《表1 16个所选环境变量的描述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《气候变化下毛榛在中国的潜在适生区预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于本文选用的环境因子较多，环境因子间具有多重共线性，会导致模型在预测过程中出现过度拟合的问题，使得预测结果的准确度下降。为提高Max Ent模型预测结果的准确性，本文参考Yang等（2013）筛选环境变量的方法，通过模型在训练过程中环境变量的贡献率对27个环境因子进行权重分析，其次用R语言中Pearson相关法对构建模型的气候因子与土壤因子进行相关性分析。首先选择相关系数小于0.8的环境因子，对于相关系数大于0.8的环境因子，选择贡献率较高的因子构建模型。最终筛选出bio1、bio2、bio3、bio4、bio9、bio10、bio12、bio13、elevation、slopes、aspects、drainage、t＿texture、awc、t＿cec＿soil和ref＿depth16个环境因子构建模型（表1）。