物种分布模型

物种分布模型 (SDM)，也称为环境（或生态）生态位建模 (ENM)、栖息地建模、预测性栖息地分布建模和范围映射，使用计算机算法使用环境数据预测物种在地理空间和时间上的分布。

环境数据通常是气候数据（例如温度、降水），但也可以包括其他变量，例如土壤类型、水深和土地覆盖。

SDM 用于保护生物学、生态学和进化的多个研究领域。这些模型可用于了解环境条件如何影响物种的出现或丰度，以及用于预测目的（生态预测）。

SDM 的预测可能是气候变化下物种的未来分布、物种过去的分布以评估进化关系，或入侵物种的潜在未来分布。

对当前和/或未来栖息地适宜性的预测可用于管理应用（例如，脆弱物种的重新引入或迁移、气候变化预期中的保护区安置）。

有两种主要类型的 SDM。

相关 SDM，也称为气候包络模型、生物气候模型或资源选择函数模型，将观察到的物种分布建模为环境条件的函数。

机械 SDM，也称为基于过程的模型或生物物理模型，使用独立获得的关于物种生理学的信息来开发物种可以存在的环境条件模型。

此类建模数据反映真实世界物种分布的程度将取决于许多因素，包括所用模型的性质、复杂性和准确性以及可用环境数据层的质量；可获得足够和可靠的物种分布数据作为模型输入；以及各种因素的影响，例如扩散障碍、地质历史或生物相互作用，这些因素会增加已实现生态位与基本生态位之间的差异。

环境生态位建模可被视为生物多样性信息学学科的一部分。

SDM 起源于相关模型。 相关 SDM 使用多元回归方法将观察到的物种分布建模为地理参考气候预测变量的函数。 给定一组地理参考观察到的物种存在和一组气候图，算法会找到一个物种最可能生活的环境范围。 相关 SDM 假设物种与其环境处于平衡状态，并且相关环境变量已被充分采样。 这些模型允许在有限数量的物种出现之间进行插值。

为了使这些算法有效，不仅需要收集物种存在的观察结果，还需要收集不存在的观察结果，即物种不存在的地方。

物种缺失的记录通常不像存在的记录那么普遍，因此通常使用随机背景或伪缺失数据来拟合这些模型。

如果物种出现的记录不完整，伪缺失会引入偏差。由于相关 SDM 是物种观察到的分布模型，因此它们是已实现生态位的模型，而不是基本生态位适合生存）。对于给定物种，已实现生态位和基本生态位可能相同，但如果物种由于扩散限制或物种相互作用而在地理上受到限制，则已实现生态位将小于基本生态位。