公民科学记录缺少未观察数据，物种分布模型怎样解释？

公民科学平台提供大量物种照片：有人在公园拍到某鸟，地图上就多一个点；没人上传照片的地方却不能据此判定该鸟不存在。物种分布模型若把所有“没有记录”的网格当作真缺席，会把观察者没有去、去了但没看见、看见却没上传混成同一种状态。投稿时应先辨认记录来自机会观察还是有固定清单和时长的调查，再决定模型中的背景与缺席如何定义。

GBIF关于生物调查数据的指南把调查事件、采样方法和物种记录分层组织；只有知道调查覆盖的类群、时段和努力，未检出才可能有明确含义。机会式照片通常只有出现证据，没有完整的未出现名单。即使平台允许用户上传观察清单，也需检查清单是否标为完整、记录了时长与范围、目标类群是否在观察者能力内。不能因为一位观察者在同一天报了甲种，就自动把乙种写成缺席。

若只有出现点，可以选择适用于出现与背景比较的框架，并写清背景点代表什么。背景点是研究区域内可抽取的位置，不等于确认未出现；研究区域的边界应与物种可达性、调查覆盖和问题尺度相配。若把背景点只放在记录稀少地区，模型也许学到的是观察者到访概率。过去已有文章讨论背景点的可追溯选择，本篇更强调“没有照片”究竟能否转为未检出证据，二者是相邻但不同的判断。

先看照片是怎么来到数据库的。统计记录按年份、月份、地区、平台活动强度和道路邻近度的分布，检查热门地点是否被重复采样。保留记录审核等级、照片或音频证据、坐标精度和敏感物种模糊定位信息。若用同一平台其他物种记录近似观察者努力，说明它只是代理变量，需检验代理是否随栖息地系统性变化。记录数量多不等于每个网格被同等认真调查。

若同时取得规范调查资料，把调查中明确未检出的事件与机会式出现点分开保存，不能把二者拼成一张二元表后假装来源一致。GBIF的采样事件质量要求包含eventID、日期、方案和采样量字段；这些信息支持读者判断一次“未检出”是否真的有观察机会。模型可以分层纳入两类数据，或只用调查数据检验机会记录模型，但要预先定义各来源的角色。

做验证时，别让同一座城市或热门观鸟点的近邻记录同时落在训练和测试两边。按空间区域或时间段留出数据，观察性能是否稳定；同时报告背景抽样范围变化、稀疏地区剔除与观察努力代理变化后的结果。模型图上“低适宜度”是模型输出，不应在证据缺口大的地方直接写成“物种缺席”。对于保护决策，标明哪些区域几乎没有合格的观察记录。

交稿前从一处没有目标物种照片的网格追查：是否有人调查、调查持续多久、当时是否具备检出条件？若回答不上来，该网格就不能被描述为经确认的阴性。方法段用清楚的术语区分出现、调查未检出与背景，结果段把观察覆盖不足作为限制。这样模型在解释环境关系时，不会把人的拍摄习惯误写成物种的生态边界。