【摘要】：亞洲象(Elephas maximus)屬哺乳綱(Mammalia)、長鼻目(Proboscidea)、象科(Elephantidae)、亞洲象屬(Elephas),是亞洲現(xiàn)存最大的陸生野生動物,作為IUCN瀕危物種和CITES附錄I物種,在我國被列為國家I級重點保護野生動物,具有極高的科研保護和文化價值。制定生物多樣性保護與資源開發(fā)利用策略的基礎之一,是要充分了解物種的空間分布。物種分布模型(Species Distribution Models)是以生態(tài)位概念及生態(tài)學相關理論為基礎,依據(jù)某物種已知分布數(shù)據(jù)和各環(huán)境因子數(shù)據(jù),分析影響其分布的主要因素,并對潛在生境進行預測的一種方法。通過2017年1月至2018年12月野外實地調(diào)查、訪問調(diào)查收集的亞洲象分布與活動數(shù)據(jù),以及2013年至2017年云南省野生動物公共責任險保險數(shù)據(jù)(亞洲象部分)得到中國野生亞洲象肇事位點,以氣候數(shù)據(jù)為條件,通過3S技術平臺,結(jié)合MaxEnt模型對中國野生亞洲象歷史及未來適宜生境范圍預測,并在相同氣候條件下與Domain模型及Bioclim模型進行比較。本文主要研究結(jié)果如下:(1)在MaxEnt模型默認參數(shù)下的中國亞洲象歷史分布追溯。對Diva-GIS的2.5m歷史氣候因子數(shù)據(jù)包含的23種變量進行模擬,并篩選出較優(yōu)的變量。等溫性、溫度季節(jié)性變化標準差、最濕季度降水量、年均降水量、最濕月降水量、最干季度平均溫度、最冷季度平均氣溫、晝夜溫差月均值、年均最高溫度、年均溫度、最濕季度降水量和最干季度降水量具有突出表現(xiàn),AUC數(shù)值分別為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,這13個因素的AUC數(shù)值大于0.8,說明通過上述因子模擬的準確度優(yōu)秀。中國野生亞洲象1968-2018年間的歷史分布均值化追溯顯示,西雙版納傣族自治州全境,普、洱市思茅區(qū)、瀾滄縣、江城縣、寧洱縣、景谷縣、墨江縣,臨滄市雙江縣、耿馬縣和永德縣均可能有亞洲象分布。但實際調(diào)查結(jié)果為:普洱市境內(nèi)墨江縣無亞洲象分布;臨滄市雙江縣、耿馬縣和永德縣無亞洲象分布,而滄源縣南滾河國家級自然保護區(qū)內(nèi)有亞洲象分布,這與追溯結(jié)果有明顯差異。(2)在MaxEnt模型默認參數(shù)下,優(yōu)化后的氣候因子對中國亞洲象歷史分布追溯。利用篩選出的7種歷史氣候因子:等溫性、溫度季節(jié)性變化標準差、最濕季度降水量、年均降水量、最濕月降水量、最干季度平均溫度、最冷季度平均氣溫對中國亞洲象歷史分布進行追溯。結(jié)果顯示,滄源縣是亞洲象潛在分布區(qū)之一,實際調(diào)查也證實該地區(qū)有亞洲象分布,這與追溯結(jié)果相一致。(3)在MaxEnt模型默認參數(shù)下的中國亞洲象未來分布預測。對Diva-GIS的2-5m未來氣候因子數(shù)據(jù)包含的23種變量進行模擬,溫度季節(jié)性變化標準差、等溫性、最冷季度平均氣溫、最濕月降水量、最干季度平均溫度、年均最高溫度、最濕季度降水量、降水量變異系數(shù)、最干季度降水量、年均溫度、年均降水量和最干月降水量在23個因素當中具有突出表現(xiàn),AUC數(shù)值分別為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。溫度季節(jié)性變化標準差和等溫性的AUC值大于0.9,表明相關信息的準確率和可信度非常高。預測結(jié)果顯示,瀾滄縣、墨江縣及西盟縣具有亞洲象的適宜生境。根據(jù)實際調(diào)查獲得的2013～2018亞洲象活動軌跡顯示,瀾滄縣的糯扎渡鎮(zhèn)、惠民鎮(zhèn)和酒井鄉(xiāng)已有亞洲象活動記錄,表明上述這23個氣候條件變量對模型預測是有效的。(4)在MaxEnt模型默認參數(shù)下,優(yōu)化氣候因子后對中國亞洲象未來分布預測。利用篩選出的8種未來氣候因子:溫度季節(jié)性變化標準差、等溫性、最冷季度平均氣溫、最濕月降水量、最干季度平均溫度、年均最高溫度、最濕季度降水量、降水量變異系數(shù)對中國亞洲象未來分布進行預測。預測結(jié)果表明,優(yōu)化后的8個氣候因子預測能力與未優(yōu)化的23種氣候因子預測能力較為接近,通過與實際分布點位比較,認為優(yōu)化后的氣候因子效果較未優(yōu)化而言更好。預測結(jié)果顯示,臨滄地區(qū)的臨滄市、永德縣、雙江縣、耿馬縣具成為亞洲象潛在分布區(qū)域的潛質(zhì);普洱市的墨江縣、西盟縣、孟連縣和鎮(zhèn)沅縣理論上會成為亞洲象分布區(qū),其中西盟縣在歷史上明確記載過亞洲象分布。(5)通過對MaxEnt模型參數(shù)進行篩選,并以BC=15000,RM=2為最低模型參數(shù)進行模擬,結(jié)果顯示普洱市思茅區(qū)、寧洱縣、景谷縣、江城縣、瀾滄縣,西雙版納州景洪市、勐�？h、勐臘縣有大面積非常適合亞洲象棲息的生境,而臨滄市滄源縣(現(xiàn)實分布區(qū))、雙江縣僅有很小面積較為適宜,普洱市墨江縣、西盟縣具有很面積較為適宜生境。該預測結(jié)果與我國野生亞洲象在云南的實際分布情況基本吻合。(6)通過對歷史及未來中國野生亞洲象的潛在分布區(qū)進行模擬。在MaxEnt模型中,在模擬結(jié)果中除臨滄市滄源縣未出現(xiàn)和墨江縣出現(xiàn)分布(2018年一頭成年雄性個體途徑墨江縣及寧洱縣),該模型的模擬效果及與實際分布較符合,BioClim模型及Domain模型與實際分布差異較大。結(jié)合實地調(diào)查與分析,認為亞洲象種群數(shù)量先急劇減少,然后呈現(xiàn)爆發(fā)增長的原因與橡膠種植和槍支管理有關。
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：Q958.1
【圖文】：

２研究方法逡逑２．１研宄技術路線逡逑本研宄主要分為三個步驟（圖２）：逡逑數(shù)據(jù)收集與處理：數(shù)據(jù)分為物種數(shù)據(jù)和氣候數(shù)據(jù)。物種數(shù)據(jù)由實地調(diào)研結(jié)逡逑果為主，亞洲象肇事點ＧＰＳ數(shù)據(jù)為輔，收集的數(shù)據(jù)進行ＧＰＳ點核對與整合；氣逡逑候數(shù)據(jù)由相應網(wǎng)站進行下載和處理。逡逑模型構(gòu)建：模型構(gòu)建首先進行系統(tǒng)默認參數(shù)下的歷史與未來兩種追溯和預測逡逑模型構(gòu)建，己確定模型的可信程度及較優(yōu)氣候變量因子篩選；其次對未來預測模逡逑型的參數(shù)進行改變，對比和選取較優(yōu)模型參數(shù)，并對模型的預測結(jié)果及能力進行逡逑評估；最終獲得氣候條件下的歷史分布追溯結(jié)果和優(yōu)化后氣候條件下的未來分布逡逑預測模型。逡逑ＭａｘＥｎｔ、ＢｉｏＣｌｉｍ和ＤＯＭＡＩＮ模型預測結(jié)果對比。逡逑中國亞洲象歷史及未來分布追溯與預藏￣逡逑亞洲象分布數(shù)＿＿？（甚干桓銦Ｌ＿｜氣候數(shù)據(jù)收逡逑據(jù)收集和處理邐＇基－ＴＭ0ｎ栛ｒ邋｜集和處理逡逑基于模型默認參數(shù)的原始模型構(gòu)建與預測逡逑＿：．．．．．．．．邐逡逑原始模灥史分布追溯邐丨原始灥秦來分布預測逡逑邐＞，■邐邋邐＞，■邐逡逑篩選較優(yōu)歷史追邐｜篩選較優(yōu)模擬未逡逑溯氣候變量因子邐來氣候變量因子逡逑Ｉ基于模型默認參數(shù)的優(yōu)化模型構(gòu)建與預測逡逑邐＇邋＞邐逡逑優(yōu)化氣候變量后，改變模型參數(shù)條件對未逡逑邐來分布￥彳測邐逡逑邐＞邋＞＿邐逡逑挑選較優(yōu)模型參數(shù)，并對模型進行評估逡逑邐＾

（２）各氣候變量因子的貢獻率與重要性逡逑通過２３個導入模型的環(huán)境變量對亞洲象歷史棲息地地評價，環(huán)境變量對于逡逑歷史棲息地追溯效果的貢獻率和重要性占比不同。通過ＭａｘＥｎｔ模型運行１０次后逡逑得出綜合貢獻率及重要性的結(jié)果，貢獻率越大說明該因子在模型預測中參考提供逡逑的信息越多（表７）。間接地反映了各因子在研宄區(qū)域中對研宄物種棲息地選擇的逡逑影響程度。其中最冷季降水量（Ｂｉｏ＿１９）、最干季度平均溫度（Ｂｉｏ＿０９）、氣溫年逡逑較差（Ｂｉｏ＿０７）、晝夜溫差月均值（Ｂｉｏ＿０２）、溫度季節(jié)性變化標準差（Ｂｉｏ＿０４）、逡逑最干月降水量（Ｂｉｏ＿１４）、等溫性（Ｂｉｏ＿０３）作為最突出的前７種環(huán)境要素，其貢逡逑獻率如圖所示，當中等溫性（Ｂｉｏ＿０３）貢獻率為３１．２０％最高，其次是最干月降水逡逑量（Ｂｉｏ＿１４）邋２２．２５％和溫度季節(jié)性變化標準差（Ｂｉｏ＿０４）邋１９．７０％。逡逑

（３）最大似然性值（Ｇａｉｎ）逡逑由最大似然性值（Ｇａｉｎ）測試結(jié)果可以直觀的看出各因子的重要性，通過排序逡逑得到圖７，數(shù)值表明溫度季節(jié)性變化標準差（Ｂ１0＿０４）最為重要

【參考文獻】

相關期刊論文 前10條

1 王一凱;張蒙蒙;段衛(wèi)虎;楊凱悅;周汝良;葉江霞;;基于DOMAIN模型的干熱河谷稀樹灌木草叢空間分布[J];福建林業(yè)科技;2015年04期

2 許斌;周智生;;全球化背景下云南多民族地區(qū)橡膠文化景觀時空分析及影響——以西雙版納地區(qū)為例[J];國土資源科技管理;2015年05期

3 張明潔;張京紅;劉少軍;李文韜;;中國橡膠氣象研究進展概述[J];中國農(nóng)學通報;2015年29期

4 許斌;周智生;;全球化背景下西南邊疆民族地區(qū)橡膠文化景觀的興起——以西雙版納地區(qū)為例[J];熱帶地理;2015年04期

5 景鵬飛;武坤毅;龔曄;韓立敏;崔浪軍;;藥用植物細辛在中國的潛在適生區(qū)分布[J];植物分類與資源學報;2015年03期

6 田聰;穆尼熱;朱忠艷;王承軍;;基于DIVA-GIS快速獲取氣候信息的方法[J];農(nóng)學學報;2015年05期

7 譚愛軍;余玲江;;我國亞洲象的分布與保護[J];防護林科技;2015年05期

8 余玲江;譚愛軍;;思茅區(qū)亞洲象活動現(xiàn)狀及保護策略[J];林業(yè)調(diào)查規(guī)劃;2015年01期

9 林柳;金延飛;楊鴻培;羅愛東;郭賢明;王利繁;張立;;西雙版納亞洲象的棲息地評價[J];獸類學報;2015年01期

10 王雷宏;楊俊仙;徐小牛;;基于MaxEnt分析金錢松適生的生物氣候特征[J];林業(yè)科學;2015年01期

相關博士學位論文 前1條

1 王運生;生態(tài)位模型在外來入侵物種風險評估中的應用研究[D];湖南農(nóng)業(yè)大學;2007年

相關碩士學位論文 前6條

1 林源;基于MaxEnt模型的白眉山鷓鴣（Arborophila gingica）生境適宜性評價[D];廣西大學;2018年

2 崔麟;武功山山地草甸昆蟲群落及部分優(yōu)勢種類分布的研究[D];江西農(nóng)業(yè)大學;2017年

3 代云川;氣候變暖背景下橡膠林適宜區(qū)的空間擴張及其對亞洲象棲息地的影響[D];云南師范大學;2017年

4 劉欣;基于GARP和MAXENT的空心蓮子草在中國的入侵風險預測[D];山東師范大學;2012年

5 張潔;歷史時期中國境內(nèi)亞洲象相關問題研究[D];陜西師范大學;2008年

6 唐勤;西雙版納人象沖突與緩解對策[D];昆明理工大學;2007年

本文編號：2775329