Area of habitat (AOH) is defined as the "habitat available to a species, that is, habitat within its range" and is calculated by subtracting areas of unsuitable land cover and elevation from the range. The International Union for the Conservation of Nature (IUCN) Habitats Classification Scheme provides information on species habitat associations, and typically unvalidated expert opinion is used to match habitat to land-cover classes, which generates a source of uncertainty in AOH maps. We developed a data-driven method to translate IUCN habitat classes to land cover based on point locality data for 6986 species of terrestrial mammals, birds, amphibians, and reptiles. We extracted the land-cover class at each point locality and matched it to the IUCN habitat class or classes assigned to each species occurring there. Then, we modeled each land-cover class as a function of IUCN habitat with (SSG, using) logistic regression models. The resulting odds ratios were used to assess the strength of the association between each habitat and land-cover class. We then compared the performance of our data-driven model with those from a published translation table based on expert knowledge. We calculated the association between habitat classes and land-cover classes as a continuous variable, but to map AOH as binary presence or absence, it was necessary to apply a threshold of association. This threshold can be chosen by the user according to the required balance between omission and commission errors. Some habitats (e.g., forest and desert) were assigned to land-cover classes with more confidence than others (e.g., wetlands and artificial). The data-driven translation model and expert knowledge performed equally well, but the model provided greater standardization, objectivity, and repeatability. Furthermore, our approach allowed greater flexibility in the use of the results and uncertainty to be quantified. Our model can be modified for regional examinations and different taxonomic groups.
Conversión de la Categoría de Hábitat a Cobertura de Terreno para Mapear el Área de Hábitat de los Vertebrados Terrestres Resumen El área del hábitat (AOH) está definida como “el hábitat disponible para una especie, es decir, el hábitat dentro del área de distribución de la especie” y se calcula mediante la sustracción de las áreas de terreno inadecuado y la elevación del área de distribución. El Esquema de Clasificación de Hábitats de la Unión Internacional para la Conservación de la Naturaleza proporciona información sobre las asociaciones entre los hábitats de las especies y con frecuencia se utilizan las opiniones no validadas de expertos para cotejar el hábitat con los tipos de cobertura de terreno, lo que genera una fuente de incertidumbre en los mapas de AOH. Desarrollamos un método orientado por datos para convertir las categorías de hábitat que maneja la UICN en cobertura de terreno basado en los datos de localidad puntual de 6,986 especies de mamíferos terrestres, aves, anfibios y reptiles. Extrajimos la categoría de cobertura de terreno en cada localidad puntual y la cotejamos con la categoría o categorías de hábitat de UICN asignada a cada especie incidente en la localidad. Después modelamos cada categoría de cobertura de terreno como función del hábitat según la UICN usando modelos de regresión logística. Las proporciones de probabilidad resultantes fueron usadas para evaluar la solidez de la asociación entre cada categoría de hábitat y de cobertura de terreno. Después comparamos el desempeño de nuestro modelo orientado por datos con el desempeño de una tabla de conversión publicada basada en el conocimiento de expertos. Calculamos la asociación entre las categorías de hábitat y las de cobertura de terreno como una variable continua, pero para mapear el AOH como una presencia o ausencia binaria, fue necesario aplicar un umbral de asociación. Este umbral puede ser elegido por el usuario de acuerdo con el balance requerido entre los errores de omisión y comisión. Algunos hábitats (p. ej.: bosques y desiertos) fueron asignados a las categorías de cobertura de terreno con más confianza que otros (p. ej.: humedales y artificiales). El modelo de conversión orientado por los datos y el conocimiento de los expertos tuvieron un desempeño igual de eficiente, pero el modelo proporcionó una mayor estandarización, objetividad y repetitividad. Además, nuestra estrategia permitió una mayor flexibilidad en el uso de los resultados y de la incertidumbre para ser cuantificados. Nuestro modelo puede modificarse para análisis regionales y para diferentes grupos taxonómicos.
Brooks 等人 (2019) 将栖息地范围定义为 “一个物种可利用的栖息地, 即其分布范围内的栖息地”, 其计算方法是从物种分布范围中减去土地覆盖和海拔不适宜的区域。《世界自然保护联盟 (IUCN) 栖息地分类方案》提供了物种栖息地关联的信息, 但它大多使用未经验证的专家意见来匹配栖息地与土地覆盖类型, 这也是栖息地地图不确定性的来源之一。本研究开发了一种数据驱动的方法, 基于 6986 种陆生哺乳动物、鸟类、两栖动物和爬行动物的点位数据, 将 IUCN 栖息地类型转换为土地覆盖。我们提取了每个点位的土地覆盖类型, 并将其与 IUCN 栖息地类型或该点位出现物种的栖息地类型相匹配。接下来, 我们用逻辑回归模型建立了土地覆盖类型与 IUCN 栖息地类型的函数, 并用得到的比值比来评估每个栖息地类型与土地覆盖类型之间的关联程度。我们还比较了这个数据驱动的模型与已发表的基于专家知识的转换表的表现情况。我们将栖息地类型和土地覆盖类型之间的关联作为连续变量来计算, 但在绘制栖息地地图时为了将其作为存在或不存在的二元变量来处理, 需要采用一个关联程度的阈值。这个阈值可以由使用者根据所需的漏分与错分误差平衡来确定。一些栖息地 (如森林和沙漠) 相比于其它栖息地 (如湿地和人工栖息地) 有更大的把握被分配到对应的土地覆盖类型。我们还发现, 该数据驱动的转换模型与基于专家知识的转换表的表现相当, 但模型具有更好的标准化、客观性和可重复性。此外, 我们的方法在结果应用和不确定性量化上有更为灵活; 该模型还可以针对区域性分析或不同生物类群的研究进行修改。【翻译: 胡怡思; 审校: 聂永刚】.
Keywords: Copernicus Global Land Service Land Cover (CGLS-LC100); ESA Climate Change Initiative (ESA-CCI); Esquema de Clasificación de Hábitats de la UICN; IUCN Habitat Classification Scheme; IUCN Red List; Iniciativa de Cambio Climático ESA (ESA-CCI); Lista Roja de la UICN; commission and omission errors; errores de comisión y omisión; habitat suitability models; modelos de idoneidad de hábitat; 《 IUCN 栖息地分类方案》; 《 IUCN 红色名录》; 哥白尼全球土地服务土地覆盖 (CGLS-LC100); 栖息地适宜性模型; 欧洲航天局气候变化倡议 (ESA-CCI); 错分与漏分误差.
© 2021 The Authors. Conservation Biology published by Wiley Periodicals LLC on behalf of Society for Conservation Biology.