为何spThin包thin函数每次运行输出不同？如何选择结果？

我尝试对存在数据进行空间去重，以减少用于MaxEnt模型的仅存在数据集的采样偏差，使用的R代码及第一次运行输出如下：

library(spThin)
thinned_dataset_full.100.1 <- thin(loc.data = AP.bioclim.combined.3, lat.col = "Latitude", long.col = "Longitude", spec.col = "Species", thin.par = 5, reps = 100, locs.thinned.list.return = TRUE, write.files = FALSE, write.log.file = FALSE)

运行输出：

Beginning Spatial Thinning.
 Script Started at: Wed Jun 17 17:02:32 2026
lat.long.thin.count
1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1206 
   2    6    4   11    6   20   17   14    7    6    6    1 
[1] "Maximum number of records after thinning: 1206"
[1] "Number of data.frames with max records: 1"
[1] "No files written for this run."

我发现多次运行同一代码，每次输出结果都不同，例如第二次和第三次运行：

第二次运行 #

#Attempt 2
library(spThin)
thinned_dataset_full.100.2 <- thin(loc.data = AP.bioclim.combined.3, lat.col = "Latitude", long.col = "Longitude", spec.col = "Species", thin.par = 5, reps = locs.thinned.list.return = TRUE, write.files = FALSE, write.log.file = FALSE)

输出：

Beginning Spatial Thinning.
 Script Started at: Wed Jun 17 17:04:03 2026
lat.long.thin.count
1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 
   1    4    4    3   12   12   13   13    9   12    5    9    2    1 
[1] "Maximum number of records after thinning: 1206"
[1] "Number of data.frames with max records: 1"
[1] "No files written for this run."

第三次运行 #

#Attempt 3
library(spThin)
thinned_dataset_full.100.3 <- thin(loc.data = AP.bioclim.combined.3, lat.col = "Latitude", long.col = "Longitude", spec.col = "Species", thin.par = 5, reps = 100, locs.thinned.list.return = TRUE, write.files = FALSE, write.log.file = FALSE)

输出：

Beginning Spatial Thinning.
 Script Started at: Wed Jun 17 17:06:25 2026
lat.long.thin.count
1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1206 
   1    1    5    5   11   11   15   17   12   11    4    4    3 
[1] "Maximum number of records after thinning: 1206"
[1] "Number of data.frames with max records: 3"
[1] "No files written for this run."

请问为何会出现这种情况？我该如何选择要解读的输出结果？

一、多次运行结果不同的原因 #

spThin包的thin()函数在空间去重时，当某一区域内存在多个满足距离阈值（你设置的thin.par=5，即5个单位距离内仅保留一条记录）的采样点时，会随机选择保留其中一个点。每次运行时随机数生成器的初始状态不同，导致选择结果存在差异，最终输出的去重数据集数量分布和具体保留的采样点都会不一样。

另外注意到你第二次运行的代码里reps参数写错了，写成了reps = locs.thinned.list.return = TRUE，正确写法应为reps=100，不过这没影响最终最大记录数，只是可能导致实际重复次数不符合预期，但核心差异还是来自函数内置的随机采样逻辑。

二、如何选择输出结果 #

针对MaxEnt模型的需求，推荐以下几种选择方式：

• 选记录数最多的数据集：从多次重复结果里，挑出保留记录数最多的那些数据集（比如你第三次运行里有3个记录数为1206的数据集），这类数据集既满足空间去重要求，又保留了最多的物种分布信息，能在减少采样偏差的同时避免丢失过多有效数据。
• 多数据集集成分析：如果算力允许，用多个不同的去重数据集分别训练MaxEnt模型，然后对模型结果进行集成（比如取平均预测值、合并变量重要性），这样能消除单次随机选择带来的不确定性，让模型结果更稳健。
• 固定随机种子：如果需要结果可重复，可以在调用thin()函数前设置随机种子，比如set.seed(123)，这样每次运行thin()函数时，随机选择的逻辑会完全一致，输出结果也会相同。

内容的提问来源于stack exchange，提问作者Insect_biologist