[論文レビュー] Predicting distributions of invasive species

Jane Elith|arXiv (Cornell University)|Dec 2, 2013

Species Distribution and Climate Change被引用数 6

ひとこと要約

本論文は、MaxEnt や CLIMEX などの相関モデル手法を用いた侵略的種の分布予測について包括的なガイドを提供する。データ品質、モデル選択、不確実性の評価に重点を置いている。これらのモデルは強力であるが、データ制限やモデル仮定のため、予測誤差が顕著に現れやすく、信頼性と精度を高めるために、より良いツールと実務家の認識向上が求められる。

ABSTRACT

This chapter aims to inform a practitioner about current methods for predicting potential distributions of invasive species. It mostly addresses single species models, covering the conceptual bases, touching on mechanistic models, and then focusing on methods using species distribution records and environmental data to predict distributions. The commentary in this last section is oriented towards key issues that arise in fitting, and predicting with, these models (which include CLIMEX, MaxEnt and other regression methods). In other words, it is more about the process of thinking about the data and the modelling problem (which is a challenging one) than it is about one technique versus another. The discussion helps clarify the necessary steps and expertise for predicting distributions. Some researchers are optimistic that correlative models will predict with high precision; while that may be true for some species at some scales of evaluation, I believe that the issues discussed in this chapter show that substantial errors are reasonably likely. I am hopeful that ongoing developments will produce models better suited to the task and tools to help practitioners to better understand predictions and their uncertainties.

研究の動機と目的

• 種の出現記録と環境変数を用いた分布予測のための適切な手法の選定と適用を実務家にガイドすること。
• データ品質やモデル仮定に関連する、モデル適合、予測、解釈における主な課題を明確にすること。
• モデルの不確実性を理解し、特に大規模スケールでの予測において過信しないことの重要性を強調すること。
• 侵攻生物学における意思決定を支援するための継続的な手法改善とより良いツールの導入を提唱すること。
• 特定の手法を優先するのではなく、モデリングの背後にある「思考プロセス」に焦点を当てた、批判的ではあるが建設的な現在の実務の概要を提供すること。

提案手法

• 種の出現記録と環境予測変数（例：気候、土壌、地形）を結びつける相関モデル手法を用いる。
• 分布予測に広く用いられる手法、特に MaxEnt（最大エントロピーモデリング）、CLIMEX、および他の回帰ベースの手法に焦点を当てる。
• モデル性能に大きな影響を与えるデータ前処理（空間自己相関、サンプリングバイアス、変数選択）の重要性を強調する。
• 予測精度と信頼性を評価するためのモデル評価手法（欠落率、AUC、交差検証）の使用を強調する。
• 仮定、データソース、不確実性推定の文書化を含む、モデル開発の透明性を促進する。
• 特にデータが乏しい地域においては、反復的モデルの最適化と専門家知識の統合による予測の改善を提唱する。

実験結果

リサーチクエスチョン

• RQ1 相関モデルを効果的に応用して、侵略的種の潜在的拡散を予測する方法は何か？
• RQ2 侵略的種の分布予測に用いられる相関モデルにおける主な誤差源は何か？
• RQ3 データ品質とサンプリングバイアスは、分布モデルの出力の信頼性にどのように影響するか？
• RQ4 モデル選択と検証は、侵略的種の予測精度を向上させるために果たす役割は何か？
• RQ5 実務家は、種の分布予測における不確実性をよりよく理解し、効果的に伝えるにはどうすればよいか？

主な発見

• MaxEnt や CLIMEX などの相関モデルは有用な予測を生み出すことができるが、その正確性はデータ品質とモデル仮定に極めて敏感である。
• サンプリングバイアスや環境的外挿の問題があるため、適切にキャリブレーションされたモデルであっても、顕著な予測誤差が生じる可能性が非常に高い。
• モデルの性能は種や空間スケールによって顕著に異なるが、AUC値が高かろうとも、生態的文脈では信頼できる予測を保証しない。
• モデリング手法の選択よりも、適切なデータ処理、モデル検証、不確実性の透明な報告の方が重要である。
• モデルの頑健性を高め、バイオセキュリティや保全分野における意思決定をより良いものにするために、継続的な手法の開発が不可欠である。
• 実務家は、専門家知識と不確実性評価を統合し、予測に対する過信を避けるために、批判的で反復的なモデリングアプローチを採用する必要がある。