基于随机森林和多重共线性分析的高性能物种栖息地适宜性指数模型设计

本文提出了一种优化的栖息地适宜性指数（HSI）模型，通过整合方差膨胀因子（VIF）进行多重共线性分析和随机森林（RF）算法进行变量选择与权重分配，有效提升了物种分布预测精度。该模型在西北太平洋柔鱼和西南阿根廷滑柔鱼渔业数据验证中显著优于传统方法，为海洋空间规划和渔业管理提供了更可靠的决策支持。

　　

Highlight

经典HSI建模步骤

栖息地适宜性指数（HSI）模型的开发通常包括三个主要步骤。第一步是选择纳入模型的栖息地变量，这些变量应能描述物种的生态特征（Valavanis等，2008）。通常使用相关分析和方差膨胀因子（VIF）等统计方法来选择潜在的栖息地变量（Yang等，2023；Han等，2021）。第二步是为每个选定的栖息地变量开发适宜性指数（SI）。

研究区域

我们选择了两种大洋性柔鱼科物种来测试和验证我们优化的HSI方法：西南大西洋的阿根廷滑柔鱼（Illex argentinus）和西北太平洋的柔鱼（Ommastrephes bartramii）。阿根廷滑柔鱼分布于西南大西洋的巴西、乌拉圭、阿根廷和福克兰/马尔维纳斯群岛附近海域（Wang等，2018）。阿根廷滑柔鱼具有高度的种群内分化程度（Arkhipkin, 2000），其种群结构可分为三个或更多群体。

环境变量的重要性排序与权重

经过初步筛选（保留VIF值小于10的变量，见表1）后，通过特征重要性排序，三个变量（0米层盐度 Sali_0、100米层温度 Temp_100 和海面高度 SSH）被认为是阿根廷滑柔鱼空间丰度的重要变量（图4A），而（0米层温度 Temp_0、0米层盐度 Sali_0 和海面高度 SSH）则被选为柔鱼的重要变量（图4B）。这些重要变量的权重是通过重新拟合的随机森林（RF）模型中的重要性比例计算得出的。Temp_100 对阿根廷滑柔鱼的权重最大，而 Temp_0 对柔鱼的权重最大。

讨论

在气候变化加速的背景下，仔细研究与具有生态和经济重要性的物种相关的栖息地分布，对于当前和未来的管理规划至关重要（Rogers等，2019）。本研究强调了在构建HSI模型时识别最佳环境预测因子并为其分配合适权重的重要性，并证实了权重方案显著影响检测到的物种分布模式。