本發(fā)明涉及生態(tài)學領域，尤其涉及一種基于隨機森林模型的保護動物的生態(tài)紅線劃定方法。

背景技術：

生物多樣性資源是維護國家生態(tài)安全的物質基礎，是實現(xiàn)經(jīng)濟社會可持續(xù)發(fā)展的戰(zhàn)略性資源。中國生物多樣性豐富，在全球的生物多樣性保護事業(yè)中發(fā)揮至關重要的作用。生態(tài)紅線是對維護國家和區(qū)域生態(tài)安全及社會經(jīng)濟可持續(xù)發(fā)展具有重要戰(zhàn)略意義的關鍵生態(tài)保護區(qū)域。生態(tài)紅線的劃定能夠維持關鍵物種、生態(tài)系統(tǒng)與種質資源生存的最小面積，有效地保護生物多樣性。生態(tài)紅線劃定的對象主要包括關鍵動物及其棲息地、關鍵植物及其生境、關鍵生態(tài)系統(tǒng)、生物多樣性維系區(qū)。中國國家重點保護動物及其棲息地是指珍稀瀕危、受保護或具有區(qū)域特有性、代表性及重要資源價值的動物物種及其棲息環(huán)境，適宜棲息地的劃定是生態(tài)紅線的重要組成部分，包含在生態(tài)紅線中。

棲息地是野生動物最基本的生存空間，野生動物會選擇對自身生存限制因素最少的區(qū)域，實現(xiàn)其生存條件適宜度的最大化。因此，明確野生動物對棲息地的選擇，劃分棲息地適宜性的級別，是正確評價生境質量的前提，也是實現(xiàn)滿足野生動物生存需要、提高野生動物繁殖率及存活率的基礎。目前，已有運用數(shù)學方法模擬、分析野生動物的棲息地適宜性的方法，但是大多較難實現(xiàn)大范圍、大尺度的適宜棲息地模擬和實證。目前雖然提出了利用GIS技術來判識野生動物適宜棲息地的方法，但并未考慮棲息地有較強影響的自然因子和人為因子之間的交互作用，導致評價結果的不確定性。在科學性、合理性方面仍存在局限。因此，需要一種科學地、定量地劃定保護動物的生態(tài)紅線的方法。

技術實現(xiàn)要素：

鑒于上述的分析，本發(fā)明旨在提供一種保護動物的生態(tài)紅線劃定方法，用以解決現(xiàn)有方法難以科學地、定量地，在大尺度范圍內(nèi)劃定保護動物的生態(tài)紅線的問題。

本發(fā)明的目的主要是通過以下技術方案實現(xiàn)的：

一種保護動物的生態(tài)紅線劃定方法，包括以下步驟：

步驟1.獲取保護動物的分布數(shù)據(jù)，建立保護動物的物種分布數(shù)據(jù)庫；

步驟2.確定并獲取環(huán)境變量，對環(huán)境變量再進行柵格化處理，以柵格圖層形式儲存。

步驟3.基于物種分布和環(huán)境變量，預測各動物物種的生境適宜性指數(shù)，生成各動物物種的生境適宜性指數(shù)圖；

步驟4.對各動物物種的生境適宜性指數(shù)進行迭加計算，得到保護動物整體的生境適宜性綜合指數(shù)；

步驟5.識別生境適宜性綜合指數(shù)的高值聚集區(qū)；

步驟6.基于高值聚集區(qū)劃定保護動物的生態(tài)紅線。

其中，所述環(huán)境變量包括自然因子和人為因子；

自然因子進一步包括地形地貌變量、地表類型變量、氣候變量；

人為因子進一步包括人文指標、生態(tài)指標。

步驟2進一步包括提取背景點和每個物種分布點上的各環(huán)境變量的值。背景點是基于一空間分辨率建立的，物種分布點是基于步驟1中獲取的分布數(shù)據(jù)確定的。

步驟3中，具體可以采用隨機森林模型預測各動物物種的生境適宜性指數(shù)。

步驟5中通過局部Moran's I指數(shù)和Z統(tǒng)計量的值識別生境適宜性綜合指數(shù)的高值聚集區(qū)。具體識別局部Moran's I指數(shù)為正且Z統(tǒng)計量的值>1.96、對應的置信區(qū)間P<0.05的區(qū)域為高值聚集區(qū)。

本發(fā)明有益效果如下：利用對多元共線性不敏感的物種分布模型——隨機森林模型來解決擬合過程中適宜棲息地的各個影響因子之間的交互作用，實現(xiàn)大范圍內(nèi)野生動物適宜棲息地的識別，并以適宜性指數(shù)為基礎劃定生態(tài)紅線，指導野生動物保護過程中資源的合理分配，使保護效益和效率達到最大化。

本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分的從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現(xiàn)和獲得。

附圖說明

附圖僅用于示出具體實施例的目的，而并不認為是對本發(fā)明的限制，在整個附圖中，相同的參考符號表示相同的部件。

圖1為保護動物的生態(tài)紅線劃定方法的流程圖；

圖2為動物物種分布的數(shù)據(jù)庫示例；

圖3為分布點和背景點的示意圖；

圖4為通過隨機森林模型預測出的大熊貓和朱鹮的生境適宜性指數(shù)圖；

圖5為國家重點保護陸生脊椎動物物種的生境適宜性綜合指數(shù)圖；

圖6為國家重點保護陸生脊椎動物物種的生態(tài)紅線區(qū)域圖。

具體實施方式

下面結合附圖來具體描述本發(fā)明的優(yōu)選實施例，其中，附圖構成本申請一部分，并與本發(fā)明的實施例一起用于闡釋本發(fā)明的原理。

本發(fā)明的一個具體實施例，公開了一種保護動物的生態(tài)紅線劃定的方法，以國家重點保護陸生脊椎動物為例，具體包括以下步驟：

步驟1.獲取保護動物的分布數(shù)據(jù)，建立保護動物的物種分布數(shù)據(jù)庫。數(shù)據(jù)庫中的動物物種可來自：國家一、二級重點保護物種、IUCN紅色名錄中的瀕危動物物種、CITES附錄一中的動物物種等。

本實施例建立的國家重點保護陸生脊椎動物物種分布數(shù)據(jù)庫如圖2。動物物種選自于中國科學院動物研究所開發(fā)的中國物種信息系統(tǒng)(CSIS)中的國家一、二級保護動物，剔除魚類等水生、半水生物種以及分布點數(shù)據(jù)不足的物種，選取了其中的255種國家重點保護陸生脊椎動物物種作為保護對象。

基于中國物種信息系統(tǒng)(CSIS)獲取動物物種的分布數(shù)據(jù)，在ArcGIS中提取上述動物物種的分布點(即經(jīng)緯度)，建立包括物種編號、中文學名、拉丁文學名、分布狀況、受威脅等級、保護級別、生境類型、門、亞門、綱、目、科、屬、分布點編號、分布點經(jīng)度、分布點緯度以及調查時間等屬性的數(shù)據(jù)庫。

步驟2.確定并獲取環(huán)境變量，再進行柵格化處理，以柵格圖層形式儲存。

確定對區(qū)域動物棲息地有較強影響的自然因子和人為因子，作為環(huán)境變量，用于預測物種的生境適宜性指數(shù)。獲取上述環(huán)境變量的數(shù)據(jù)，再通過ArcGIS軟件提取背景點和每個物種的分布點的所有環(huán)境變量的值。其中，背景點是在研究區(qū)域內(nèi)、基于一定空間分辨率建立的；物種的分布點基于步驟1中獲取的分布數(shù)據(jù)確定的。

所述環(huán)境變量中自然因子進一步包括地形地貌變量、地表類型變量、氣候變量等，具體說明如下：

地形地貌變量：海拔、坡度、坡向、破碎度等；

地表類型變量：土地利用類型、植被、生態(tài)區(qū)類型、地質類型、土壤類型、濕地類型等；

氣候變量：年均溫、年總降水、溫度的季節(jié)變化、降水的季節(jié)變化、最低溫、最高溫、1月的最低溫、1月的均溫、1月的總降水、7月的最高溫、7月的均溫、7月的總降水、年溫度變化范圍、干燥度、輻射強度等。

所述人為因子包括人文指標、生態(tài)指標等，具體說明如下：

人文指標：初級生產(chǎn)力、GDP、人口密度、人類足跡指數(shù)、道路密度、鄉(xiāng)鎮(zhèn)密度；

生態(tài)指標：NDVI植被覆蓋指數(shù)、生物量、河流密度、土壤厚度、土壤N含量、土壤C含量。

實施例以我國為例，通過ArcGIS軟件，建立了我國行政區(qū)域內(nèi)、以空間分辨率為0.2°×0.2°排布的背景點(圖3)共計23953個。圖3以物種大熊貓和朱鹮為例，示意了大熊貓和朱鹮的分布點。

根據(jù)我國下墊面特征和空間尺度的實際情況，選擇的環(huán)境變量包括6個氣候變量：年平均溫度、年最低溫度、年最高溫度、溫度季節(jié)性變化、年降水量和降水季節(jié)性變化；3個地表類型變量：土地利用類型、生態(tài)區(qū)類型和濕地類型；1個地形地貌變量：海拔；2個人文、生態(tài)指數(shù)變量：凈初級生產(chǎn)力和人類干擾指數(shù)。將每個環(huán)境變量以柵格圖層的形式儲存和管理，再通過ArcGIS軟件提取背景點和每個物種分布點上的各環(huán)境變量的值。

步驟3.基于物種分布點和環(huán)境變量，采用隨機森林模型預測各動物物種的生境適宜性指數(shù)，生成各動物物種的生境適宜性指數(shù)圖。

將物種分布點和環(huán)境變量(分布點和背景點上的)作為輸入?yún)?shù)輸入到隨機森林模型中，建立生境適宜性指數(shù)預測模型，預測每個物種在每一個背景點上的分布概率，作為該動物物種的生境適宜性指數(shù)，生成該動物物種的生境適宜性指數(shù)圖。

本實施例中，將255種國家重點保護陸生脊椎動物物種、分布點及環(huán)境變量作為輸入?yún)?shù)逐一輸入到隨機森林模型中，得到255種國家重點保護陸生脊椎動物物種在任何一個背景點上的分布概率，作為各動物物種的生境適宜性指數(shù)。

具體地，將一動物物種的N個分布點及環(huán)境變量輸入到隨機森林模型中，由隨機森林模型進行如下處理：從N個分布點中隨機抽取N_i個樣本集生成新的訓練樣本集合，利用隨機選擇的m個預測變量進行節(jié)點分割，生長為一棵決策樹；通過自助法(bootstrap)重采樣技術，有放回的重復抽取k次，生成k個決策樹組成隨機森林，隨機森林的每一棵決策樹之間是沒有關聯(lián)的；當一個背景點進入的時候，通過隨機森林中的每一棵決策樹分別對這個背景點進行判斷，每一棵決策樹都會給出該物種的適生概率(分布概率)，將最高的適生概率(分布概率)作為該動物物種在此背景點的生境適宜性指數(shù)；通過對每一個背景點的判定，預測該動物物種在任何一個背景點上的生境適宜性指數(shù)。

圖4以大熊貓和朱鹮為例，示出了為通過隨機森林模型預測出的大熊貓和朱鹮的生境適宜性指數(shù)圖。

步驟4.對步驟3計算得到的各動物物種的生境適宜性指數(shù)進行迭加計算，得到保護動物整體的生境適宜性綜合指數(shù)。

實施例針對隨機森林模型預測出的255種重點保護陸生脊椎動物的生境適宜性指數(shù)進行迭加，得到國家重點保護陸生脊椎動物物種的生境適宜性綜合指數(shù)(圖5)。

步驟5.通過局部Moran's I指數(shù)和Z統(tǒng)計量的值確定生境適宜性綜合指數(shù)的高值的局部空間聚集，識別高值聚集區(qū)。

局部Moran's I指數(shù)和Z統(tǒng)計量的值具體公式為：

$I_i=\frac{(x_i-\stackrel{\&OverBar;}{x})}{\mathrm{\&delta;}}\underset{j}{\overset{N}{\&Sigma;}}{w}_{ij}(x_j-\stackrel{\&OverBar;}{x})$

式中，i和j表示的是區(qū)域或位置的編號；N是區(qū)域或位置的總數(shù)，即有N個區(qū)域；x_i和x_j分別是區(qū)域i和j的觀測值(生境適宜性綜合指數(shù))，w_ij為權重，表示的是區(qū)域i和j的臨近關系，δ為x_i標準差，N為區(qū)域的總數(shù)。

$Z_i=\frac{I_i-E\left(I\right)}{\sqrt{VAR\left(I\right)}}$

式中，Z_i為區(qū)域i的Z統(tǒng)計量值，I_i為區(qū)域i的莫蘭指數(shù)值，E(I)為莫蘭指數(shù)的數(shù)學期望，VAR(I)為莫蘭指數(shù)的方差。

根據(jù)I_i、Z_i的計算結果，識別I_i為正、且Z_i>1.96(對應的置信區(qū)間P<0.05)的區(qū)域為高值的局部空間聚集區(qū)域，表示區(qū)域i有95％的概率是高值被高值所包圍(高-高)的區(qū)域，即高值聚集區(qū)。

步驟6.基于高值聚集區(qū)劃定保護動物物種的生態(tài)紅線。

具體地，在ArcGIS中將步驟6中通過局部Moran's I指數(shù)和Z統(tǒng)計量的值確定的生境適宜性綜合指數(shù)的高值聚集區(qū)提取出來，劃定為保護動物物種的生態(tài)紅線區(qū)域。

實施例中劃定的國家重點保護陸生脊椎動物物種的生態(tài)紅線區(qū)域如圖6。

綜上所述，本發(fā)明實施例提供了一種國家重點保護陸生脊椎動物物種的生態(tài)紅線劃定方法，利用對多元共線性不敏感的物種分布模型——隨機森林模型來解決擬合過程中適宜棲息地的各個影響因子之間的交互作用，可以準確、合理地實現(xiàn)大范圍內(nèi)野生動物適宜棲息地的識別，并以適宜性指數(shù)為基礎劃定生態(tài)紅線，指導野生動物保護過程中資源的合理分配，使保護效益和效率達到最大化。

本領域技術人員可以理解，實現(xiàn)上述實施例方法的全部或部分流程，可以通過計算機程序來指令相關的硬件來完成，所述的程序可存儲于計算機可讀存儲介質中。其中，所述計算機可讀存儲介質為磁盤、光盤、只讀存儲記憶體或隨機存儲記憶體等。

以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內(nèi)，可輕易想到的變化或替換，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。