在野外探索新物种的旅程，想象一下你需要走多远才能遇到一个未知的生物？这个问题与生态样本收集密切相关。新物种是指那些尚未被研究或记录的生物，它们的发现距离取决于地区生物多样性的完整性和连续调查成本效益分析。近期，中国科学院成都生物研究所的一位研究员陈有华带领团队，以提高野外调查效率为目标，通过数学模型、参数优化和数据模拟等方法，对野外调查策略进行了优化，并提出了一套估计新物种出现距离的方法，这项工作发表在《生态指标》上。

陈有华认为，由于新物种稀少，不易被发现，因此利用统计学评估其潜在可能性至关重要。在这项研究中，他们基于泊松分布开发了一个简单工具来预测最小距离，并通过数值模拟和实证验证来评估该工具性能。这一研究对于生态和生物学领域具有实际应用价值，可以显著提高野外调查成本效益。

陈有华表示，他最初从艾伦·图灵密码学理论中获得灵感，将经典统计思路应用于资源有限区域中的物种调查。他强调虽然目前设计的模型还较为理想化，但未来计划将更深入考虑物种行为规律及人类活动影响，从而建立更加精确且现实可行的地理信息系统(GIS)模型，以回答气候变化下不同区域面临哪些挑战，以及如何进行生态修复以保护多样性。

尽管他对“软科学”持批判立场，但仍然认为结合数理统计方法可以使其成为“硬科学”。他不仅自学了统计知识，而且与其他专家合作，以进一步完善他的研究。此次论文发表后，为此领域提供了新的见解，也激励着更多人加入这一前沿工作。