CN106294289A - 一种保护动物的生态红线划定方法 - Google Patents

Abstract

本发明涉及一种保护动物的生态红线划定方法，该方法的步骤包括：建立国家重点保护动物物种分布数据库；提取各国家重点保护动物物种的分布点及背景点对应的环境变量；利用随机森林模型对所有重点保护动物物种分别建模，预测各重点保护动物物种的生境适宜性指数；迭加计算所有重点保护动物物种的生境适宜性指数，得到生境适宜性综合指数；以生境适宜性综合指数为基础，通过局部Moran's I指数和Z统计量的值确定生境适宜性综合指数的高值的局部空间聚集，并识别高值聚集区；划定重点保护动物物种的生态红线。

Description

一种保护动物的生态红线划定方法

技术领域

本发明涉及生态学领域，尤其涉及一种基于随机森林模型的保护动物的生态红线划定方法。

背景技术

生物多样性资源是维护国家生态安全的物质基础，是实现经济社会可持续发展的战略性资源。中国生物多样性丰富，在全球的生物多样性保护事业中发挥至关重要的作用。生态红线是对维护国家和区域生态安全及社会经济可持续发展具有重要战略意义的关键生态保护区域。生态红线的划定能够维持关键物种、生态系统与种质资源生存的最小面积，有效地保护生物多样性。生态红线划定的对象主要包括关键动物及其栖息地、关键植物及其生境、关键生态系统、生物多样性维系区。中国国家重点保护动物及其栖息地是指珍稀濒危、受保护或具有区域特有性、代表性及重要资源价值的动物物种及其栖息环境，适宜栖息地的划定是生态红线的重要组成部分，包含在生态红线中。

栖息地是野生动物最基本的生存空间，野生动物会选择对自身生存限制因素最少的区域，实现其生存条件适宜度的最大化。因此，明确野生动物对栖息地的选择，划分栖息地适宜性的级别，是正确评价生境质量的前提，也是实现满足野生动物生存需要、提高野生动物繁殖率及存活率的基础。目前，已有运用数学方法模拟、分析野生动物的栖息地适宜性的方法，但是大多较难实现大范围、大尺度的适宜栖息地模拟和实证。目前虽然提出了利用GIS技术来判识野生动物适宜栖息地的方法，但并未考虑栖息地有较强影响的自然因子和人为因子之间的交互作用，导致评价结果的不确定性。在科学性、合理性方面仍存在局限。因此，需要一种科学地、定量地划定保护动物的生态红线的方法。

发明内容

鉴于上述的分析，本发明旨在提供一种保护动物的生态红线划定方法，用以解决现有方法难以科学地、定量地，在大尺度范围内划定保护动物的生态红线的问题。

本发明的目的主要是通过以下技术方案实现的：

一种保护动物的生态红线划定方法，包括以下步骤：

步骤1.获取保护动物的分布数据，建立保护动物的物种分布数据库；

步骤2.确定并获取环境变量，对环境变量再进行栅格化处理，以栅格图层形式储存。

步骤3.基于物种分布和环境变量，预测各动物物种的生境适宜性指数，生成各动物物种的生境适宜性指数图；

步骤4.对各动物物种的生境适宜性指数进行迭加计算，得到保护动物整体的生境适宜性综合指数；

步骤5.识别生境适宜性综合指数的高值聚集区；

步骤6.基于高值聚集区划定保护动物的生态红线。

其中，所述环境变量包括自然因子和人为因子；

自然因子进一步包括地形地貌变量、地表类型变量、气候变量；

人为因子进一步包括人文指标、生态指标。

步骤2进一步包括提取背景点和每个物种分布点上的各环境变量的值。背景点是基于一空间分辨率建立的，物种分布点是基于步骤1中获取的分布数据确定的。

步骤3中，具体可以采用随机森林模型预测各动物物种的生境适宜性指数。

步骤5中通过局部Moran's I指数和Z统计量的值识别生境适宜性综合指数的高值聚集区。具体识别局部Moran's I指数为正且Z统计量的值>1.96、对应的置信区间P<0.05的区域为高值聚集区。

本发明有益效果如下：利用对多元共线性不敏感的物种分布模型——随机森林模型来解决拟合过程中适宜栖息地的各个影响因子之间的交互作用，实现大范围内野生动物适宜栖息地的识别，并以适宜性指数为基础划定生态红线，指导野生动物保护过程中资源的合理分配，使保护效益和效率达到最大化。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为保护动物的生态红线划定方法的流程图；

图2为动物物种分布的数据库示例；

图3为分布点和背景点的示意图；

图4为通过随机森林模型预测出的大熊猫和朱鹮的生境适宜性指数图；

图5为国家重点保护陆生脊椎动物物种的生境适宜性综合指数图；

图6为国家重点保护陆生脊椎动物物种的生态红线区域图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

本发明的一个具体实施例，公开了一种保护动物的生态红线划定的方法，以国家重点保护陆生脊椎动物为例，具体包括以下步骤：

步骤1.获取保护动物的分布数据，建立保护动物的物种分布数据库。数据库中的动物物种可来自：国家一、二级重点保护物种、IUCN红色名录中的濒危动物物种、CITES附录一中的动物物种等。

本实施例建立的国家重点保护陆生脊椎动物物种分布数据库如图2。动物物种选自于中国科学院动物研究所开发的中国物种信息系统(CSIS)中的国家一、二级保护动物，剔除鱼类等水生、半水生物种以及分布点数据不足的物种，选取了其中的255种国家重点保护陆生脊椎动物物种作为保护对象。

基于中国物种信息系统(CSIS)获取动物物种的分布数据，在ArcGIS中提取上述动物物种的分布点(即经纬度)，建立包括物种编号、中文学名、拉丁文学名、分布状况、受威胁等级、保护级别、生境类型、门、亚门、纲、目、科、属、分布点编号、分布点经度、分布点纬度以及调查时间等属性的数据库。

步骤2.确定并获取环境变量，再进行栅格化处理，以栅格图层形式储存。

确定对区域动物栖息地有较强影响的自然因子和人为因子，作为环境变量，用于预测物种的生境适宜性指数。获取上述环境变量的数据，再通过ArcGIS软件提取背景点和每个物种的分布点的所有环境变量的值。其中，背景点是在研究区域内、基于一定空间分辨率建立的；物种的分布点基于步骤1中获取的分布数据确定的。

所述环境变量中自然因子进一步包括地形地貌变量、地表类型变量、气候变量等，具体说明如下：

地形地貌变量：海拔、坡度、坡向、破碎度等；

地表类型变量：土地利用类型、植被、生态区类型、地质类型、土壤类型、湿地类型等；

气候变量：年均温、年总降水、温度的季节变化、降水的季节变化、最低温、最高温、1月的最低温、1月的均温、1月的总降水、7月的最高温、7月的均温、7月的总降水、年温度变化范围、干燥度、辐射强度等。

所述人为因子包括人文指标、生态指标等，具体说明如下：

人文指标：初级生产力、GDP、人口密度、人类足迹指数、道路密度、乡镇密度；

生态指标：NDVI植被覆盖指数、生物量、河流密度、土壤厚度、土壤N含量、土壤C含量。

实施例以我国为例，通过ArcGIS软件，建立了我国行政区域内、以空间分辨率为0.2°×0.2°排布的背景点(图3)共计23953个。图3以物种大熊猫和朱鹮为例，示意了大熊猫和朱鹮的分布点。

根据我国下垫面特征和空间尺度的实际情况，选择的环境变量包括6个气候变量：年平均温度、年最低温度、年最高温度、温度季节性变化、年降水量和降水季节性变化；3个地表类型变量：土地利用类型、生态区类型和湿地类型；1个地形地貌变量：海拔；2个人文、生态指数变量：净初级生产力和人类干扰指数。将每个环境变量以栅格图层的形式储存和管理，再通过ArcGIS软件提取背景点和每个物种分布点上的各环境变量的值。

步骤3.基于物种分布点和环境变量，采用随机森林模型预测各动物物种的生境适宜性指数，生成各动物物种的生境适宜性指数图。

将物种分布点和环境变量(分布点和背景点上的)作为输入参数输入到随机森林模型中，建立生境适宜性指数预测模型，预测每个物种在每一个背景点上的分布概率，作为该动物物种的生境适宜性指数，生成该动物物种的生境适宜性指数图。

本实施例中，将255种国家重点保护陆生脊椎动物物种、分布点及环境变量作为输入参数逐一输入到随机森林模型中，得到255种国家重点保护陆生脊椎动物物种在任何一个背景点上的分布概率，作为各动物物种的生境适宜性指数。

具体地，将一动物物种的N个分布点及环境变量输入到随机森林模型中，由随机森林模型进行如下处理：从N个分布点中随机抽取N_i个样本集生成新的训练样本集合，利用随机选择的m个预测变量进行节点分割，生长为一棵决策树；通过自助法(bootstrap)重采样技术，有放回的重复抽取k次，生成k个决策树组成随机森林，随机森林的每一棵决策树之间是没有关联的；当一个背景点进入的时候，通过随机森林中的每一棵决策树分别对这个背景点进行判断，每一棵决策树都会给出该物种的适生概率(分布概率)，将最高的适生概率(分布概率)作为该动物物种在此背景点的生境适宜性指数；通过对每一个背景点的判定，预测该动物物种在任何一个背景点上的生境适宜性指数。

图4以大熊猫和朱鹮为例，示出了为通过随机森林模型预测出的大熊猫和朱鹮的生境适宜性指数图。

步骤4.对步骤3计算得到的各动物物种的生境适宜性指数进行迭加计算，得到保护动物整体的生境适宜性综合指数。

实施例针对随机森林模型预测出的255种重点保护陆生脊椎动物的生境适宜性指数进行迭加，得到国家重点保护陆生脊椎动物物种的生境适宜性综合指数(图5)。

步骤5.通过局部Moran's I指数和Z统计量的值确定生境适宜性综合指数的高值的局部空间聚集，识别高值聚集区。

局部Moran's I指数和Z统计量的值具体公式为：

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

式中，i和j表示的是区域或位置的编号；N是区域或位置的总数，即有N个区域；x_i和x_j分别是区域i和j的观测值(生境适宜性综合指数)，w_ij为权重，表示的是区域i和j的临近关系，δ为x_i标准差，N为区域的总数。

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

式中，Z_i为区域i的Z统计量值，I_i为区域i的莫兰指数值，E(I)为莫兰指数的数学期望，VAR(I)为莫兰指数的方差。

根据I_i、Z_i的计算结果，识别I_i为正、且Z_i>1.96(对应的置信区间P<0.05)的区域为高值的局部空间聚集区域，表示区域i有95％的概率是高值被高值所包围(高-高)的区域，即高值聚集区。

步骤6.基于高值聚集区划定保护动物物种的生态红线。

具体地，在ArcGIS中将步骤6中通过局部Moran's I指数和Z统计量的值确定的生境适宜性综合指数的高值聚集区提取出来，划定为保护动物物种的生态红线区域。

实施例中划定的国家重点保护陆生脊椎动物物种的生态红线区域如图6。

综上所述，本发明实施例提供了一种国家重点保护陆生脊椎动物物种的生态红线划定方法，利用对多元共线性不敏感的物种分布模型——随机森林模型来解决拟合过程中适宜栖息地的各个影响因子之间的交互作用，可以准确、合理地实现大范围内野生动物适宜栖息地的识别，并以适宜性指数为基础划定生态红线，指导野生动物保护过程中资源的合理分配，使保护效益和效率达到最大化。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种保护动物的生态红线划定方法，其特征在于，包括以下步骤：

步骤1.获取保护动物的分布数据，建立保护动物的物种分布数据库；

步骤2.确定并获取环境变量；

步骤3.基于物种分布和环境变量，预测各动物物种的生境适宜性指数，生成各动物物种的生境适宜性指数图；

步骤4.对各动物物种的生境适宜性指数进行迭加计算，得到保护动物整体的生境适宜性综合指数；

步骤5.识别生境适宜性综合指数的高值聚集区；

步骤6.基于高值聚集区划定保护动物的生态红线。

2.根据权利要求1所述的生态红线划定方法，其特征在于，步骤2进一步包括对获取的环境变量进行栅格化处理，以栅格图层形式储存。

3.根据权利要求2所述的生态红线划定方法，其特征在于，步骤2进一步包括提取背景点和每个物种分布点上的各环境变量的值。

4.根据权利要求3所述的生态红线划定方法，其特征在于，所述背景点是基于一空间分辨率建立的，物种分布点是基于步骤1中获取的分布数据确定的。

5.根据权利要求1所述的生态红线划定方法，其特征在于，所述环境变量包括自然因子和人为因子；

自然因子进一步包括地形地貌变量、地表类型变量、气候变量；

人为因子进一步包括人文指标、生态指标。

6.根据权利要求1所述的生态红线划定方法，其特征在于，步骤3中采用随机森林模型预测各动物物种的生境适宜性指数。

7.根据权利要求1所述的生态红线划定方法，其特征在于，步骤5中通过局部Moran'sI指数和Z统计量的值识别生境适宜性综合指数的高值聚集区。

8.根据权利要求7所述的生态红线划定方法，其特征在于，识别局部Moran's I指数为正且Z统计量的值>1.96、对应的置信区间P<0.05的区域为高值聚集区。