物种分布模型投到未来气候，超出训练范围怎样提示？

地图涂了颜色，也可能没有相似的训练样本

物种分布模型从已记录的分布和环境变量学习关系，再投到未来气候栅格。未来某地温度或降水若超出训练数据经历过的范围，模型仍可能给出数值，但那是外推，不是被类似条件验证过的预测。投稿时应在适宜度地图旁标出这些新环境区域，让读者知道哪些地方的颜色更依赖模型形式。只在方法里写一句“存在不确定性”，无法指出结论的空间边界。

先定义训练环境范围

列出用于拟合的物种记录来源、时期、地理范围、背景或伪缺失样本的选择，以及温度、降水等变量的筛选理由。环境范围由这些选择共同决定；仅列经纬度边界不够。若训练样本集中在低海拔，未来高海拔出现相同温度也未必代表其他生态条件相同。可对每个主要变量比较训练区与未来投影区的数值范围，并检查变量组合是否出现训练中从未见过的搭配。若训练记录只覆盖少数季节，也要留意季节性变量的缺口，不能把全年环境范围当成已被样本充分覆盖。

用新环境图提示读者

MESS或其他环境新颖性指标可标示变量是否越出训练域及组合差异。方法段写清指标、输入变量、计算范围和阈值含义；不能把一个默认颜色图直接称作“预测可信度”。若在新环境中禁止外推，应在适宜度图上遮罩，并说明遮罩后有多少面积没有预测；若允许外推，则应保留标记，避免地图一片连续颜色造成过度确定的印象。

模型不确定性不止一种

不同气候模式和情景会给出不同未来环境，物种记录偏差、背景区选取和算法也会影响结果。可比较多个模型或算法，分别呈现情景与方法造成的变化；但模型间一致并不能证明超出训练域的预测真实。迁移能力还受物种扩散、土地利用和生物相互作用影响。若文章只做气候适宜度，标题和结论就应保持为条件性适宜度，不要直接写成未来必然分布或灭绝面积。

结论按可支持的区域写

例如某一地区在多种情景下都落入更干热且超出训练范围，可描述环境变化方向与模型外推提示，而不宣称该地一定失去物种。报告新增、减少和未知预测面积时，应把被遮罩区域单列，并说明面积分母，避免误计为不适宜。让读者能在地图上同时看到适宜度、训练域和情景差异，才不会把一张完整涂色图误当作完整证据。

参考信息：物种分布模型跨时空预测原始研究与环境新颖性方法论文。