预测物种潜在分布区——比较SVM与GARP

作     者：左闻韵 劳逆 耿玉英 马克平 ZUO Wen-Yun;LAO Ni;GENG Yu-Ying;MA Ke-Ping

作者机构：中国科学院植物研究所植被与环境变化国家重点实验室 清华大学软件学院北京100084 

出 版 物：《植物生态学报》 (Chinese Journal of Plant Ecology)

年 卷 期：2007年第31卷第4期

页      面：711-719页

核心收录：

学科分类：07[理学] 0713[理学-生态学] 

基　　金：国家科技基础条件平台工作项目(0246019B) 

主　　题：物种分布预测模型 支持向量机 GARP ROC曲线 杜鹃花属 潜在分布区 

摘      要：物种分布与环境因子之间存在着紧密的联系,因此利用环境因子作为预测物种分布模型的变量是当前最普遍的建模思路,但是绝大多数物种分布预测模型都遇到了难以解决的高维小样本问题。该研究通过理论和实践证明,基于结构风险最小化原理的支持向量机(Support vector machine,SVM)算法非常适合高维小样本的分类问题。以20种杜鹃花属(Rhododendron)中国特有种为检验对象,利用标本数据和11个1km×1km的栅格环境数据层作为模型变量,预测其在中国的潜在分布区,并通过全面的模型评估——专家评估,受试者工作特征(Receiver operator characteristic,ROC)曲线和曲线下方面积(Area under the curve,AUC)——来比较模型的性能。我们实现了以SVM为核心的物种分布预测系统,并且通过试验证明其无论在计算速度还是预测效果上都远远优于当前广泛使用的规则集合预测的遗传算法(Algorithm for rule-set prediction,GARP)预测系统。