Maximum entropy modeling of species geographic distributions

环境生态位模型 最大熵原理 航程(航空) 物种分布 数学 统计 生态学 计算机科学 生物 生态位 复合材料 栖息地 材料科学
作者
Steven J. Phillips,Robert P. Anderson,Robert E. Schapire
出处
期刊:Ecological Modelling [Elsevier]
卷期号:190 (3-4): 231-259 被引量:14970
标识
DOI:10.1016/j.ecolmodel.2005.03.026
摘要

The availability of detailed environmental data, together with inexpensive and powerful computers, has fueled a rapid increase in predictive modeling of species environmental requirements and geographic distributions. For some species, detailed presence/absence occurrence data are available, allowing the use of a variety of standard statistical techniques. However, absence data are not available for most species. In this paper, we introduce the use of the maximum entropy method (Maxent) for modeling species geographic distributions with presence-only data. Maxent is a general-purpose machine learning method with a simple and precise mathematical formulation, and it has a number of aspects that make it well-suited for species distribution modeling. In order to investigate the efficacy of the method, here we perform a continental-scale case study using two Neotropical mammals: a lowland species of sloth, Bradypus variegatus, and a small montane murid rodent, Microryzomys minutus. We compared Maxent predictions with those of a commonly used presence-only modeling method, the Genetic Algorithm for Rule-Set Prediction (GARP). We made predictions on 10 random subsets of the occurrence records for both species, and then used the remaining localities for testing. Both algorithms provided reasonable estimates of the species’ range, far superior to the shaded outline maps available in field guides. All models were significantly better than random in both binomial tests of omission and receiver operating characteristic (ROC) analyses. The area under the ROC curve (AUC) was almost always higher for Maxent, indicating better discrimination of suitable versus unsuitable areas for the species. The Maxent modeling approach can be used in its present form for many applications with presence-only datasets, and merits further research and development.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
王成完成签到,获得积分10
刚刚
halona发布了新的文献求助10
刚刚
科研通AI2S应助yangxin614采纳,获得10
1秒前
2秒前
路舟行完成签到,获得积分10
2秒前
3秒前
jiangxiaoyu完成签到,获得积分10
4秒前
4秒前
5秒前
datura发布了新的文献求助10
5秒前
kk发布了新的文献求助10
5秒前
Echo发布了新的文献求助10
6秒前
汉堡包应助abcdefg采纳,获得10
6秒前
7秒前
老实半邪发布了新的文献求助10
7秒前
8秒前
liucheng发布了新的文献求助10
8秒前
biubiufan发布了新的文献求助10
9秒前
10秒前
李健的小迷弟应助天明采纳,获得10
10秒前
10秒前
安琪发布了新的文献求助10
11秒前
11秒前
hey完成签到 ,获得积分10
11秒前
科研文献搬运工应助小松采纳,获得30
11秒前
坚定小熊猫完成签到 ,获得积分10
12秒前
LKL林发布了新的文献求助10
13秒前
孝顺的山兰完成签到,获得积分10
13秒前
mxk发布了新的文献求助10
13秒前
科研通AI2S应助renovel采纳,获得10
14秒前
侯卿发布了新的文献求助20
14秒前
无私半烟发布了新的文献求助10
15秒前
15秒前
16秒前
16秒前
研唐完成签到 ,获得积分10
16秒前
追风少侠李二狗完成签到,获得积分10
17秒前
给刘宇宁的粉丝一篇文献吧完成签到,获得积分10
17秒前
Ava应助安琪采纳,获得10
17秒前
biubiufan完成签到,获得积分10
17秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 500
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3104880
求助须知:如何正确求助?哪些是违规求助? 2756128
关于积分的说明 7637295
捐赠科研通 2409779
什么是DOI,文献DOI怎么找? 1278480
科研通“疑难数据库(出版商)”最低求助积分说明 617439
版权声明 599242