Моделирование распределения видов Maxent в R - поиск вероятностей, связанных с отдельными ячейками / точками?

Question

Добрый день,

Недавно я разработал модель распределения видов Maxent в R для рептилий эндеми c на Мадагаскар, используя данные только о присутствии только в местных ареалах. Модель работает хорошо (по оценке AU C).

Я спроецировал эту модель на Флориду, где она не определяет подходящую среду обитания. Однако мой центральный таксон прочно обосновался во Флориде. Я не использовал данные о присутствии Флориды в модели, потому что хотел проверить, предсказывала ли модель априори событие колонизации; поэтому я обучил / проверил модель, используя Мадагаскар в качестве экстента модели.

Я хотел бы восстановить количественные значения вероятности для известных событий во Флориде; на данный момент я в целом вижу, что предсказанные вероятности в колонизированной области невелики, но я не могу их количественно оценить. Я могу найти эквивалентные количественные значения для моих известных вхождений на Мадагаскар (потому что они были включены в модель) в выходных данных модели (точки обучения) или с помощью оценки в 'dismo' (точки проверки).

Кто-нибудь знаю метод / пакет / функцию, которые я могу использовать, чтобы найти эти значения для моих точек во Флориде (в настоящее время хранятся только как .csv).

Я могу поделиться более техническими деталями модели, если это необходимо; это довольно стандартные данные Bioclim / Maxent / только для присутствия в R, использующие преимущественно 'dismo'.

Answer 1

Вы можете получить их с помощью raster::extract(). Например:

library(raster)

d <- read.csv("data.csv") #your csv here
r <- raster("maxent.tif") #your suitability raster here
vals <- extract(r, d) #these are the values of r at your locations

Что касается ваших проблем с низкой прогнозируемой пригодностью при переносе модели в другой географический c регион, это может быть проблема переобучения. ЕД C тренировочных очков будет высоким, если присутствует переобучение, поэтому вам следует полагаться на другой показатель c, чтобы оценить его. Например, вы можете запустить перекрестную проверку (разделить записи Мадагаскара на точки обучения и тестирования) и количественно определить разницу в AU C между точками обучения и тестирования. В противном случае широко используются ORmin и ORmtp. Вы можете проверить этот документ для получения дополнительной информации и того, как бороться с переобучением в моделях maxent: Radosavljevi c & Anderson, 2013 .

Удачи!

/ Emilio