R语言BIOMOD2物种分布模型实战：南方红豆杉适生区模拟全流程-代码聚汇网

R语言BIOMOD2物种分布模型实战：南方红豆杉适生区模拟全流程

R语言BIOMOD2物种分布模型

|难度：普通|阅读约 29 分钟

我拿到南方红豆杉的野外调查记录时，第一反应就是在R语言里把BIOMOD2整套流程跑起来。说实话，那时候我对机器学习的理解还停留在“随机森林很强”这种层面，觉得只要把WorldClim的几十个环境变量丢进去，让BIOMOD2训练一批模型，导出一张适生区图就算交差。结果第一次跑完，AUC高达0.95，图也漂亮，但把变量贡献率调出来一看，排第一的居然是年均温，而生态学常识里南方红豆杉明显更受水分条件约束，当时我就知道这套结果不能直接用。

后来重新梳理整套流程才发现，物种分布模拟里最花功夫的根本不在“跑模型”那一步，而在变量怎么筛、分布点怎么清洗、伪不存在点怎么生成、结果怎么解读。今天这篇文章我就以自己处理的南方红豆杉适生区案例为主线，把从环境变量准备到BIOMOD2多算法建模，再到未来气候情景投影的完整过程讲一遍。内容也涉及机器学习方法的应用边界——当随机森林、梯度提升、MaxEnt这些算法放在同一套数据里对比的时候，它们的差异比很多人想象中更大。适合正在学R语言物种分布模型的研究生，也适合想用BIOMOD2做生态位模拟但不想只会点按钮的初学者。

1. 环境变量不是越多越好：先解决共线性和生态含义两个问题

1.1 我的数据来源与预处理顺序

跑BIOMOD2之前的准备工作，通常被人当成“数据下载”就一笔带过，实际上这是决定模型上限的一步。我当时用的当前气候数据来自WorldClim 2.1的BIO1-BIO19，另外加了一个海拔变量。下载本身很简单，在R语言里用geodata包就能直接拉：

r复制library(geodata)
library(terra)

# 下载当前生物气候变量，分辨率2.5分
bioclim_all <- worldclim_global(var = "bio", res = 2.5, path = "data/env")
elev <- elevation_global(res = 2.5, path = "data/env")

# 转成terra栅格并统一坐标系
env_all <- c(bioclim_all, elev)
names(env_all)[20] <- "elev"
crs(env_all) <- "EPSG:4326"

很多教程到这里就直接把20个图层全塞给BIOMOD2了。我不能说这样完全跑不通，但结果里那些漂亮的评估指标很可能是骗人的——因为WorldClim的19个生物气候变量内部高度相关。年均温、最暖月温度、最冷月温度、温度季节性的相关系数经常超过0.9，年降水量、最湿季度降水量、最干季度降水量也高度纠缠。把它们同时放进模型，在GLM这类回归模型里会造成参数不稳定，在随机森林这类机器学习模型里则会严重干扰变量重要性的排序，响应曲线也可能出现反直觉的趋势。

1.2 我不再“全变量投喂”的筛选操作

我的做法是先提取各分布点的环境值，做一轮相关矩阵检查。这一步在R语言里很快：

r复制# occ_points是清洗后的经纬度数据框
vals <- terra::extract(env_all, occ_points, ID = FALSE)
cor_mat <- cor(vals, method = "spearman")

# 找出相关系数绝对值高于0.85的组合
high_cor <- which(abs(cor_mat) > 0.85, arr.ind = TRUE)
high_cor <- high_cor[high_cor[, 1] < high_cor[, 2], ]
print(high_cor)

手动从相关矩阵里挑变量时，我给自己定了几条规则。第一，同一个热量维度只保留一个代表，比如年均温和最暖月温度高度相关时，我会保留年均温，因为它的生态解释更直观；第二，降水不同维度如果互相纠缠，至少要保留“一个总水量代表加一个季节分配代表”，例如年降水量BIO12加降水季节性BIO15；第三，海拔是否保留要看物种本身与地形的关联，不是所有物种都适合把海拔放进去，因为海拔本身不是直接生理限制因子，它常常只是温度、降水、辐射的代理变量。

我当时最后保留的变量是这六个：BIO1年均温、BIO2平均日较差、BIO4温度季节性、BIO12年降水量、BIO15降水季节性、海拔。这组变量的好处是分别对应热量水平、温度日变化幅度、温度年节律、水分总量、水分季节分配、地形梯度，生态维度不重复。许多刚接触物种分布模拟的人担心变量少了模型信息不够，实际上对只有几十个到一两百个分布点的物种来说，6到8个变量已经偏多了。变量越多，模型越容易记住训练点的噪声，未来情景投影时也就越容易出现荒谬的外推值。

1.3 环境变量要覆盖到“物种可能扩散到的地方”

还有一点经常被忽略：裁剪环境栅格的范围不应该只圈着已知分布点。BIOMOD2里如果只裁剪到物种点周围很小的矩形，模型根本没有机会学习“不适合区域”的环境组合，伪不存在点也会挤在很小的环境空间里。我当时把研究区划成整个样带范围，而不是只圈着分布点外扩一点。但也不能大到跨越完全不同的生物地理区，那样伪不存在点会引入太多“从未调查过但可能适合”的区域，反而会低估适生区。一般我会先看分布点的经纬度范围，然后向外扩3到5个纬度/经度的缓冲作为建模区，再结合植被地带边界手动修一下。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 分布点清洗与伪不存在点怎么生成，结果才可信

2.1 GBIF数据不是下载就能用

我这次用的南方红豆杉点位大部分来自历史调查记录和保护区监测数据，也补充了一部分公开数据库的记录。公开数据库的点位常常有坐标精度差、经纬度调换、落到城镇中心等毛病。第一步我会做几个机械检查：删除经纬度为0的点，删除明显落在海洋里的点，删除坐标精度超过1公里的记录，再按物种名重新核对一遍分类学信息。

光做机械检查还不够。采样偏差是SDM的一个老问题——很多分布点来自道路沿线、保护区或者某个研究者的样地，存在严重的空间聚集。如果这些聚集点不处理，模型会认为这些局部环境比实际更重要，结果适生区图会沿着调查路线出现一些假的高概率斑块。我的处理办法是按距离做稀疏化，保证在5公里范围内最多保留一个点。这样既不会让采样密集区在训练时“投票”权重过高，也能保留空间独立性。R语言里可以用spThin包，也可以直接用terra做缓冲区去重，我习惯自己写一个简单的按距离抽样：

r复制set.seed(42)
occ_thinned <- occ_points[sample(nrow(occ_points)), ]
keep <- rep(FALSE, nrow(occ_thinned))
for (i in seq_len(nrow(occ_thinned))) {
  if (!keep[i]) {
    d <- terra::distance(as.matrix(occ_thinned[i, c("lon", "lat")]),
                         as.matrix(occ_thinned[, c("lon", "lat")]))
    keep[d > 5000] <- TRUE  # 5km以外的点保留
  }
}
occ_final <- occ_thinned[keep, ]

稀疏化之后我手里只剩80来个有效分布点。很多人看到这个数字会慌，觉得样本量太小没法做模型，但SDM处理稀疏数据本来就是常态。关键是样本量不足时更需要谨慎选择伪不存在点策略和交叉验证方式，而不是盲目增加虚假数据。

2.2 伪不存在点不是背景点，别把“没调查到”当成“不存在”

BIOMOD2和纯MaxEnt的一个使用差异在于，BIOMOD2的建模框架里需要更明确地处理“不存在点”或“伪不存在点”。大多数物种只有存在记录，没有可靠的“真不存在”记录，所以我们得生成伪不存在点。我见过很多初学者把伪不存在点随意撒在研究区里，这会把大量真实适生环境标记成不存在，模型学到的分界线就会朝错误方向偏移。

伪不存在点生成策略，BIOMOD2里提供了几种：random随机撒、sre基于环境范围、disk基于距离环等。我采用的方案是结合地理距离限制的随机采样——先对每个存在点建立10公里缓冲区，在缓冲区外再生成伪不存在点。这样既保证伪不存在点尽量远离已知分布区，避免把真实适生环境误标为负样本，又不会因为撒得太远导致环境外推。

实现时在BIOMOD_FormatingData函数里设置PA参数：

r复制myBiomodData <- BIOMOD_FormatingData(
  resp.name = "Taxus_chinensis",
  resp.xy = occ_final[, c("lon", "lat")],
  resp = rep(1, nrow(occ_final)),
  expl.var = env_selected,
  PA.nb.rep = 3,
  PA.nb.absences = 800,
  PA.strategy = "random",
  PA.dist.min = 10000,
  PA.dist.max = NULL
)

需要说明的是，不同BIOMOD2版本对disk参数的支持方式有变化，如果新版里PA.dist.min/PA.dist.max名字不识别，建议先运行?BIOMOD_FormatingData看帮助文档。我个人的一个经验是：伪不存在点的重复次数至少3次。因为只生成一次随机伪不存在点会引入很大的随机性，AUC可能偏差0.05以上。BIOMOD2里PA.nb.rep=3意味着生成3套不同的伪不存在点，最后模型集成时能把这种随机性平均掉。

2.3 伪不存在点的数量并不是越大越好

另一个常见误区是伪不存在点数量越多越好。我见过有的教程给1000个存在点配了10000个伪不存在点，这会让模型在训练时严重偏向预测“不适合”，把概率值整体压得很低，最后二值化时不得不选一个很低的阈值来补偿，适生区范围被大大低估。一般伪不存在点数量取存在点数量的5到10倍以内是常见做法。我的存在点80个，取了800个伪不存在点，加上重复3次，对模型来说已经足够稳定。如果你的分布点确实太少，与其增加伪不存在点数量，不如把精力放在更合理的空间分区和模型重复上。

3. BIOMOD2建模流程：多算法对比必须建立在同一套数据和交叉验证上

3.1 为什么用BIOMOD2而不是单独跑MaxEnt

单独跑MaxEnt当然也可以得到适生区，但BIOMOD2的核心价值在于它把所有主流算法的运行流程统一成一套流水线。同一个分布点集合、同一套伪不存在点、同一种交叉验证方式，可以同时输入GLM、GAM、GBM、随机森林、MaxEnt等不同模型进行训练。这样它们的评价指标之间才有可比性。如果你在MaxEnt里跑一遍随机森林又在另外的R包跑一遍，数据切分方式不同、伪不存在点生成方式也不同，最后说“哪个算法结果更好”是没有依据的。

在BIOMOD2框架里我通常选这四种算法，不是越多越好：

GLM：广义线性模型，传统统计模型，作为基线参照，看看数据里的线性和二次趋势。
GBM：梯度提升机，机器学习模型，能拟合复杂非线性关系，对缺失值和异常值比较稳健。
RF：随机森林，机器学习模型，非线性强，通常评价指标表现很好，但解释性比较弱。
MAXENT.Phillips：MaxEnt算法的BIOMOD2接口，特别适合物种分布这种“只给正样本加背景/伪负样本”的场景。

很多论文会把GAM也放进去，但GAM在大样本下表现好，在小样本数据上容易过拟合，因此我在南方红豆杉这个例子里没有优先使用。用BIOMOD2当然也可以一口气勾十种算法，但算法越多并不代表结果越可信，特别在点位较少时，那些过于灵活的算法会在训练集上留下大量噪声痕迹。

3.2 模型选项与交叉验证的关键设置

BIOMOD2建模核心代码大致长这样：

r复制myBiomodOptions <- BIOMOD_ModelingOptions(
  GLM = list(type = "quadratic", test = "AIC"),
  GBM = list(n.trees = 1500, interaction.depth = 3, shrinkage = 0.01),
  RF = list(ntree = 1000),
  MAXENT.Phillips = list(path_to_maxent.jar = "你的maxent路径")
)

myBiomodModel <- BIOMOD_Modeling(
  bm.format = myBiomodData,
  bm.options = myBiomodOptions,
  modeling.id = "taxus_demo",
  models = c("GLM", "GBM", "RF", "MAXENT.Phillips"),
  CV.strategy = "kfold",
  CV.k = 5,
  CV.nb.rep = 2,
  metric.eval = c("TSS", "ROC"),
  var.import = 2,
  seed.val = 123
)

这里有几个参数值得单独解释。CV.strategy我用的是kfold，CV.k=5表示把数据随机分成5份，每次拿4份训练、1份验证；CV.nb.rep=2表示重复两次完整5折。如果你的存在点只有二三十个，5折一刀切会让每一折训练样本太少，我建议换成“随机80/20切分并重复多次”的策略，或者用留一法交叉验证，虽然慢一点但评估更接近真实水平。

var.import=2表示变量重要性计算重复两次取平均。这个参数很多人不设置，直接让BIOMOD2用默认值，但排列重要性本身带有随机性，只算一次的结果可能不太稳定。设置成2到5次都可以，代价只是运行时间增加。

3.3 建模运行时的观察点

BIOMOD2跑完会在工作目录生成一个以建模名命名的文件夹，里面有评估结果表格、模型对象、变量重要性等文件。如果运行过程中报错，最常见的不是算法本身不可用，而是某些算法依赖的软件包出了问题。比如MaxEnt算法需要能调用Java环境，如果你没安装Java或没有把maxent.jar放到指定位置，会卡在这一步。我当时为了省事一度跳过了MAXENT.Phillips，只跑了GLM、GBM和RF，后来为了结果对比才把Java环境补齐。

GBM和RF在小数据集上跑得都很快，稍微耗时的是交叉验证重复和变量重要性计算。当点位数不多时，整体运行时间一般几分钟能解决。如果跑了一段时间卡住，建议把CV.nb.rep先降到1试跑通，再调高重复次数。不要一边跑百次重复一边调试参数，那会浪费大量时间。

4. 结果评估和响应曲线：不能只盯AUC这一个数

4.1 AUC、TSS、KAPPA怎么组合着看

模型跑完，我的第一件事是读取评估结果：

r复制evals <- get_evaluations(myBiomodModel)
head(evals)

BIOMOD2会输出每个模型在每次交叉验证下的ROC、TSS和KAPPA指标。ROC就是经常说的AUC，反映模型把“存在点预测概率”和“伪不存在点预测概率”区分开的能力。AUC做到0.9以上并不难，尤其是伪不存在点离存在点足够远的时候，因为环境差异太明显，模型很容易区分。它只能说明“分得开”，不能说明“分得准”。

TSS等于灵敏度加特异度减1，TSS越高表示在某个最优阈值下，真实存在点和真实非存在点被正确分类的比例越好。我比较看重TSS是因为它更贴近保护决策里的二值化需求——到底阈值为多少可以把预测结果变为“有/无”的适生区图。KAPPA则考虑了随机一致性的校正，但它对物种的发生率敏感，存在点比例不同会影响数值，所以我只作为辅助参考。

我的看法是三个指标不能只看最高的那个。RF和GBM在大多数SDM任务里AUC和TSS会比GLM高，这符合预期，因为它们在拟合非线性关系上有优势。但如果只有RF最高而GLM明显很差，我会想一想是不是数据里存在强非线性且变量间交互复杂；相反如果GLM都表现得很好而RF反而一般，我会先怀疑是不是训练样本太少导致随机森林没有学到稳定结构。

下面是我在这个案例里不同算法评价指标的大致规律，可以作为参考：

算法	AUC表现	TSS表现	我的解读
GLM	中等或偏低	中等	趋势清楚，但对复杂生态位表达不足
GBM	高	高	学习能力强，需要控制迭代次数避免过拟合
RF	高	高	精度高且稳定，但变量解释偏“黑箱”
MAXENT	高	中等偏高	在稀疏数据下稳健，响应曲线平滑

4.2 变量贡献率要为生态解读服务

变量重要性计算出来之后，不能只看排序就完事。我这次案例里不同算法的变量重要性排序不完全一致，RF认为温度季节性和年降水量重要，GLM则认为海拔和年均温更重要。这种情况非常正常。当变量之间存在一定相关性但又没有完全剔除干净时，每种算法对变量组合的利用方式不同，贡献率会被重新分配。如果想用变量重要性去支撑生态结论，最好观察多个算法排序的交集，而不是只看某一个算法。

变量响应曲线比重要性数字更值得仔细看。BIOMOD2提供了响应曲线绘制函数，输出每个变量在其它变量取均值时预测概率的变化。例如在我这个案例里，南方红豆杉的适宜概率随年降水量增加先升后降，在1200到1600毫米区间内最高，这说明它需要湿润环境但不能长期积水；海拔响应曲线则显示它在1000米以下概率较高，超过1500米后快速下降。这些响应曲线才是可以和生态学知识对话的内容。

一个容易犯的错是把响应曲线当成严格的因果关系。物种分布模型本质上是相关性建模，响应曲线只表示在训练数据范围内该变量与适生概率的经验关系，外推到变量组合从未出现的区域时并不可靠。

4.3 从连续概率到适生区专题图

BIOMOD2输出的预测图最初是一张连续概率栅格图。如果你直接用图例颜色看分布范围，主观性太强，我一般用TSS选择的最优阈值进行二值化，再叠加到行政区划或保护地边界上。常见的二值化做法是小于阈值算“不适生”，大于阈值算“适生”。但这张图丢掉了梯度信息，所以我会额外生成一张“低、中、高适生区”的分级图——阈值以下不显示，阈值到0.4之间为低适生区，0.4到0.7为中适生区，0.7以上为高适生区。

需要提醒的是，不同算法预测概率的绝对值分布不完全可比。RF倾向于给出偏极端概率，MaxEnt概率更温和，所以直接横向比较“RF预测0.8的区域”和“MaxEnt预测0.8的区域”并不公平。BIOMOD2的集成模型输出往往会在一定程度上解决这个问题。

集成预测有两种常见玩法：committee averaging按刀切一致性投票产生结果，适合做“少数服从多数”的保守估计；weighted mean加权平均则按各算法评价指标高低给权重，适合把高质量模型的影响力放大。我在最终成图时使用加权平均，但在分析“哪些区域被多个算法共同支持”时也会切看committee averaging结果，两者差异越小，说明结论越稳。

5. 未来气候情景下的迁移预测与空间决策

5.1 未来环境数据的获取与预处理

南方红豆杉建模的最后一步，是把它投影到未来气候情景下看适生区变化。未来气候数据我用的WorldClim中的CMIP6版本，选择了SSP245和SSP585两个情景，分别代表中等排放和最高排放，时间段选2050s和2090s。气候模式也选了多个GCM，因为单个GCM的预测差异很大。在R语言里可以用geodata包下载：

r复制future_env <- cmip6_world(
  model = "BCC-CSM2-MR",
  ssp = "245",
  time = "2051-2080",
  var = "bio",
  res = 2.5,
  path = "data/env_future"
)

真正麻烦的不是下载，而是让未来数据的变量名、坐标系、分辨率、范围与建模时完全一致。BIOMOD2投影时是按变量名匹配的，如果建模时用的变量叫wc2.1_2.5m_bio_1，未来环境却叫bio1，直接会报错。如果分辨率不一致，需要先重采样到建模栅格同一网格；如果未来文件的范围比建模区小，投影时会出现大块空白。我当时写了很长一段预处理代码来统一CRS和范围，跑通之后才明白为什么很多BIOMOD2教程都把投影单独作为一个大章节来写。

5.2 BIOMOD2投影与集成预测：注意文件输出量

对环境数据预处理完毕，就可以执行投影：

r复制myBiomodProj <- BIOMOD_Projection(
  bm.mod = myBiomodModel,
  new.env = future_env_stack,
  proj.name = "ssp245_2050",
  metric.binary = "TSS",
  compress = TRUE
)

投影会为每一个算法都生成一张当前气候到未来气候的预测栅格。如果你用了4个算法、3套重复伪absence，输出文件数量会相当可观。如果研究区大、分辨率高，文件占用磁盘空间很惊人。我的建议是先在小范围、低分辨率下把整条流程跑通，确认无误后再用正式分辨率跑。

投影完成后，第二步是把多算法结果汇总成集成预测：

r复制myEnsembleForecast <- BIOMOD_EnsembleForecasting(
  bm.proj = myBiomodProj,
  bm.em = myBiomodModel,
  em.by = "all"
)

有一种专业做法是先对每个单独算法算一套输出，再看算法间差异，而不是直接就跳到集成图上。因为如果MAXENT预测适生区向东北迁移，RF却预测向西南迁移，它们平均后的结果会与两者都不同，掩盖了模型间真正的不确定性。

5.3 从适生区迁移到保护层面的分析思路

在SSP245情景下，我们的案例结果显示南方红豆杉潜在适生区重心有向更高海拔方向移动的趋势。当前高适生区集中在中低海拔山地，而未来中高适生区在较高海拔的片段化斑块里仍有望存续。这类结果对保护区规划的意义是：不能只看哪块区域面积增减，而应该识别“当前适生且未来仍然适生”的稳定区域，它们可能是长期气候避难所，应优先保护。同时，“当前适生但未来不适生”的区域将变成生态脆弱区，需要在政策上提前规划廊道或迁地保护。

如果条件允许，我会额外做一次环境相似性分析，检查未来气候组合是否超出了模型训练时的环境范围。模型在训练范围附近的预测相对可信，一旦未来环境组合落在训练范围外，尤其温度和降水同时超过历史极值时，预测结果可能只是数学外推。R语言里可以用ecospat包的MESS或MOP方法来做，它会生成一张“哪些地方环境新颖度高”的风险图。在这个例子里，未来较高排放情景下研究区南侧低海拔地带的温度组合确实超出了当前训练范围，这意味着模型对那片区域给出的“不适生”判断需要留有余地。

对不熟悉这类方法的读者，我有个很实用的替代思路：把当前建模时各环境变量的观测最小值、最大值统计出来，再对每张未来环境栅格做超出范围的检测。虽然不如MOP严谨，但至少能指出预测结果中哪些像素属于外推区域，避免把模型输出直接当成地面真实值。

6. 实测中反复踩过的坑：版本、路径、伪absence与运行策略

6.1 BIOMOD2版本差异真能坑死人

BIOMOD2这个R包从3.x到4.x经历过大改版，函数名和参数名都有不少变化。比如旧版本的BIOMOD_ModelingOptions和4.x版本的用法就有区别，一些老代码里的PA.nb.absences在新版本中可能仍然能用，但models = c('MAXENT')这类写法不一定仍然指向同一个算法。我的建议是一开始就固定在一个相对较新且稳定的BIOMOD2版本上做完整个项目，不要中途升级R包。如果数据量很大、项目周期很长，用renv锁定包版本是非常值得的。遇到报错时，不一定要急着看GitHub issue，先运行packageVersion("biomod2")并把版本号带进搜索引擎，通常能更快定位问题。

6.2 目录、命名与中文路径

BIOMOD2会自动在建模目录下创建以物种名、项目名命名的文件夹。如果项目路径里带中文，在某些Linux服务器环境下可能引起编码问题；Windows下即使能运行，未来换机器复现时也容易出故障。我习惯把每个SDM项目单独建一个英文目录，比如D:/sdm_taxus/，里面分data、script、output三个子目录。BIOMOD2建模时不要手工去创建它要用的文件夹，也不要中途把结果文件拷走，否则后续读取评估结果时可能因为文件丢失而报错。

6.3 伪随机种子和重复运行策略

物种分布模拟里存在多层随机性：伪不存在点的生成、数据切分的折、随机森林的抽样本、变量排列重要性计算。如果不固定随机种子，同一套代码每次运行出来的AUC会略不同，变量重要性排序也可能小幅变化。这不是模型问题，而是随机过程本身。为了让结果可复现，我会在一开始设置set.seed(123)，并且在BIOMOD2的建模函数里传入seed参数。对审稿人和合作者而言，固定种子是基本的可复现性要求。我建议把PA重复次数至少设为3，如果时间允许，5更好。只生成一次伪不存在点的模型输出，在后续比较中很容易被随机性左右。

6.4 我的一个工作流建议：用简化数据先跑通，再渐进替换

如果你刚开始接触BIOMOD2，千万不要拿全部数据一步到位。我第一次跑的时候把研究区全图范围、10米分辨率环境变量、5种算法、5折交叉验证一次性放进去，结果光是投影输出就占了几十GB磁盘，运行到一半还因为内存不足被系统杀掉。后来我改成先随机抽30个分布点，用一个很小范围、分辨率降到10分的环境栅格集跑通所有函数，确认流程无误后再替换成正式数据。这个方法帮我节省的时间远远超过重跑一次所花的时间，也让我对哪些步骤耗时、哪些步骤容易报错有了具体认知。

整体来看，BIOMOD2加上机器学习方法的这套物种分布模拟框架，真正要花心思的不是BIOMOD2本身，而是你愿意投入多少精力去设计数据筛选和模型对比方案。我在最初那版只关注AUC的模型上栽过跟头之后，现在每跑一个物种都会先问自己：环境变量是否满足生态上可解释的维度？伪不存在点是否把“没去过”错当成了“不适合”？空间点是否过度聚集？模型评估是否被随机性掩盖？这些问题想清楚之后再按下那个运行键，结果自然会更扎实。