GLOSSA：一个用于海洋物种分布贝叶斯机器学习分析的用户友好型R Shiny应用程序
统计方法学
2025-12-09 v1
摘要
物种分布模型（SDM）是评估物种占有率和地理分布模式最常用的统计方法之一。随着生态数据复杂性的增加，许多方法学途径被开发出来，通常可通过命令行界面或图形用户界面（GUI）访问。然而，很少有物种分布建模工具被设计成文档完善、用户友好、灵活且可重复的。在此，我们介绍 GLOSSA，一个开源 R 包和 Shiny 应用程序，旨在利用物种出现数据和环境数据进行物种分布建模。GLOSSA 的用户友好界面引导用户完成数据上传、处理、模型拟合、时空投影以及结果的交互式可视化等步骤。该应用程序还计算变量重要性，生成环境变量的响应曲线，并执行交叉验证。GLOSSA 建模方法的核心基于贝叶斯可加回归树（BART），这是一种创新的机器学习方法。我们通过三个案例研究展示了 GLOSSA 的功能和多功能性，这些案例涵盖了区域和全球尺度上的一系列生态场景。连同全面的文档、示例和教程，这些案例研究说明了直观的图形界面如何使物种分布建模能够为广泛的受众所使用。GLOSSA 作为一个易于使用的物种分布建模工具脱颖而出，提供了直观的界面、详细的文档、灵活的建模以及交互式结果探索和导出选项。此外，其输出可直接用于为海洋生态系统模型（MEM）提供信息，增强了其在生态研究和应用中的实用性。
引用
@article{arxiv.2505.05862,
title = {GLOSSA: a user-friendly R Shiny application for Bayesian machine learning analysis of marine species distribution},
author = {J. Mestre-Tomás and A. Fuster-Alonso and J. M. Bellido and M. Coll},
journal= {arXiv preprint arXiv:2505.05862},
year = {2025}
}