学习笔记：Maxent的示例运行及部分结果解释

文件准备

Samples文件

1. .csv格式
2. 通常为三列，分别为“物种”、“经度”、“纬度”

Tips： 默认情况下会删除重复项（同一网格单元中同一物种的多个记录），可以通过设置取消

Environmental layers（栅格）文件

1. .asc格式
2. 必须具有相同的地理边界和单元格大小

运行示例

1、导入Samples（csv格式）、Environmental layers（asc格式/也可以直接选择包含asc文件的文件夹）
2、勾选

3、设置结果存储路径-Output directory
4、Setting 中 Random test percentage 设置为25，即随机留出25%的样本用于检验
5、单击Run

Tips:

• 每次在相同的数据集上运行Maxent时，都会使用相同的随机样本，除非在Settings选择了“Random seed”选项。
• 一个或多个物种的测试数据可以在一个单独的文件中提供，方法是在Settings指定“Test sample file”的名称。
• 支持四种模式的输出： raw, cumulative,logistic,Cloglog. 默认为Cloglog
• logistic给出了存在概率在0~1之间的估计

结果解释

模型拟合评价指标 gain

• 与deviance相似
• gain随着模型的运行由0沿渐近线逐渐增加
• 在这个过程中，maxent形成一个概率分布，从均匀分布开始逐渐提高对数据的拟合程度
• gain为存在样本的平均对数概率，可减去一个常数使均匀分布gain为0(?)
• gain在模型运行结束时表示，在存在样本周围的集中程度如何
• 若gain为2，表示模型对存在样本判断正确的平均可能性高于随机模型exp(2)≈7.4倍