基于气候格局绘制生物群系边界：一种机器学习框架

《Global Ecology and Biogeography》：Mapping Biome Boundaries From Climate Patterns: A Machine Learning Framework

　　## 摘要### 目的开发一种基于气候的概率框架，将全球生物群系作为气候域进行映射，并明确量化生物群系过渡带的空间分布和强度。### 地点全球陆地生物群系。### 方法我们训练了一个概率机器学习分类器，将生物群系与多元气候空间联系起来。我们利用香农熵量化每个网格单元的生物群系模糊性，将生态交错带确定为气候支持多种生物群系结果（即高熵值）的区域。我们将该框架应用于当前气候和中世纪气候预测，以评估气候变化下的潜在生物群系重组和生态交错带位移。### 结果模型再现了主要生物群系的广泛地理分布，尽管空间阻塞验证揭示了不同生物群系类别之间地理可迁移性的差异。高熵区域形成连贯的过渡带，与已知的生态交错带相吻合，包括森林—稀树草原边界、沙漠边缘、温带森林—草地过渡带以及北方森林—苔原界面。生物群系核心区显示出低熵值，而生态交错带则表现出弥散的概率结构和较高的气候敏感性。在中世纪气候条件（2041—2060年）下模型的预测识别了生物群系过渡的空间结构化模式，特别是从苔原到北方森林以及从北方森林到温带系统的转变，同时也突出了不确定性和模型分歧最大的区域。### 主要结论在气候概率空间中绘制生物群系地图，将生物群系边界重新定义为受重叠气候制度塑造的空间延展、可渗透区域。通过结合概率分类与基于熵的不确定性量化，我们的框架补充了传统生物群系地图，揭示了生物群系过渡的梯度结构和稳定性，并识别了气候变化最可能驱动生态重组的区域。所得到的过渡与不确定性表面为宏观生态学、生物地理学和进化研究提供了全球可比较的空间图层，包括将生态交错带与生物多样性格局、性状周转和谱系多样化联系起来的研究。---## 利益冲突作者声明不存在利益冲突。---## 数据可用性声明所有分析均在R 4.4.0版本中完成，使用了以下软件包：terra（Hijmans 2025）、sf（Pebesma 2018）、dplyr（Wickham等人 2025）、ranger（Wright和Ziegler 2017）以及ggplot2（Wickham等人 2024）。WorldClim 2.1版生物气候变量公开可在 https://www.worldclim.org/data/worldclim21.html 获取，世界自然基金会（WWF）世界陆地生态区数据集（Dinerstein等人 2017）可在 https://ecoregions.appspot.com 获取。支持本研究的所有数据产品和分析脚本，包括随机森林模型、预测生物群系地图、概率与熵栅格，以及用于数据准备和可视化的R脚本，均已存入Dryad数字存储库（Costa等人 2026）。