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3 层级占有率模型的双层统计框架。该示意图展示了层级占有率模型的双层统计逻辑, 其核心在于通过对生态过程与观测过程的解耦, 有效校正物种调查中的不完全检测问题。左侧生态过程描述由环境因子驱动的真实占有状态(即潜变量z_i); 在此层级中, 样点的占有概率ψ受栖息地类型(如森林覆盖率、植被结构)、非生物因子及人为干扰等环境协变量的影响, 并采用logit链接函数进行建模。右侧观测过程则描述实际调查中的检测概率P, 该概率受调查努力(如调查时长、采样强度、重复次数)、天气条件及观测者经验等观测协变量的影响, 同样通过logit链接函数建立联系。由于观测结果y严格依赖于真实占有状态z (即仅在物种真实存在的条件下, 检测概率才具有生物学意义), 模型通过对z_i进行边缘化处理并构建联合似然函数。这一机制通过数学手段消除了假缺失(false absences)导致的估计偏差, 从而实现对物种真实分布的无偏估计。

正文中引用本图/表的段落

该估计过程在本质上实现了生态过程与观测过程的统计解耦(图3)。模型首先利用环境协变量预测真实占有率ψ, 再用观测协变量估计检测率P, 最后通过边缘似然将这两个过程的信息联合建模。这一框架的根本价值在于, 它能够有效分离环境因子对真实占有率ψ的生态影响与观测条件对检测率P的方法学影响, 从而在不完全检测的普遍条件下, 实现对物种真实分布的无偏推断。

然而, MaxEnt和GAM在处理大量环境协变量、快速生成预测分布图以及对数据要求(无需重复调查)方面更具效率。因此, 模型的选择应基于具体研究目的、数据类型与可用资源进行权衡: 对于需要精确量化真实占有率、监测种群动态和评估保护成效的研究, HOM是更优选择; 对于想要快速探索潜在分布、进行大尺度格局分析或数据仅包含存在记录的研究, 传统方法则更为高效。为直观对比, 附录3总结了这些主流模型的特点。

本文的其它图/表