ENMeval: Một gói R để thực hiện các đánh giá độc lập theo không gian và ước lượng độ phức tạp mô hình tối ưu cho các mô hình sinh cảnh sinh thái Maxent
Tóm tắt
Các nghiên cứu gần đây đã chỉ ra rằng cần phải nâng cao độ chính xác trong việc xây dựng và đánh giá các mô hình sinh cảnh sinh thái (ENM) dựa trên dữ liệu có mặt chỉ. Hai mục tiêu chính là cân bằng tính phù hợp của mô hình với độ phức tạp của mô hình (ví dụ: bằng cách ‘điều chỉnh’ các cài đặt mô hình) và đánh giá các mô hình với dữ liệu độc lập theo không gian. Những vấn đề này đặc biệt quan trọng đối với các tập dữ liệu bị ảnh hưởng bởi thiên lệch trong việc lấy mẫu, và cho các nghiên cứu yêu cầu chuyển giao các mô hình qua không gian hoặc thời gian (ví dụ: phản ứng với biến đổi khí hậu hoặc sự lan truyền của các loài xâm hại). Việc thực hiện hiệu quả các quy trình để đạt được những mục tiêu này, tuy nhiên, yêu cầu phải tự động hóa. Chúng tôi đã phát triển gói ENMeval, một gói R mà: (i) tạo ra các tập dữ liệu cho phép kiểm tra chéo k‐fold bằng một trong nhiều phương pháp phân chia dữ liệu có mặt (bao gồm các tùy chọn cho các phân chia độc lập theo không gian), (ii) xây dựng một loạt các mô hình ứng cử viên sử dụng Maxent với nhiều cài đặt do người dùng định nghĩa và (iii) cung cấp nhiều chỉ số đánh giá để hỗ trợ trong việc chọn cài đặt mô hình tối ưu. Sáu phương pháp để phân chia dữ liệu bao gồm jackknife n−1, k‐fold ngẫu nhiên (=bins), các fold do người dùng chỉ định và ba phương pháp phân chia theo cấu trúc địa lý có mặt. ENMeval định lượng sáu chỉ số đánh giá: diện tích dưới đường cong của đồ thị đặc điểm hoạt động của bộ thu cho các địa điểm thử nghiệm (AUCTEST), sự khác biệt giữa AUC huấn luyện và AUC kiểm tra (AUCDIFF), hai tỷ lệ thiếu sót cơ sở ngưỡng khác nhau cho các địa điểm thử nghiệm và tiêu chí thông tin Akaike điều chỉnh cho kích thước mẫu nhỏ (AICc). Chúng tôi đã chứng minh ENMeval bằng cách điều chỉnh các cài đặt mô hình cho tám loài cây thuộc chi Coccoloba ở Puerto Rico dựa trên AICc. Các chỉ số đánh giá đã thay đổi đáng kể giữa các cài đặt mô hình, và các mô hình được chọn với AICc khác với các mô hình mặc định. Tóm lại, ENMeval tạo điều kiện thuận lợi cho việc sản xuất các ENM tốt hơn và nên thúc đẩy nghiên cứu phương pháp trong tương lai về nhiều vấn đề nổi bật hiện có.
Từ khóa
Tài liệu tham khảo
Bawiec W.J. ed. (1999)Geology geochemistry geophysics mineral occurrences and mineral resource assessment for the Commonwealth of Puerto Rico: U.S. Geological Survey Open‐File Report 98‐038 available online only.
Hijmans R.J. Phillips S. Leathwick J.&Elith J.(2011)Package ‘dismo’. Available online at:http://cran.r-project.org/web/packages/dismo/index.html.