soortenverspreidingsmodellen

Soortenverspreidingsmodellen (SDMs) zijn statistische en, in sommige gevallen, mechanistische methoden die de relatie tussen waargenomen aanwezigheid van een soort en omgevingsvariabelen modelleren om de geografische verspreiding te voorspellen. Ze worden gebruikt om te begrijpen waar een soort mogelijk kan voorkomen onder huidige en toekomstige omstandigheden, en kunnen ook inzichten geven in ecologische niches en plausible grenzen van verspreiding.

De input voor SDMs bestaat uit waarnemingen van aanwezigheid (en soms afwezigheid) of aanwezigheid-als-werkelijke-ruimte, evenals omgevingslagen zoals klimaat, topografie en landgebruik. Veel gebruikte algoritmes zijn MaxEnt (voor presence-only data), logistieke regressie, random forests, boosted regression trees en occupancy-modellen. De modellen worden geëvalueerd met statistische maatstaven zoals AUC, TSS of betrouwbaarheidsintervallen, vaak met kruisvalidering of onafhankelijke datasets.

Toepassingen omvatten conservatieplanning, evaluatie van klimaatveranderingen op verspreidingsgrenzen, invasie- en uitbraakrisico’s bij ziekteverwekkers, en het anticiperen op veranderingen in biodiversiteit en ecosysteemdiensten. Het proces omvat gewoonlijk dataverzameling, variabele selectie, modelkeuze, modeltraining, evaluatie en projectie naar huidige of toekomstige ruimtes, vaak vergezeld van onzekerheidsanalyse en scenarioanalyse.

Kritiek en beperkingen betreffen onder meer correlatie in plaats van causaliteit, transferabiliteit naar andere regio’s of tijdstippen, biases in waarnemingen en ruimtelijke autocorrelatie. Daarnaast moet onderscheid worden gemaakt tussen het ecologische niche-model en het verspreidingsverkeer dat door biogeografische en contextuele factoren bepaalt. Ensemblestudies, die meerdere SDMs combineren, worden vaak gebruikt om robuustere voorspellingen te verkrijgen.