数据集概述
本数据集为物种空间占用数据建模研究的支撑数据，包含6个合成数据集和2个真实数据集（塞伦盖蒂国家公园汤姆森瞪羚数据、蜜袋鼯数据）。数据旨在结合贝叶斯分层模型与机器学习方法，解决传统模型无法捕捉的非传统空间依赖问题，同时考虑观测误差，共包含5个文件。
文件详解
- Readme.txt
- 文件格式：TXT
- 字段映射介绍：提供数据集说明，包括文件内容概述、数据来源及使用方法等
- Serengeti.zip
- 文件格式：ZIP
- 字段映射介绍：塞伦盖蒂国家公园汤姆森瞪羚数据压缩包，包含相关原始或处理后数据
- Sugarglider.zip
- 文件格式：ZIP
- 字段映射介绍：蜜袋鼯数据压缩包，包含相关原始或处理后数据
- Sugarglider.csv
- 文件格式：CSV
- 字段映射介绍：包含site（站点）、survey1-survey5（5次调查的观测结果）、easting（东向坐标）、northing（北向坐标）、mat200-mat2000（不同尺度的平均温度）、elev（海拔）、d1-d5（环境变量）、temp1-temp5（温度）、wind1-wind5（风力）、moon1-moon3（月相）等字段
- Serengeti.csv
- 文件格式：CSV
- 字段映射介绍：包含long（经度）、lat（纬度）及2012年1月至4月多个日期的物种观测记录字段，记录195个站点的汤姆森瞪羚存在/缺失数据
数据来源
塞伦盖蒂数据来自Hepler et al. (2018)（https://datadryad.org/stash/dataset/doi:10.5061/dryad.34kb373），其余数据为研究团队生成或处理
适用场景
- 物种空间分布建模：用于分析物种空间占用数据中的传统与非传统空间依赖关系
- 生态预测模型优化：结合机器学习方法提升物种分布预测准确性与模型适用性
- 观测误差校正研究：验证模型对假缺失等观测误差的处理能力
- 生态数据方法学研究：为贝叶斯分层模型与机器学习融合的空间生态模型提供数据支撑
