この記事では、環境変数に基づいて種の出現を予測するために使用される種分布モデル（SDM）について述べています。最近、深層学習の進展により、SDMは複雑で異質なデータセットで良好な性能を示していますが、データの空間バイアスによってその効果は制限されています。本研究では、ベイズ的視点から深層SDMを再考し、BATISという新しい実用的フレームワークを提唱します。このフレームワークでは、限られた観察データを用いて以前の予測を逐次更新します。モデルは、局所的な洞察と広範な生態学的パターンを効果的に組み合わせるために、偶然的および認識的不確実性の両方を適切に捉える必要があります。私たちは、eBirdプラットフォームからの市民科学観察を含む新しいデータセットを用いて、広範な不確実性定量化手法をベンチマークしました。研究結果は、ベイズ深層学習手法がデータの少ない場所におけるSDMの信頼性を大幅に向上させ、生態学的理解と保全の努力に寄与する可能性があることを示しています。