学习笔记——ENM模拟

学习笔记——ENM模拟

---

前言

学习文献里的方法，初步了解一下什么是ENM模拟

文献名称：
《基于MaxEnt模型和ArcGIS预测多肋藻在中国海域的适生分布特征》

---

一、文献一

1. 材料与方法

1.1. 大致概念

本研究采用MaxEnt 模型预测多肋藻在我国的适生情况, 并探究不同因子对多肋藻孢子体生长的影响,旨在为开展多肋藻栽培提供支撑。

---

关键词: 多肋藻; MaxEnt; ArcGIS; 生态风险; 适生分布

---

物种分布模型(species distribution model, SDM)
主要是根据物种特定的生存环境及存在的分布位点, 通过模型的数学算法模拟出其基本生态位, 可解释为物种出现的概率分布或生境适宜度等。

目前应用较广的 SDM有 BIOCLIM、CLIMEX、DOMAIN、GAM、GARP、MaxEnt、ENFA 等。

---

MaxEnt (maximum entropy)模型
是基于最大熵理论, 即假设物种在没有约束的情况下, 会尽最大可能扩散蔓延, 接近均匀分布。最大熵模型以物种仅存在分布信息及相关环境因子信息, 依靠数学模型来推算物种的生态需求, 并模拟物种在目标区域的适生概率。

---

1.2. 生态模型的构建

所采用的生态位预测模型为最大熵模型MaxEnt 3.4, 运用 ArcGIS 10.2 划分适生区

1.2.1. 数据来源：

---

物种分布数据
分布信息来源: 全球生物多样性信息网络 GBIF (https://www.gbif.org/zh/)和文献资料, 选取明确位置的分布点, 并通过地名数据库 GNDB（https://dmfw.mca.gov.cn/index.html）查验经纬度坐标信息。

最后整理成物种名–经度–纬度形式, 保存为*.CSV 格式文件

---

环境变量数据

来源于全球海洋生物扩散模型环境数据库 Bio-ORICLE (https://bio-oracle.org/)中基于 2000─2014 年期间月平均值的气候数据编制的图层, 其空间分辨率为 5 arcmin (约为9.2 km), 下载格式为*.asc 格式。选择影响海洋藻类分布的 42 项环境参数。

---

地图数据

选用 1∶400 万中国省级行政区图作为分析地图, 从国家基础地理信息系统网站(http://www.ngcc.cn/ngcc/)下载

推荐文章：
国家基础地理信息中心行政边界等矢量数据免费下载保姆级教程–关于地理数据收集与处理的基本工具推荐(7)

---

1.2.2. 数据处理：

---

分布数据的空间过滤

物种分布点的数据通过 Excel 删除重复点后, 将剩余分布位点导入 ArcGIS 中, 通过投影工具, 对分布点建立以 m 为单位的坐标系, 并以每个分布点为中心, 建立半径为 5 km 的圆型区域进行邻域分析,
删去重叠交叉的分布簌, 随机保留其中一个位点, 将最终保留下的分布点数据用于模型构建。

---

环境变量的相关性检验与筛选

下载ArcGIS软件：

https://zhuanlan.zhihu.com/p/670775519

下载 MaxEnt软件：

http://lucky-boy.ysepan.com/
（注意：这个网站有许多生物信息学相关资源。强烈推荐）

1.2.3. 模型参数优化：

---

正则化参数的优化

---

(训练集 : 测试集)比值的优化

设置 4 组训练集与测试集组合(50 : 50、70 : 30、75 : 25、80 : 20),
正则化参数取上述 8 组不同系数经 5–折交叉验证
后的最佳 β 值, 环境变量同上筛选, 并选择
随机种子设置, 其余参数为系统默认值, 每组重复
运行 10 次, 比较各组的平均测试 AUC 值, 选择最
高 AUC 值的训练集: 测试集组合用于模型构建

---

1.3. 适生情况预测

多肋藻在我国适生情况预测

1.3.1. 预测模型构建

将经 1.2.2处理的分布点、环境变量数据分别导入 MaxEnt 模型, 根据 1.2.3化结果设置正则化参数 β 以及训练集: 测试集参数, 构建环境变量响应曲线, 并采用刀切法检测环境变量的贡献值, 以 logistic 格式输出概率分布预测图。

---

1.3.2. 适生区划分

1.4. 模型的评估与验证

2. 结果与分析

结果与分析

2.1. 预测模型的构建

---

环境变量筛选

---

正则化参数的交叉验证和(训练集 : 测试
集)比值的筛选

---

2.2. 潜在的适生分布预测

2.3. 生态模型的评估与验证