气候背景下中国野生亚洲象适宜生境的最大熵模型（MaxEnt）预测

论文摘要

亚洲象（Elephas maximus）属哺乳纲（Mammalia）、长鼻目（Proboscidea）、象科（Elephantidae）、亚洲象属（Elephas）,是亚洲现存最大的陆生野生动物,作为IUCN濒危物种和CITES附录I物种,在我国被列为国家I级重点保护野生动物,具有极高的科研保护和文化价值。制定生物多样性保护与资源开发利用策略的基础之一,是要充分了解物种的空间分布。物种分布模型（Species Distribution Models）是以生态位概念及生态学相关理论为基础,依据某物种已知分布数据和各环境因子数据,分析影响其分布的主要因素,并对潜在生境进行预测的一种方法。通过2017年1月至2018年12月野外实地调查、访问调查收集的亚洲象分布与活动数据,以及2013年至2017年云南省野生动物公共责任险保险数据（亚洲象部分）得到中国野生亚洲象肇事位点,以气候数据为条件,通过3S技术平台,结合MaxEnt模型对中国野生亚洲象历史及未来适宜生境范围预测,并在相同气候条件下与Domain模型及Bioclim模型进行比较。本文主要研究结果如下:（1）在MaxEnt模型默认参数下的中国亚洲象历史分布追溯。对Diva-GIS的2.5m历史气候因子数据包含的23种变量进行模拟,并筛选出较优的变量。等温性、温度季节性变化标准差、最湿季度降水量、年均降水量、最湿月降水量、最干季度平均温度、最冷季度平均气温、昼夜温差月均值、年均最高温度、年均温度、最湿季度降水量和最干季度降水量具有突出表现,AUC数值分别为0.931、0.922、0.874、0.854、0.854、0.847、0.838、0.837、0.828、0.820、0.8739和0.811,这13个因素的AUC数值大于0.8,说明通过上述因子模拟的准确度优秀。中国野生亚洲象1968-2018年间的历史分布均值化追溯显示,西双版纳傣族自治州全境,普、洱市思茅区、澜沧县、江城县、宁洱县、景谷县、墨江县,临沧市双江县、耿马县和永德县均可能有亚洲象分布。但实际调查结果为:普洱市境内墨江县无亚洲象分布;临沧市双江县、耿马县和永德县无亚洲象分布,而沧源县南滚河国家级自然保护区内有亚洲象分布,这与追溯结果有明显差异。（2）在MaxEnt模型默认参数下,优化后的气候因子对中国亚洲象历史分布追溯。利用筛选出的7种历史气候因子:等温性、温度季节性变化标准差、最湿季度降水量、年均降水量、最湿月降水量、最干季度平均温度、最冷季度平均气温对中国亚洲象历史分布进行追溯。结果显示,沧源县是亚洲象潜在分布区之一,实际调查也证实该地区有亚洲象分布,这与追溯结果相一致。（3）在MaxEnt模型默认参数下的中国亚洲象未来分布预测。对Diva-GIS的2-5m未来气候因子数据包含的23种变量进行模拟,温度季节性变化标准差、等温性、最冷季度平均气温、最湿月降水量、最干季度平均温度、年均最高温度、最湿季度降水量、降水量变异系数、最干季度降水量、年均温度、年均降水量和最干月降水量在23个因素当中具有突出表现,AUC数值分别为0.9121、0.9049、0.8424、0.8371、0.8368、0.8299、0.8297、0.8292、0.8280、0.8234、0.8234和0.8198。温度季节性变化标准差和等温性的AUC值大于0.9,表明相关信息的准确率和可信度非常高。预测结果显示,澜沧县、墨江县及西盟县具有亚洲象的适宜生境。根据实际调查获得的2013～2018亚洲象活动轨迹显示,澜沧县的糯扎渡镇、惠民镇和酒井乡已有亚洲象活动记录,表明上述这23个气候条件变量对模型预测是有效的。（4）在MaxEnt模型默认参数下,优化气候因子后对中国亚洲象未来分布预测。利用筛选出的8种未来气候因子:温度季节性变化标准差、等温性、最冷季度平均气温、最湿月降水量、最干季度平均温度、年均最高温度、最湿季度降水量、降水量变异系数对中国亚洲象未来分布进行预测。预测结果表明,优化后的8个气候因子预测能力与未优化的23种气候因子预测能力较为接近,通过与实际分布点位比较,认为优化后的气候因子效果较未优化而言更好。预测结果显示,临沧地区的临沧市、永德县、双江县、耿马县具成为亚洲象潜在分布区域的潜质;普洱市的墨江县、西盟县、孟连县和镇沅县理论上会成为亚洲象分布区,其中西盟县在历史上明确记载过亚洲象分布。（5）通过对MaxEnt模型参数进行筛选,并以BC=15000,RM=2为最低模型参数进行模拟,结果显示普洱市思茅区、宁洱县、景谷县、江城县、澜沧县,西双版纳州景洪市、勐海县、勐腊县有大面积非常适合亚洲象栖息的生境,而临沧市沧源县（现实分布区）、双江县仅有很小面积较为适宜,普洱市墨江县、西盟县具有很面积较为适宜生境。该预测结果与我国野生亚洲象在云南的实际分布情况基本吻合。（6）通过对历史及未来中国野生亚洲象的潜在分布区进行模拟。在MaxEnt模型中,在模拟结果中除临沧市沧源县未出现和墨江县出现分布（2018年一头成年雄性个体途径墨江县及宁洱县）,该模型的模拟效果及与实际分布较符合,BioClim模型及Domain模型与实际分布差异较大。结合实地调查与分析,认为亚洲象种群数量先急剧减少,然后呈现爆发增长的原因与橡胶种植和枪支管理有关。

论文目录

• 摘要
• Abstract
• 1 文献综述
•   1.1 几个基本概念
•   1.2 亚洲象概述
•     1.2.1 亚洲象概况
•     1.2.2 亚洲象的分布与生态习性
•     1.2.3 亚洲象的数量
•   1.3 气候对物种分布的影响
•   1.4 生态模型研究现状
•     1.4.1 物种分布模型研究现状
•     1.4.2 生物气候包络模型（BIOCLIM）
•     1.4.3 距离矩阵模型（DOMAIN）
•     1.4.4 最大熵模型（MaxEnt）
•     1.4.5 刀切法（Jackknife）测算变量的重要性
•     1.4.6 采用的模型精度评估指标
•   1.5 本研究目的及意义
• 2 研究方法
•   2.1 研究技术路线
•   2.2 研究区概况
•     2.2.1 西双版纳州现有分布区概况
•     2.2.2 普洱市现有分布区概况
•     2.2.3 云南南滚河国家级自然保护区沧源片区概况
•   2.3 数据来源、预处理
•     2.3.1 亚洲象分布数据收集与处理
•     2.3.2 气候数据来源与处理
•   2.4 适宜栖息地模型预测方法
•     2.4.1 模型原理
•     2.4.2 刀切法（Jackknife）
•     2.4.3 模型评价指标
•     2.4.4 气候变量因子
•     2.4.5 基于模型默认设置下的亚洲象历史分布追溯
•     2.4.6 基于模型默认设置下的亚洲象未来分布预测
•     2.4.7 环境变量优化后模型在不同参数设置下的模型运算
•     2.4.8 选取可信的参数对不同时期的分布进行追溯和预测
• 3 结果与分析
•   3.1 MaxEnt模型默认设置下亚洲象历史分布追溯
•     3.1.1 1968-2018区间:23种变量因子进行模型测试运行结果评价
•     3.1.2 1968-2018区间:变量因子优化后模型运行结果评价
•   3.2 MaxEnt模型默认设置下亚洲象未来分布预测
•     3.2.1 2018-2068区间:23种变量因子进行模型测试运行结果评价
•     3.2.2 2018-2068区间:变量因子优化后模型运行结果评价
•   3.3 MaxEnt模型参数手动设置对亚洲象未来分布预测
•     3.3.1 选取较为可靠的参数
•     3.3.2 通过优化变量后的分布预测图
•   3.4 基于BioClim模型的预测结果
•   3.5 基于DOMAIN模型的预测结果
•   3.6 不同模型预测结果对比
• 4 讨论
•   4.1 模型的使用
•     4.1.1 三种预测模型的选择
•     4.1.2 数据信息的获取及处理
•     4.1.3 重分类的方法选择
•     4.1.4 23种影响因素对亚洲象的分布影响
•   4.2 影响亚洲象分布的其他因素
•     4.2.1 作用亚洲象栖息地选择的因素
•     4.2.2 西双版纳植被变化
•     4.2.3 橡胶种植变化及对气候影响
•     4.2.4 枪支管理对亚洲象活动的影响
•     4.2.5 亚洲象历史活动范围变化与未来北扩
• 5 结论
• 6 保护建议
• 参考文献
• 致谢
• 在学期间发表科研论文、论著情况

文章来源

类型: 硕士论文

作者: 姜志诚

导师: 陈明勇

关键词: 野生亚洲象,适宜生境,最大熵模型,气候,中国

来源: 云南大学

年度: 2019

分类: 基础科学

专业: 生物学

单位: 云南大学

分类号: Q958.1

总页数: 97

文件大小: 8688K

下载量: 237