在这类研究中，纽卡斯尔大学的科学家利用社区分布模型(CDMs)根据全国范围内发表的数据预测了山地植被群落。

主要作者利亚姆·巴特勒博士开发了一种新的方法，通过英国的CDMs绘制山地植被图，使用公开可获得和开放获取的NVC记录和环境数据。降雨量和温度是关键的预测变量，基于随机森林(一种机器学习分类器)的模型是最准确的。

该研究小组在《应用生态学杂志》上发表了他们的研究结果，表明这种技术可以用于任何已经绘制出植被群落地图的国家。

巴特勒博士在纽卡斯尔大学自然与环境科学学院罗伊·桑德森博士的指导下，作为一名博士生进行了这项研究。

他说:“CDM方法的一个优点是它是可推广的，可以很容易地被其他拥有自己植被群落分类的国家采用。另一个原因是，它可以帮助野外生态学家对濒危物种进行有针对性的调查。例如，在英国，英国茅膏菜(Drosera anglicans)的分布在过去100年里由于排涝和富营养化而大大减少，现在已被列入英国红色数据濒危物种名单。在调查的样方中，有20%以上的样方记录到M17 Scirpus cespitosus-Eriophorum vaginatum毛毯沼泽NVC群落，并通过新的CDM方法准确预测了该群落的分布。因此，M17的热点地区可能表明D. anglicans更可能发生的地区，以及CS调查和潜在的保护努力应该集中在那里。”

该研究的合著者、纽卡斯尔大学自然与环境科学学院生物建模高级讲师罗伊·桑德森博士补充说:“这些模型还可以利用大量公开的物种记录，例如历史收藏或最近的公民科学(CS)调查。”

在大多数生境中，一种植物并不是孤立生长的，而是与其他植物共生形成一个特征组合或“群落”，而群落分布模型提供了一种方法，可以在广阔的区域内创建这些组合的预测地图，从而形成其组成的单个植物物种。

“然而，很少有尝试绘制植被群落，即在特定环境条件下经常共存的植物物种群，以创建特征组合。许多国家已经制定了调查和记录植被群落发生情况的标准化方法，例如英国的国家植被分类(NVC)，可用于绘制此类地图。

Journal Reference:

1. Liam Butler, Roy A. Sanderson. National‐scale predictions of plant assemblages via community distribution models: Leveraging published data to guide future surveys. Journal of Applied Ecology, 2022; DOI: 10.1111/1365-2664.14166