基于多准则分析与站点加权的MaxEnt模型可靠性提升研究——以地中海入侵物种Caulerpa cylindracea为例

这篇研究通过整合站点加权性能指标与多准则决策分析，显著提升了MaxEnt模型在预测入侵物种分布中的可靠性。针对地中海危险入侵藻类Caulerpa cylindracea的案例研究表明，该方法有效平衡模型解释力与可转移性，量化外推风险（MOP分析）和分类不确定性（maxSSS阈值敏感性），为气候变化下的生物入侵管理提供动态优先级评估工具（如年度适宜性地图）。

　　

引言

入侵物种(IAS)对地中海生态系统的威胁日益严峻，其中绿藻Caulerpa cylindracea因其快速扩散能力和生态破坏性成为典型代表。传统生态位模型(ENM)存在采样偏差、过拟合和不确定性量化不足等问题。本研究提出创新框架，通过改进MaxEnt模型的多准则分析流程，结合站点加权指标和delta度量（衡量模型对权重方案的依赖性），为入侵物种管理提供更可靠的预测工具。

材料与方法

研究区域覆盖整个地中海盆地（30.21°–45.97°N，-5.97°–36.28°E），空间分辨率1/24度（约16.7 km²）。从Copernicus Marine Service等平台获取2000–2050年环境数据，筛选8个低共线性变量（如表层最大温度、底部盐度最大值等）。物种分布数据整合自EASIN、GBIF和公民科学项目Reef Check Med，通过阈值过滤获得449个存在点和25,740个背景点。

模型构建采用1240种MaxEnt超参数组合（正则化乘数0.5–20，特征类包含线性、铰链等），通过5折地理屏蔽交叉验证。创新性引入：

1. 站点加权指标：利用物种丰度数据加权验证集，降低空间自相关影响

2. Delta度量：|METRIC_加权-METRIC_未加权|评估模型稳定性

3. CRITIC-TOPSIS多准则决策：基于6组指标（加权/未加权交叉验证、独立测试等）客观筛选最优模型

结果

最优模型（铰链特征类，正则化乘数7.0）展现卓越性能：

• 低外推风险：仅0.21%未来预测区域属于"严格外推"（MOP分析）

• 响应曲线生态合理性：与已知生理特征吻合，如最适温度24°C（超过27°C急剧下降）

• 未来适宜性下降：高适宜区(HS)面积显著减少（Mann-Kendall检验p<0.05），尤其在西地中海和爱琴海

阈值敏感性分析揭示：

• 亚得里亚海等新入侵区分类不确定性最高（阈值变化导致HS→MS/LS转变）

• 年度投影显示HS区持续萎缩，非适宜区(NS)扩张

讨论

模型选择启示：传统指标（如AUC）易受数据偏差影响，而加权SEDI和CBI结合delta度量能更准确识别稳健模型。管理应用价值：

• 年度适宜性地图可动态优化防控资源分配

• 阈值敏感性区域（如北亚得里亚海）需保守管理策略

• 温度升高可能限制藻类扩散，但需警惕隐形态（28°C以上）的监测盲区

结论与展望

该框架通过：

1. 整合生态辅助数据（丰度）提升模型可靠性

2. 量化空间显式不确定性（MOP+阈值波动分析）

3. 提供时间动态预测（2000–2050年度趋势）

未来需优化计算效率，并纳入物种适应性进化等机制模型。该方法的模块化设计可扩展至其他入侵物种研究，为地中海生态系统保护提供决策支持。