maxent 模型的阈值
Maxent模型复杂度对物种潜在分布区预测的影响
生物多样性 2016, 24 (10): 1189–1196 doi: 10.17520/biods.2016265 Biodiversity Science http: //·方法·Maxent模型复杂度对物种潜在分布区预测的影响朱耿平1*乔慧捷21 (天津市动植物抗性重点实验室, 天津师范大学生命科学学院, 天津 300387)2 (中国科学院动物研究所, 北京 100101)摘要: 生态位模型在入侵生物学和保护生物学中具有广泛的应用, 其中Maxent模型最为流行, 被越来越多地应用在预测物种的现实分布和潜在分布的研究中。
在Maxent模型中, 多数研究者采用默认参数来构建模型, 这些默认参数源自早期对266个物种的测试, 以预测物种的现实分布为目的。
近期研究发现, Maxent模型采用复杂机械学习算法, 对采样偏差敏感, 易产生过度拟合, 模型转移能力仅在低阈值情况下较好。
基于默认参数的Maxent模型不仅预测结果不可靠, 而且有时很难解释。
在本研究中, 作者以入侵害虫茶翅蝽(Halyomorpha halys)为例, 采用经典模型构建方案(即构建本土模型然后将其转移至入侵地来评估), 利用ENMeval数据包来调整本土Maxent模型调控倍频和特征组合参数, 分析各种参数条件下模型的复杂度, 然后选取最低复杂度的模型参数(即为最优模型), 综合比较默认参数和调整参数后Maxent模型的响应曲线和预测结果, 探讨Maxent模型复杂度对预测结果的影响及Maxent模型构建时所需注意事项, 以期对物种潜在分布进行合理的预测, 促进Maxent模型在我国的合理运用和发展。
作者认为, 环境变量的选择至关重要, 需要综合分析其对所模拟物种分布的限制作用和环境变量之间的空间相关性。
构建Maxent模型前需对物种分布采样偏差及模型的构建区域进行合理地判断, 模型构建时需要比较不同参数下模型的预测结果和响应曲线, 选取复杂度较低的模型参数来最终建模。
最大熵模型 拉格朗日乘子法
最大熵模型（Maximum Entropy Model，简称MaxEnt模型）是一种用于分类和建模的概率模型。
它的基本思想是在给定一些约束条件下，选择一个概率分布，使得该分布在不违反已知信息的前提下熵最大。
拉格朗日乘子法用于求解最大熵模型的参数。
以下是最大熵模型的基本形式：设X是输入变量，Y是输出变量，P(Y|X)是条件概率分布。
最大熵模型的条件概率分布P(Y|X)表示为：P(Y|X)=1Z(X)exp(∑λini=1f i(X,Y))其中：▪Z(X)是规范化因子，保证概率分布的和为1。
▪f i(X,Y)是特征函数，描述输入变量和输出变量之间的某种关系。
▪λi是拉格朗日乘子，用于满足给定的约束条件。
为了求解这个模型的参数λi，我们需要最大化似然函数，即观测数据的对数似然。
通过引入拉格朗日乘子，将问题转化为约束最优化问题。
具体步骤如下：1.定义拉格朗日函数：将最大熵模型的似然函数和约束条件引入拉格朗日函数：L(P,λ)=∑P(X,Y)(Y|X)logP(Y|X)−∑λini=1(∑P(X,Y)(Y|X)f i(X,Y)−E[f i(X,Y)])其中，E[f i(X,Y)]是在训练数据上特征函数f i(X,Y)的期望。
2.对拉格朗日函数求偏导数：对拉格朗日函数分别对参数λi和P(Y|X)求偏导数，令其等于零。
∂L ∂λi =∑P(X,Y)(Y|X)f i(X,Y)−E[f i(X,Y)]=0∂L∂P(Y|X)=logP(Y|X)+1−∑λini=1f i(X,Y)=03.解方程得到参数：通过求解上述方程组，得到拉格朗日乘子λi和最大熵模型的参数。
λi=1N ∑P(X,Y)(Y|X)f i(X,Y)4.模型预测：得到参数后，可以使用最大熵模型进行分类或其他任务的预测。
最大熵模型的训练过程涉及到数值优化方法，通常采用迭代的方法求解参数。
以上是基于拉格朗日乘子法的最大熵模型的训练过程的简要描述。
maxent 最大熵模型 正则化系数
maxent 最大熵模型正则化系数最大熵模型是一种常用的概率模型，它在自然语言处理、信息检索、机器学习等领域有着广泛的应用。
在最大熵模型中，正则化系数起到了重要的作用，它用于平衡模型的拟合程度和复杂度，以提高模型的泛化能力。
我们来了解一下最大熵模型的基本概念。
最大熵模型是一种基于最大熵原理的统计模型，它假设模型的不确定性应该最大化，即模型应该在满足已知约束的情况下，尽可能均匀地分布概率。
最大熵模型的训练目标是使模型的熵达到最大，即最大化模型的不确定性。
为了解决模型的过拟合问题，最大熵模型引入了正则化项，正则化系数就是用来控制正则化项的权重。
正则化项通常是模型参数的范数，它可以限制模型的复杂度，防止模型对训练数据过度拟合。
正则化系数越大，正则化项的影响就越大，模型的拟合程度就越低；反之，正则化系数越小，模型的拟合程度就越高。
在最大熵模型中，正则化系数的选择是一个关键问题。
如果正则化系数选择过大，模型的拟合程度会过低，导致模型的预测能力弱；如果正则化系数选择过小，模型的拟合程度会过高，导致模型对训练数据过拟合，泛化能力较差。
因此，正则化系数的选择需要根据具体问题和数据集来进行调整。
在实际应用中，有多种方法可以确定正则化系数的取值。
一种常用的方法是使用交叉验证，将数据集划分为训练集和验证集，通过在不同的正则化系数上训练模型并在验证集上评估性能，选择使性能最优的正则化系数。
另一种常用的方法是使用正则化路径，即在一系列正则化系数上训练模型，并观察模型参数的变化情况，选择适合的正则化系数。
除了选择正则化系数，最大熵模型还有一些其他的优化方法可以提高模型的性能。
例如，可以使用不同的特征函数来表示模型的约束条件，通过增加更多的特征函数来提高模型的拟合能力。
此外，还可以使用不同的优化算法来训练模型，如改进的迭代尺度法、拟牛顿法等。
最大熵模型的正则化系数是调整模型拟合程度和复杂度的重要参数。
合理选择正则化系数可以提高模型的泛化能力，避免过拟合和欠拟合问题。
基于ＭａｘＥｎｔ 模型的四川察青松多白唇鹿国家级自然保护区马麝栖息地适宜性评价
ｄｏｉ:１０ １１９２０/ｘｎｍｄｚｋ ２０２１ ０６ ００１基于ＭａｘＥｎｔ模型的四川察青松多白唇鹿国家级自然保护区马麝栖息地适宜性评价油志远１ꎬ鲁碧耕１ꎬ骆念龙２ꎬ谢㊀凡１ꎬ杨㊀孔１ꎬ杨㊀楠１(１.西南民族大学青藏高原研究院ꎬ四川成都㊀６１００４１ꎻ２.四川省甘孜藏族自治州白玉县林业和草原局ꎬ四川白玉㊀６２７１５０)摘㊀要:马麝是国家一级重点保护动物ꎬ曾经广泛分布于青藏高原及周边地区.本研究通过样线法和红外相机法对２０１８~２０２０年间的马麝活动地点进行记录ꎬ结合对马麝生境选择起关键作用的９种环境因子构建ＭａｘＥｎｔ模型ꎬ对察青松多白唇鹿国家级自然保护区马麝栖息地适宜性进行评价.研究共获得３０个马麝有效记录点ꎬ其适宜栖息地分布受地形因子影响较大ꎬ其中海拔是影响保护区马麝分布格局最主要的环境因子ꎬ马麝倾向于选择海拔低于４３００ｍꎬ距最近河流距离少于５０００ｍꎬ降水季节性变化值小于９８ｍｍꎬ人类活动强度较弱的地带.保护区马麝适宜栖息地总面积约为２０４.１７ｋｍ２ꎬ约占察青松多保护区面积的１４.２１％ꎻ主要分为若当沟㊁麻阔和察青松多地区三个区域ꎬ其中若当沟和察青松多区域马麝栖息地适宜值较高ꎬ分布面积较大ꎬ而麻绒沟马麝适生区域内存在较强的人为干扰ꎬ已成为限制马麝栖息地分布的主要因素.关键词:马麝ꎻ栖息地评价ꎻＭａｘＥｎｔ模型ꎻ察青松多国家级自然保护区中图分类号:Ｘ１７６ꎻＳ８６３㊀㊀㊀㊀㊀㊀㊀文献标志码:Ａ㊀㊀㊀㊀㊀㊀㊀㊀㊀文章编号:２０９５￣４２７１(２０２１)０６￣０５５５￣０７收稿日期:２０２１￣０８￣３１通信作者:杨楠(１９８２－)ꎬ男ꎬ蒙古族ꎬ内蒙古通辽人ꎬ助理研究员ꎬ博士ꎬ研究方向:动物行为生态学㊁野生动植物资源管理㊁生物多样性保护.Ｅ－ｍａｉｌ:ｙａｎｇｎａｎ０２０４＠１２６.ｃｏｍ基金项目:中央财政林业保护补助资金项目(四川察青松多白唇鹿国家级自然保护区２０１８年)ꎻ研究生创新型科研项目硕士重点项目(ＣＸ２０２０ＳＺ２４)ＨａｂｉｔａｔｓｕｉｔａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｂａｓｅｄｏｎＭａｘＥｎｔｍｏｄｅｌｉｎｇｉｎＣｈａｑｉｎｇｓｏｎｇｄｕｏＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅＳｉｃｈｕａｎＰｒｏｖｉｎｃｅＹＯＵＺｈｉ－ｙｕａｎ１ꎬＬＵＢｉ－ｇｅｎｇ１ꎬＬＵＯＮｉａｎ－ｌｏｎｇ２ꎬＸＩＥＦａｎ１ꎬＹＡＮＧＫｏｎｇ１ꎬＹＡＮＧＮａｎ１(１.ＩｎｓｔｉｔｕｔｅｏｆＱｉｎｇｈａｉ－ＴｉｂｅｔａｎＰｌａｔｅａｕꎬＳｏｕｔｈｗｅｓｔＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙꎬＣｈｅｎｇｄｕ６１００４１ꎬＣｈｉｎａꎻ２.ＦｏｒｅｓｔｒｙａｎｄＧｒａｓｓｌａｎｄＢｕｒｅａｕｏｆＢａｉｙｕＣｏｕｎｔｙꎬＧａｎｚｉＴｉｂｅｔａｎＡｕｔｏｎｏｍｏｕｓＰｒｅｆｅｃｔｕｒｅꎬＢａｉｙｕ６２７１５０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｍｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｉｓａｎａｔｉｏｎａｌｆｉｒｓｔ－ｃｌａｓｓｋｅｙｐｒｏｔｅｃｔｅｄａｎｉｍａｌꎬｗｈｉｃｈｉｓｗｉｄｅｌｙｄｉｓｔｒｉｂｕｔｅｄｉｎｔｈｅＱｉｎｇｈａｉ－ＴｉｂｅｔＰｌａｔｅａｕａｎｄｓｕｒｒｏｕｎｄｉｎｇａｒｅａｓ.Ｉｎｔｈｉｓｓｔｕｄｙꎬｔｈｅｌｉｎｅｔｒａｎｓｅｃｔａｎｄｉｎｆｒａｒｅｄｃａｍｅｒａｐｈａｓｅｍｅｔｈｏｄｓｗｅｒｅｕｓｅｄｔｏｒｅｃｏｒｄｔｈｅａｃｔｉｖ￣ｉｔｙｌｏｃａｔｉｏｎｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｄｕｒｉｎｇ２０１８ｔｏ２０２０ꎬａｎｄｔｈｅＭａｘＥｎｔｍｏｄｅｌｗａｓｃｏｎｓｔｒｕｃｔｅｄｔｏｅｖａｌｕａｔｅｔｈｅｓｕｉｔａｂｉｌｉｔｙｏｆＭｏｓ￣ｃｈｕｓｓｉｆａｎｉｃｕｓｈａｂｉｔａｔｉｎＣｈａｑｉｎｇｓｏｎｇｄｕｏＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅｂａｓｅｄｏｎｔｈｅｎｉｎｅｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓ.３０ＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｅｆｆｅｃｔｉｖｅｒｅｃｏｒｄｅｄｐｏｉｎｔｓｗｅｒｅｏｂｔａｉｎｅｄꎬａｎｄｍｏｄｅｌｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｔｅｒｒａｉｎｆａｃｔｏｒｓｗｅｒｅｔｈｅｍａｊｏｒｆａｃｔｏｒｓｔｈａｔａｆｆｅｃｔｅｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｕｉｔａｂｌｅｈａｂｉｔａｔｓｆｏｒＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓꎬｗｉｔｈｔｈｅａｌｔｉｔｕｄｅｂｅｉｎｇｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔ.Ｍｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｐｒｅｆｅｒｒｅｄｔｏｃｈｏｏｓｅａｒｅａｓｗｉｔｈａｌｔｉｔｕｄｅｂｅｌｏｗ４３００ｍꎬｄｉｓｔａｎｃｅｆｒｏｍｔｈｅｎｅａｒｅｓｔｒｉｖｅｒｌｅｓｓｔｈａｎ５０００ｍꎬｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｓｓｔｈａｎ９８ｍｍａｎｄｗｅａｋｈｕｍａｎａｃｔｉｖｉｔｙｉｎｔｅｎｓｉｔｙ.ＦｕｒｔｈｅｒｍｏｒｅꎬｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈｅｔｏｔａｌａｒｅａｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｓｕｉｔａｂｌｅｈａｂｉｔａｔｗａｓ２０４.１７ｋｍ２ꎬａｃｃｏｕｎｔｉｎｇｆｏｒ１４.２１％ｏｆｔｈｅｔｏｔａｌａｒｅａｏｆＣｈａｑｉｎｇｓｏｎｇｄｕｏｎａｔｕｒｅｒｅｓｅｒｖｅꎬｗｈｉｃｈｃａｎｂｅｄｉｖｉｄｅｄｉｎｔｏｔｈｒｅｅａｒｅａｓ:ＲｕｏｄａｎｇｇｏｕａｒｅａꎬＭａｋｕｏａｒｅａꎬａｎｄＣｈａｑｉｎｇｓｏｎｇｄｕｏａｒｅａ.ＡｍｏｎｇｔｈｅｍꎬＲｕｏｄａｎｇｇｏｕａｒｅａａｎｄＣｈａｑｉｎｇｓｏｎｇｄｕｏａｒｅａｈａｄｈｉｇｈｅｒｓｕｉｔａｂｌｅｖａｌｕｅａｎｄｌａｒｇｅｒｄｉｓｔｒｉｂｕｔｉｏｎａｒｅａｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｈａｂｉｔａｔ.ＨｏｗｅｖｅｒꎬｓｔｒｏｎｇｈｕｍａｎｄｉｓｔｕｒｂａｎｃｅｉｎＭａｒｏｎｇｇｏｕａｒｅａｈａｓｂｅｃｏｍｅｔｈｅｍａｉｎｆａｃｔｏｒｌｉｍｉｔｉｎｇｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｕｉｔａｂｌｅｈａｂｉｔａｔ.Ｋｅｙｗｏｒｄｓ:ＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓꎻｈａｂｉｔａｔａｓｓｅｓｓｍｅｎｔꎻＭａｘＥｎｔｍｏｄｅｌｉｎｇꎻＣｈａｑｉｎｇｓｏｎｇｄｕｏＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅ西南民族大学学报(自然科学版)第４７卷㊀㊀全球气候变暖和人类活动干扰强度的增强ꎬ使全球大部分地区的生物多样性不断降低[１－２].濒危野生动物的保护不仅要维持野外种群数量ꎬ更要保护适宜其生存的环境[３].栖息地的不断减少和破碎化是造成物种灭绝的重要原因[４]ꎬ了解物种的适宜生境现状并预测其潜在地理分布ꎬ是有效开展野生动物管理和保护工作的基础[５－６].近年来ꎬ借助物种分布模型对物种栖息地进行研究已得到了广泛的应用[７].物种分布模型可以利用已知的物种分布点和环境条件对栖息地进行适宜性评价并预测物种潜在的分布区域[８]ꎬ主要有遗传算法模型[９](ＧＡＲＰ)㊁生物气候模型[１０](Ｂｉｏｃｌｉｍ)㊁区域环境模型[１１](Ｄｏｍａｉｎ)㊁生态位因子分析模型[１２](ＥｎＦＡ)和最大熵模型(ＭａｘＥｎｔ)等.其中ꎬ最大熵模型被证明是可预测面积最大ꎬ与实际最符合的一种算法模型[１３]ꎬ且该模型在获取物种分布点较少的条件下也具有较好预测结果[１４]ꎬ并可对其预测结果进行检验[１５].马麝(Ｍｏｓｃｈｕｓｓｉｆａｎｉｃｕｓ)属高地型麝种ꎬ在我国主要分布于青海省㊁甘肃的兴隆山和祁连山㊁西藏东南部㊁云南北部的高山地区以及四川西部的针叶林和高山灌丛[１６－１７]ꎬ是我国Ⅰ级重点保护野生动物.近年来诸多学者对不同地区马麝的生境选择开展了各种生态学研究ꎬ孟秀祥等[１８]㊁王静等[１９]及杨萃等[２０]在甘肃地区对影响兴隆山自然保护区马麝生境选择的因素进行了探讨ꎬ提出了保护该地区野生马麝种群的措施ꎻ张洪峰等[２１]评价了三江源自然保护区马麝不同栖息地等级和其空间分布特征ꎻ孙嘉等[２２]㊁陈俊达等[２３]㊁赵唱等[２４]研究了影响贺兰山马麝在不同季节生境选择的因素ꎬ刘志宵等[２５]评估了甘肃寿鹿山保护区内马麝的数量与分布ꎬ分析了导致保护区马麝资源减少的原因.相较于中国西北和青藏高原东北部ꎬ目前关于马麝在青藏高原东南缘和川西北地区栖息地的研究较少ꎬ限制了该地区马麝保护工作的开展.为准确掌握马麝在该地区的分布格局ꎬ本研究选用位于该区域核心地带的察青松多国家级自然保护区为研究地点ꎬ对保护区内马麝栖息地进行适宜性评价ꎬ以期为该区域马麝的保护和管理提供科学依据.１㊀保护区概况察青松多国家级自然保护区(９９ʎ１１ᶄ~９９ʎ４２ᶄＥꎬ３０ʎ３３ᶄ－３１ʎ０６ᶄＮ)位于四川省甘孜藏族自治州白玉县境内东南部ꎬ面积１４３６.８３ｋｍ２ꎬ保护区全域属大陆型季风高原气候ꎬ日夜温差大ꎬ干燥㊁寒冷㊁日照充足.年降雨量５００~７００ｍｍꎬ主要集中于５~１０月份.保护区地形复杂多样ꎬ加上位于西藏高原向四川盆地和云贵高原的过渡地带[２６]ꎬ从而形成复杂的地貌㊁多种多样的气候类型以及明显的植被垂直带谱和类型多样性的生态系统(森林㊁高原草甸㊁灌丛㊁流石滩等)[２７].保护区内野生动物资源非常丰富ꎬ除白唇鹿(Ｇｅｒｖｕｓａｌｂｉｒｏｓｔｒｉｓ)外ꎬ还分布有水鹿(Ｃｅｒｖｕｓｕｎｉｃｏｌ￣ｏｒ)㊁岩羊(Ｐｓｅｕｄｏｉｓｎａｙａｕｒ)㊁棕熊(Ｕｒｓｕｓａｒｃｔｏｓ)㊁斑羚(Ｎａｅｍｏｒｈｅｄｕｓｇｏｒａｌ)㊁藏原羚(Ｐｒｏｃａｐｒａｐｉｃｔｉｃａｕｄａｔａ)㊁林麝(Ｍｏｓｃｈｕｓｂｅｒｅｚｏｖｓｋｉｉ)㊁马鹿(Ｃｅｒｖｕｓｅｌａｐｈｕｓ)㊁猞猁(Ｌｙｎｘｌｙｎｘ)㊁雪豹(Ｐａｎｔｈｅｒａｕｎｃｉａ)和石貂(Ｍａｒｔｅｓｆｏｉ￣ｎａ)等１７种国家级保护兽类.[２８]２㊀研究方法２.１㊀物种分布点的筛选通过样线法和红外相机法对２０１８~２０２０年间的马麝活动地点进行记录ꎬ共获得５７个马麝分布位点.考虑到马麝家域范围约为３０ｈｍ２[２９]ꎬ为避免模型的过度拟合ꎬ以３００ｍ为阈值对分布点进行筛选ꎬ当多个分布点距离少于３００ｍ时ꎬ随机保留一个.最终共选取３０个有效马麝分布点用于模型计算(图１).图１㊀察青松多国家级自然保护区地形及马麝记录点示意图Ｆｉｇ.１㊀ＯｃｃｕｒｒｅｎｃｅｐｏｉｎｔｓｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｒｅｃｏｒｄｅｄｉｎＣｈａｑｉｎｇｓｏｎｇｄｕｏＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅ２.２㊀环境变量数据参考同属物种研究结果和马麝的生态习性[３０]ꎬ选择地形㊁植被㊁气候㊁人为干扰４类共２９个潜在影响马麝栖息地适宜性的环境因子作为代入ＭａｘＥｎｔ模６５５第６期油志远ꎬ等:基于ＭａｘＥｎｔ模型的四川察青松多白唇鹿国家级自然保护区马麝栖息地适宜性评价㊀型运算的备选变量.从Ｗｏｒｌｄｃｌｉｍ数据库下载得到Ｗｏｒｌｄｃｌｉｍ２.０的１９个空间分辨率为１ｋｍ的生物气候变量.数字高程图层(３０ｍ分辨率)来源于中国地理空间数据云平台ꎬ并通过ＡｒｃＧＩＳ１０.６提取坡向和坡度图层.从ＯＳＭ数据平台(ｈｔｔｐｓ://ｗｗｗ.ｏｐｅｎｓｔｒｅｅｔ￣ｍａｐ.ｏｒｇ/)下载得到保护区河流和道路的矢量数据ꎬ并使用ＡｒｃＧＩＳ１０.６生成欧式距离图层ꎬ以计算各栅格距离其最近河流和道路的距离.植被类型图层来源于中国科学院资源环境科学与数据中心平台ꎬ并根据保护区的实际植被类型分为山地针叶林㊁落叶阔叶林㊁落叶阔叶灌丛㊁常绿阔叶灌丛㊁高寒草甸㊁高山稀疏植被和其他等７类.在ＡｒｃＧＩＳ１０.６中ꎬ将所得的２９个环境图层的坐标系设定为ＷＧＳ－１９８４并统一边界ꎬ栅格大小重采样为(３０ｍˑ３０ｍ)ꎬ然后将所有环境变量图层转化为ＭａｘＥｎｔ模型可以识别的ＡＳＣ文件格式.为降低环境变量间的空间共线性ꎬ避免模型过度拟合ꎬ对所有环境变量进行Ｐｅａｒｓｏｎ相关性分析ꎬ删除相关性较高且与马麝生境选择影响较弱的环境变量ꎬ只保留与马麝生境选择直接相关且生态学意义最明确的环境变量进入模型运算.最终ꎬ共有４个气候变量ꎬ３个地形变量ꎬ１个人为变量和植被类型变量被保留参与模型构建.２.３㊀模型过程将筛选后的３０个马麝分布点和９个环境变量导入ＭａｘＥｎｔ模型软件ꎬ设置７５％马麝记录点数据作为训练集来建立模型ꎬ剩下的２５％作为验证集来检验模型ꎬ其余参数均保持模型默认ꎬ因为此设置足以保证准确的预测效果[１４].为保证模型稳定性ꎬ选择交叉验证运算１０次ꎬ并将１０次重复的平均值在ＡｒｃＧＩＳ软件以栅格数据输出ꎬ栅格数值代表预测物种在该区域的存在概率ꎬ值域为[０ꎬ１].以模型内置的变量响应曲线ꎬ贡献分析以及刀切法(Ｊａｃｋｋｎｉｆｅ)反应各环境变量对模型构建的相对重要性及其对马麝生境适宜性评价的影响.以ＲＯＣ(Ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃ)受试者工作特征的ＡＵＣ(Ａｒｅａｕｎｄｅｒｃｕｒｖｅ)曲线下面积评判模型预测ꎬ其值为０~１ꎬ其中０.５~０.６为失败ꎻ０.６~０.７为较差ꎻ０.７~０.８为一般ꎻ０.８~０.９为好ꎻ０.９~１为非常好[３１].２.４㊀栖息地评价将模型生成的ＡＳＣ格式的物种分布预测图导入ＡｒｃＧＩＳ中进行重分类ꎬ采用自然间断点分级法(Ｊｅｎ￣ｋｓ)将栖息地适宜性划分为３个等级:阈值０~０.１５为非适生区㊁０.１５~０.５２中适生区㊁０.５２~１为高适生区[３２].从而获得察青松多保护区马麝的栖息地适宜性图.３㊀结果与分析３.１㊀模型验证结果模型的ＲＯＣ曲线验证结果分析显示ꎬ１０次交叉检验的平均训练数据的ＡＵＣ值为０.９０２ꎬ标准偏差为０.０５７.表明本次研究选用的环境变量与物种记录点具有较强的相关性ꎬ模型结果具有较好的预测效果和较高的稳定性ꎬ马麝生境适宜性评价结果可信度较高.３.２㊀栖息地影响因子模型对马麝栖息地适宜性评价结果显示ꎬ海拔㊁距最近河流距离㊁距最近道路距离㊁坡向㊁降水季节性变化(ｂｉｏ１５)和植被类型是对ＭａｘＥｎｔ模型贡献率最高的６个环境变量ꎬ其中海拔提供了最大的增益ꎬ表明与其他环境因子相比ꎬ海拔与马麝适宜生境分布格局的耦合性更高ꎬ对马麝栖息地的选择影响作用最大.而ＡＵＣ值的Ｊａｃｋｋｎｉｆｅ检验表明ꎬ在单独使用各环境变量构建模型时ꎬ海拔㊁距最近河流距离和降水季节性变化具有最高的ＡＵＣ值ꎬ表明对马麝栖息地适宜性预测时ꎬ这些变量含有较多其他变量所不具有的特有信息(表１).环境变量的Ｊａｃｋｋｎｉｆｅ检验结果与贡献率基本一致.单因子对栖息地适宜性的响应变化分析显示:适宜性随着海拔的升高而逐渐下降ꎬ马麝对海拔低于４１００ｍ处的栖息地选择性较高ꎬ当高于４２００ｍ时其适宜性值迅速降低ꎬ高于４８００ｍ处的地带则不再适宜马麝生存ꎻ马麝栖息地适宜值与距最近道路的距离呈正相关关系ꎬ距离道路越远其适宜值指就越高ꎬ超过１２００ｍ外对其栖息地的选择产生的干扰大幅度减少ꎻ马麝栖息地适宜值随降水季节性变化的增加而减少ꎬ并在降水季节性变化达到１００ｍｍ处适宜值降到最低ꎻ马麝偏好选择南坡㊁东南坡和西南坡的地带ꎬ并随着坡向由南转向北其栖息地适宜值逐渐降低.马麝对山地针叶林㊁落叶阔叶灌丛和常绿阔叶灌丛等林地区域选择性较高ꎬ而回避草甸等生境类型(图２).７５５西南民族大学学报(自然科学版)第４７卷表１㊀马麝栖息地适宜性影响因子重要性分析Ｔａｂｌｅ１㊀ＤｉｓｔｒｉｂｕｔｉｏｎａｎａｌｙｓｉｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｖａｒｉａｂｌｅｓｔｏｈａｂｉｔａｔｓｕｉｔａｂｉｌｉｔｙｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓ环境变量Ｅｎｖｉｒｏｎｍｅｎｔａｌｖａｒｉａｂｌｅ贡献率/％１Ｐｅｒｃｅｎｔｃｏｎｔｒｉｂｕｔｉｏｎ累计贡献率/％Ｃｕｍｕｌａｔｉｖｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅ刀切法检验(ＡＵＣ)２ＪａｃｋｋｎｉｆｅｔｅｓｔｏｆＡＵＣ海拔Ｅｌｅｖａｔｉｏｎ５３.７５３.７０.８７３距最近河流距离Ｄｉｓｔａｎｃｅｔｏｔｈｅｎｅａｒｅｓｔｒｉｖｅｒ１３.３６７０.７９３距最近道路距离Ｄｉｓｔａｎｃｅｔｏｔｈｅｎｅａｒｅｓｔｒｏａｄ７.１７４.１０.５７９坡向Ａｓｐｅｃｔ６.７８０.８０.６１２降水季节性变化Ｐｒｅｃｉｐｉｔａｔｉｏｎｓｅａｓｏｎａｌｉｔｙ６.１８６.９０.７６０植被类型Ｖｅｇｅｔａｔｉｏｎｔｙｐｅ５.２９２.１０.７１０气温季节性变化Ｔｅｍｐｅｒａｔｕｒｅｓｅａｓｏｎａｌｉｔｙ４.３９６.４０.７４４最干月降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｔｈｅｄｒｉｅｓｔｍｏｎｔｈ１.９９８.３０.６５０气温年较差Ｔｅｍｐｅｒａｔｕｒｅｏｆａｎｎｕａｌｒａｎｇｅ１.７１０００.６１７㊀㊀１贡献率:ＭａｘＥｎｔ模型运算中ꎬ不同环境变量对马鸡属栖息地适宜性的影响程度ꎬ以１０次重复模拟的平均值展示ꎻ２刀切法检验:即单独使用各环境模拟时的ＡＵＣ值ꎬ以１０次重复模拟的平均值展示㊀㊀图２㊀影响马麝栖息地适宜性的重要环境变量响应图Ｆｉｇ.２㊀ＲｅｓｐｏｎｓｅｄｉａｇｒａｍｏｆｈａｂｉｔｓｕｉｔａｂｉｌｉｔｙｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｔｏｉｍｐｏｒｔａｎｔｅｎｖｉｒｏｎｍｅｎｔｖａｒｉａｂｌｅ㊀㊀对限制因子分析表明ꎬ地形是影响马麝栖息地适宜性的决定性环境因子.参与模型构建的地形因子(海拔㊁距最近河流距离和坡向)贡献率均超过了５％ꎬ累计贡献率超过７０％.海拔是决定马麝地理分布８５５第６期油志远ꎬ等:基于ＭａｘＥｎｔ模型的四川察青松多白唇鹿国家级自然保护区马麝栖息地适宜性评价㊀格局主要的地形因子ꎬ在适生区外的大部分区域因海拔高于马麝的选择范围从而限制了其分布.水份因子是影响马麝栖息地选择的次要环境因子ꎬ在适生区外的局部区域因距离河流较远且降水季节性变化较高ꎬ无法满足其对水分的生态要求而不适宜于马麝的生存(图３).图３㊀察青松多国家级自然保护区马麝限制因子分布图Ｆｉｇ.３㊀ＤｉｓｔｒｉｂｕｔｉｏｎｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｌｉｍｉｔｉｎｇｆａｃｔｏｒｓｉｎＣｈａｑｉｎｇｓｏｎｇｄｕｏＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅ３.３㊀栖息地适宜性评价图４㊀察青松多国家级自然保护区马麝适生区分布图Ｆｉｇ.４㊀ＤｉｓｔｒｉｂｕｔｉｏｎｏｆＭｏｓｃｈｕｓｓｉｆａｎｉｃｕｓｈａｂｉｔａｔｉｎＣｈａｑｉｎｇｓｏｎｇｄｕｏＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅ模型结果表明ꎬ马麝适生区主要分布于保护区的中西部和西北部ꎬ集中分布于海拔相对较低㊁距河流较近的若当沟㊁麻阔和察青松多地区.根据各适生等级所占的比例ꎬ计算得出马麝适生区的总面积为２０４.１７ｋｍ２ꎬ约占察青松多保护区面积的１４.２１％ꎬ其中高适生区面积为６１.１９ｋｍ２ꎬ占适生区面积的２９.９７％ꎬ表明保护区内马麝可利用适宜生境的比例较低(图４).４㊀讨论一个地区野生动物是否分布是多种因素综合作用的结果ꎬ一个适宜的生境不仅包括生存所必需的食物和水资源ꎬ也需要提供满足生物繁殖和隐蔽等条件[３３].在长期的自然进化中ꎬ不同的物种占据了不同的生态位ꎬ对栖息地形成了特殊的生态适应[３４].马麝在进化过程中ꎬ逐渐被其他麝类排挤到了高山高原区域ꎬ地理分布为高地型[３５].本研究结果显示ꎬ马麝的适生区和非适生区生境面积分别约为２０４.１７ｋｍ２和１２３２.６６ｋｍ２ꎬ分别约占保护区面积的１４.２１％和８５.７９％ꎬ适宜生境所占比例较小.有研究表明ꎬＭａｘ￣Ｅｎｔ模型预测的物种分布面积可能较实际偏大[３６]ꎬ这说明马麝的实际分布面积可能比预测结果小.另外ꎬ马麝的最适生境的环境变量组合为降水季节性变化少于９８ｍｍ㊁距离最近道路１２００ｍ以外㊁距最近河流５０００ｍ以内㊁海拔低于４３００ｍ的阳坡ꎬ进一步证明了其适生区面积狭小和其对环境条件强依赖性.物种对生境的利用由遗传性和适应性共同决定ꎬ动物在长期的自然进化中形成了其独特的生态位[３４].Ｙａｎｇ等[３７]研究结果表明ꎬ马麝常分布于疏林灌木和灌木类植被生境中ꎬ此类生境既能提供较好的隐蔽条件ꎬ又不至于影响其快速奔跑.王静[１９]等研究认为马麝在小尺度上的分布格局是隐蔽条件㊁植被类型和人为干扰等环境因子综合作用的结果ꎬ马麝通常会选择食物资源相对较少而隐蔽条件较高和干扰强度较低的生境.贡献率和Ｊａｃｋｋｎｉｆｅ检验结果表明ꎬ相较于水分因子ꎬ温度因子对马麝栖息地选择具有较小的相关性ꎬ这可能与马麝长期生活高寒环境ꎬ已进化出有效抵御寒冷环境的生理机制有关[３８].海拔是影响马麝在保护区分布的最主要的环境因子ꎬ察青松多保护区马麝栖息地集中分布４６００ｍ以下的地带ꎬ与张洪茂等[３９]得出马麝主要出现于４０００~４５００ｍ海拔范围内的研究结果基本一致ꎬ保护区内大部分区域海拔由于高于马麝的选择范围从而限制了马麝栖息９５５西南民族大学学报(自然科学版)第４７卷地的分布.水源是马麝生存必需环境要素ꎬ其每天傍晚需到水源处饮水.保护区虽地处于西南水汽通道之上ꎬ但由于横断山脉的阻挡ꎬ降水时空差距巨大ꎬ干季降水不足年降水的１５％[４０]ꎬ这也是影响马麝栖息地适宜性的一个重要环境因素.本研究结果表明多种生态因子的综合作用促成了察青松多保护区当前马麝的分布格局.本研究显示ꎬ察青松多自然保护区马麝适宜栖息地可划分为若当沟㊁麻阔和察青松多地区三个区域ꎬ预测结果与实际观测值高度吻合.若当沟区域既是马麝的主要栖息地ꎬ也是白唇鹿㊁岩羊㊁猕猴(Ｍａｃａｃａｍｕｌａｔｔａ)㊁水鹿和马熊等野生保护兽类的主要活动区域ʌ２８ɔꎬ是保护区内生物多样性最高的区域之一.麻绒沟内分布有马门㊁然本㊁血家和麻孜４个较大的藏族自然村ꎬ因当地牧民具有不杀生的传统信仰ꎬ使得该地区的野生动物得到了较好的保护.但是ꎬ放牧牦牛仍是其主要生产方式ꎬ且近年来放牧数量和范围呈增加的趋势ꎬ不但直接侵占了马麝等野生动物的生存空间ꎬ牦牛过度啃食和践踏林下植被也会导致野生动物适宜栖息地的退化.每年４~５月当地牧民都会在保护区内ꎬ包括麻绒沟和若当沟高海拔区域发起大规模的挖虫草活动ꎬ使得马麝等野生动物的适宜栖息地面积被极大的压缩.近年来保护区为开发生态旅游修建了多条水泥硬化道路ꎬ带来了高强度的持续性人为干扰ꎬ极大改变了保护区内原有的生态结构ꎬ包括马麝在内的一部分野生濒危动物种群可能不适应环境的快速改变ꎬ面临着更大的灭绝风险.基于本次研究结果ꎬ为该马麝适宜栖息地的保护提供以下几点建议: (１)建立环境监测系统以明确生态旅游开发对保护区内各种生态因子的影响机制ꎬ减少人为活动对自然环境的影响和冲击ꎬ为马麝等野生动物留有足够的生存空间.(２)若当沟马麝适宜栖息地面积较大ꎬ人为干扰较少ꎬ可作为保护区制定马麝保护策略ꎬ评判保护效果的参考依据.(３)减少麻绒沟区域的放牧强度或选择其他放牧区域ꎬ加强牧民保护野生动物生存环境的思想教育ꎬ建立生态补偿机制ꎬ探求发展与保护的平衡点.致谢:特别感谢西南民族大学青藏高原研究院王会老师在英文摘要和论文结构方面的指导.参考文献[１]ＬＩＵＪＪꎬＷＩＬＳＯＮＭꎬＨＵＧꎬｅｔａｌ.Ｈｏｗｄｏｅｓｈａｂｉｔａｔｆｒａｇｍｅｎｔａｔｉｏｎａｆ￣ｆｅｃｔｔｈｅｂｉｏｄｉｖｅｒｓｉｔｙａｎｄｅｃｏｓｙｓｔｅｍｆｕｎｃｔｉｏｎｉｎｇｒｅｌａｔｉｏｎｓｈｉｐ?[Ｊ].ＬａｎｄｓｃａｐｅＥｃｏｌｏｇｙꎬ２０１８ꎬ３３(３):３４１－３５２.[２]徐炜ꎬ马志远ꎬ井新ꎬ贺金生.生物多样性与生态系统多功能性:进展与展望[Ｊ].生物多样性ꎬ２０１６ꎬ２４(０１):５５－７１. [３]ＷＩＩＳＯＮＪＷꎬＳＥＸＴＯＮＪＯꎬＪＯＢＥＲＴꎬｅｔａｌ.Ｔｈｅｒｅｌａｔｉｖｅｃｏｎｔｒｉ￣ｂｕｔｉｏｎｏｆｔｅｒｒａｉｎꎬｌａｎｄｃｏｖｅｒꎬａｎｄｖｅｇｅｔａｔｉｏｎｓｔｒｕｃｔｕｒｅｉｎｄｉｃｅｓｔｏｓｐｅｃｉｅｓｄｉｓｔｒｉｂｕｔｉｏｎｍｏｄｅｌｓ[Ｊ].ＢｉｏｌｏｇｉｃａｌＣｏｎｓｅｒｖａｔｉｏｎꎬ２０１３ꎬ１６４(８):１７０－１７６.[４]刘会玉ꎬ林振山ꎬ孙燕ꎬ等.破碎栖息地中物种灭绝机制[Ｊ].生态学报ꎬ２００８(０８):３６６８－３６７４.[５]杨蕾ꎬ杨立ꎬ李婧昕ꎬ等.东北地区５个物种潜在栖息地变化与优化保护规划[Ｊ].生态学报ꎬ２０１９ꎬ３９(０３):１０８２－１０９４. [６]阎济华.中国野生动物栖息地破碎化严重[Ｊ].生态经济ꎬ２０１５ꎬ３１(１０):１０－１３.[７]刘涛ꎬ刘玉萍ꎬ吕婷ꎬ等.基于Ｂｉｏｍｏｄ２组合模型预测青藏高原特有属扇穗茅属物种的潜在分布[Ｊ].草地学报ꎬ２０２０ꎬ２８(０６):１６５０－１６５６.[８]郭彦龙ꎬ赵泽芳ꎬ乔慧捷ꎬ等.物种分布模型面临的挑战与发展趋势[Ｊ].地球科学进展ꎬ２０２０ꎬ３５(１２):１２９２－１３０５. [９]ＡＮＤＥＲＳＯＮＲＰꎬＬＥＷＤꎬＰＥＴＥＲＳＯＮＡＴ.Ｅｖａｌｕａｔｉｎｇｐｒｅｄｉｃｔｉｖｅｍｏｄｅｌｓｏｆｓｐｅｃｉｅｓ'ｄｉｓｔｒｉｂｕｔｉｏｎｓ:Ｃｒｉｔｅｒｉａｆｏｒｓｅｌｅｃｔｉｎｇｏｐｔｉｍａｌｍｏｄｅｌｓ[Ｊ].ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｌｉｎｇꎬ２００３ꎬ１６２(３):２１１－２３２.[１０]ＨＯＮＩＮＧＭＡꎬＣＯＷＬＩＮＧＲＭꎬＲＩＣＨＡＲＤＳＯＮＤＭ.ＴｈｅｉｎｖａｓｉｖｅｐｏｔｅｎｔｉａｌｏｆＡｕｓｔｒａｌｉａｎＢａｎｋｓｉａｓｉｎＳｏｕｔｈＡｆｒｉｃａｎｆｙｎｂｏｓ:Ａｃｏｍｐａｒｉ￣ｓｏｎｏｆｔｈｅｒｅｐｒｏｄｕｃｔｉｖｅｐｏｔｅｎｔｉａｌｏｆＢａｎｋｓｉａｅｒｉｃｉｆｏｌｉａａｎｄＬｅｕｃａｄｅｎ￣ｄｒｏｎｌａｕｒｅｏｌｕｍ[Ｊ].ＡｕｓｔｒａｌｉａｎＪｏｕｒｎａｌｏｆＥｃｏｌｏｇｙꎬ１９９２ꎬ１７(３):３０５－３１４.[１１]ＣＡＲＰＥＮＴＥＲＧꎬＧＩＬＬＩＳＯＮＡＮꎬＷＩＮＴＥＲＪ.ＤＯＭＡＩＮ:Ａｆｌｅｘｉｂｌｅｍｏｄｅｌｌｉｎｇｐｒｏｃｅｄｕｒｅｆｏｒｍａｐｐｉｎｇｐｏｔｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｐｌａｎｔｓａｎｄａｎｉｍａｌｓ[Ｊ].ＢｉｏｄｉｖｅｒｓｉｔｙａｎｄＣｏｎｓｅｒｖａｔｉｏｎꎬ１９９３ꎬ２(６):６６７－６８０. [１２]ＥＮＧＬＥＲＲꎬＧＵＩＳＡＮＡꎬＲＥＣＨＳＴＥＩＮＥＲＬ.Ａｎｉｍｐｒｏｖｅｄａｐｐｒｏａｃｈｆｏｒｐｒｅｄｉｃｔｉｎｇｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｒａｒｅａｎｄｅｎｄａｎｇｅｒｅｄｓｐｅｃｉｅｓｆｒｏｍｏｃ￣ｃｕｒｒｅｎｃｅａｎｄｐｓｅｕｄｏ－ａｂｓｅｎｃｅｄａｔａ[Ｊ].ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙꎬ２００４ꎬ４１(２):２６３－２７４.[１３]李响ꎬ张成福ꎬ贺帅ꎬ等.ＭａｘＥｎｔ模型综合应用研究进展分析[Ｊ].绿色科技ꎬ２０２０(１４):１４－１７.[１４]ＰＨＩＬＬＩＰＳＳＪꎬＡＮＤＥＲＳＯＮＲＰꎬＳＣＨＡＰＩＲＥＲＥ.Ｍａｘｉｍｕｍｅｎｔｒｏ￣ｐｙｍｏｄｅｌｉｎｇｏｆｓｐｅｃｉｅｓｇｅｏｇｒａｐｈｉｃｄｉｓｔｒｉｂｕｔｉｏｎｓ[Ｊ].ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌ￣ｌｉｎｇꎬ２００６ꎬ１９０(３－４):２６１－２５９.[１５]ＥＳＴＥＳＬＤꎬＢＲＡＤＬＥＹＢＡꎬＨＯＬＥＨꎬｅｔａｌ.Ｃｏｍｐａｒｉｎｇｍｅｃｈａｎｉｓ￣ｔｉｃａｎｄｅｍｐｉｒｉｃａｌｍｏｄｅｌｐｒｏｊｅｃｔｉｏｎｓｏｆｃｒｏｐｓｕｉｔａｂｉｌｉｔｙａｎｄｐｒｏｄｕｃｔｉｖｉ￣ｔｙ:Ｉｍｐｌｉｃａｔｉｏｎｓｆｏｒｅｃｏｌｏｇｉｃａｌｆｏｒｅｃａｓｔｉｎｇ[Ｊ].ＧｌｏｂａｌＥｃｏｌｏｇｙａｎｄＢｉ￣ｏｇｅｏｇｒａｐｈｙꎬ２０１３ꎬ２２(８):１００７－１０１８.[１６]ＭＥＮＧＸＸꎬＹＡＮＧＱＳꎬＸＩＡＬꎬｅｔａｌ.Ｔｈｅｔｅｍｐｏｒａｌｅｓｔｒｏｕｓｐａｔｔｅｒｎｓｏｆｆｅｍａｌｅａｌｐｉｎｅｍｕｓｋｄｅｅｒｉｎｃａｐｔｉｖｉｔｙ[Ｊ].ＡｐｐｌｉｅｄＡｎｉｍａｌＢｅｈａｖｉｏｒＳｃｉｅｎｃｅꎬ２００３ꎬ８２(１):７５－８５.[１７]吴家炎ꎬ王伟.中国麝类[Ｍ].北京:中国林业出版社ꎬ２００６:３０－３３.０６５第６期油志远ꎬ等:基于ＭａｘＥｎｔ模型的四川察青松多白唇鹿国家级自然保护区马麝栖息地适宜性评价㊀[１８]孟秀祥ꎬ潘世秀ꎬ栾晓峰ꎬ等.兴隆山自然保护区马麝春季生境选择[Ｊ].生态学报ꎬ２０１０ꎬ３０(２０):５５０９－５５１７.[１９]王静ꎬ孙军平ꎬ徐涛ꎬ等.甘肃兴隆山保护区野生马麝分布㊁数量特征及影响因素[Ｊ].生态学报ꎬ２０２０ꎬ４０(２１):７９９７－８００４. [２０]杨萃ꎬ潘世秀ꎬ安谈红ꎬ等.甘肃兴隆山自然保护区马麝冬季生境喜好初步研究[Ｊ].四川动物ꎬ２０１１ꎬ３０(０３):４８１－４８７. [２１]张洪峰ꎬ胡罕ꎬ苏丽娜ꎬ等.青海三江源自然保护区马麝栖息地适宜性评价[Ｊ].西北农业学报ꎬ２０１７ꎬ２６(０８):１１４１－１１４７. [２２]孙嘉ꎬ赵唱ꎬ孟德怀ꎬ等.贺兰山马麝冬季生境选择[Ｊ].野生动物学报ꎬ２０２０ꎬ４１(０３):５７３－５７９.[２３]陈俊达ꎬ丁彦珂ꎬ李宗智ꎬ等.贺兰山马麝春季生境选择[Ｊ].野生动物学报ꎬ２０２０ꎬ４１(０２):３０３－３０８.[２４]赵唱ꎬ刘尊显ꎬ滕丽微ꎬ等.贺兰山马麝夏季营养采食策略[Ｊ].野生动物学报ꎬ２０１８ꎬ３９(０２):２１５－２２３.[２５]刘志霄ꎬ雷光炳ꎬ盛和林.甘肃寿鹿山马麝隔离小种群的资源现状与保护[Ｊ].吉首大学学报(自然科学版)ꎬ２００２(０４):５４－５８. [２６]杨楠ꎬ李波ꎬ黄薇ꎬ等.四川察青松多白唇鹿国家级自然保护区鸟类多样性和区系分析[Ｊ].四川动物ꎬ２０２０ꎬ３９(０４):４６５－４８０.[２７]何操ꎬ刘志斌ꎬ帅伟ꎬ等.四川察青松多白唇鹿国家级自然保护区草本植物资源[Ｊ].四川林业科技ꎬ２０１５ꎬ３６(０４):１１６－１１９. [２８]隆廷伦ꎬ刘少英ꎬ周权才ꎬ等.察青松多竹巴龙贡嘎山生物多样性调查报告[Ｍ].成都:四川出版集团 四川科学技术出版社ꎬ２０１０:９６－１０１.[２９]杨奇森ꎬ冯祚建ꎬ王祖望ꎬ等.西藏东南部地区马麝家域的研究[Ｊ].兽类学报ꎬ１９９８(０２):８－１０＋１２－１５.[３０]ＺＨＯＵＹＪꎬＭＥＮＧＸＸꎬＦＥＮＧＪＣꎬｅｔａｌ.ＲｅｖｉｅｗｏｆｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎꎬｓｔａｔｕｓａｎｄｃｏｎｓｅｒｖａｔｉｏｎｏｆｍｕｓｋｄｅｅｒｉｎＣｈｉｎａ[Ｊ].ＦｏｌｉａＺｏｏｌｏｇｉｃａꎬ２００４ꎬ５３(２):１２９－１４０.[３１]ＥＲＡＳＭＵＳＢＦＮꎬＶＡＮＪＡＡＲＳＶＥＬＤＡＳꎬＣＨＯＷＮＳＬꎬｅｔａｌ.Ｖｕｌ￣ｎｅｒａｂｉｌｉｔｙｏｆＳｏｕｔｈＡｆｒｉｃａｎａｎｉｍａｌｔａｘａｔｏｃｌｉｍａｔｅｃｈａｎｇｅ[Ｊ].ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙꎬ２００２ꎬ８(７):６７９－６９３.[３２]史超逸ꎬ朱媛君ꎬ萨拉ꎬ等.中国三种常见蒿属植物潜在地理分布及其主导气候因子[Ｊ].生态学杂志ꎬ２０２１ꎬ４０(０２):５１２－５２４.[３３]王征ꎬ张旭晖.野生动物觅食地选择的研究进展[Ｊ].生态学杂志ꎬ２０１４ꎬ３３(１１):３１５０－３１５６.[３４]颜忠诚ꎬ陈永林.动物的生境选择[Ｊ].生态学杂志ꎬ１９９８(０２):４３－４９.[３５]章敬旗ꎬ周友兵ꎬ徐伟霞ꎬ等.几种麝分类地位的探讨[Ｊ].西华师范大学学报(自然科学版)ꎬ２００４(０３):２５１－２５５.[３６]ＳＷＥＴＳＪＡ.Ｍｅａｓｕｒｉｎｇｔｈｅａｃｃｕｒａｃｙｏｆｄｉａｇｎｏｓｔｉｃｓｙｓｔｅｍｓ[Ｊ].Ｓｃｉ￣ｅｎｃｅꎬ１９８８ꎬ２４０(４８５７):１２８５－１２９３.[３７]ＹＡＮＧＱＳꎬＭＥＮＧＸＸꎬＸＩＡＬꎬｅｔａｌ.Ｃｏｎｓｅｒｖａｔｉｏｎｓｔａｔｕｓａｎｄｃａｕ￣ｓｅｓｏｆｄｅｃｌｉｎｅｏｆｍｕｓｋｄｅｅｒ(Ｍｏｓｃｈｕｓｓｐｐ.)ｉｎＣｈｉｎａ[Ｊ].ＢｉｏｌｏｇｉｃａｌＣｏｎｓｅｒｖａｔｉｏｎꎬ２００３ꎬ１０９(３):３３３－３４２.[３８]程志斌ꎬ张林源ꎬ张伟ꎬ等.鹿类动物被毛形态学研究进展[Ｊ].四川动物ꎬ２０１３ꎬ３２(０５):７９３－７９９.[３９]张洪茂ꎬ胡锦矗.川西北高原马麝(横断山亚种)的夏季生境选择[Ｊ].四川动物ꎬ２００４(０２):９８－１０３.[４０]段玮ꎬ段旭ꎬ樊风ꎬ等.青藏高原东南侧干湿季气候特征与成因[Ｊ].干旱气象ꎬ２０１５ꎬ３３(０４):５４６－５５４.(责任编辑:和力新ꎬ付强ꎬ李建忠ꎬ张阳ꎬ罗敏ꎻ英文编辑:周序林ꎬ郑玉才)１６５。
maxent参数
maxent参数MaxEnt参数是一种在自然语言处理中常用的机器学习算法，它可以用来进行文本分类、信息抽取、命名实体识别等任务。
本文将以人类的视角，从情感和个人经历的角度出发，介绍MaxEnt参数的应用和相关经验。
1. 引言在我曾经的一次工作经历中，我有幸接触到了MaxEnt参数，并亲自应用它来解决一个重要的文本分类问题。
在这篇文章中，我将分享我的经验和感受，希望能给读者带来一些启示和帮助。
2. MaxEnt参数的背景和原理MaxEnt参数是一种概率模型，它通过最大熵原理来选择最符合实际情况的概率分布。
在文本分类中，我们可以将每个文本看作是一个特征向量，而每个特征表示文本中的某个属性或关键词。
通过训练数据，MaxEnt参数可以学习到一个概率模型，用来预测新的文本的分类。
3. MaxEnt参数在情感分析中的应用情感分析是一种常见的自然语言处理任务，它可以判断文本中的情感倾向，比如积极、消极或中性。
我曾经使用MaxEnt参数来进行情感分析，通过训练数据，模型可以学习到不同情感类别的特征，从而对新的文本进行情感判断。
4. MaxEnt参数在个人经历中的应用除了情感分析，MaxEnt参数还可以应用于个人经历的分析。
我曾经使用MaxEnt参数来分析一组人的个人经历文本，通过训练数据，模型可以学习到不同经历之间的共性和差异，从而为每个人的个人经历做出预测和分析。
5. MaxEnt参数的优缺点和改进方向虽然MaxEnt参数在文本分类和分析中有着广泛的应用，但它也存在一些不足之处。
比如，它在处理大规模数据时可能会遇到计算和存储的问题。
此外，MaxEnt参数在训练过程中也需要大量的标注数据，这对于某些特定领域的任务可能会有一定限制。
为了解决这些问题，研究人员一直在努力改进MaxEnt参数，并提出了一些新的模型和算法。
6. 总结和展望通过我的工作经历和实践，我深刻体会到MaxEnt参数在文本分类和分析中的重要性和价值。
阈值面板数据模型的理论及应用
时变阈值
现有的模型通常假设阈值是固定的，但在实际应用中，阈值可能会随时间变化。因此，研究时变阈值的面板数据模型 将更具现实意义。
多阈值模型
在某些情况下，单一阈值可能无法充分捕捉数据的特征，需要引入多阈值模型。这方面的理论研究相对 较少，是一个值得探索的方向。
阈值效应的定义与性质
阈值效应
阈值效应（Threshold Effect）是 指某一变量达到一定阈值后，另 一变量的性质或行为发生显著变 化的现象。
非线性关系
阈值效应体现了变量之间的非线性 关系，这种关系在传统线性模型中 往往难以捕捉。
阈值的确定
确定阈值是阈值效应研究的关键问 题，常用的方法包括格子搜索、交 叉验证等。
阈值面板数据模型的建模方法
• 模型设定：在面板数据模型中引入阈值效应，需要设定适当的阈值函数，将面 板数据模型的参数与阈值相联系。
• 参数估计：阈值面板数据模型的参数估计通常采用最大似然估计（MLE）、 广义最小二乘（GLS）等方法。在估计过程中，需要考虑阈值的识别与估计。
• 模型检验：对于阈值面板数据模型的检验，主要包括阈值效应的存在性检验、 阈值估计的准确性检验等。这些检验有助于评估模型的适用性和预测能力。
最大似然估计法（MLE）
基于似然函数最大化来估计参数，适用于误差项分布已知或可以假 设的情况，具有较好的统计性质。
工具变量法（IV）
用于解决内生性问题，通过寻找与解释变量相关但与误差项无关的 工具变量来进行参数估计。
阈值效应的检验与识别
1 2 3
阈值存在性检验
Maxent模型Help文档中文版
Maxent模型由史蒂芬·菲利普斯、米罗·杜迪克和罗布·夏皮尔在普林斯顿大学美国艺术与技术与技术研究所实验室研究部和美国自然历史博物馆生物多样性与保护中心的支持下编写的物种地理分布最大熵建模项目。
感谢以下自由软件包的作者，我们在这里使用：ptolemy/plot, gui/layouts, gnu/getopt and com/mindprod/ledatastream.此页包含MaxEnt 程序的参考信息。
有关该方法的背景信息，请参阅以下两篇论文：Steven J. Phillips, Robert P. Anderson, Robert E. Schapire. Maximum entropy modeling of species geographic distributions. Ecological Modelling, V ol 190/3-4 pp 231-259, 2006.Steven J. Phillips, Miroslav Dudik. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography, V ol 31 pp 161-175, 2008.物种的模型由一组环境或气候层（或"覆盖"）确定，该层为景观中的一组网格细胞，以及一组已观测到该物种的样本位置。
该模型将每个网格单元的适用性表示为该网格单元环境变量的函数。
特定网格单元中函数的高值表示网格单元预测具有该物种的合适条件。
计算模型是所有网格单元格的概率分布。
选择的分布是受某些约束影响的最大熵分布：它必须对每个要素（从环境图层派生）具有与样本位置平均值相同的期望值。
输入、输出和参数输入文件、输出目录和算法参数可以通过用户界面或在命令行上指定。
基于MaxEnt模型的卧龙国家级自然保护区雪豹(Panthera uncia)适宜栖息地预测
基于MaxEnt模型的卧龙国家级自然保护区雪豹(Pantherauncia)适宜栖息地预测乔麦菊;唐卓;施小刚;程跃红;胡强;李文静;张和民【摘要】2013年11月到2016年3月,在卧龙自然保护区27个位点布设了红外相机,其中10个位点成功拍摄到雪豹影像,基于MaxEnt模型预测雪豹在卧龙的适宜栖息地.结果显示:雪豹的适宜栖息地面积为345 km2,占总面积的12％.其中,279 km2(81％)位于核心区,49 km2位于缓冲区,17 km2位于实验区.植被类型、年均温度和坡向是影响雪豹栖息地选择的主要环境因子.雪豹主要选择年均温度为-8 ～0℃的阳坡,最偏好的植被类型为草句.【期刊名称】《四川林业科技》【年(卷),期】2017(038)006【总页数】5页(P1-4,16)【关键词】雪豹;卧龙国家级自然保护区;适宜栖息地;MaxEnt模型【作者】乔麦菊;唐卓;施小刚;程跃红;胡强;李文静;张和民【作者单位】中国大熊猫保护研究中心,都江堰611830;四川卧龙国家级自然保护区管理局,汶川623000;四川卧龙国家级自然保护区管理局,汶川623000;四川卧龙国家级自然保护区管理局,汶川623000;四川卧龙国家级自然保护区管理局,汶川623000;四川卧龙国家级自然保护区管理局,汶川623000;中国大熊猫保护研究中心,都江堰611830【正文语种】中文【中图分类】S862;Q959.838雪豹(Panthera uncia)是全球濒危的大型猫科动物，仅分布于中国、俄罗斯、尼泊尔、蒙古等12个国家地处中亚的高山地区[1]。
雪豹占据食物链的顶端，其生存状况是整个山地生态系统健康状况的良好反映[2]。
栖息地是物种生存栖息的空间，是可以提供食物、庇护所和繁殖机会的场所。
保护物种的最好方法之一就是保护它们的栖息地[3]。
中国是世界上雪豹分布面积最大的国家，全球约60%的雪豹栖息地位于中国，总面积约44万km2[4, 5]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
maxent 模型的阈值
MaxEnt模型（最大熵模型）是一种用于分类和建模的概率模型，它在自然语言处理、计算机视觉和其他领域都有广泛的应用。
在MaxEnt模型中，阈值通常指的是决定分类的概率阈值。
在训练MaxEnt模型时，我们可以通过调整阈值来平衡模型的精确度和召回率。
较高的阈值会增加精确度但降低召回率，而较低的阈值则会增
加召回率但降低精确度。
另一方面，阈值也可以指在模型预测中用于判断正类和负类的
概率阈值。
在二分类问题中，我们可以根据具体的应用需求来调整
阈值，例如在医疗诊断中，我们可能更关注召回率，因此会选择较
低的阈值，以确保尽可能多的病例被检测出来；而在垃圾邮件过滤中，我们可能更关注精确度，因此会选择较高的阈值，以确保尽可
能少的正常邮件被误分类为垃圾邮件。
此外，MaxEnt模型中的阈值还可以根据具体的数据分布和应用
场景进行调整，以达到最佳的分类效果。
在实际应用中，通常需要
通过交叉验证等方法来选择最佳的阈值，以使模型在不同情况下都
能取得较好的性能表现。
总之，MaxEnt模型的阈值在实际应用中具有重要意义，它可以影响模型的分类性能和应用效果，因此需要根据具体情况进行合理的调整和选择。