種分布モデルの信頼性に関するさまざまな騒音の相互作用は、生態学的専門化にかかっています

デジタル化された種の発生データは、生態学者と保全主義者に前例のない情報源を提供します。種分布モデル（SDM）は、種の空間的および時間的分布を理解し、生物多様性パターンをモデル化するためにこれらのデータを利用するための一般的な方法となっています。私たちの目的は、SDMアルゴリズム、種の専門化、グリッド解像度の乗算的影響を考慮して、SDMのパフォーマンスと信頼性に対する種の発生データ（すなわち、サンプルサイズと位置の精度）の騒音の影響を研究することです。さまざまな専門レベルで特徴付けられる4つの「仮想」種のセットを作成しました。これらのそれぞれについて、2つのグリッド解像度で5つのアルゴリズムを使用して適切な生息地モデルを構築しました。サンプルサイズと異なるレベルの位置精度を備えています。それぞれ、古典的なモデル評価メトリック（曲線下面積と真のスキル統計）とモデルの一致メトリック（全体的な一致相関係数と地理的ニッチオーバーラップ）に従って、SDMのパフォーマンスと信頼性を評価しました。私たちの研究は、種の専門化がSDMに最も支配的な影響を与えたことを明らかにしました。以前の研究とは対照的に、広範囲にわたる種の場合、サンプルサイズが低く、位置の精度が低いことがわかり、わずか10種の発生で有用な分布範囲を予測できることがわかりました。ただし、狭量の種の範囲予測は、サンプルサイズと位置の精度に敏感であったため、有用な分布範囲には少なくとも20種の発生が必要でした。期待に反して、最大アルゴリズムは、低サンプルサイズの専門種の分布をあまり予測していませんでした。

Digitized species occurrence data provide an unprecedented source of information for ecologists and conservationists. Species distribution model (SDM) has become a popular method to utilise these data for understanding the spatial and temporal distribution of species, and for modelling biodiversity patterns. Our objective is to study the impact of noise in species occurrence data (namely sample size and positional accuracy) on the performance and reliability of SDM, considering the multiplicative impact of SDM algorithms, species specialisation, and grid resolution. We created a set of four 'virtual' species characterized by different specialisation levels. For each of these species, we built the suitable habitat models using five algorithms at two grid resolutions, with varying sample sizes and different levels of positional accuracy. We assessed the performance and reliability of the SDM according to classic model evaluation metrics (Area Under the Curve and True Skill Statistic) and model agreement metrics (Overall Concordance Correlation Coefficient and geographic niche overlap) respectively. Our study revealed that species specialisation had by far the most dominant impact on the SDM. In contrast to previous studies, we found that for widespread species, low sample size and low positional accuracy were acceptable, and useful distribution ranges could be predicted with as few as 10 species occurrences. Range predictions for narrow-ranged species, however, were sensitive to sample size and positional accuracy, such that useful distribution ranges required at least 20 species occurrences. Against expectations, the MAXENT algorithm poorly predicted the distribution of specialist species at low sample size.