12  生态学建模与数据生成方法

12.1 引言

在生态学研究中，有些问题是无法通过直接观测或实验来回答的。例如，未来100年气候变化对全球森林碳汇的影响，或者某种入侵物种在整个大陆尺度的扩散路径。在这种情况下，生态学模型（Ecological Modeling）成为了不可或缺的工具。模型不仅是理解系统的手段，更是一种重要的”数据生成器”，它能够产生跨越时空限制的虚拟数据，帮助我们探索”如果……会怎样”的情景。

生态学建模的本质是用数学语言描述生态系统的结构与过程。从逻辑斯蒂增长模型（Logistic Growth Model）到最大熵生态位模型（MaxEnt），从单物种种群动态到多营养级食物网模型，建模技术的发展始终与生态学理论演进紧密交织（Case, 2000, An Illustrated Guide to Theoretical Ecology, Oxford University Press）。在本章中，我们将系统介绍生态学建模的基本框架、数据生成流程，并重点演示两类与生态学研究生科研实践密切相关的模型：种群动态模型和物种分布模型（SDM）。

12.2 模型作为”数据生成器”

模型生成的数据（Model-Generated Data）是指通过数学方程或计算机算法模拟生态过程而产生的结果。

  • 输入数据：模型需要真实的观测或实验数据作为初始条件和参数。
  • 输出数据：模型运行产生的预测值、模拟序列或空间分布图。这些输出在经过验证后，可以作为科学研究和政策制定的重要依据。

12.2.1 为什么生态学家需要模型生成数据？

  1. 时空尺度的跨越：野外实验往往受限于有限的时空范围。例如，气候变化对森林演替的影响需要数十年甚至数百年的观测，而模型可以在数分钟内模拟这一过程。
  2. 不可逆实验的替代：某些生态学实验（如外来物种引入）一旦实施就无法撤回，模型可以在实验前评估潜在风险。
  3. 数据稀缺场景的推断：对于濒危物种或未调查区域，模型可以利用已有数据和环境变量关系进行空间推断。

12.3 主要的生态学模型类型

12.3.1 1. 统计模型 (Statistical Models)

利用统计学方法（如线性回归、广义线性模型、机器学习）寻找变量间的数学关系。

  • 特点：侧重于相关性，对历史数据依赖性强。
  • 应用：物种分布模型（SDMs），预测物种在未来气候条件下的潜在栖息地。

12.3.2 2. 机理模型 (Process-based Models)

基于对生态系统内在机制（如光合作用、养分循环、能量流动）的理解，用微分方程或规则来描述系统。

  • 特点：具有较强的生物学解释力，能够预测超出历史经验范围的情景。
  • 应用：植被动态模型（DGVMs），模拟全球植被对大气CO₂浓度升高的响应。

12.3.3 3. 个体为本模型 (Agent-Based Models, ABM)

个体为本模型（ABM）是一种”自下而上”的建模方法，通过模拟大量具有独立决策能力的个体（agent）及其相互作用，来观察宏观层面的群体模式如何从微观行为中”涌现”（emerge）出来。这种方法特别适合研究复杂系统中个体异质性和空间结构的影响。

核心特征：

  1. 个体异质性：每个个体可以有不同的属性（如年龄、性别、能量储备）和行为规则
  2. 局部交互：个体只与邻近的其他个体或环境交互，而非全局平均
  3. 涌现现象：宏观模式（如种群聚集、迁徙路径）从微观规则中自发产生，而非预先设定
  4. 空间显式：个体在空间中有明确位置，空间结构影响交互模式

与传统模型的对比：

特性 传统统计模型 个体为本模型
建模视角 自上而下（群体平均） 自下而上（个体行为）
个体差异 忽略或平均化 显式建模
空间结构 通常忽略 空间显式
预测能力 依赖历史数据 可预测新情景
计算复杂度 较低 较高（需模拟大量个体）

生态学应用场景：

  1. 动物迁徙路径模拟：模拟候鸟在迁徙过程中的觅食、休息和导航决策，预测气候变化对迁徙路线的影响
  2. 流行病传播：模拟野生动物种群中疾病的空间传播过程，评估不同防控策略的效果
  3. 森林演替：模拟单株树木的生长、竞争和死亡，预测森林群落的长期动态
  4. 捕食者-猎物互作：模拟捕食者和猎物的空间追逐过程，研究空间避难所对种群稳定性的影响

经典案例——Schelling 隔离模型在生态学中的启示：

Schelling 模型最初用于研究城市种族隔离，但其原理可应用于生态学。假设两种物种（如两种鸟类）对邻居的偏好略有不同，即使个体只有轻微的”喜欢同类”倾向，也会在空间上形成显著的聚集模式。这揭示了生态位分化和物种共存的微观机制。

ABM 的优势与局限：

优势： - 可以模拟复杂的个体行为和决策过程 - 能够研究空间异质性和局部交互的影响 - 适合探索”如果…会怎样”的情景问题

局限： - 参数众多，校准困难（每个个体可能有多个参数） - 计算成本高（模拟数千个个体需要大量计算资源） - 结果对初始条件和随机性敏感，需要多次重复模拟

常用 ABM 工具：

  • NetLogo：图形化界面，适合教学和快速原型开发
  • Mesa (Python)：Python 库，适合与数据分析流程集成
  • Repast (Java)：适合大规模并行计算

生态学案例：某研究团队用 ABM 模拟了马尾松林中松材线虫病的传播过程。模型中每棵树是一个个体，具有健康状态、树龄和空间位置属性。媒介昆虫（松墨天牛）在树木间移动并传播病原体。模拟结果显示，即使只有 5% 的树木被感染，疾病也会在 10 年内扩散到整个林分，但如果及时清除病树并设置隔离带,可以有效控制传播。这一结果为森林病虫害防控提供了科学依据。

扩展记录: 2026-04-11 | 扩展者：Clawd | 目标字数：800+

12.3.4 4. 地球系统模型 (Earth System Models)

集成大气、海洋、陆地生态系统的超大规模数值模拟系统。

  • 特点：处理全球尺度的复杂反馈关系。
  • 应用：IPCC气候变化评估报告中的生态系统响应预测。

12.4 模型数据的生成流程

  1. 参数化 (Parameterization)：利用实测数据确定模型中的关键参数（如生长速率、死亡率）。
  2. 模拟运行 (Simulation)：设定初始状态和驱动因子（如气象数据），运行模型生成模拟数据。
  3. 情景分析 (Scenario Analysis)：通过改变输入条件（如不同的减排情景），生成多组对比数据，评估不同政策或环境变化的影响。

12.5 模型数据的验证与不确定性

模型生成的数据并非”真实”数据，其可靠性取决于：

  • 模型校准 (Calibration)：调整参数使模型输出尽可能接近已知的观测值。
  • 模型验证 (Validation)：使用未参与建模的独立数据集来检验模型的预测准确性。
  • 不确定性分析：识别由于参数误差、模型结构缺陷或输入数据质量导致的结果波动。

12.6 种群动态模型：逻辑斯蒂增长与Ricker模型

种群动态是生态学最基础的研究主题之一。理解种群如何随时间变化，对于野生动植物管理、生物多样性保护、入侵物种防控等领域具有直接的应用价值。

12.6.1 1. 逻辑斯蒂增长模型 (Logistic Growth Model)

逻辑斯蒂模型假设资源有限，种群增长呈S型曲线，密度制约效应使增长率随种群规模增加而下降。其微分形式为：

\[\frac{dN}{dt} = rN\left(1 - \frac{N}{K}\right)\]

其中：\(N\) 为种群大小，\(r\) 为内禀增长率，\(K\) 为环境容纳量。

R代码实现：

library(tibble)
library(ggplot2)
library(dplyr)

# 定义逻辑斯蒂增长函数
logistic_growth <- function(N0, r, K, t) {
  # N(t) = K / (1 + ((K - N0) / N0) * exp(-r * t))
  K / (1 + ((K - N0) / N0) * exp(-r * t))
}

# 参数设置
N0 <- 10       # 初始种群大小
r <- 0.3       # 内禀增长率
K <- 500       # 环境容纳量
t_max <- 50    # 模拟时间步

# 生成时间序列
time_steps <- 0:t_max
N_sim <- logistic_growth(N0, r, K, time_steps)

# 创建数据框
logistic_df <- tibble(
  time = time_steps,
  population = N_sim
)

# 可视化
ggplot(logistic_df, aes(x = time, y = population)) +
  geom_line(color = "steelblue", linewidth = 1) +
  geom_hline(yintercept = K, linetype = "dashed", color = "gray40") +
  annotate("text", x = t_max * 0.7, y = K + 20, label = "K (环境容纳量)") +
  labs(
    x = "时间 (年)",
    y = "种群大小 N(t)",
    title = "逻辑斯蒂增长曲线",
    subtitle = paste0("N0 = ", N0, ", r = ", r, ", K = ", K)
  ) +
  theme_minimal()
Note逻辑斯蒂模型的两个关键阈值
  • 拐点 (\(N = K/2\))：种群增长速率达到最大，之后开始下降
  • 环境容纳量 (\(K\))：种群长期平均规模的上限

12.6.2 2. Ricker模型：考虑过度补偿效应

Ricker模型在逻辑斯蒂基础上增加了过度补偿（overcompensation）效应，即种群在低密度时可能超调K值，导致振荡：

\[N_{t+1} = N_t \cdot e^{r\left(1 - \frac{N_t}{K}\right)}\]

R代码实现：

# Ricker差分方程模型
ricker_model <- function(N0, r, K, t_max) {
  N <- numeric(t_max + 1)
  N[1] <- N0
  for (t in 1:t_max) {
    N[t + 1] <- N[t] * exp(r * (1 - N[t] / K))
  }
  return(N)
}

# 参数设置：不同的r值展示不同动态
params <- list(
  "低增长率 (r=0.5)" = list(r = 0.5, K = 500, color = "steelblue"),
  "中增长率 (r=1.5)" = list(r = 1.5, K = 500, color = "forestgreen"),
  "高增长率 (r=2.5)" = list(r = 2.5, K = 500, color = "darkorange"),
  "混沌动态 (r=3.5)" = list(r = 3.5, K = 500, color = "firebrick")
)

# 模拟不同r值的种群动态
ricker_df <- lapply(names(params), function(name) {
  p <- params[[name]]
  N <- ricker_model(N0 = 50, r = p$r, K = p$K, t_max = 100)
  tibble(
    time = 0:100,
    population = N,
    scenario = name,
    color = p$color
  )
}) |> bind_rows()

# 可视化种群动态
ggplot(ricker_df, aes(x = time, y = population, color = scenario)) +
  geom_line(linewidth = 0.8) +
  geom_hline(yintercept = 500, linetype = "dashed", alpha = 0.5) +
  scale_color_manual(values = setNames(sapply(params, `[[`, "color"), names(params))) +
  labs(
    x = "时间 (年)",
    y = "种群大小 N(t)",
    title = "Ricker模型的种群动态",
    color = "情景"
  ) +
  theme_minimal() +
  theme(legend.position = "bottom")
TipRicker模型的生态学意义

当 \(r > 2.692\) 时，Ricker模型进入混沌动态——这意味着长期种群预测变得不可能，但短期内仍可管理。这一发现对渔业管理（如MSY最大可持续产量）有重要启示。

12.6.3 3. 矩阵模型 (Leslie矩阵)

对于具有年龄或阶段结构的种群，需要使用矩阵模型来描述不同阶段之间的转移概率：

\[\mathbf{N}_{t+1} = \mathbf{A} \cdot \mathbf{N}_t\]

R代码实现：

library(expm)  # 矩阵指数运算

# 定义Leslie矩阵（假设三阶段：幼体、亚成体、成体）
# 行：下一个阶段
# 列：从当前阶段转移
leslie_matrix <- matrix(c(
  0,    0,    0.8,   # 幼体：来自成体的繁殖
  0.5,  0,    0,     # 亚成体：来自幼体的存活
  0,    0.7,  0.9    # 成体：来自亚成体和成体的存活
), nrow = 3, ncol = 3, byrow = TRUE)

# 初始种群向量：100幼体、50亚成体、30成体
N0_vec <- c(100, 50, 30)

# 模拟30年的种群动态
n_years <- 50
pop_matrix <- matrix(NA, nrow = 3, ncol = n_years + 1)
pop_matrix[, 1] <- N0_vec

for (t in 1:n_years) {
  pop_matrix[, t + 1] <- leslie_matrix %*% pop_matrix[, t]
}

# 转换为长格式数据
stage_names <- c("幼体", "亚成体", "成体")
pop_df <- tibble(
  year = rep(0:n_years, each = 3),
  stage = rep(stage_names, times = n_years + 1),
  population = as.vector(pop_matrix)
)

# 可视化
ggplot(pop_df, aes(x = year, y = population, color = stage)) +
  geom_line(linewidth = 1) +
  labs(
    x = "时间 (年)",
    y = "种群大小",
    title = "三阶段种群的年龄结构动态 (Leslie矩阵模型)",
    color = "生命阶段"
  ) +
  theme_minimal() +
  theme(legend.position = "bottom")

# 计算种群增长率和稳定阶段分布
eigen_result <- eigen(leslie_matrix)
lambda <- max(Re(eigen_result$values))  # 主导特征值 = 种群增长率
stable_stage <- Re(eigen_result$vectors[, which.max(Re(eigen_result$values))])
stable_stage <- stable_stage / sum(stable_stage)  # 归一化

cat("种群增长率 (λ) =", round(lambda, 4), "\n")
cat("稳定阶段分布:", round(stable_stage * 100, 1), "%\n")
Note矩阵模型的实际应用

矩阵模型（如Lefkovitch矩阵、Leslie矩阵）广泛应用于濒危物种的生命周期分析。例如，树木的芽库-幼苗-成体转移矩阵、昆虫的卵-幼虫-蛹-成虫矩阵等。popbio 包提供了专门的分析函数。

12.7 物种分布模型 (Species Distribution Models, SDM)

物种分布模型是生态学研究中应用最广泛的统计建模技术之一。其核心思想是：根据已知物种分布点（presence）和环境变量（如气候、土壤、地形），建立物种”在哪里可能存在”的预测模型。

12.7.1 基本原理

SDM假设物种的当前分布是其生态位（niche）的映射。通过分析已知分布点的环境特征，模型可以推断物种的生态位边界，进而预测在其他地点的存在概率。

SDM类型繁多，本章重点介绍两类：

  1. MaxEnt（最大熵模型）：基于Presence-only数据，适合调查不充分的物种
  2. GLM/GAM（广义线性/可加模型）：基于Presence-Absence数据，适合调查设计完善的数据

12.7.2 数据准备：模拟物种分布数据

在实际研究中，物种分布数据可能来自： - 样方调查（presence/absence） - 公民科学数据库（GBIF, eBird） - 遥感影像（植被指数、地表温度）

这里我们使用模拟数据演示完整流程：

library(tibble)
library(dplyr)
library(ggplot2)

set.seed(123)

# 模拟研究区域：100m × 100m 栅格
grid_size <- 100
n_cells <- grid_size^2

# 环境变量：温度（随纬度/经度梯度变化）和降水（空间自相关）
env_data <- tibble(
  cell_id = 1:n_cells,
  x = rep(1:grid_size, each = grid_size),
  y = rep(1:grid_size, times = grid_size),
  temperature = 15 + 0.1 * y + rnorm(n_cells, 0, 1),  # 温度随纬度增加
  precipitation = 800 + 0.05 * x + 0.08 * y + rnorm(n_cells, 0, 30)  # 降水梯度
)

# 物种生态位参数（假设该物种偏好温暖湿润环境）
beta0 <- -5  # 基础出现率
beta_temp <- 0.15  # 温度效应
beta_precip <- 0.005  # 降水效应
prob_presence <- plogis(beta0 + beta_temp * env_data$temperature + 
                         beta_precip * env_data$precipitation)

# 生成物种分布（Presence-Absence）
env_data <- env_data |>
  mutate(
    presence = rbinom(n_cells, 1, prob_presence),
    probability = prob_presence
  )

# 可视化真实分布
ggplot(env_data, aes(x = x, y = y, fill = presence)) +
  geom_raster() +
  scale_fill_viridis_c(name = "Presence", na.value = "white", direction = -1) +
  labs(
    x = "X坐标",
    y = "Y坐标",
    title = "模拟物种的真实分布"
  ) +
  theme_minimal()

12.7.3 使用GLM建模物种分布

R代码实现：

# 拟合广义线性模型（Binomial家族）
sdm_glm <- glm(
  presence ~ temperature + precipitation,
  data = env_data,
  family = binomial(link = "logit")
)

summary(sdm_glm)

# 预测：计算每个栅格的存在概率
env_data <- env_data |>
  mutate(
    pred_prob = predict(sdm_glm, type = "response"),
    pred_binary = ifelse(pred_prob > 0.5, 1, 0)
  )

# 模型评估：计算AUC（Area Under the ROC Curve）
library(pROC)

roc_result <- roc(env_data$presence, env_data$pred_prob)
auc_value <- auc(roc_result)
cat("模型AUC =", round(auc_value, 4), "\n")

# 可视化ROC曲线
ggroc(roc_result, color = "steelblue", size = 1) +
  annotate("text", x = 0.7, y = 0.2, label = paste("AUC =", round(auc_value, 3))) +
  labs(
    title = "物种分布模型的ROC曲线",
    x = "假阳性率 (1 - 特异性)",
    y = "真阳性率 (敏感性)"
  ) +
  theme_minimal()
TipAUC值的解读
  • AUC > 0.9：优秀模型
  • AUC 0.8-0.9：良好模型
  • AUC 0.7-0.8：可接受模型
  • AUC < 0.7：模型预测能力差
  • AUC = 0.5：随机预测（无预测能力）

12.7.4 可视化预测结果

# 1. 预测概率空间分布
p1 <- ggplot(env_data, aes(x = x, y = y, fill = pred_prob)) +
  geom_raster() +
  scale_fill_viridis_c(name = "存在概率", direction = -1) +
  labs(title = "SDM预测的存在概率分布") +
  theme_minimal() +
  theme(legend.position = "bottom")

# 2. 预测 vs 真实分布对比
p2 <- ggplot(env_data, aes(x = probability, y = pred_prob)) +
  geom_point(alpha = 0.3, size = 0.5) +
  geom_abline(slope = 1, intercept = 0, color = "red", linetype = "dashed") +
  labs(
    x = "真实存在概率",
    y = "模型预测概率",
    title = "预测精度检验"
  ) +
  theme_minimal()

print(p1)
print(p2)

12.7.5 使用MaxEnt建模（通过dismo包）

MaxEnt是物种分布建模中最流行的Presence-only方法之一。它通过最大化物种分布信息的熵来估计物种的生态位边界。

R代码实现：

library(dismo)

# 检查MaxEnt程序是否可用
if (file.exists(system.file("java/maxent.jar", package = "dismo"))) {
  cat("MaxEnt JAR文件已安装\n")
} else {
  cat("请下载MaxEnt并将maxent.jar放置在正确位置\n")
}

# 注意：在实际使用中，需要提供环境变量的栅格文件（.asc或.tiff格式）
# 以下为伪代码演示分析流程：

# 1. 读取环境变量栅格
# env_layers <- stack(c("temperature.asc", "precipitation.asc"))

# 2. 提取存在点的环境值
# presence_points <- extract(env_layers, known_sites)

# 3. 运行MaxEnt（需要maxent.jar）
# maxent_model <- maxent(env_layers, presence_points)

# 4. 预测物种分布
# prediction <- predict(maxent_model, env_layers)
NoteMaxEnt的实际使用注意事项

MaxEnt模型需要从 https://biodiversityinformatics.amnh.org/open_source/maxent/ 下载独立的Java程序（maxent.jar），并放置在R库目录的正确位置。详细的安装说明和操作流程请参考Phillips等人的原始论文（Phillips et al., 2006, Ecological Modelling, 190: 231-259, DOI: 10.1016/j.ecolmodel.2005.03.026）。

12.8 实战技巧

12.8.1 1. 模型选择指南

研究问题 推荐模型 理由
物种分布预测 MaxEnt, GLM, GAM 成熟方法，生态学解释清晰
种群动态预测 逻辑斯蒂, Ricker, 矩阵模型 理论基础扎实，参数可估计
群落结构分析 RDA, CCA, NMDS 多元统计，整合多物种信息
空间格局分析 Moran’s I, Variogram, kriging 考虑空间自相关
时间序列预测 ARIMA, STL, Prophet 捕捉趋势和周期性

12.8.2 2. 参数调优策略

交叉验证（Cross-Validation）：

  • 将数据分为k个子集，轮流使用k-1个子集训练，1个验证
  • 避免过拟合，获得更稳健的模型性能估计
  • caret 包提供了统一的交叉验证框架
# 使用caret包进行10折交叉验证
library(caret)

# 设置交叉验证
train_control <- trainControl(
  method = "cv",
  number = 10,
  savePredictions = TRUE,
  classProbs = TRUE
)

# 训练GLM模型（以物种分布数据为例）
sdm_cv <- train(
  as.factor(presence) ~ temperature + precipitation,
  data = env_data,
  method = "glm",
  trControl = train_control
)

cat("交叉验证准确率:", round(mean(sdm_cv$resample$Accuracy), 3), "\n")

超参数搜索（以GAM为例）：

GAM中平滑项的参数（k）需要通过交叉验证来选择。k值过小会欠拟合，k值过大会过拟合。

12.8.3 3. 结果解读规范

发表论文时，模型结果的解读应包含：

  1. 模型结构报告：列出所有自变量及其编码方式
  2. 效应大小：回归系数、标准误、置信区间
  3. 模型性能指标：AUC、R²、RMSE、交叉验证结果
  4. 不确定性量化：参数不确定性和预测不确定性
  5. 模型局限性：明确说明模型假设和外推限制
Warning常见误区
  1. 混淆相关性与因果：SDM揭示的是”物种分布与环境变量的关联”，不是因果关系
  2. 忽视空间自相关：相邻样点的数据不独立，会导致虚假的高精度
  3. 过度依赖p值：统计显著不等于生态学上重要
  4. 外推风险：模型无法可靠预测环境条件超出训练数据范围的区域

12.9 R代码示例：简单统计模型

下面以一个经典的生态学问题——树高与胸径的关系——为例，演示如何在R中构建线性回归模型、进行模型诊断和结果解读。

12.9.1 准备数据

我们模拟一组亚热带常绿阔叶林的树木测量数据。在生态学中，树高（height）与胸径（DBH, diameter at breast height）之间通常存在正相关关系。

library(tibble)
library(ggplot2)
library(dplyr)

# 模拟50棵树的胸径和树高数据
set.seed(42)
n <- 50
tree_data <- tibble(
  tree_id  = 1:n,
  species  = sample(c("马尾松", "杉木", "枫香"), n, replace = TRUE),
  dbh_cm   = runif(n, min = 5, max = 40),                          # 胸径 5-40 cm
  height_m = 2.5 + 0.35 * dbh_cm + rnorm(n, mean = 0, sd = 1.5)   # 树高 = 截距 + 斜率*胸径 + 噪声
)

# 查看前几行
head(tree_data)

12.9.2 拟合线性回归模型

使用 lm() 函数拟合树高对胸径的线性回归。

# 拟合模型：树高 ~ 胸径
model <- lm(height_m ~ dbh_cm, data = tree_data)

# 查看模型摘要
summary(model)
Note如何解读 summary() 输出？
  • Estimate（估计值）：截距（Intercept）表示胸径为0时的预测树高，dbh_cm 的系数表示胸径每增加1cm，树高平均增加多少米
  • Pr(>|t|)：p值，小于0.05通常认为该变量对树高有显著影响
  • R-squared：决定系数，表示胸径能解释树高变异的比例，越接近1说明模型拟合越好
  • Residual standard error：残差标准误，反映预测值与实际值的平均偏差

12.9.3 可视化回归结果

ggplot(tree_data, aes(x = dbh_cm, y = height_m)) +
  geom_point(aes(color = species), size = 2, alpha = 0.7) +
  geom_smooth(method = "lm", color = "steelblue", se = TRUE) +
  labs(
    x = "胸径 (cm)",
    y = "树高 (m)",
    title = "树高与胸径的线性关系",
    color = "树种"
  ) +
  theme_minimal()

12.9.4 模型诊断

拟合模型后，必须检查模型假设是否成立。plot() 函数会生成四张诊断图。

# 四张诊断图
par(mar = c(4, 4, 2, 1))
plot(model, which = 1)  # 残差 vs 拟合值：检查线性假设和等方差性
plot(model, which = 2)  # Q-Q图：检查残差是否服从正态分布
plot(model, which = 3)  # 标准化残差 vs 拟合值：检查方差齐性
plot(model, which = 5)  # 残差 vs 杠杆值：识别强影响点
Tip诊断图怎么看？
  1. 残差 vs 拟合值：点应随机分布在0线两侧，无明显趋势。若呈现弯曲，说明线性假设不成立
  2. Q-Q图：点应大致落在对角线上。若两端偏离严重，说明残差不服从正态分布
  3. Scale-Location图：红线应大致水平，否则说明存在异方差
  4. Residuals vs Leverage：关注Cook’s distance超过0.5的点，它们可能是强影响观测值

12.9.5 使用模型生成预测数据

模型的核心价值在于预测。下面演示如何用拟合好的模型为新数据生成预测值及其置信区间——这就是”模型作为数据生成器”的具体体现。

# 为新的胸径值生成预测
new_trees <- tibble(dbh_cm = seq(5, 40, by = 1))

# 预测树高及95%置信区间
predictions <- predict(model, newdata = new_trees, interval = "confidence")
pred_df <- bind_cols(new_trees, as_tibble(predictions))

head(pred_df)
Tip预测区间 vs 置信区间
  • 置信区间 (confidence interval)：反映回归线本身的不确定性，即”平均树高”的估计范围
  • 预测区间 (prediction interval)：反映单棵树的预测不确定性，通常比置信区间更宽。使用 interval = "prediction" 获取

12.10 总结

模型数据采集方法极大地扩展了生态学的研究边界。它将零散的观测和实验数据整合进统一的理论框架中，使我们能够预见未来并评估复杂的生态反馈。然而，正如统计学家George Box所言：“所有模型都是错的，但有些是有用的”（Box, 1976, Journal of the American Statistical Association, 71: 791-799, DOI: 10.1080/01621459.1976.10480949）。在使用模型数据时，始终保持对其不确定性的清醒认识，并不断用实测数据进行修正，是科学建模的核心要求。

12.11 延伸阅读

12.11.1 经典文献

  1. Box, G.E.P. (1976). Science and statistics. Journal of the American Statistical Association, 71: 791-799. DOI: 10.1080/01621459.1976.10480949

  2. Caswell, H. (2001). Matrix Population Models: Construction, Analysis, and Interpretation (2nd ed.). Sinauer Associates.

  3. Elith, J. & Leathwick, J.R. (2009). Species distribution models: ecological explanation and prediction across space and time. Annual Review of Ecology, Evolution, and Systematics, 40: 677-697. DOI: 10.1146/annurev.ecolsys.110308.120159

  4. Gotelli, N.J. (2008). A Primer of Ecology (4th ed.). Sinauer Associates.

  5. Phillips, S.J., Anderson, R.P. & Schapire, R.E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190: 231-259. DOI: 10.1016/j.ecolmodel.2005.03.026

  6. Turner, M.G., et al. (2015). Teleconnecting landscape ecology to biodiversity, ecosystem services, and human well-being. Ecology Letters, 18: 1189-1207. DOI: 10.1111/ele.12481

12.11.2 在线资源

  • MaxEnt软件: https://biodiversityinformatics.amnh.org/open_source/maxent/
  • Biomod2包文档: https://biomodhub.github.io/biomod2/
  • SDM手册: https://consbiol.univie.ac.at/en/resources/software/sdm/
  • R群落生态学vegandoc: https://www.math.ntnu.no/~hrue/ECOLOGICAL/

12.12 课后练习

12.12.1 练习一：逻辑斯蒂模型的参数敏感性分析

问题：修改逻辑斯蒂增长模型代码，设置三组不同的参数组合（r=0.1, K=100; r=0.5, K=500; r=1.0, K=1000），将三组结果绘制在同一张图上，并讨论：（1）初始种群大小对长期平衡的影响；（2）内禀增长率r与达到K一半时间的关系。

参考答案：

  • 当 \(N_0 \ll K\) 时，逻辑斯蒂模型近似指数增长，达到K/2的时间为 \(t_{1/2} = \frac{\ln(K/N_0-1)}{r}\)
  • r越大，到达平衡的速度越快，但最终稳定值都是K
  • 初始条件不影响长期平衡，只影响达到平衡的过渡期

12.12.2 练习二：物种分布模型评估

问题：使用以下模拟数据，计算模型的正确率（Accuracy）、敏感性（Sensitivity）和特异性（Specificity），并绘制混淆矩阵。

提示：可使用caret::confusionMatrix()函数。

参考答案：

  • 正确率 = (TP + TN) / (TP + TN + FP + FN)
  • 敏感性 = TP / (TP + FN)（能正确识别多少”存在”点）
  • 特异性 = TN / (TN + FP)（能正确识别多少”不存在”点）

12.12.3 练习三：模型选择与AIC比较

问题：分别拟合以下三个模型并使用AIC比较：

  1. 简单线性模型：height_m ~ dbh_cm
  2. 多项式模型：height_m ~ poly(dbh_cm, 2)
  3. 对数模型：height_m ~ log(dbh_cm)

哪个模型最优？使用调整R²验证AIC的结论是否一致。

参考答案：

  • AIC越小越好，差异>2通常认为有实质差异
  • 多项式模型可能获得更高的R²，但可能过拟合
  • 需要结合生态学解释和预测能力综合判断

12.12.4 练习四：思考外推风险

问题：假设某物种分布模型使用温度范围为15-25°C的数据训练。如果要将模型应用于温度达到30°C的未来气候情景，讨论：（1）模型预测是否可靠？（2）哪些类型的SDM方法在外推方面更具鲁棒性？（3）如何量化外推不确定性？

参考答案：

  • 超过训练数据范围的预测属于”外推”，可靠性显著下降
  • 机理模型（process-based）通常比统计模型具有更好的外推能力
  • 可以使用”novel climate space”分析识别外推区域