調查方法論：生物分布取樣方法

對特定物種生態分布資料之取得方法，大致可分為兩種。一為大規模的調查：

設計統一的隨機取樣方法，根據物種特性設計調查變數(variables)，可明確記錄該 物種之「發現」(presence / occurrences)與「未發現」(absence)，以及現地生物與環 境因子，資料完整，但往往曠日廢時。許多生物已有這種普查方法的歷年資料庫，

例如各國繁殖鳥類大調查(BBS)或全國性的植群普查，可用於研究；但對於單一物 種的調查則不多，研究者往往需自行取得，成本較高之外，也較難涵蓋廣大範圍。

第二種方法較為常見：集結以往「發現」地點之記錄，包括學者或業餘人士的調 查報告、或標本館藏，再從環境資料庫中取得這些地點的環境數據；例如 A. K.

20

Wollan 等(2008)就用標本館藏預測了九種大型真菌的分布範圍。此類方法相對容易 取得廣大範圍的資料，唯無統一取樣方法，多為歷年來之逢機發現，或靠專業知 識進行的刻意搜尋，且多缺乏「未發現」記錄以及現地資料。以下就取樣方式與 變數選擇兩方面，討論這兩種方式的不同。

在取樣方面，取樣的目的是為了推論母群體的樣貌，由於第二種方法不符合 隨機取樣原則，亦即並非建立在「樣本可代表母群體」以及「在取樣期間，發現 機率會隨該物種真實分布的機率而改變」之假設上，因此必須另行建立假設。取 樣的方式也影響結果。T. C. Edwards (2006)發現，隨機取樣與跟據專家知識的刻意 搜索，兩種方式會導致模型不同，生態詮釋也不同，需採用不同的基礎假設與分 析工具；後者較易產生偏差。

僅記錄「發現」的資料(presence-only data)，也需另建假設來處理「未發現」

的部分，不然會因選樣偏差(sample selection bias)或未發現偏差(non-detection bias) 而影響結果的準確性；一些研究建議設計合適的資料分析方法、或盡可能取得當 初取樣過程資訊，以減少偏差(Yackulic，2013；Hefley, Tyre, Baasch, & Blankenship，

2013)，例如 L. Mair 等(2016)就在一種木層孔菌(Phellinus ferrugineofuscus)分布模 擬中，使用僅記錄「發現」的調查資料，但以訪問調查者的方式來輔助推論整體 分布機率。相對的，若調查方式符合隨機取樣，且「發現」與「未發現」並重 (presence-absence data)，則需要的偏差校正較少，發生機率的各項條件也較易定義，

結果通常(但不一定)較為準確(Franklin，2009)。

不同調查方法也導致變數的選擇不同。第二種方法依賴既有資料庫，例如 WorldClim.org 網站提供氣候數據(bioclimatic data)，衛星與地圖系統提供地形、坡

21

向資料，而有些地區可取得生物數據，例如林齡、立木材積、棲地破碎度等。變 數選擇基於對目標物種的了解與假設，但在此也受限於資料庫的可得性。

變數選擇的不同，會影響分析結論。例如 L. Mair 等(2016)發現，Phellinus ferrugineofuscus 的分布與特定樹種的材積以及與老熟林的距離最為相關，氣候因 子次之。Copot 等(2017)則使用歷年發現記錄研究靈芝(Ganoderma lucidum)，發現 林型(forest type)的影響超過氣候。H. S. Yuan 等(2015)也使用歷年發現記錄對中國 大陸三種木層孔菌(P. baumii, P. igniarius, P. vaninii)的分布進行模擬，僅使用氣候 資料，最後依據影響力最大的幾項氣候因子推估潛在分布範圍。N. B. Klopfenstein 等(2016)以類似方法模擬重要樹木病原菌 -- 有害木層孔菌(Phellinus noxius，褐根 病菌)的分布。這四份研究的對象皆為腐朽菌(除了 P. noxius 的病原性較高)，但僅 第一份有相應的國家普查成果可供驗證，結果呈現高度準確；其餘 3 份則僅以自 己的資料交叉驗證，預測與實際狀況的差距無法得知。這些研究顯示僅用氣候資 料為此領域的研究主流之一，但其準確度亟需驗證。

22