在生物多样性影响评价里，「有没有这个物种」和「有多少适宜生境」是两个不同层次的问题。传统的名录法能回答前者，却很难回答后者。当评价对象涉及分布数据稀缺的珍稀物种时，生境适宜性模型成为一种常用的补充手段——用已知的分布点和环境变量，推测物种在整个评价区的潜在适宜生境，再据此判断项目占用会造成多大影响。
本文以最大熵模型（MaxEnt）为主线，讲清数据准备、模型运行与结果解释，以及它在影响评价中的正确用法和边界。
一、模型选择：先看数据条件
生境适宜性模型很多，选哪一个，取决于手上有什么数据：
| 模型 | 输入数据 | 特点 |
|---|---|---|
| 最大熵模型 MaxEnt | 仅需存在点 | 小样本表现好，输出适宜性概率，应用最广 |
| 广义线性／广义加性模型 | 需要存在点与未发现点 | 可解释性强，但需要较完整的调查数据 |
| 随机森林等机器学习模型 | 存在与背景数据 | 非线性拟合强，可给出变量重要性 |
| 集成模型 | 视子模型而定 | 综合多模型结果，稳健但计算量大 |
实务中，物种分布数据往往只有「发现记录」，缺少可信的「未发现记录」，这正是 MaxEnt 被广泛采用的原因。但要注意：数据条件决定方法上限，不要为了用某个模型而凑数据。
二、数据准备：模型成败的大半在这里
2.1 物种分布点
- 来源：野外调查记录、红外相机数据、文献与数据库记录，必要时的专家判断。
- 质量：坐标精度要能满足研究分辨率；来源混杂时，应评估数据一致性。
- 去冗余：对同一网格内的多条记录做空间稀疏化，避免采样偏差导致模型高估局部适宜性。
- 偏差：沿道路、样线采集的数据天然带有可达性偏差，必要时应做偏差校正。
2.2 环境变量
环境变量一般包括气候、地形（高程、坡度、坡向）、植被、水系、土壤等。变量处理的关键是筛选：先剔除高度相关的冗余变量（可用相关系数或方差膨胀因子筛选），再用贡献率或刀切法检验变量重要性。变量不是越多越好，冗余变量会掩盖真实关系、加重过拟合。
2.3 分辨率与背景区
分辨率要与数据精度匹配，过细会放大噪声，过粗会丢失生境细节。背景区的选择同样重要——应限定在物种可达的地理范围内，否则背景点会落在物种根本无法到达的区域，拉偏模型。
三、模型运行与精度评价
运行环节要落几个关键设置：
- 样本划分：常用交叉验证（如 5 折或 10 折）评估稳健性，或按比例划分训练集与测试集。
- 特征与正则化：MaxEnt 会自动选择特征组合，正则化系数影响模型复杂度，应通过调参控制过拟合。
- 重复次数：多次重复取平均，减少随机性。
精度评价常用指标：曲线下面积（AUC）、真实技巧统计量（TSS）、Kappa 系数。AUC 的经验判断大致是：0.7 到 0.8 表示模型可接受，0.8 到 0.9 表示良好，大于 0.9 表示优秀；但AUC 受样本量与背景范围影响，不能作为唯一标准，必须结合 TSS 和生境响应曲线的合理性综合判断。
输出结果通常是适宜性概率图。一般按阈值划分为高、中、低适宜和不适宜几级。阈值可取最大约登指数对应的值、最大 TSS 对应值，或 10% 训练遗漏率对应的值，并说明选择理由。实际工作中，建议同时报告多次重复的平均 AUC 与标准差，并附变量贡献率表，让评审者能复核模型是否建立在合理的生态学机制之上，而不是只看一个漂亮的总分。
四、情景分析与影响评价
把模型用进影响评价，核心是情景对比：
- 现状情景：用当前环境变量运行模型，得到基线适宜生境分布。
- 项目情景：把项目的土地利用变化、道路阻隔、水系改变等转化为环境变量的改变（如林地转为建设用地、新增障碍），重新运行模型。
- 差值分析：比较两种情景下高适宜生境的面积、斑块数量与连通性变化，量化影响。
| 分析维度 | 比较内容 | 影响含义 |
|---|---|---|
| 面积 | 高适宜生境面积增减 | 栖息地总量的直接损失或增加 |
| 破碎化 | 斑块数量、平均斑块面积变化 | 生境被切割，边缘效应增强 |
| 连通性 | 廊道是否被切断、连通性指数变化 | 迁移受阻，种群交流受限 |
| 核心区 | 高适宜区是否被占用 | 关键栖息地的质量损失 |
评价时建议给出影响面积占比这一直观指标，并结合物种对生境损失的敏感性，判断影响是否可接受。区域尺度的生物多样性本底评价，可参照《区域生物多样性评价标准》（HJ 623—2011）的指标体系与方法。
五、常见问题
- 样本太少或偏差太大：十几个点就建大范围模型，或全部样本来自一条样线，结论不可信；
- 背景区设定不当：背景范围过大，把物种无法到达的区域也算进来，高估阻力；
- 只报 AUC 不做解释：不看变量响应曲线是否合理，模型可能是「对的结果、错的机制」；
- 把适宜性当占用概率：适宜性高不等于物种一定出现，更不能直接读成个体数量；
- 情景设置不干净：改变的不止土地利用一个变量，导致差值无法归因。
这些问题的共同点，是把模型当成了「黑箱」。生境适宜性建模的价值，恰恰在于要求研究者对物种生态习性和数据来源都交代清楚——解释不了的结果，不宜写进报告。
六、结果的边界与局限
生境适宜性模型反映的是相关关系，不是因果关系，也不能替代野外核实。常见局限包括：分布数据偏差、环境变量时空不匹配、模型外推能力有限、适宜性不等于实际占用。因此，模型结论应表述为「潜在适宜生境」的判断，并与实地调查相互印证，重要结论宜谨慎表述、留有余地。
结语
生境适宜性模型的价值，在于把「看不见的物种分布」变成「可以比较的空间结果」。但它的结论强度，取决于数据质量和解释的克制。用得好，是评价的有力补充；用得随意，则会制造虚假的精确。
福州木源纪林业生态科技有限公司在生物多样性影响评价中开展生境适宜性建模、物种分布与适宜生境变化分析、生态网络评价等专项工作。欢迎就本文涉及的技术细节与我们交流，也欢迎有相关需求的单位通过联系我们页面洽谈。