МОДЕЛИ МАКСИМАЛЬНОЙ ЭНТРОПИИ И ПРОСТРАНСТВЕННОЕ РАСПРЕДЕЛЕНИЕ ВИДОВ ДОННЫХ СООБЩЕСТВ НА ТЕРРИТОРИИ СРЕДНЕГО И НИЖНЕГО ПОВОЛЖЬЯ

Abstract

Представлены результаты применения метода максимальной энтропии (MaxEnt) для моделирования пространственного распределения видов макрозообентоса на территории Среднего и Нижнего Поволжья. Использовались данные гидробиологического мониторинга многолетних (1990-2019 гг.) исследований донных сообществ в 108 средних и малых реках. В качестве независимых переменных, отражающих условия среды, построенные модели включали климатические и ландшафтные показатели растрового типа, загружаемые с сервера WorldClim (средние температуры, количество осадков, высота и вертикальная расчлененность рельефа). Приводятся результаты тестирования качества и прогнозирующей силы моделей, а также статистические показатели относительной важности каждого из использованных абиотических факторов. Обсуждаются проблемы использования различных алгоритмов построения моделей пространственного распределения видов применительно к данным гидробиологических наблюдений пресноводных лотических экосистем. Библиографические ссылки 1. Зинченко Т.Д. Эколого-фаунистическая характеристика хирономид (Diptera, Chhironomidae) малых рек бассейна Cредней и Нижней Волги (Атлас). Тольятти: Кассандра, 2011. 258 с. 2. Лисовский А.А., Дудов С.В., Оболенская Е.В. Преимущества и ограничения использования методов экологического моделирования ареалов. 1. Общие подходы // Журнал общей биологии. 2020. Т. 81. №2. С. 123–134. 3. Лисовский А.А., Дудов С.В. Преимущества и ограничения использования методов экологического моделирования ареалов. 2. MaxEnt // Журнал общей биологии. 2020а. Т. 81. №2. С. 135–146. 4. Монаков А.В. Питание пресноводных беспозвоночных / Под ред. А.А. Стрелкова. М., 1998. 218 с. 5. Шитиков В.К., Зинченко Т.Д. Статистический анализ структурной изменчивости донных сообществ и проверка гипотезы речного континуума // Водные ресурсы. 2014. Т. 41, №5. С. 530–540. 6. Шитиков В.К., Мастицкий С.Э. Классификация, регрессия и другие алгоритмы Data Mining с использованием R. Электронная книга. 2017. 351 с. URL: https://stok1946.blogspot.com (Дата обращения 10.10.2020). 7. Franklin J. Mapping Species distributions: spatial inference and prediction. Cambridge: Cambridge University Press, 2009. 320 p. 8. García-Roselló E., Guisande C., Heine J., Pelayo-Villamil P., Manjarrés-Hernández A., González-Vilas L., González‐Dacosta J., Vaamonde A., Granado‐Lorencio C. Using MODESTR to download, import and clean species distribution records // Methods in ecology and evolution. 2014. V. 5. P. 703–713. DOI: 10.1111/2041-210X.12209 9. Golovatyuk L.V., Shitikov V.K., Zinchenko T.D. Estimation of the zonal distribution of species of bottom communities in lowland rivers of the middle and Lower Volga basin // Biology bulletin. 2018. V. 45 (10). Р. 1262–1268. 10. González-Vilas L., Guisande C., Vari R., Pelayo-Villamil P., Manjarrés-Hernández A., García-Roselló E., González-Dacostae J., Heinee J., Pérez-Costasa E., Granado-Lorenciof C., Palau-Ibarsg A., Loboh J.M. Geospatial data of freshwater habitats for macroecological studies: an example with freshwater fishes // International journal of geographical information science. 2015. V.30, Iss.1, P. 126-141. DOI: 10.1080/13658816.2015.1072629 11. Guisan A., Thuiller W., Zimmermann N.E. Habitat suitability and distribution models: with applications in R. Cambridge: Cambridge University Press, 2017. 478 p. 12. Guisande C., Garcia-Rosello E., Heine J., Gonzalez-Dacosta J., Gonzalez-Vilas L., Garcia-Perez B., Lobo J.M. SPEDInstabR: an algorithm based on a fluctuation index for selecting predictors in species distribution modeling // Ecological Informatics. 2017. V. 37. P. 18–23. 13. Harte J. Maximum entropy and ecology: a theory of abundance, distribution, and energetics. London: Oxford University Press, 2011. 257 p. 14. Hastie T., Fithian W. Inference from controversy // Ecography. 2013. V. 36. P. 864–867. 15. Hijmans R.J., Cameron S.E., Parra J.L., Jones P.G., JarvisA. Very high resolution interpolated climate surfaces for global land areas // International journal of climatology. 2005. V. 25. P. 1965‒1978. 16. Johnson D.H. The Comparison of usage and availability measurements for evaluating resource preference // Ecology. 1980. V. 61, N 1. P. 65‒71. 17. Koleff P., Gaston K.J. Latitudinal gradients in diversity: real patterns and random models // Ecography. 2001. V. 24. Р. 341–351. 18. Manni F., Guerard E., Heyer E. Geographic patterns of (genetic, morphologic, linguistic) variation: how barriers can be detected by using Monmonier’s algorithm // Human biology. 2004. V. 76, №2. Р. 173‒190. 19. Norberg A., Abrego N., Blanchet F.G., Adler F.R., Anderson B.J. et al. A comprehensive evaluation of predictive performance of 33 species distribution models at species and community levels // Ecological monographs. 2019. V. 89, №3. P. e01370. 20. Peterson A.T., Soberón J., Pearson R.G., Anderson R.P., Martínez-Meyer E, Nakamura M., Araújo M.B. Ecological niches and geographic distributions (MPB-49). Princeton: Princeton Univ. Press, 2011. 328 p. 21. Phillips S.J., Anderson R.P., Schapire R.E. Maximum entropy modeling of species geographic distributions // Ecological modelling. 2006. V. 190, №3–4. P. 231–259.