图/表详细信息

图片操作
显示大图下载下载为PPT文件

生物多样性评估挑战的层级占有率模型解决路径

吴春莹, Viorel D. Popescu, 季吟秋

生物多样性 2026, 34 (1): 25386-. DOI: 10.17520/biods.2025386

摘要（517）

HTML （6）

PDF（pc）（2449KB）（207）

面对全球第六次生物大灭绝的严峻形势, 准确评估物种分布和种群动态已成为生物多样性监测中的紧迫任务。传统生物多样性监测方法常因生物学固有的不完全检测问题而导致估计偏差, 为生物多样性保护带来挑战。本文深入阐释层级占有率模型(hierarchical occupancy models, HOM)如何通过分离生态过程(占有率ψ)与观测过程(检测率P)的双层统计框架, 实现对不完全检测的无偏校正。重点论述该模型在整合多源异构数据、捕捉种群动态(定殖率γ与灭绝率ε)和同时分析多物种关联性方面的独特应用优势。其产出的真实占有率、动态参数及相关衍生指标, 是支持系统保护规划(systematic conservation planning, SCP)的高效、可理解且可审计的决策工具。本文同时剖析了模型应用中的关键挑战及应对策略, 以期为生态学研究者提供方法论参考, 并为管理者与决策者将模型输出转化为保护行动提供分析路径与依据。

View image in article

图2 层级占有率模型(HOM)对不完全检测的校正效果模拟。(a)不同方法对占有概率(ψ)的估计对比(样本量n = 100)。朴素估计(naive estimate)由于忽略了不完全检测而系统性低估了占有率, 而模型估计(HOM)更接近真实值(true value)。(b)物种真实存在站点(sites with true presence)的检测频率分布。红色箭头指向的“0次发现”柱状图代表假缺失(false absences)现象, 即物种在该站点真实存在, 但由于检测概率P < 1导致调查结果为0, 这是占有率估计偏差的核心来源。

正文中引用本图/表的段落

为直观展示层级占有率模型对不完全检测的校正效果, 本文基于MacKenzie等(2002)的设置进行了模拟实验(图2)。设定100个调查站点(n = 100), 真实占有率ψ = 0.6, 检测率P = 0.4, 每站点重复调查5次。模拟结果显示, 朴素估计(naive estimate, 即至少检测到1次的站点比例)仅为0.48, 较真实值低估约20%。与之相对, HOM通过边缘似然函数联合估计ψ和P, 得到的估计值(

\hat{ψ}

= 0.534)更接近真实水平。R代码见附录1。图2揭示了朴素估计的系统性偏差源于对“假缺失”站点的忽略(即物种存在但5次调查均未发现, 见图2b的0次项)。该模拟证实, 忽略检测概率将导致严重的分布低估, 而HOM的双层框架能有效分离生态过程与观测过程。虽然在当前样本量(n = 100)下估计值仍存在一定的随机抽样误差, 但相比于严重的系统性偏差, HOM显著提升了参数估计的准确性。随着样本量的增加(如n = 500), 该模型的估计值将进一步收敛于真实值。

模拟实验结果表明, 在检测率为0.4且进行5次重复调查的设定下, 朴素估计法由于忽略了约8%的假缺失站点(图2b), 导致占有率被低估了20% (图2a)。相比之下, HOM通过整合检测概率, 显著降低了这种观测偏倚, 提供了更接近真实值的无偏估计。

本文的其它图/表