下午好，
我最近为马达加斯加特有的爬行动物开发了一个R中的Maxent物种分布模型，使用了仅存在于本地范围的数据。该模型表现良好(根据AUC判断(。
我现在已经将这个模型投影到佛罗里达州，那里没有合适的栖息地。然而，我的重点分类单元在佛罗里达州已经建立得很好了。我没有在模型中使用佛罗里达州的存在数据，因为我想检查模型是否先验地预测了殖民事件；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，我总体上可以看出，殖民地的预测概率很低，但我无法量化。我可以在模型输出(训练点(或使用"dismo"中的评估(验证点(中找到我已知马达加斯加事件的等效定量值(因为它们包含在模型中(。
有人知道我可以用什么方法/包/函数来查找佛罗里达积分的这些值吗(目前只是存储为.csv(。
如有必要，我可以分享更多该型号的技术细节；这是R中相当标准的Bioclim/Maxent/仅存在数据，主要使用"dismo"。
您可以使用raster::extract()获取它们。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较低的问题，这可能是过度拟合问题。如果存在过度拟合，训练点的AUC将很高，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点和测试点(，并量化训练点和检测点之间的AUC差异。除此之外，ORmin和ORmtp被广泛使用。您可以查看本文以了解更多详细信息以及如何处理maxent模型中的过度拟合：Radosavljevic&Anderson，2013年。
祝你好运！
/Emilio