All Issue

2025 Vol.59, Issue 4 Preview Page

Research Article

Effects of Spatial Bias and Niche Truncation on Species Distribution Models: A Study Using Virtual Species and Climate Change Simulation

출현 자료의 공간 편향과 생태적 지위 절단이 생물 종 분포 모형에 미치는 영향: 가상 종 분포 및 기후 변화 시뮬레이션을 기반으로

Cheongok Jeona
,
Dajeong Choib
,
Hwahwan Kimc*
전 청옥a
,
최 다정b
,
김 화환c*
aResearcher, Korea National Park Research Institute
bResearcher, Korea National Park Research Institute
cProfessor, Department of Geography, Chonnam National University
a국립공원공단 국립공원연구원 연구원
b국립공원공단 국립공원연구원 연구원
c교신저자, 전남대학교 지리학과 교수
*h2kim@jnu.ac.kr
31 December 2025. pp. 431-444
PDF XML Citation
Abstract

Spatial bias refers to a distorted distribution where occurrence data are clustered in specific areas or absent, failing to reflect the actual spatial distribution of a species. Although spatial bias significantly impacts the performance of Species distribution models(SDMs), it has received relatively limited attention in domestic research. Specifically, when the actual distribution of a species cannot be fully surveyed due to political, socio-economic barriers, or limited accessibility, niche truncation occurs. This phenomenon captures only a subset of the species' realized niche, which can critically affect model performance. Niche truncation is particularly problematic for species with extensive ranges and broad climatic niches, potentially leading to inaccurate estimates of distribution shifts under climate change scenarios. This study employed a virtual species simulation to replicate spatial bias caused by the absence of data in North Korea and quantified its impact on model predictions and interpretations. The results indicated that spatial bias in occurrence data caused an average decline in prediction performance ranging from 5% to over 20% across the Korean Peninsula, depending on the algorithm and virtual species. Notably, a consistent reduction in prediction performance was observed in approximately 50-80% of the virtual species. This performance degradation was most pronounced in North Korea as well as in alpine and mountainous terrains, suggesting that habitat range shifts under climate change may be inaccurately predicted. Future research should actively incorporate methods to account for spatial bias and characterize the environmental and geospatial properties of data, thereby reducing uncertainty and enhancing the robustness of SDMs.

Keywords
Spatial bias
Niche truncation
Species distribution model
Virtual species simulation
Climate change
SHapley Additive exPlanations

공간 편향은 데이터가 현실의 공간 분포를 반영하지 않고 특정 지역에서 뭉치거나 부재하는 등 왜곡된 분포를 띄는 경우를 의미한다. 출현 자료의 공간 편향은 생물 종 분포 모형의 성능에 큰 영향을 미침에도 불구하고 국내 연구에서는 상대적으로 덜 다뤄지고 있다. 특히 정치, 사회-경제적 차이, 인구 밀도 및 접근성 등의 이유로 생물 종의 실제 분포 공간을 전수 조사하지 못한다면 생태적 지위 절단이 발생, 지위의 일부 구간만을 포착하게 되어 모형의 성능에 영향을 줄 수 있다. 지위 절단 문제는 서식 범위가 넓고 광범위한 기후 지위를 지니는 생물 종에서 더욱 문제가 될 수 있으며, 기후 변화 시나리오에 따른 분포 추정이 정확하지 않을 수 있다. 본 연구는 가상 종 분포 시뮬레이션 방법을 활용하여 북한의 공간 편향을 모사하고 북한의 출현 자료 부재가 모형의 예측과 해석에 미치는 영향을 제시하였다. 연구 결과, 출현 자료의 공간 편향은 한반도 전역에서 알고리즘과 가상 종에 따라 평균적으로 최소 5%에서 20%가 넘는 모형 예측 성능 하락을 유발했으며 약 50-80% 이상의 가상 종에서 공통적인 예측 성능 하락이 확인되었다. 북한 지역의 출현 편향에 따른 예측 성능 감소는 북한 및 아고산, 산악 지형에서 강하게 나타났으며 이는 기후 변화에 따른 서식 범위 이동의 부정확한 예측을 암시한다. 향후 연구에서는 출현 자료의 공간 편향을 고려하는 방법, 데이터의 환경 및 지리 공간의 특성을 파악하는 방법 등을 적극적으로 활용해 데이터 불확실성을 감소시키고 보다 나은 모형 연구를 진행할 필요가 있다.

키워드
출현 자료
생태적 지위 절단
공간 편향
생물 종 분포 모형
가상 종 시뮬레이션
SHapley Additive exPlanations
References
1

공우석, 2005, “지구온난화에 취약한 지표식물 선정,” 한국기상학회지 41(2-1): 263-273.

2

박미나･최영은, 2020, “우리나라의 재현기간별 일 최고기온 극값 변화 및 미래 전망에 관한 연구,” 국토지리학회지 54(1): 37-48.

3

이자원, 2010, “우리나라 기후변화와 관련된 재해에 대한 적응기법 개발 동향 연구,” 국토지리학회지 44(4): 635-648.

4

윤종학･Katsuhiro Nakao･박찬호･이병윤･오경희, 2011, “기후변화에 따른 한반도 난온대 상록활엽수의 잠재 생육지 변화 예측,” 한국생태학회지 25(4): 590- 600.

5

Adde, A., P. Rey, P. Brun, N. Külling, F. Fopp, F. Altermatt, O. Broennimann, A. Lehmann, B. Petitpierre, N. E. Zimmermann, L. Pellissier, and A. Guisan, 2023, N-SDM: a high‐performance computing pipeline for Nested Species Distribution Modelling, Ecography 2023(6): e06540.

10.1111/ecog.06540
6

Beck, J., M. Böller, A. Erhardt, and W. Schwanghart, 2014, Spatial bias in the GBIF database and its effect on modeling species’ geographic distributions, Ecological Informatics 19: 10-15.

10.1016/j.ecoinf.2013.11.002
7

Boria, R. A., L. E. Olson, S. M. Goodman, and R. P. Anderson, 2014, Spatial filtering to reduce sampling bias can improve the performance of ecological niche models, Ecological Modelling 275: 73-77.

10.1016/j.ecolmodel.2013.12.012
8

Brun, P., N. E. Zimmermann, C. Hari, L. Pellissier, and D. N. Karger, 2022, Global climate-related predictors at kilometer resolution for the past and future, Earth System Science Data 14(12): 5573-5603.

10.5194/essd-14-5573-2022
9

Bystriakova, N., M. Peregrym, R. H. J. Erkens, O. Bezsmertna, and H. Schneider, 2012, Sampling bias in geographic and environmental space and its effect on the predictive power of species distribution models, Systematics and Biodiversity 10(3): 305-315.

10.1080/14772000.2012.705357
10

Chevalier, M., A. Zarzo-Arias, J. Guélat, R. G. Mateo, and A. Guisan, 2022, Accounting for niche truncation to improve spatial and temporal predictions of species distributions, Frontiers in Ecology and Evolution 10: 944116.

10.3389/fevo.2022.944116
11

Elith, J. and J. R. Leathwick, 2009, Species distribution models: ecological explanation and prediction across space and time, Annual Review of Ecology, Evolution, and Systematics 40: 677-697.

10.1146/annurev.ecolsys.110308.120159
12

Fourcade, Y., J. O. Engler, D. Rödder, and J. Secondi, 2014, Mapping species distributions with MAXENT using a geographically biased sample of presence data: a performance assessment of methods for correcting sampling bias, PLoS ONE 9(5): e97122.

10.1371/journal.pone.009712224818607PMC4018261
13

Guisan, A., M. Chevalier, A. Adde, A. Zarzo‐Arias, T. Goicolea, O. Broennimann, B. Petitpierre, D. Scherrer, P. Rey, F. Collart, F. Riva, B. Steen, and R. G. Mateo, 2025, Spatially nested species distribution models(N‐SDM ): an effective tool to overcome niche truncation for more robust inference and projections, Journal of Ecology 113(7): 1588-1605.

10.1111/1365-2745.70063
14

Hortal, J., F. De Bello, J. A. Diniz-Filho, T. M. Lewinsohn, J. M. Lobo, and R. J. Ladle, 2015, Seven shortfalls that beset large-scale knowledge of biodiversity, Annual Review of Ecology, Evolution, and Systematics 46(1): 523-549.

10.1146/annurev-ecolsys-112414-054400
15

Kramer-Schadt, S., J. Niedballa, J. D. Pilgrim, B. Schröder, J. Lindenborn, V. Reinfelder, M. Stillfried, I. Heckmann, A. K. Scharf, D. M. Augeri, S. M. Cheyne, A. J. Hearn, J. Ross, D. W. Macdonald, J. Mathai, J. Eaton, A. J. Marshall, G. Semiadi, R. Rustam, H. Bernard, R. Alfred, H. Samejima, J. W. Duckworth, C. Breitenmoser-Wuersten, J. L. Belant, H. Hofer, and A. Wilting, 2013, The importance of correcting for sampling bias in MaxEnt species distribution models, Diversity and Distributions 19(11): 1366-1379.

10.1111/ddi.12096
16

Lundberg, S. M. and S. I. Lee, 2017, A unified approach to interpreting model predictions, Advances in Neural Information Processing Systems 30: 4765-4774.

17

Phillips, S. J., M. Dudik, and R. Schapire, 2004, A maximum entropy approach to species distribution modeling, Proceedings of the 21st International Conference on Machine Learning 83.

10.1145/1015330.1015412
18

Phillips, S. J., M. Dudik, J. G. Elith, H. Catherine, J. Leathwick, and S. Ferrier, 2009, Sample selection bias and presence-only distribution models: implications for background and pseudo-absence data, Ecological Applications 19(1): 181-197.

10.1890/07-2153.1
19

Roberts, D. R., V. Bahn, S. Ciuti, M. S. Boyce, J. Elith, G. Guillera-Arroita, S. Hauenstein, J. J. Lahoz-Monfort, B. Schröder, W. Thuiller, D. I. Warton, B. A. Wintle, F. Hartig, and C. F. Dormann, 2017, Cross-validation strategies for data with temporal, spatial, hierarchical, or phylogenetic structure, Ecography 40(8): 913-929.

10.1111/ecog.02881
20

Valavi, R., J., Elith, J. J. Lahoz-Monfort, and G. Guillera-Arroita, 2021, Modelling species presence-only data with random forests, Ecography 44(12): 1731-1742.

10.1111/ecog.05615
21

Veloz, S. D., 2009, Spatially autocorrelated sampling falsely inflates measures of accuracy for presence-only niche models, Journal of Biogeography 36(12): 2290-2299.

10.1111/j.1365-2699.2009.02174.x
Information
  • Publisher :The Korean Association of Professional Geographers
  • Publisher(Ko) :국토지리학회
  • Journal Title :국토지리학회지
  • Journal Title(Ko) :THE GEOGRAPHICAL JOURNAL OF KOREA
  • Volume : 59
  • No :4
  • Pages :431-444
  • Received Date : 2025-11-27
  • Revised Date : 2025-12-27
  • Accepted Date : 2025-12-28
  • DOI :https://doi.org/10.22905/kaopqj.2025.59.4.11
Journal Informaiton 국토지리학회지 국토지리학회지
Online Submission
  • NRF
  • KISTI Current Status
  • KISTI Cited-by
  • KCI 문헌 유사도 검사
  • orcid
  • open access
  • ccl
Journal Informaiton Journal Informaiton - close