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

发布时间：2020-07-30 09:07

【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。
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：Q958.1
【图文】：

示意图,研究技术,路线,示意图

２研究方法逡逑２．１研宄技术路线逡逑本研宄主要分为三个步骤（图２）：逡逑数据收集与处理：数据分为物种数据和气候数据。物种数据由实地调研结逡逑果为主，亚洲象肇事点ＧＰＳ数据为辅，收集的数据进行ＧＰＳ点核对与整合；气逡逑候数据由相应网站进行下载和处理。逡逑模型构建：模型构建首先进行系统默认参数下的历史与未来两种追溯和预测逡逑模型构建，己确定模型的可信程度及较优气候变量因子筛选；其次对未来预测模逡逑型的参数进行改变，对比和选取较优模型参数，并对模型的预测结果及能力进行逡逑评估；最终获得气候条件下的历史分布追溯结果和优化后气候条件下的未来分布逡逑预测模型。逡逑ＭａｘＥｎｔ、ＢｉｏＣｌｉｍ和ＤＯＭＡＩＮ模型预测结果对比。逡逑中国亚洲象历史及未来分布追溯与预藏￣逡逑亚洲象分布数＿＿？（甚干桓铟Ｌ＿｜气候数据收逡逑据收集和处理逦＇基－ＴＭ0ｎ栛ｒ邋｜集和处理逡逑基于模型默认参数的原始模型构建与预测逡逑＿：．．．．．．．．逦逡逑原始模灥史分布追溯逦丨原始灥秦来分布预测逡逑逦＞，■逦邋逦＞，■逦逡逑筛选较优历史追逦｜筛选较优模拟未逡逑溯气候变量因子逦来气候变量因子逡逑Ｉ基于模型默认参数的优化模型构建与预测逡逑逦＇邋＞逦逡逑优化气候变量后，改变模型参数条件对未逡逑逦来分布￥彳测逦逡逑逦＞邋＞＿逦逡逑挑选较优模型参数，并对模型进行评估逡逑逦＾

ROC曲线,变量因子,ROC曲线,等温性

（２）各气候变量因子的贡献率与重要性逡逑通过２３个导入模型的环境变量对亚洲象历史栖息地地评价，环境变量对于逡逑历史栖息地追溯效果的贡献率和重要性占比不同。通过ＭａｘＥｎｔ模型运行１０次后逡逑得出综合贡献率及重要性的结果，贡献率越大说明该因子在模型预测中参考提供逡逑的信息越多（表７）。间接地反映了各因子在研宄区域中对研宄物种栖息地选择的逡逑影响程度。其中最冷季降水量（Ｂｉｏ＿１９）、最干季度平均温度（Ｂｉｏ＿０９）、气温年逡逑较差（Ｂｉｏ＿０７）、昼夜温差月均值（Ｂｉｏ＿０２）、温度季节性变化标准差（Ｂｉｏ＿０４）、逡逑最干月降水量（Ｂｉｏ＿１４）、等温性（Ｂｉｏ＿０３）作为最突出的前７种环境要素，其贡逡逑献率如图所示，当中等温性（Ｂｉｏ＿０３）贡献率为３１．２０％最高，其次是最干月降水逡逑量（Ｂｉｏ＿１４）邋２２．２５％和温度季节性变化标准差（Ｂｉｏ＿０４）邋１９．７０％。逡逑

最大似然性,刀切法,数值表,季节性变化

（３）最大似然性值（Ｇａｉｎ）逡逑由最大似然性值（Ｇａｉｎ）测试结果可以直观的看出各因子的重要性，通过排序逡逑得到图７，数值表明温度季节性变化标准差（Ｂ１0＿０４）最为重要

【参考文献】