生态位模型中时间匹配的有效性：以低扩散物种墨西哥小耳鼩为例的启示

这篇综述探讨了生态位模型（ENM）中时间匹配对低扩散物种分布预测的影响，通过比较不同时间分辨率（1年、5年、10年）与标准30年平均法（STA）的模型性能，发现时间匹配方法能显著降低独立验证数据的遗漏率（OR-W），尤其适用于墨西哥小耳鼩（Cryptotis mexicanus）等低移动性物种。研究强调了时间匹配在提升模型精度和生态合理性中的潜力，为气候变化下的物种分布预测提供了新思路。

　　

引言

生态位模型（Ecological Niche Models, ENM）是评估物种潜在分布的核心工具，但传统方法依赖30年气候平均值（1971–2000），忽略了环境与观测时间的不匹配问题。这种时间错配可能导致模型精度下降，尤其对低扩散物种（如墨西哥小耳鼩Cryptotis mexicanus）影响显著。动态ENM（Dynamic ENM）通过匹配环境数据与观测时间（如1年、5年、10年窗口）可改善预测，但其在低移动性物种中的应用仍缺乏系统评估。

方法

研究以墨西哥小耳鼩为模型物种，比较STA与时间匹配方法（T01、T05、T10）的性能。数据包括1981–2010年的33条地理稀疏化记录和11,934个全日期驱动背景点（FDD背景）。气候数据源自Terraclimate，生成11种生物气候变量（如bio01年均温、bio12年降水）。模型通过Maxent构建，采用AIC_c选择最优复杂度，并通过重复k折交叉验证（1000次迭代）评估AUC、CBI和OR-W等指标。

结果

环境值比较显示，仅bio14（最干月降水）在T01与STA间存在显著差异（Wilcoxon检验）。模型性能上，时间匹配法的独立验证OR-W显著低于STA（差异达0.2），但其他指标（AUC、CBI）无显著差异。地理预测显示，T10方法更频繁预测独立验证点的适宜性（如Sierra de Otontepec和Los Mármoles国家公园），而T01出现不现实的孤立适宜区。

讨论

时间匹配法通过捕捉极端事件和短期气候波动，提升了低扩散物种的预测可靠性。例如，T10的较低OR-W表明其对历史数据的泛化能力更强。研究建议根据物种响应时间选择分辨率（如鼩鼱的330天世代时间），并整合遥感数据（如森林覆盖）以增强实时预测。未来方向包括结合气候突变事件评估和跨学科数据融合，为保护生物学提供动态工具。

进一步方向

时间匹配ENM在气候变化预测中潜力巨大：

1. 极端事件整合：短期分辨率可隐含极端气候的影响，避免长期平均的稀释效应。

2. 遥感协同：结合NDVI等动态变量可提升实时栖息地评估精度。

3. 跨物种应用：借鉴近缘物种的生态延迟数据优化分辨率选择。

研究证实，时间匹配不仅改善模型性能，还能揭示气候与种群响应的潜在时滞，为生物多样性保护提供更精准的决策支持。