LD-SDM：语言驱动的分层物种分布建模

我们专注于使用全球范围的仅存在数据进行的物种分布建模，与先前研究一样，利用地理和环境特征来绘制物种分布范围。然而，我们通过将分类学分类整合到我们的方法中来进行创新。具体来说，我们提出使用大型语言模型从文本提示中提取分类学分类的潜在表示。这使我们能够在没有额外监督的情况下绘制任何分类等级（包括未见过的物种）的分布范围。我们还提出了一种新的邻近感知评估指标，适用于评估物种分布模型，该指标解决了传统指标的关键缺陷。我们对我们的模型进行了物种分布范围预测、零样本预测和地理特征回归的评估，发现其性能优于多个最先进的模型。