。研究方向為生態信息學。

*通信作者：張婧月（1990-），女，碩士，副教授。研究方向為數據挖掘。