De afgelopen decennia exporteerde de mens een onnoemelijk aantal soorten naar gebieden waar deze op basis van natuurlijke processen niet zouden voorkomen. Deze invasieve soorten vormen vandaag de dag één van de grootste bedreigingen voor de biodiversiteit en brengen lokale ecosystemen en hun biotische interacties ernstig in gevaar. Als een exoot zich eenmaal in een nieuw gebied heeft gevestigd is het een dure en intensieve inspanning om hem uit te roeien. Bijgevolg is het veel efficiënter om te voorkomen dat nieuwe exoten een gebied koloniseren en om de verdere verspreiding van reeds gevestigde soorten tegen te houden. Voor deze preventieve aanpak is het van cruciaal belang om het invasierisico van een soort in te schatten en locaties te identificeren waar de soort mogelijks kan gedijen. Soortverspreidingsmodellen (SDM's) zijn het meest gebruikte instrument om het potentiële verspreidingsgebied van mogelijks invasieve soorten te bepalen. Deze correlatieve modellen koppelen waarnemingen uit het oorspronkelijke gebied aan predictor variabelen om zo de ecologische niche van een soort te kwantificeren. De potentiële invasieve verspreiding van een soort wordt dan bekomen door deze niche-eigenschappen op een nieuwe omgeving te projecteren. Op die manier kunnen waarnemingen uit het inheemse verspreidingsgebied worden gebruikt voor de identificatie van risicolocaties in nog niet gekoloniseerde gebieden.
Ondanks hun alomtegenwoordigheid falen SDM's regelmatig om potentiële invasieve gebieden nauwkeurig te voorspellen. Keuzes tijdens de opbouw van deze correlatieve modellen kunnen aan de basis liggen van deze veelvoorkomende gefaalde predicties. Eerst en vooral is de selectie van predictor variabelen enorm cruciaal, aangezien de gekozen variabelen kunnen zorgen voor sterk uiteenlopende model predicties. Vooral bij het bouwen van modellen met de focus op projectie naar nieuwe regio's is het cruciaal om ecologisch zinvolle predictor variabelen te selecteren. Tot op heden bestaat er geen universele consensus over welke predictor variabelen de verspreiding van soorten bepalen. Ten tweede, de keuze van een gepast achtergrondgebied voor de selectie van pseudo-afwezigheden is van enorm belang bij het bouwen van SDM’s. Het overgrote deel van de SDM-studies kiest echter vaak voor een willekeurig gekozen achtergrond op basis van niet-informatieve, geopolitieke grenzen. Dit kan mogelijks leiden tot inaccurate predicties. Ten derde, soorten vertegenwoordigen niet altijd de taxonomische eenheden die het belangrijkst zijn voor verspreidingspatronen. SDM’s op soortniveau gaan ervan uit dat de niche-eigenschappen binnen een soort constant en onveranderd zijn overheen het hele verspreidingsgebied. Dit is echter vaak niet het geval. In deze situatie kan gebruik van lokaal geadapteerde subpopulaties als aparte eenheden voor modelopbouw resulteren in nauwkeurigere schattingen van het verspreidingsgebied.
Het correct identificeren van gebieden die een invasieve soort mogelijks kan innemen is van cruciaal belang voor een preventieve exotenaanpak. Het algemene doel van deze studie is dan ook om de accuraatheid van SDM’s na te gaan voor de voorspelling van potentieel invasieve gebieden. Om de geschiktheid van deze modellen te toetsen, maken we gebruik van het Sint-Helenafazantje (Estrilda astrild), een prachtvink die oorspronkelijk voorkomt in Sub Sahara Afrika maar momenteel invasief is in plaatsen over de hele wereld. Meer specifiek werd het effect van drie modelleerkeuzes op de accuraatheid van invasieve voorspellingen nagegaan. Ten eerste wordt het effect van predictor
variabelen selectie op de modelaccuraatheid bestudeerd. Vervolgens wordt onderzocht of het gekozen achtergrondgebied een belangrijke impact heeft op de voorspellingen van SDM’s. Ten slotte wordt onderzocht of het bouwen van modellen op ondersoortsniveau de invasievoorspellingen beïnvloedt. Voor alle drie de onderzoeksvragen wordt er getracht hun afzonderlijke bijdrage aan het presteren van SDM’s na te gaan. Bepalen welke modelkeuzes cruciaal zijn voor nauwkeurige invasievoorspellingen is dan ook van groot belang voor het behoud en de bescherming van inheemse soorten en ecosystemen. Een uitgebreid basismodel werd geconstrueerd op basis van GBIF-waarnemingen uit het volledige Afrikaanse gebied en 28 verschillende predictor variabelen. Dit basismodel bestond uit een weighted averaged ensemble model, gebaseerd op vijf afzonderlijke modelalgoritmen: MAXENT, GLM, RF, GAM en BRT. Modellen werden gebouwd op een resolutie van 10x10 km2 en de predicties werden geëvalueerd met behulp van de True Skill Statistic.
Vervolgens werd het basismodel gebruikt om het effect van vooraf bepaalde predictor- en achtergrondselecties na te gaan. Vijf strategieën voor de selectie van variabelen en vier achtergrondselectiestrategieën werden geïmplementeerd volgens een volledig gekruist design om het effect van beide strategieën na te gaan. De vijf strategieën van predictorselectie bestonden uit 1) het inbouwen van alle 28 variabelen, 2) het selecteren van variabelen op basis van ecologie, 3) het kiezen van predictors om multicollineariteit te minimaliseren 4) keuze van variabelen op basis van een ENFA- analyse en 5) selectie van predictors op basis van een MESS-analyse. De vier achtergrondselectiestrategieën bestonden uit 1) het willekeurig selecteren van pseudo-afwezigheden binnen de Afrotropische zoogeografische regio, 2) het bufferen van aanwezigheden op een afstand van 25, 50 en 75 km, 3) het selecteren van pseudo-afwezigheden op basis van een vooraf gedefinieerde waarschijnlijkheid van afwezigheid en 4) het toepassen van de doelgroep benaderingsmethode. Op basis van alle 30 modelvarianten gebaseerd op deze strategieën werden voorspellingen voor het Afrikaanse, Europese en Zuid-Amerikaanse continent gemaakt en geëvalueerd.
Ten slotte werd de derde hypothese omtrent intraspecifieke nichevariatie getest. Eerst en vooral werd eventuele variatie tussen ondersoorten nagegaan met behulp van morfologische en niche-gebaseerde analyses. Voor de morfologische analyse werden meting uitgevoerd op museum-specimen en de verschillen tussen de ondersoorten werden beoordeeld op basis van een lineaire discriminatieanalyse en PERMANOVA. Voor de niche-analyses werd de niche overlap en niche gelijkaardigheid tussen alle ondersoorten berekend. Vervolgens werden de drie meest accurate modelvarianten uit het volledig gekruist design opnieuw geconstrueerd voor alle afzonderlijke ondersoorten. Op basis van deze ondersoortsmodellen werden voorspellingen gemaakt voor Afrika, Europa en Zuid-Amerika en vergeleken met hun soort-equivalenten.
Over het algemeen slaagden alle modellen erin om de inheemse verspreiding van het Sint- Helenafazantje correct te voorspellen (TSS > 0.7). Echter faalde onze studie erin nauwkeurige voorspelling van het Europese en Zuid-Amerikaanse verspreidingsgebied te creëren. Deze lage projectiecapaciteit kwam waarschijnlijk voort uit het grote aantal klimatologisch non-analoge gebieden aanwezig in Europa en Zuid-Amerika. Resultaten van een MESS-analyse gaven aan dat slechts 3,1% en 19,2% van Europa en Zuid-Amerika vergelijkbare omgevingsomstandigheden bezaten met de
Afrotropische regio. De resultaten van deze studie benadrukken dat accurate modellen in het inheemse gebied niet vanzelfsprekend ook geschikte modellen zijn voor het bepalen van de invasieve verspreiding van soorten.
Verder onderstrepen de resultaten van deze studie het belang van een a priori selectie van variabelen om de projectiecapaciteit van modellen te optimaliseren. Terwijl de Afrikaanse en Zuid-Amerikaanse voorspellingen min of meer onveranderd bleven onder veranderende variabelen, had de selectie van variabelen een duidelijke impact op de Europese voorspellingen. Variabelen geselecteerd met behulp van ENFA of op basis van hun ecologische relevantie resulteerden in de beste voorspellingen voor Europa, terwijl modelvarianten op basis van de MESS-analyse en variabelen geselecteerd op basis van correlatie volledig faalden in hun voorspellingen voor Europa. Deze studie benadrukt dan ook het belang van a priori selectie van variabelen die rechtstreeks gelinkt zijn aan de ecologie van de soort. Vervolgens had de keuze van het achtergrondgebied geen uitgesproken invloed op de nauwkeurigheid of projectiecapaciteit van de modellen. Hoewel sommige achtergrondselectie-strategieën iets accuratere predicties voortbrachten dan anderen, was er geen methode die duidelijk beter presteerde dan willekeurige pseudo-afwezigheidsselectie binnen de Afrotropisch regio. De doelgroep- benaderingsmethode slaagde er niet in om zowel het invasieve als oorspronkelijke verspreidinggebied van het Sint-Helenafazantje te voorspellen.
Verder had de toevoeging van intraspecifieke nichevariatie een duidelijk positief effect op de inheemse voorspellingen maar leek de nauwkeurigheid van de invasieve voorspellingen niet te verbeteren. De modellen op ondersoortsniveau resulteerden in meer fijnkorrelige, gedetailleerde predicties voor het inheemse, Europese en Zuid-Amerikaanse bereik.