将机器学习与物种分布模型相结合，用于预测中国新疆地区Marmota baibacina（一种鼠兔）的潜在危害区域

《Frontiers in Ecology and Evolution》：Integrating machine learning and species distribution models for predicting the potential hazard areas of Marmota baibacina in Xinjiang, China

气候变化与人类活动加剧导致中亚高海拔物种Marmota baibacina栖息地分布显著变化，其啃食和洞穴活动加剧草地退化与土壤侵蚀，同时作为鼠疫主宿主威胁公共卫生。研究集成XGBoost、RF、SVM、LogBoost和MaxEnt五类模型，基于111个分布记录和29个环境变量（包括Bio18降水、Bio2温度日较差等关键因子），预测当前及未来气候情景（SSP126、SSP370、SSP585）下栖息地分布。结果显示当前适宜栖息地主要分布于北天山和伊犁地区，总面积2.75万至13.59万平方公里；未来所有情景下栖息地均缩减，南部天山在SSP585下收缩尤为显著。模型验证表明RF最优，AUC达0.981，关键驱动因素为Bio18（降水）、Bio2（温度日较差）、Bio11（低温）及土壤类型。研究提出需平衡高海拔生态系统保护与鼠疫防控，为新疆牧区可持续发展提供科学依据。

　　随着全球气候变化和人类活动的加剧，物种的分布模式正在经历显著的变化。这些变化不仅影响生态系统的结构和功能，还对人类健康和社会经济产生深远影响。在这一背景下，研究高海拔地区代表性关键物种——如Marmota baibacina（鼠兔）的分布动态变得尤为重要。Marmota baibacina作为一种重要的生态系统工程师，其挖掘和食草行为对植被退化和土壤侵蚀有显著影响。同时，它还是鼠疫耶尔森菌的主要宿主，对公共卫生构成威胁。因此，准确预测其潜在分布范围，有助于评估气候变化对生态系统和人类健康的长期影响。

本研究采用五种机器学习模型（XGBoost、Random Forest、Support Vector Machine、LogBoost）以及MaxEnt模型，结合111个Marmota baibacina的出现记录和涵盖气候、地形、土壤和植被等维度的29个环境变量，对Marmota baibacina在当前（1970–2000）和未来（2041–2100）的分布进行预测。这种多模型集成的方法不仅能够捕捉不同环境变量对物种分布的影响，还能够通过交叉验证减少预测偏差，提高模型的可靠性。研究还考虑了三种不同的气候情景（SSP126、SSP370、SSP585），这些情景代表了不同的人类活动和温室气体排放路径，从而为未来气候变化对物种分布的影响提供了多层次的评估。

研究结果表明，所有五种模型都表现出较高的预测准确性，其AUC值均超过0.9。这说明这些模型在评估Marmota baibacina的分布方面具有较高的可靠性。通过筛选29个环境变量，机器学习模型识别出10个关键变量，而MaxEnt模型选择了16个变量。这些变量对模型预测的贡献率和重要性评分，揭示了影响Marmota baibacina分布的主要环境因子。例如，Bio18（最暖季度的降水量）、Bio2（日温度范围）、Bio11（最冷季度的温度）和Bio15（降水季节性）在机器学习模型中表现出较高的贡献率，而MaxEnt模型则更强调坡度、NDVI（归一化植被指数）和Bio18。这表明，不同模型在识别环境变量的重要性方面存在差异，这可能与模型的理论基础和数据处理方式有关。

在当前气候条件下，Marmota baibacina的潜在适宜栖息地主要集中在新疆的天山中部，核心分布区域包括巴音郭楞蒙古自治州（和静县）、伊犁哈萨克自治州和博尔塔拉蒙古自治州的西部地区。五个模型预测的适宜栖息地面积范围从2.75×10⁴ km2到13.59×10⁴ km2。这一结果突显了Marmota baibacina在天山地区的分布具有一定的空间异质性，同时也反映了不同模型对适宜栖息地面积的预测存在差异。其中，Random Forest模型预测的适宜面积最大，而MaxEnt模型预测的适宜面积最小，这可能与其对数据的处理方式和模型的结构有关。

未来气候情景的预测结果显示，Marmota baibacina的适宜栖息地面积整体呈下降趋势，尤其在SSP585高排放情景下，天山南部地区的适宜栖息地收缩尤为明显。这一趋势可能与全球变暖导致的气候条件变化密切相关。随着气温升高和降水模式的改变，Marmota baibacina的适宜栖息地可能向更高海拔区域迁移，从而导致其分布范围的压缩和生态系统的进一步退化。此外，气候变化还可能加剧鼠兔与家畜之间的竞争，特别是在植被退化严重的地区，这种竞争可能导致资源的进一步枯竭，进而影响牧民的生计。

从生态学角度来看，Marmota baibacina的分布不仅受到气候因素的影响，还与地形、土壤类型和植被覆盖密切相关。例如，坡度在2°至8°之间被认为是最适宜的，而土壤类型如高山草甸土和草原土壤对鼠兔的生存至关重要。这些因素共同作用，决定了Marmota baibacina的分布模式。此外，NDVI（归一化植被指数）的最优范围在0.1至0.55之间，表明植被生产力对鼠兔的生存具有重要意义。当NDVI值低于0.1时，植被稀疏，不利于鼠兔的觅食和栖息；而当NDVI值高于0.55时，植被过于密集，可能限制鼠兔的活动空间和种群密度。

从公共卫生角度来看，Marmota baibacina作为鼠疫耶尔森菌的主要宿主，其分布变化可能对鼠疫的传播产生重要影响。特别是在牧区，鼠兔与人类和家畜的接触频率较高，这增加了鼠疫传播的风险。因此，准确预测鼠兔的分布不仅有助于生态系统的保护，还能为鼠疫防控提供科学依据。

本研究还发现，不同模型在预测Marmota baibacina的分布时表现出不同的偏好和性能。例如，Random Forest模型因其强大的非线性关系建模能力和对高维数据的适应性，预测了最大的适宜面积。相比之下，MaxEnt模型虽然在处理仅存在数据时表现优异，但在处理需要存在-缺失数据的模型时，其预测结果相对保守。这可能是因为MaxEnt模型更依赖于环境变量的直接贡献，而机器学习模型则能够捕捉变量之间的复杂相互作用。

此外，本研究还强调了生态模型在预测物种分布时的局限性。例如，伪缺失点的随机生成可能导致空间偏差，而仅使用单一的气候情景数据可能无法全面反映物种的适应性和迁徙能力。因此，未来的研究应考虑使用更精细的环境变量筛选方法，以及结合多模型的集成方法，以提高预测的准确性和生态合理性。

总体而言，本研究不仅揭示了Marmota baibacina在新疆天山地区的分布模式及其对气候变化的响应，还为生态保护和公共卫生管理提供了科学依据。研究结果表明，Marmota baibacina的适宜栖息地面积和分布范围将受到未来气候变化的显著影响，特别是在高排放情景下，其分布可能进一步缩小。这种变化可能加剧生态系统的退化，增加鼠疫传播的风险，对牧区的可持续发展构成挑战。因此，针对Marmota baibacina的保护和管理策略需要综合考虑生态和公共卫生因素，以实现生态保护与人类健康的平衡。