物种分布模型的采样偏倚，背景点怎样选才可追溯？

物种出现记录常集中在道路、保护站和容易抵达的样地。若把这些点与整个研究区均匀抽取的背景点比较，模型可能学到“哪里有人去过”，却被解释成“哪里适合物种”。背景点不是已证实没有该物种的位置；它们表示模型拿来比较的可用环境。因此投稿时，背景点的研究范围、抽样规则和采样偏倚处理，必须与出现记录一起报告。

先交代研究区和出现记录

画出模型允许取背景点的边界，并说明为什么物种在研究时段有机会到达或被调查到这一区域。行政边界、保护区边界与物种可达范围不一定相同，不能只写“在某省范围内随机抽样”。列出记录来源、时间跨度、坐标筛查、重复点处理和保留数量，再把点位叠加道路、调查路线及环境梯度，判断密集区更可能反映物种偏好还是观察努力。若不同机构的数据收集方式差异很大，应分来源查看空间分布。

写清背景点怎么抽

方法段应给出抽取区域、候选栅格、排除条件、点数、随机种子及软件版本。说明一个栅格能否多次被抽中，背景点是否与出现点重合，以及训练和验证时是否共用同一批点。若使用距离限制或偏倚栅格，写明距离从什么对象量起、栅格数值代表什么、如何归一化；只有“已校正偏倚”几个字不足以复现。背景点与真正野外查到的缺失点也要分开标记，避免在结果中把背景点称为“阴性样本”。

目标类群背景并非万能修正

一项经典研究发现，使用采用相近调查方法的目标类群记录作背景，在其比较的多个方法和物种上平均改善了预测；但这不是所有资料都应照搬的结论。使用目标类群背景时，应说明它为何能近似焦点物种的观察努力，并检查其环境覆盖。如果目标类群本身偏好低海拔或城郊，而焦点物种出现在其少涉及的高山环境，用目标类群记录代表采样努力也会引入新的偏差。后续方法研究已指出这一边界，所以需交代入选类群、记录来源、筛选后点数及它与焦点物种的环境覆盖差异。

用敏感性结果限定地图解释

若资料允许，可在相同研究区与预测变量下比较均匀背景、目标类群背景或其他有依据的偏倚处理方案。不要只汇报哪个方案的单个评估分数更高；观察主要适宜区、变量响应和独立验证结果是否改变，尤其注意道路附近和研究区边缘。出现点与背景点若来自同一条调查路线，随机拆分训练和验证可能让偏倚同时进入两组；应说明分组策略及其局限。不同方案出现明显差异时，地图结论应限定为所用记录和抽样机制下的推断。

投稿前抽取一个预测为高适宜的区域，追问它是否确有物种记录，或仅因背景点稀疏而形成强烈对比。再对照方法段的研究区边界、目标类群清单和背景点地图，确认读者能复现这个对比。方法段应让读者追到背景点的范围、来源和与出现记录的对比。

参考信息：Phillips等《出现数据抽样偏倚与背景点选择》；PLOS ONE《出现记录生态位模型中的采样努力偏倚研究》；Fourcade等《地理偏倚出现记录的MAXENT方法比较》。