下午好，
我最近在 R 中为马达加斯加特有的爬行动物开发了一个 Maxent 物种分布模型，使用本地范围仅存在数据。该模型表现良好（由 AUC 判断）。
我现在将这个模型投影到佛罗里达州，在那里它没有找到合适的栖息地。然而，我的焦点分类群在佛罗里达已经很成熟了。我没有在模型中使用佛罗里达存在数据，因为我想检查模型是否会先验地预测殖民化事件；因此，我使用马达加斯加作为模型范围来训练/验证模型。
我想恢复佛罗里达州已知事件的量化概率值；目前，我总体上可以看到殖民地区域的预测概率很低，但我无法量化它们。我可以在模型输出（训练点）或使用“dismo”中的评估（验证点）中找到我已知的马达加斯加事件（因为它们已包含在模型中）的等效定量值。
有谁知道我可以用来为我的佛罗里达点查找这些值的方法/包/函数（目前仅存储为 .csv）。
如有需要，我可以分享模型的更多技术细节；它是 R 中相当标准的 Bioclim/Maxent/presence-only 数据，主要使用“dismo”。
你可以用raster::extract(). 例如：
library(raster)
d <- read.csv("data.csv") #your csv here
r <- raster("maxent.tif") #your suitability raster here
vals <- extract(r, d) #these are the values of r at your locations
关于将模型转移到另一个地理区域时预测适用性低的问题，这可能是一个过度拟合问题。如果存在过度拟合，训练点的 AUC 会很高，因此您应该依靠另一个指标来评估它。例如，您可以运行交叉验证（将马达加斯加记录划分为训练和测试点）并量化训练和测试点之间 AUC 的差异。否则 ORmin 和 ORmtp 被广泛使用。您可以查看这篇论文以了解更多详细信息以及如何处理 maxent 模型中的过拟合：Radosavljevic & Anderson，2013。
祝你好运！
/埃米利奥