基于maxent和arcgis對于稀土礦區(qū)黑莎草的分布預(yù)測畢業(yè)論文(編輯修改稿)
2025-07-21 15:47 本頁面
【文章內(nèi)容簡介】 3 第一章第一章 數(shù)據(jù)與方法1 .1 數(shù)據(jù)來源通過中國數(shù)字植物標(biāo)本館（CVH）[5]、中國植物志圖集[6]、中國植物頭像庫（PPBC）[7]、中國百科網(wǎng)[8]、中國自然標(biāo)本館[9]、中國高等植物圖鑒[10]等網(wǎng)址查詢，野外調(diào)查并借助Google Earth查找經(jīng)緯度，從所得近百個數(shù)據(jù)數(shù)據(jù)中，剔除重復(fù)的以及一些無效數(shù)據(jù)后共獲取到56個黑莎草在中國的點位分布信息。按 MaxEnt 模型的軟件運(yùn)行要求，黑莎草分布記錄數(shù)據(jù)包括物種名、分布點經(jīng)度和緯度，形成* ．csv 格式文件，其中東經(jīng)和北緯標(biāo)為正值，西經(jīng)和南緯標(biāo)為負(fù)值。從WorldClim數(shù)據(jù)庫中下載模擬所需要的末次冰期（LGM）、當(dāng)前以及2080年3個時期的氣候變量數(shù)據(jù)。將黑莎草分布點位數(shù)據(jù)和氣候數(shù)據(jù)輸入MaxEnt模型中進(jìn)行分布模擬及驗證。1. 2 使用軟件 Maxent是由美國普林斯頓大學(xué)（princeton university）的研究室研發(fā)，可以對物種的分類和分布進(jìn)行預(yù)測，其中分類模型包括線性回歸、基因算法、人工智能方法以及支持向量積（support vector machines，SVM）等，并且研究室還提供多種方法進(jìn)行物種分類結(jié)果的檢驗。利用最大熵算法來分析不同的環(huán)境因子，如溫度，降水和海拔的值，在物種發(fā)生（收集記錄）的現(xiàn)有已知位置來估計物種的現(xiàn)在或者不同時期可能的地理區(qū)域范圍。 MAXENT模型是把研究區(qū)所有像元作為構(gòu)成最大熵的可能分布空間, 將已知某些分布點的像元作為樣點, 根據(jù)樣點像元的環(huán)境因子如氣候變量、海拔、年平均氣溫、土壤類型、植被類型得出約束條件, 探尋這些約束條件下的最大熵的可能分布情況(即探尋與物種分布點的環(huán)境變量特征相同的像元), 據(jù)此來預(yù)測，目標(biāo)物種在研究區(qū)的生境分布(Phillips et al., 2006)。該模型采用Jackknife檢驗對環(huán)境因子的重要性進(jìn)行了分析,并用ROC曲線(受試者工作特征曲線)的下面積(areaunder curve, AUC)對于MAXENT模型的精度進(jìn)行了評價。 其中，AUC值越大, 則表示環(huán)境變量與預(yù)測物種的地理分布模型之間的相關(guān)性也就越大, 越能將該物種在這一地區(qū)有分布和無分布的判別開, 預(yù)測效果也就越好。規(guī)定的評價標(biāo)準(zhǔn)為: AUC值為 –, 失敗 (fail)。 –, 較差 (poor)。–, 一般(fair)。 –, 好(good)。 –,非常好(excellent) (Swets, 1988。 Arajo et al., 2005)[11]1. 3 運(yùn)算方法 分別將黑莎草地理分布數(shù)據(jù)和19個環(huán)境變量（表11）導(dǎo)入MaxEnt通過運(yùn)算輸出圖層( * ．a(chǎn)sc) ，得到物種在中國各地區(qū)的適生性概率p，取值范圍在0～1之間。 應(yīng)用ArcGis將MaxEnt生成的．a(chǎn)sc格式文件轉(zhuǎn)換成RASTER文件，并執(zhí)行重分類程序進(jìn)行風(fēng)險等級分類，分別輸出黑莎草在中國范圍內(nèi)的分布區(qū)預(yù)測，為了直觀展示預(yù)測結(jié)果，在預(yù)測分布圖中顯示了實際分布點。[12]表11 模型中應(yīng)用到的 19 個生物氣候因子變量Variables 描述DescriptionBio 1年平均氣溫 Annual mean temperatureBio 2晝夜溫差月均值 Mean diurnal range ( Mean ofmonthly ( max tempmintemp) )Bio 3晝夜溫差與年溫差比值 IsothermalityBio 4溫度變化方差 Temperature seasonalityBio 5最熱月份最高溫 Max temperature of warmest monthBio 6最冷月份最低溫 Min temperature of coldest monthBio 7年溫度變化范圍 Temperature annual rangeBio 8最濕季度平均溫度 Mean temperature of wettest quarterBio 9最干季度平均溫度 Mean temperature of driest quarterBio 10最熱季度平均溫度 Mean temperature of warmest quarterBio 11最冷季度平均溫度 Mean temperature of coldest quarterBio 12年平均濕度 Annual precipitationBio 13最濕月份濕度 Precipitation of wettest monthBio 14最干月份濕度 Precipitation of driest monthBio 15濕度變化方差 Precipitation seasonality ( Coefficient of variation)Bio 16最濕季度濕度 Precipitation of wettest quarterBio 17最干季度濕度 Precipitation of driest quarterBio 18最熱季度平均濕度 Precipitation of warmest quarterBio 19最冷季度平均濕度 Precipitation of coldest quarter1 .4研究區(qū)概況 關(guān)于黑莎草物種分布的研究區(qū)位于華南東部以及海南島等沿海地區(qū), E, N。橫跨廣西，廣東，福建，江西，湖南，海南，臺灣等地區(qū)，其中主要十萬大山山脈為中心地段，輻射到周邊區(qū)域。山脈呈東北—西南走向，長100多公里， 寬3040公里，總面積達(dá)2600㎞178。，為廣西最南端的山脈。海拔7001000米，也有不少超過1000米的高峰。十萬大山主峰位于上思縣南部雞籠隘附近的蒔良嶺，海拔1462米。 研究區(qū)域大致在北以湖南莽山為界, 南至海南島亞諾達(dá)熱帶雨林, 東到廣西十萬大山東面山谷, 西至福建廈門云頂山, 東西長10001100 km, 南北寬800900 km, 總面積約892，500 km2。區(qū)域內(nèi)部山勢起伏, 區(qū)內(nèi)相對高差2500 m以上, 研究區(qū)域內(nèi)海拔最高黃岡山2158 m。黃崗山是閩贛兩省界山，山頂立有兩省界石。距南平武夷山市區(qū)約40公里，距離上饒鉛山縣約60公里。因山頂生滿萱草（俗稱黃花菜）八九月開花時節(jié)，山崗遍染金色，故名黃崗山（黃岡山）。介于北緯27176。33 —27176。54ˊˊ ，東經(jīng)117176。27 —117176。51ˊˊ之間。1979年，國家將黃崗山周圍保存完好的林地列為武夷山自然區(qū)，是地球同一緯度上僅有的一片生物多樣化綠洲，其價值彌足珍貴。24第二章第2章 結(jié)果與分析 影響黑莎草分布預(yù)測的因素與變量 利用19個生物氣候指標(biāo)作為黑莎草模擬分布的環(huán)境變量（表21），運(yùn)用MaxEnt可以得出各個環(huán)境變量對黑莎草分布預(yù)測的貢獻(xiàn)百分比。在19個環(huán)境變量中，其中最冷季度平均濕度 Precipitation of coldest quarter以及年平均氣溫 Annual mean temperature，所占貢獻(xiàn)率較大(20%)，是19個環(huán)境因子當(dāng)中最主要影響黑莎草分布的環(huán)境變量（圖21）。在其他幾個環(huán)境變量中，年平均濕度 Annual precipitation，最干季度平均溫度 Mean temperature of driest quarter，晝夜溫差與年溫差比值 Isothermality，最熱季度平均溫度Mean temperature of warmestQuarter，晝夜溫差月均值Mean diurnal range ( Mean ofmonthly ( max tempmintemp) )的所占貢獻(xiàn)率并不大（1%10%），但是也對黑莎草的分布產(chǎn)生了一定的影響（圖22）。表21 主要環(huán)境變量對黑莎草分布的相對貢獻(xiàn)率VariablePercent contributionPermutation importanceBio19Bio 1Bio11
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1