基于GARP生態(tài)位模型濕地水鳥(niǎo)空間分布模擬研究*

鄒麗麗

(1.鹽城師范學(xué)院 城市與規(guī)劃學(xué)院, 江蘇 鹽城 224002；2.中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院, 廣東 廣州 510275)

?

基于GARP生態(tài)位模型濕地水鳥(niǎo)空間分布模擬研究*

鄒麗麗1,2*

(1.鹽城師范學(xué)院 城市與規(guī)劃學(xué)院, 江蘇 鹽城 224002；2.中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院, 廣東 廣州 510275)

以香港米鋪后海灣濕地2009年1月份15個(gè)區(qū)的濕地依賴性水鳥(niǎo)調(diào)查數(shù)據(jù)及同期本區(qū)高、中分辨率遙感影像數(shù)據(jù)、氣候數(shù)據(jù)及地形數(shù)據(jù)為基礎(chǔ)，利用GIS和RS技術(shù)來(lái)獲取9種與水鳥(niǎo)密切相關(guān)的環(huán)境變量因子，選取GARP生態(tài)位模型，進(jìn)行水鳥(niǎo)空間分布模擬.結(jié)果表明：基于GARP生態(tài)位模型模擬水鳥(niǎo)空間分布，經(jīng)AUC值檢驗(yàn)訓(xùn)練樣本點(diǎn)結(jié)果為0.859，水鳥(niǎo)空間分布模擬結(jié)果較好.模擬的水鳥(niǎo)空間分布狀態(tài)也進(jìn)一步證實(shí)了濕地依賴性水鳥(niǎo)的分布特征，潮間帶、大片的基塘區(qū)域是其主要棲息場(chǎng)所，紅樹(shù)林、草灘區(qū)為其次要棲息場(chǎng)所，而深水域、城市用地及城市綠地區(qū)域，由于人類(lèi)活動(dòng)頻繁干擾了水鳥(niǎo)的棲息，水鳥(niǎo)分布較少或者沒(méi)有.

濕地依賴性水鳥(niǎo)；分布模擬；GARP；生態(tài)位模型

濕地生態(tài)系統(tǒng)是世界上生物最豐富、單位生產(chǎn)力最高的自然生態(tài)系統(tǒng)，具有豐富的陸生與水生動(dòng)植物資源[1].濕地水鳥(niǎo)是濕地生態(tài)系統(tǒng)重要組成部分，與濕地相伴相生，在生態(tài)系統(tǒng)的能量流動(dòng)和物質(zhì)平衡等維持生態(tài)系統(tǒng)穩(wěn)定性方面起著舉足輕重的作用[2].前人研究多以單獨(dú)的樣點(diǎn)來(lái)研究水鳥(niǎo)的分布狀態(tài)和行為特征，對(duì)于一個(gè)區(qū)域水鳥(niǎo)的連續(xù)分布狀態(tài)較難掌握[3]，隨著近年來(lái)GIS和RS地理空間技術(shù)的發(fā)展，獲取區(qū)域環(huán)境因子，選取恰當(dāng)數(shù)理模型，再探測(cè)物種與地理環(huán)境變化關(guān)系領(lǐng)域得到了較好的應(yīng)用.Saveraid等[4]提出在實(shí)際應(yīng)用上將遙感影像與野外實(shí)測(cè)的景觀及生境調(diào)查數(shù)據(jù)所提供的信息相結(jié)合，結(jié)合數(shù)理及生態(tài)模型等手段，更全面、更科學(xué)地預(yù)測(cè)出鳥(niǎo)類(lèi)豐度與分布的信息，取得了較好的研究成果.大量的數(shù)理模型被應(yīng)用到本領(lǐng)域，其中生態(tài)位模型GARP和MaXent在物種的預(yù)測(cè)研究中得到了較好的應(yīng)用效果[5-7],對(duì)水鳥(niǎo)空間分布格局進(jìn)行模擬和分析，獲得水鳥(niǎo)與地理環(huán)境變量作用規(guī)律方面都取得了較好的研究成果.但是，對(duì)小范圍的水鳥(niǎo)進(jìn)行分布模擬，無(wú)法得到較為準(zhǔn)確的物種分布位置成為了一大難題[8].本文在前人研究的基礎(chǔ)上，試圖利用GARP生態(tài)位分布模型進(jìn)行水鳥(niǎo)空間分布的模擬[8]，進(jìn)而探討水鳥(niǎo)與地理環(huán)境之間的空間變化及作用關(guān)系.

1 研究區(qū)及數(shù)據(jù)

米埔-后海灣濕地(MaiPo)位于香港新界西北端的米埔濕地，與深圳隔河相望.過(guò)去因?yàn)榈攸c(diǎn)偏遠(yuǎn)和行政區(qū)劃的敏感而避免了過(guò)度開(kāi)發(fā)，無(wú)大量人為干擾，幾十年來(lái)一直是本區(qū)水鳥(niǎo)重要棲息地[9].同時(shí)由于特殊的地理位置，本區(qū)也是水鳥(niǎo)南遷和北遷途中停歇的重要居留地.因此本區(qū)域是年季、時(shí)季水鳥(niǎo)種類(lèi)和數(shù)量變化重要的研究區(qū)域.自1979年開(kāi)始，米埔被列入爾拉姆薩公約，香港觀鳥(niǎo)協(xié)會(huì)每年都會(huì)按濕地國(guó)際標(biāo)準(zhǔn)，根據(jù)不同種鳥(niǎo)類(lèi)棲息環(huán)境，采用一平方公里網(wǎng)格，配以植被圖和最佳調(diào)查水鳥(niǎo)棲息的時(shí)間，對(duì)米埔內(nèi)后海灣拉姆薩爾濕地的15個(gè)區(qū)(包括SRA，SRB，DBA，DBB，DBC，DBE，DBF，TKC、LC、TSW、MPST、ST 等)鳥(niǎo)類(lèi)進(jìn)行分區(qū)采集[10].

濕地依賴性水鳥(niǎo)是一種對(duì)濕地環(huán)境的變化較為敏感的特殊水鳥(niǎo)中的一類(lèi)，具有研究的代表性[11]，所以本文選取濕地依賴性水鳥(niǎo)作為研究對(duì)象.主要包括鶚、黑翅鳶、普通鵟、東方月鷂、紅嘴藍(lán)鵲等13種鳥(niǎo)類(lèi)[11].濕地水鳥(niǎo)空間分布影響因子，由2009年1月份米埔濕地的Quickbird和LandsatTM遙感影像數(shù)據(jù)、氣候數(shù)據(jù)及地形數(shù)據(jù)，結(jié)合GIS及RS數(shù)據(jù)處理的方法，獲得9種影響水鳥(niǎo)分布因子.包括水鳥(niǎo)種群的生活習(xí)性以及濕地的獨(dú)特生態(tài)特征的研究區(qū)內(nèi)的自然環(huán)境因子，如降雨量、溫度、濕度、地形、坡度、坡向、氣候狀況；反應(yīng)該地區(qū)人文景觀特征的人文環(huán)境因子，如居民密度、距居住區(qū)距離以及距道路距離.綜上所述，結(jié)合自然和人文地理景觀因子，共同呈現(xiàn)米埔濕地的地理環(huán)境特征.

2 生態(tài)位模擬

基于遺傳算法的規(guī)則組合模型GARP(Genetic Algorithm for Rule-set Production)，是基于遺傳算法的規(guī)則集合，它依賴局部環(huán)境空間建模，通過(guò)遺傳算法創(chuàng)建的生態(tài)位模型[12-14].該模型描述了維持物種種群數(shù)量所需的環(huán)境條件.其用已知物種分布點(diǎn)數(shù)據(jù)和帶有與物種存活能力相關(guān)的環(huán)境參數(shù)層作為模型輸入?yún)?shù)，通過(guò)不斷迭代的遺傳算法實(shí)現(xiàn)4種規(guī)則：原子規(guī)則，邏輯回歸，范圍規(guī)則，生物氣候包絡(luò)和逆生物氣候包絡(luò).通過(guò)將這4種規(guī)則模型的獨(dú)立和組合分析，探索物種存在與否與環(huán)境參數(shù)之間的非隨機(jī)相關(guān)性，并預(yù)測(cè)和估算物種的潛在分布區(qū).本文利用GARP，獲取影響水鳥(niǎo)的自變量因子，結(jié)合水鳥(niǎo)實(shí)地調(diào)查數(shù)據(jù)，對(duì)米埔濕地依賴性水鳥(niǎo)棲息地空間分布進(jìn)行模擬研究.

選取常用的ROC曲線來(lái)檢測(cè)模型的模擬效果.ROC曲線[15]又稱為受試者工作特征曲線,AUC值的范圍是0～1，1代表預(yù)測(cè)值最好，0代表預(yù)測(cè)值最差，AUC值為0.5～0.7時(shí)診斷價(jià)值較低，值為0.7～0.9時(shí)診斷價(jià)值較高.近些年來(lái)在生物分布預(yù)測(cè)模型的評(píng)價(jià)中，ROC曲線分析的應(yīng)用越來(lái)越廣泛，本文利用其特有的驗(yàn)證規(guī)律來(lái)對(duì)所選取的水鳥(niǎo)分布模擬算法進(jìn)行評(píng)估，驗(yàn)證其模型的評(píng)估結(jié)果.

3 濕地水鳥(niǎo)空間分布模擬

水鳥(niǎo)分布的生態(tài)位模擬，需要以物種的已知分布點(diǎn)作為依據(jù)，但根據(jù)實(shí)際情況，水鳥(niǎo)出現(xiàn)點(diǎn)的具體位置是無(wú)法得到的.本文根據(jù)2009年1月的濕地依賴性水鳥(niǎo)在米埔濕地16個(gè)分布區(qū)內(nèi)分布數(shù)量，按照水鳥(niǎo)采樣點(diǎn)75%進(jìn)行隨機(jī)采樣生成10組水鳥(niǎo)存在點(diǎn)，利用ArcGIS，將米埔-后海灣每個(gè)區(qū)域的圖層依次提取出來(lái)，以降雨量柵格圖的圖幅范圍為基準(zhǔn)，將所有柵格圖的圖幅范圍確定并導(dǎo)出.最后得到數(shù)據(jù)格式、像元大小、像元個(gè)數(shù)以及圖幅范圍均相同的影響因子?xùn)鸥駡D.將訓(xùn)練樣本點(diǎn)和9種影響因子導(dǎo)入GARP模型中，開(kāi)始對(duì)研究區(qū)水鳥(niǎo)的分布進(jìn)行模擬.模型每組訓(xùn)練樣本得到10個(gè)不同的結(jié)果，最終得到對(duì)應(yīng)10組樣本點(diǎn)的10個(gè)GARP模擬結(jié)果.

選取AUC值(ROC曲線)作為模型模擬評(píng)價(jià)的標(biāo)準(zhǔn).為了更好地評(píng)估模型的性能和結(jié)果，按照訓(xùn)練樣本點(diǎn)的1倍、2倍和6倍生成了三組檢驗(yàn)樣本點(diǎn)進(jìn)行模型精度評(píng)估.獲得的1 倍、2倍和6倍的ROC曲線圖，選取每組AUC值最大的預(yù)測(cè)結(jié)果進(jìn)行疊加分析得到3個(gè)GARP模型水鳥(niǎo)分布模擬結(jié)果.

從模擬結(jié)果上看，3次水鳥(niǎo)GARP模型水鳥(niǎo)分布模擬圖在部分研究區(qū)與實(shí)際情況基本符合，模擬結(jié)果較為理想.模型的模擬結(jié)果基本上符合水鳥(niǎo)實(shí)際的分布狀態(tài)，但是，由于部分區(qū)域不存在濕地水鳥(niǎo)出現(xiàn)和集中出現(xiàn)的訓(xùn)練樣本，所以，部分區(qū)域的模擬出現(xiàn)了略微不理想的結(jié)果.

根據(jù)上述模擬結(jié)果的不足，將水鳥(niǎo)存在點(diǎn)與不存在點(diǎn)的訓(xùn)練樣本分別代入模型中進(jìn)行模擬，利用水鳥(niǎo)不存在的預(yù)測(cè)圖減小模擬結(jié)果的誤差，最后得到的水鳥(niǎo)分布模擬結(jié)果均較為理想.AUC值也提高到了0.905，達(dá)到了較好的模擬結(jié)果.與實(shí)測(cè)數(shù)據(jù)結(jié)果對(duì)比結(jié)果如圖3所示.

從模型模擬的實(shí)測(cè)結(jié)果來(lái)看，濕地依賴性水鳥(niǎo)主要分布在以下6個(gè)區(qū)域：SRA、TKC、LC、TSW、MPST、ST.大片的基塘用來(lái)養(yǎng)殖蝦、魚(yú)、牡蠣等水產(chǎn)，同時(shí)也為水鳥(niǎo)提供了充足的食物來(lái)源.紅樹(shù)林是濕地生態(tài)系統(tǒng)的代表植物，其下有豐富的底棲無(wú)脊椎動(dòng)物，并為水鳥(niǎo)提供了良好的筑巢和棲息場(chǎng)所.MPNR和NSW中也有部分區(qū)域可能有水鳥(niǎo)的分布.其他區(qū)域濕地依賴性水鳥(niǎo)的分布較為稀疏，城市用地和城市綠地逐漸破壞了水鳥(niǎo)生存的空間，使?jié)竦匾蕾囆运B(niǎo)數(shù)量日益減少，較好地符合米埔濕地水鳥(niǎo)的實(shí)際分布狀態(tài).

4 結(jié) 論

利用GARP模型模擬結(jié)果使研究區(qū)實(shí)際分布情況模擬結(jié)果較好.訓(xùn)練樣本點(diǎn)的AUC值為0.905，相對(duì)改進(jìn)前的0.859提高了較多.同時(shí)，模擬結(jié)果也說(shuō)明了研究區(qū)濕地依賴性水鳥(niǎo)的分布特征，最主要的棲息場(chǎng)所是潮間帶、大片的基塘區(qū)域.另外，蘊(yùn)藏豐富的底棲無(wú)脊椎動(dòng)物的紅樹(shù)林為水鳥(niǎo)提供了良好的筑巢和棲息場(chǎng)所，適合水鳥(niǎo)棲息.而深水域、城市用地及城市綠地，濕地依賴性水鳥(niǎo)的分布較為稀疏，城市用地和城市綠地由于人類(lèi)活動(dòng)的頻繁干擾了水鳥(niǎo)的棲息的場(chǎng)所.

[1] WHITTAKER R H,LIKENS G E. Primary production: the biosphere and man Human[M].Newyork:Springer,1973.

[2] 陳水華, 丁平, 鄭光美,等. 城市化對(duì)杭州市濕地水鳥(niǎo)群落的影響研究[J]. 動(dòng)物學(xué)研究, 2000, 21(4):279-285.

[3] AUSTIN M P.Spatial prediction of species distribution: an interface between ecological theory and statistical modelling[J]. Ecological Modelling，2002，157(2-3): 101-118.

[4] BARBOTTIN A,TICHIT M, CADET C,et al.Accuracy and cost of models predicting bird distribution in agricultural grasslands[J].Agriculture Ecosystems & Environment，2010，136(1-2): 28-34.

[5] BROTONS L, DECACERES M.Modeling bird species distribution change in fire prone Mediterranean landscapes: incorporating species dispersal and landscape dynamics[J].Ecography ，2012，35(5): 458-467.

[6] 陳璐, 孫希華, 林澤民. 基于GARP的大薸潛在適生區(qū)預(yù)測(cè)[J]. 安徽農(nóng)業(yè)科學(xué), 2015(2):243-245.

[7] LIN Y P, CHANG C R.Identifying the spatial mixture distribution of bird diversity across urban and suburban areas in the metropolis: A case study in Taipei Basin of Taiwan[J].Landscape and Urban Planning，2011，102(3): 156-163

[8] 張健, 洪劍明, 陳光,等. 我國(guó)東部水鳥(niǎo)遷徙通道主要棲息地保護(hù)恢復(fù)主要棲息地保護(hù)恢復(fù)優(yōu)先性評(píng)價(jià)[J]. 濕地科學(xué)與管理, 2016, 12(2)：36-40.

[9] RODRIGUEZROA F.Observed and predicted behavior of Maipo River sand[J].Soils and Foundations,2003,43(5):1-11.

[10] SANCHEZ-FLORES E.GARP modeling of natural and human factors affecting the potential distribution of the invasives Schismus arabicus and Brassica tournefortii in 'El Pinacate y Gran Desierto de Altar' Biosphere Reserve[J]. Ecological Modelling,2007,204(3-4): 457-474.

[11] 張海濤, 羅渡, 牟希東,等. 應(yīng)用多個(gè)生態(tài)位模型預(yù)測(cè)福壽螺在中國(guó)的潛在適生區(qū)[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(4):1277-1284.

[12] NADEAU C P, CONWAY C J,SMITH B S，et al.Maximizing detection probability of wetland-dependent birds during point-count surveys in northwestern Florida[J]. Wilson Journal of Ornithology,2008,120(3): 513-518.

[13] IBARRA A A,GEVREY M,PARK Y S，et al.Modelling the factors that influence fish guilds composition using a back-propagation network: Assessment of metrics for indices of biotic integrity[J].Ecological Modelling,2003,160(3): 281-290.

[14] YOU W,FANG H S.Predicting the martensitic transformation start temperature using back-propagation artificial neural networks[J].Acta Metallurgica Sinica,2003,39(6): 630-634.

[15] BRADLEY A P. The use of the area under the ROC curve in the evaluation of machine learning algorithms[J]. Pattern Recognition, 1997, 30(7):1145-1159.

責(zé)任編輯：龍順潮

Predicting the Potential Distribution of Wetland-dependant Birds,Based on GARP Niche Model

ZOULi-Li

(1.School of Urban and Planning,Yancheng Teachers University,Yancheng 224002;2.School of Geography and Planning,Sun Yat-sen University,Guangzhou 510275 China)

Based on waterfowl birds’ survey data,we select the 15 districts of it in Maipo-Deep Bay wetland of Hong Kong, January 2009 as a case. Then, we collect the high resolution remote sensing data,climate and terrain data of this area at the same period. Finally,we use GIS and RS technology to obtain nine kinds of impact factors.The genetic algorithm for rule-set prediction (GARP) niche model is used to simulate the space distribution of wetland-dependant birds. The result simulation waterfowl has achieved good effect. The AUC value is 0.859. The simulation results demonstrate the characteristics of the distribution of wetland dependent waterfowl, intertidal zone and large areas of the pond area is their main habitat. Mangrove, marsh, followed by habitat, due to human activities frequently interfered with the habitat of waterfowl, the waterfowl distribution less or no in deep bay, urban land used and urban green space area.

wetland-dependant birds; potential distribution；GARP； niche model

2016-04-25

國(guó)家自然科學(xué)青年基金項(xiàng)目(41501567)；江蘇省教育廳項(xiàng)目(61421542002)；江蘇省高校自然科學(xué)重點(diǎn)項(xiàng)目(14KJA170006).

鄒麗麗(1983-)，女，吉林 松原人，博士，講師.E-mail:905500528@qq.com

TP391;Q141

A

1000-5900(2016)03-0118-04