《Ecological Modelling》：Beyond expert opinion: A scalable, data-driven model for habitat quality assessment
编辑推荐：
栖息地质量建模方法改进：基于物种分布模型与土地利用数据，通过回归和空间分析参数化InVEST模型，解决传统专家赋权的主观性问题。研究在韩国验证，新方法对濒危物种分布和植被保护等级的预测更准确，提升生态相关性和可重复性，为全球生物多样性保护提供可扩展方案。
金成贤|俞英在|崔裕荣
韩国环境研究院环境评估组土地战略评估部门，B栋，Sicheong-daero 370号，世宗30147，大韩民国
摘要
栖息地质量（HQ）建模在生物多样性保护和生态系统服务规划中起着关键作用。然而，广泛使用的HQ模型（如综合生态系统服务与权衡评估模型InVEST）依赖于专家制定的土地覆盖适宜性、威胁敏感性和空间衰减参数，这引入了主观性并限制了模型的可重复性。在这里，我们提出了一种数据驱动的方法，通过整合韩国各地的物种分布模型（SDMs）与土地覆盖和人为威胁数据集来参数化InVEST HQ模型。利用29种哺乳动物和336种维管植物的分布记录，我们通过回归和空间分析得出了特定于土地覆盖的栖息地价值、威胁权重、最大影响距离和衰减函数。所得到的HQ地图经过濒危物种（Naemorhedus caudatus, Martes flavigula, Prionailurus bengalensis）和植被保护等级的验证，显示出比传统的基于专家的HQ地图更高的生态相关性。这种方法增强了HQ建模的客观性、可重复性和对不同分类群的区分能力，提供了一种可推广到其他具有物种分布数据区域的方法。通过结合SDMs和HQ建模，该框架促进了透明和数据驱动的保护规划，为环境建模和决策支持工具提供了方法论贡献。
引言
栖息地质量（HQ）评估在生物多样性保护和生态规划中起着核心作用，因为它可以量化景观的生态完整性并指导空间优先级排序（Terrado等人，2016年；Wang和Cheng，2022年）。此类评估在土地利用规划和生态系统服务管理中也具有实际应用价值。例如，Wang和Cheng（2022年）提出了基于HQ的区域管理和生态保护措施，Kim等人（2022年）分析了包括HQ在内的多种生态系统服务，以指导恢复和保护政策。这些研究突显了HQ评估在保护和规划中的现实意义。准确和客观地评估栖息地条件对于识别关键保护区域、减轻人为威胁以及维持生态系统服务至关重要（Díaz等人，2019年；Wu等人，2021年）。然而，广泛使用的HQ评估方法通常依赖于专家制定的参数，这给保护规划结果带来了主观性和变异性（Lee和Jeon，2020年；Wang和Cheng，2022年；Wu等人，2021年）。基于专家的方法可能无法充分捕捉不同物种或分类群之间的生态差异，从而导致有偏或过于简化的保护决策（Kim等人，2015年；Lee和Jeon，2020年）。类似的批评也针对基于规则的替代方法提出——最突出的是栖息地适宜性指数（HSI）——包括对专家指定响应函数和权重的依赖性、对聚合规则选择的敏感性以及不均匀的验证实践，因此需要明确的假设、正式的不确定性/敏感性分析以及独立评估（Johnson和Gillingham，2004年；Schamberger，1982年；Schamberger和O'Neil，1986年）。鉴于生物多样性丧失加速以及最近的全球保护目标（如《昆明-蒙特利尔全球生物多样性框架》中概述的目标），迫切需要更加稳健、可重复且具有生态差异性的方法来支持栖息地质量评估。
InVEST（综合生态系统服务与权衡评估）栖息地质量模型是最广泛应用的栖息地状况和人为威胁评估工具之一，因为它具有开放的可访问性和直接的空间方法（Natural Capital Project 2025；Wang和Cheng，2022年）。该模型结合土地覆盖地图和威胁邻近性数据来估算空间明确的栖息地质量指数，从而在直接物种分布数据稀缺的地区间接评估生物多样性（Terrado等人，2016年；Wang和Cheng，2022年）。然而，InVEST HQ模型严重依赖于两组关键参数：（i）具有相关影响的威胁层，以及（ii）反映土地覆盖类型对特定威胁反应的敏感性系数（Sharp等人，2020年；Wu等人，2021年）。这些参数通常来自专家判断，缺乏标准化程序，从而在模型结果中引入了不确定性和主观性（Mengist等人，2021年；Wang和Cheng，2022年）。此外，对所有分类群统一应用参数可能会掩盖物种或分类群之间的显著生态差异，从而限制结果的生态有效性和实际应用性（Lee和Jeon，2020年；Mengist等人，2021年；Wu等人，2021年）。与此担忧一致，实证研究报道了与参数化相关的混合结果：在上海的案例中，增加InVEST–HQ模型的最大影响距离和威胁权重降低了平均HQ值并减少了空间方差（Chen等人，2025年）；而在比较基于专家的方法和基于SDM的方法时，基于SDM的参数化生成的栖息地质量地图与观察到的物种丰富度模式具有更高的空间相关性（Di Febbraro等人，2018年）。此外，许多研究应用InVEST–HQ评估了土地覆盖变化情景下的栖息地质量，证明了其在不同地区和情境下的广泛应用性（例如，Wang和Cheng，2022年；Y. Li等人，2022年）。然而，这些应用通常采用默认或基于专家的参数，而我们的贡献在于从生物多样性数据中实证推导栖息地价值和威胁参数，并将结果与独立的生态指标进行验证。这些发现强调了需要透明、本地可辩护的参数选择和正式的敏感性/不确定性分析。
物种分布模型（SDMs）越来越被认为是基于环境变量预测物种分布的宝贵生态工具，为栖息地适宜性评估提供了稳健的实证框架（Araújo等人，2019年；Hao等人，2019年）。通过将SDMs与HQ建模相结合，可以使用客观的实证物种数据来参数化栖息地质量评估，而不是依赖主观的专家意见。这种整合使得模型参数（包括栖息地适宜性值、威胁敏感性、空间衰减函数和影响距离）能够定量推导，从而提高了栖息地质量模型的客观性和生态真实性。先前的研究已经证明了将SDMs与生态指标结合以改进生物多样性评估和保护结果的有效性（Araújo等人，2019年；Choe等人，2018年；Hao等人，2019年）；然而，很少有研究专门讨论将SDMs整合到标准化HQ框架（如InVEST）中。
在这项研究中，我们提出了一种可扩展的数据驱动栖息地质量建模方法，该方法将基于SDM的栖息地适宜性数据与InVEST HQ模型相结合，以克服基于专家参数化的局限性。具体而言，我们为韩国的哺乳动物和维管植物开发并测试了特定于分类群的HQ评估，通过统计和空间分析明确量化了土地覆盖适宜性、对人为威胁的敏感性、最大影响距离和空间衰减函数。大型和中型哺乳动物作为顶级捕食者或关键消费者，在栖息地质量评估中是重要的生态指标。相比之下，维管植物作为主要生产者，为生态系统提供结构和能量基础。我们预计这两类群在栖息地质量反应上存在显著差异：哺乳动物具有较高的移动性，可以避免或迅速适应人为威胁，而植物由于固定且通常扩散受限，无法做到这一点（Gaynor等人，2018年；Kuussaari等人，2009年）。因此，比较这两个分类群不仅反映了它们不同的生态角色，还提供了对所提出的HQ框架能否捕捉到具有根本不同移动性和生态功能的生物体反应的稳健测试。我们假设这种数据驱动的参数化将提供比传统基于专家的方法更客观、更可重复和更具生态相关性的评估。为了评估我们的方法，我们使用独立的数据库（包括濒危哺乳动物物种的分布记录和国家植被保护等级）来验证所得到的栖息地质量地图。通过这种综合方法，我们旨在为生态建模和生物多样性保护规划的方法论改进做出贡献，使实际的保护工作与实证生态见解保持一致。
研究区域
研究区域涵盖了整个韩国领土（图1）。韩国位于中国西部和日本东部之间，经度大约在124°E–132°E之间，纬度大约在33°N–39°N之间。该国属于温带气候区，四季分明，沿着从北到南延伸的白头大干山脉生态轴线分布着多样的动植物。白头大干山脉是...
平均栖息地适宜性地图
利用基于29种哺乳动物和336种植物的集成模型，我们生成了特定于分类群的平均栖息地适宜性地图（图3）。哺乳动物的栖息地适宜性值范围为0到0.69（0.35 ± 0.12），植物的适宜性值范围为0.09–0.57（0.25 ± 0.09）。哺乳动物在韩国大多数森林地区表现出较高的适宜性值，特别是在山区。对于植物而言，适宜性值在白头大干山脉沿线和一些高海拔森林区域较高。
栖息地质量模式的生态解释
基于物种分布模型（SDMs）得出的平均栖息地适宜性地图显示，适宜性值集中在白头大干山脉沿线的森林区域。这一结果在生态上是合理的，因为白头大干山脉作为朝鲜半岛的主要生态走廊，连接了欧亚大陆，并孕育了丰富的北方和温带植物物种以及多样的哺乳动物群落（Lee等人，2020年）。
结论
在这项研究中，我们将InVEST栖息地质量（HQ）模型与物种分布模型（SDMs）相结合，以在广泛的景观尺度上空间和定量地评估栖息地质量。我们超越了传统的基于专家的参数设置，使用实证物种分布数据统计推导了栖息地适宜性、对威胁因素的敏感性以及最大影响距离。此外，根据每个分类群的生态特征应用了差异化的参数...
资金信息
本工作得到了韩国国家研究基金会（NRF）的支持，该基金会由韩国政府（MSIT）资助（编号：2021R1C1C2012406和RS-2025-14323036）。
CRediT作者贡献声明
金成贤：撰写——原始草稿、方法论、数据管理。俞英在：软件、数据管理。崔裕荣：撰写——审稿与编辑、撰写——原始草稿、监督、项目管理、方法论、资金获取、正式分析、数据管理、概念化。
