文献类型：期刊文章

作　　者：季乾昭[1] 王荣兴[1,2,3] 黄志旁[1,2,3] 袁加红[1] 任国鹏[1,2,3] 肖文[1,2,3]

JI Qianzhao;WANG Rongxing;HUANG Zhipang;YUAN Jiahong;REN Guopeng;XIAO Wen(Institute of Eastern-Himalaya Biodiversity Research,Dali University,Dali 671003,China;Collaborative Innovation Center for Biodiversity and Conservation in the Three Parallel Rivers Region of China,Dali 671003,China;The Provincial Innovation Team of Biodiversity Conservation and Utility of the Three Parallel Rivers Region from Dali University,Dali 671003,China)

机构地区：[1]大理大学东喜玛拉雅研究院,大理671003 [2]中国三江并流区域生物多样性协同创新中心,大理671003 [3]大理大学三江并流区域生物多样性保护与利用省创新团队,大理671003

出　　处：《兽类学报》

基　　金：云南省应用基础研究计划面上项目(2015FB157);国家自然科学基金项目(31560599;31560118;31860164;31860168);云南省大学生创新创业项目(S-CXCY-2016-11)

年　　份：2019

卷　　号：39

期　　号：2

起止页码：126-133

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSCD、CSCD_E2019_2020、GEOBASE、JST、RCCSE、SCOPUS、ZGKJHX、ZR、核心刊

摘　　要：MaxEnt模型是过去几年最为流行的物种分布预测模型之一。针对一些濒危物种、入侵种和模拟数据的研究表明,MaxEnt模型均能在小样本的分布数据下得到较准确的预测结果。此外,研究范围的变化也会影响MaxEnt模型的构建。然而,基于动物的实际分布数据来评估MaxEnt模型的研究甚少。我们以黑白仰鼻猴(Rhinopithecus bieti)为例,以11个猴群的分布数据为训练数据(样本量从1到10个猴群),在不同研究范围内构建MaxEnt模型,通过其它5个的猴群分布数据验证,分析样本量和研究范围变化对模型准确度产生的影响。结果表明,随样本量和研究范围增大,MaxEnt模型准确度及稳定性都有增加。此外,研究范围变化对模型准确度有一定影响。应用Maxent进行物种分布预测时,训练数据应尽可能涵盖该物种可能出现的全部环境梯度。构建模型所需的背景数据点选择,应与建模使用的物种出现点形成有效对照。

关 键 词：物种分布预测模型  样本量 研究范围  准确度  黑白仰鼻猴

分 类 号：Q958]