Geographical sampling bias in a large distributional database and its effects on species richness–environment models jbi12108 (1).pdf

最近比较好比较火的一篇文章，于是拿出来讨论讨论~

本文毋庸置疑，具备以下几个优点: 科学问题明确且是很多做物种分布模型的关键问题，数据大量且准确，文章结构清楚且详细易懂。长期以来，我一直怀疑使用标本馆数据作为物种分布模型基础的准确性，Richard Corrlett也曾参与讨论关于新加坡的标本馆数据使用的问题，因而本文的意义是很明确的，是亟需得到证明并注意且加以修正的。

马屁话就不多说了，马 老板组的文章，嘿嘿~

让我觉得好奇的是，大部分数据比较完整的居然是西部地区，而不是东部地区，这或许是因为大部分搞植物分类的人才都喜欢去西藏云南等地区采集标本吧（参见云南杜鹃的血泪史，胡先骕吴征镒的奋斗史，蔡希陶的创业史 et al., 难道是传承么？），而不是东部地区，相对物种较为稀少和常见……

本文需要进一步得到提高的部分也许是：

1. 为何使用县作为单位呢？ 因为采集点是以县为单位的。但是，由于物种分布模型往往是以same grid size 作为单位的，由于县的大小差异太大，这本身就是一种bias，当然即便使用grid 也同样还是有bias的……

2. 是否环境变量太少了？ PCA只对四个变量作用。尤其值得提出的是，一个县，尤其是在西部地区的县面积大，环境变化大，仅仅只使用一个平均值是否会显得太单薄不能反映出本身的变化？ 是否可以增加某个县如温度变异的指数而不仅仅是一个平均值等，否则的话，环境数据不能体现出来。

3. 台湾地区明明取样量不足，但是预测的结果却是生物多样性最高的地方。反观之，云南海南地区本来具有特别高的生物多样性，却没有在模型数据中体现出来，是否表明此方法本身有一定问题呢？

4. 解释空间自相关及SAR的部分略显含糊，没有用最简单的话来说明。

总而言之，这是一篇用数据来证明取样有偏好型的文章，至少从方法上探索了解决这一问题的方法，并用数据从一定程度上解决了这一问题，并给出了很好的建议。经过讨论，本组接:拒=6:2.