一种模拟退火优化框架,用于降低物种分布模型的位置不确定性并提升其性能

《Environmental Modelling & Software》:A simulated annealing optimization framework to reduce positional uncertainty and improve performance of species distribution models

【字体: 大 中 小 】 时间:2026年07月08日 来源:Environmental Modelling & Software 5.2

编辑推荐:

  吴赫|刘云志|吴照宁|卡米兰·阿布利克|王杰晨中国江苏省南京市江苏大学地理与海洋科学学院,高级遥感与地理信息技术江苏省重点实验室,自然资源部卫星遥感应用重点实验室,邮编210023摘要物种出现记录的位置不确定性指的是地理坐标与其真实位置的偏差。这种不确定性会降低物种分布模型的预测

  
吴赫|刘云志|吴照宁|卡米兰·阿布利克|王杰晨
中国江苏省南京市江苏大学地理与海洋科学学院,高级遥感与地理信息技术江苏省重点实验室,自然资源部卫星遥感应用重点实验室,邮编210023

摘要

物种出现记录的位置不确定性指的是地理坐标与其真实位置的偏差。这种不确定性会降低物种分布模型的预测精度和生态学解释性。我们提出了一种模拟退火优化框架,通过迭代调整地理坐标来提升模型性能以及响应曲线的生态合理性,该框架可灵活嵌入不同的物种分布模型中。以最大熵模型为案例,我们在黑熊及虚拟物种数据集上验证了这一框架。结果表明,坐标优化显著提升了多种物种分布模型的区分能力,同时增强了主要响应曲线的形态特征。使用优化后的低精度数据进行的预测与高精度数据相比差异极小。该方法为降低物种分布模型中的位置不确定性提供了可行的解决方案。

引言

物种分布模型是生态学中广泛使用的工具,可用于确定物种的适宜栖息地并评估其生态位(Hemami等人,2018;Lorestani等人,2022)。通过整合物种出现数据与环境因素,物种分布模型能够有效捕捉物种与环境之间的关系,并预测不同环境条件下的栖息地适宜性(Guisan等人,2013;Rathore和Sharma,2023)。在模型评估方面,曲线下面积和真实技能统计量被广泛用于衡量模型区分物种存在与不存在的能力的准确性和稳健性(McPherson和Jetz,2007;Jiménez-Valverde,2012)。
然而,物种分布模型的性能会受到多种因素的影响,包括抽样偏差、样本量、环境变量选择、模型复杂度以及物种出现记录的位置不确定性(Hallman和Robinson,2020;Sillero等人,2021;Koo等人,2025)。在这些因素中,物种出现记录的位置不确定性受到了越来越多的关注,因为它直接影响与物种观测相关的环境条件的提取(Naimi等人,2014;Milanesi等人,2020)。它被视为限制物种分布模型预测性能的主要因素之一(Moudry等人,2024)。其产生的主要原因在于物种活动范围的动态变化。地理坐标往往代表静态的采样点,仅能反映特定时间和空间条件下的观测结果,无法完全体现物种在异质栖息地中的真实空间分布特征(Regehr等人,2025)。此外,这些地理坐标通常表示观察者的位置而非物种的实际位置,从而导致空间上的不匹配(Shen等人,2025)。一些研究人员聚焦于样本的位置不确定性问题。例如,Zizka等人(2019)指出,大约18.5%的在线生物多样性数据库记录存在较大的位置误差。Graham等人(2008)证明,在物种的地理坐标中人为引入空间误差会显著降低模型的预测精度。Sillero等人(2022)指出,在线数据库中的一些地理坐标可能源自网格单元的中心而非真实的观测位置。这些研究都强调了需要使环境层的空间分辨率与地理坐标的不确定性规模相匹配。
为降低地理坐标误差,人们提出了多种方法。Naimi等人(2011)发现,当环境因素中的空间自相关范围小于或等于位置不确定性标准差的3倍时,模型受误差的影响较小。Hefley等人(2014)假设地理坐标是具有误差分布的随机变量,他们计算了真实位置误差半径范围内的所有可能位置的加权平均值。Velásquez-Tibatá等人(2016)提出了测量误差模型,将该真实环境变量视为包含位置误差的潜变量,并通过贝叶斯方法整合不确定性。Zhang等人(2018)基于猴子的栖息地偏好和护林员的视野进行了空间分析,他们通过在交叉区域内随机选取点来调整坐标。尽管这些研究表明,统计模型和基于GIS的空间校正都能减轻位置不确定性的影响,但坐标调整通常是由误差假设或空间规则预先确定的。因此,调整过程并非直接依据物种分布模型的反馈或物种与环境关系的生态合理性来指导。
物种栖息地适宜性响应曲线反映了环境梯度与出现概率之间的功能关系,可为生态位的描述提供可解释的依据(Ma和Sun,2018)。当地理坐标存在位置误差时,从物种出现记录中提取的环境协变量可能会偏离物种实际所处的栖息地条件(Naimi等人,2014;Milanesi等人,2020)。这种不匹配会在估计的物种与环境关系中引入噪声,进而可能扭曲回归系数和响应曲线的形状(Naimi等人,2014;Gábor等人,2023;Smith等人,2023)。这种扭曲可能表现为斜率减弱、环境最适点的位置偏移、生态位扩大,甚至出现不规则的响应模式(Austin,1985;McCune,B,1997;Naimi等人,2011)。生态学理论认为,物种对单一环境因子的响应通常具有规律的形态特征(Austin,2002;Heikkinen和M?kip??,2010)。为系统地分类和量化响应曲线的形态特征,Huisman等人(1993)提出了Huisman–Olff–Fresco(HOF)模型,将物种对环境梯度的响应分为五种典型趋势:无趋势(平坦)、递增或递减趋势(单调)、有下限的递增或递减趋势(平台期)、对称趋势(对称)以及偏斜趋势(偏斜)(Oksanen和Minchin,2002)。这些典型形式为描述响应曲线的形态提供了结构化且具有生态学解释性的基础。据此,可通过量化估计的响应曲线与这些典型HOF曲线类型之间的偏差程度,来评估位置不确定性的潜在影响。
鉴于位置不确定性不仅会影响预测精度,还会影响物种与环境响应曲线的形状,本研究提出了一种基于广义反馈驱动的空间优化框架。在该框架中,我们根据模型的区分性能以及物种与环境关系的合理性构建目标函数,从而使模型能够根据之前的结果自动确定坐标调整的方向,从而获得最优结果。地理坐标的调整被视为一种迭代优化过程,我们采用了模拟退火算法来提高优化效率(Kirkpatrick等人,1983)。最大熵模型被用作优化引擎,随后使用多种物种分布模型对优化后的出现记录进行评估,以判断所提出的框架是否能在不同算法中持续提升预测性能。此外,还比较了使用优化后的低精度出现数据与高精度出现数据所得到的预测性能。

章节节选

研究区域

研究区域包括两个空间范围(图1)。对于虚拟物种,我们选择了中国中部北纬30°-40°、东经100°-110°之间的矩形区域。该区域处于不同的环境梯度之中,从青藏高原东部到黄土高原及周边平原,海拔、温度和降水量都有显著变化(Chen等人,2025)。这种环境异质性为生成虚拟物种提供了合适的测试环境

概念框架与工作流程

样本的位置不确定性会改变物种在环境梯度上的响应曲线,进而影响物种分布模型的预测精度。在本研究中,我们开发了一种可嵌入不同物种分布模型中的模拟退火优化框架。以最大熵模型为案例,我们构建了一个综合评估指标,该指标结合了模型的区分性能(通过真实技能统计量衡量)以及物种响应曲线的生态合理性(基于它们与

模拟退火优化的参数敏感性及收敛性

在不同的参数配置下,综合评估指标的表现存在明显差异,反映出优化性能的差别(图3)。当初始温度设定为20,冷却速率设定为0.95时(图3a),综合评估指标达到了最大值。为平衡模型的区分能力和响应曲线的合理性,以实现最佳性能,真实技能统计量的权重被设定为0.3,而

模拟退火算法的优化目标

在本研究中,我们将模拟退火算法的目标定义为所有环境因素的合理性得分均值与模型区分性能的加权组合。在计算合理性得分均值时,不同环境因素的权重组合可能会影响优化结果。不同物种对不同环境因素的敏感度也有所不同。例如,降水是影响两栖动物种群数量的关键因素

结论

在本研究中,为减少位置不确定性的影响并实现物种分布模型的最佳性能,我们提出了一种广义坐标优化框架,该框架将响应曲线形态特征的合理性与模型的区分能力相结合。我们以HOF模型的理论框架作为参考,用于评估响应曲线的形态。同时引入模拟退火算法以提高全局搜索能力。

资助情况

本研究得到了中国国家自然科学基金的支持(项目编号:42371430)。

CRediT作者贡献说明

吴赫:概念构思、数据整理、正式分析、方法设计、软件应用、初稿撰写。刘云志:正式分析、资源获取、软件应用、审稿与编辑。吴照宁:方法设计、模型验证。卡米兰·阿布利克:数据整理、资源获取。王杰晨:项目管理、监督工作、审稿与编辑。

利益冲突声明

作者声明不存在任何可能影响本文研究的已知利益冲突或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号