基于GARP生态位模型湿地水鸟空间分布模拟研究*

邹丽丽

(1.盐城师范学院 城市与规划学院, 江苏 盐城 224002；2.中山大学 地理科学与规划学院, 广东 广州 510275)



基于GARP生态位模型湿地水鸟空间分布模拟研究*

邹丽丽1,2*

(1.盐城师范学院 城市与规划学院, 江苏 盐城 224002；2.中山大学 地理科学与规划学院, 广东 广州 510275)

以香港米铺后海湾湿地2009年1月份15个区的湿地依赖性水鸟调查数据及同期本区高、中分辨率遥感影像数据、气候数据及地形数据为基础，利用GIS和RS技术来获取9种与水鸟密切相关的环境变量因子，选取GARP生态位模型，进行水鸟空间分布模拟.结果表明：基于GARP生态位模型模拟水鸟空间分布，经AUC值检验训练样本点结果为0.859，水鸟空间分布模拟结果较好.模拟的水鸟空间分布状态也进一步证实了湿地依赖性水鸟的分布特征，潮间带、大片的基塘区域是其主要栖息场所，红树林、草滩区为其次要栖息场所，而深水域、城市用地及城市绿地区域，由于人类活动频繁干扰了水鸟的栖息，水鸟分布较少或者没有.

湿地依赖性水鸟；分布模拟；GARP；生态位模型

湿地生态系统是世界上生物最丰富、单位生产力最高的自然生态系统，具有丰富的陆生与水生动植物资源[1].湿地水鸟是湿地生态系统重要组成部分，与湿地相伴相生，在生态系统的能量流动和物质平衡等维持生态系统稳定性方面起着举足轻重的作用[2].前人研究多以单独的样点来研究水鸟的分布状态和行为特征，对于一个区域水鸟的连续分布状态较难掌握[3]，随着近年来GIS和RS地理空间技术的发展，获取区域环境因子，选取恰当数理模型，再探测物种与地理环境变化关系领域得到了较好的应用.Saveraid等[4]提出在实际应用上将遥感影像与野外实测的景观及生境调查数据所提供的信息相结合，结合数理及生态模型等手段，更全面、更科学地预测出鸟类丰度与分布的信息，取得了较好的研究成果.大量的数理模型被应用到本领域，其中生态位模型GARP和MaXent在物种的预测研究中得到了较好的应用效果[5-7],对水鸟空间分布格局进行模拟和分析，获得水鸟与地理环境变量作用规律方面都取得了较好的研究成果.但是，对小范围的水鸟进行分布模拟，无法得到较为准确的物种分布位置成为了一大难题[8].本文在前人研究的基础上，试图利用GARP生态位分布模型进行水鸟空间分布的模拟[8]，进而探讨水鸟与地理环境之间的空间变化及作用关系.

1 研究区及数据

米埔-后海湾湿地(MaiPo)位于香港新界西北端的米埔湿地，与深圳隔河相望.过去因为地点偏远和行政区划的敏感而避免了过度开发，无大量人为干扰，几十年来一直是本区水鸟重要栖息地[9].同时由于特殊的地理位置，本区也是水鸟南迁和北迁途中停歇的重要居留地.因此本区域是年季、时季水鸟种类和数量变化重要的研究区域.自1979年开始，米埔被列入尔拉姆萨公约，香港观鸟协会每年都会按湿地国际标准，根据不同种鸟类栖息环境，采用一平方公里网格，配以植被图和最佳调查水鸟栖息的时间，对米埔内后海湾拉姆萨尔湿地的15个区(包括SRA，SRB，DBA，DBB，DBC，DBE，DBF，TKC、LC、TSW、MPST、ST 等)鸟类进行分区采集[10].

湿地依赖性水鸟是一种对湿地环境的变化较为敏感的特殊水鸟中的一类，具有研究的代表性[11]，所以本文选取湿地依赖性水鸟作为研究对象.主要包括鹗、黑翅鸢、普通鵟、东方月鹞、红嘴蓝鹊等13种鸟类[11].湿地水鸟空间分布影响因子，由2009年1月份米埔湿地的Quickbird和LandsatTM遥感影像数据、气候数据及地形数据，结合GIS及RS数据处理的方法，获得9种影响水鸟分布因子.包括水鸟种群的生活习性以及湿地的独特生态特征的研究区内的自然环境因子，如降雨量、温度、湿度、地形、坡度、坡向、气候状况；反应该地区人文景观特征的人文环境因子，如居民密度、距居住区距离以及距道路距离.综上所述，结合自然和人文地理景观因子，共同呈现米埔湿地的地理环境特征.

2 生态位模拟

基于遗传算法的规则组合模型GARP(Genetic Algorithm for Rule-set Production)，是基于遗传算法的规则集合，它依赖局部环境空间建模，通过遗传算法创建的生态位模型[12-14].该模型描述了维持物种种群数量所需的环境条件.其用已知物种分布点数据和带有与物种存活能力相关的环境参数层作为模型输入参数，通过不断迭代的遗传算法实现4种规则：原子规则，逻辑回归，范围规则，生物气候包络和逆生物气候包络.通过将这4种规则模型的独立和组合分析，探索物种存在与否与环境参数之间的非随机相关性，并预测和估算物种的潜在分布区.本文利用GARP，获取影响水鸟的自变量因子，结合水鸟实地调查数据，对米埔湿地依赖性水鸟栖息地空间分布进行模拟研究.

选取常用的ROC曲线来检测模型的模拟效果.ROC曲线[15]又称为受试者工作特征曲线,AUC值的范围是0～1，1代表预测值最好，0代表预测值最差，AUC值为0.5～0.7时诊断价值较低，值为0.7～0.9时诊断价值较高.近些年来在生物分布预测模型的评价中，ROC曲线分析的应用越来越广泛，本文利用其特有的验证规律来对所选取的水鸟分布模拟算法进行评估，验证其模型的评估结果.

3 湿地水鸟空间分布模拟

水鸟分布的生态位模拟，需要以物种的已知分布点作为依据，但根据实际情况，水鸟出现点的具体位置是无法得到的.本文根据2009年1月的湿地依赖性水鸟在米埔湿地16个分布区内分布数量，按照水鸟采样点75%进行随机采样生成10组水鸟存在点，利用ArcGIS，将米埔-后海湾每个区域的图层依次提取出来，以降雨量栅格图的图幅范围为基准，将所有栅格图的图幅范围确定并导出.最后得到数据格式、像元大小、像元个数以及图幅范围均相同的影响因子栅格图.将训练样本点和9种影响因子导入GARP模型中，开始对研究区水鸟的分布进行模拟.模型每组训练样本得到10个不同的结果，最终得到对应10组样本点的10个GARP模拟结果.

选取AUC值(ROC曲线)作为模型模拟评价的标准.为了更好地评估模型的性能和结果，按照训练样本点的1倍、2倍和6倍生成了三组检验样本点进行模型精度评估.获得的1 倍、2倍和6倍的ROC曲线图，选取每组AUC值最大的预测结果进行叠加分析得到3个GARP模型水鸟分布模拟结果.

从模拟结果上看，3次水鸟GARP模型水鸟分布模拟图在部分研究区与实际情况基本符合，模拟结果较为理想.模型的模拟结果基本上符合水鸟实际的分布状态，但是，由于部分区域不存在湿地水鸟出现和集中出现的训练样本，所以，部分区域的模拟出现了略微不理想的结果.

根据上述模拟结果的不足，将水鸟存在点与不存在点的训练样本分别代入模型中进行模拟，利用水鸟不存在的预测图减小模拟结果的误差，最后得到的水鸟分布模拟结果均较为理想.AUC值也提高到了0.905，达到了较好的模拟结果.与实测数据结果对比结果如图3所示.

从模型模拟的实测结果来看，湿地依赖性水鸟主要分布在以下6个区域：SRA、TKC、LC、TSW、MPST、ST.大片的基塘用来养殖虾、鱼、牡蛎等水产，同时也为水鸟提供了充足的食物来源.红树林是湿地生态系统的代表植物，其下有丰富的底栖无脊椎动物，并为水鸟提供了良好的筑巢和栖息场所.MPNR和NSW中也有部分区域可能有水鸟的分布.其他区域湿地依赖性水鸟的分布较为稀疏，城市用地和城市绿地逐渐破坏了水鸟生存的空间，使湿地依赖性水鸟数量日益减少，较好地符合米埔湿地水鸟的实际分布状态.

4 结 论

利用GARP模型模拟结果使研究区实际分布情况模拟结果较好.训练样本点的AUC值为0.905，相对改进前的0.859提高了较多.同时，模拟结果也说明了研究区湿地依赖性水鸟的分布特征，最主要的栖息场所是潮间带、大片的基塘区域.另外，蕴藏丰富的底栖无脊椎动物的红树林为水鸟提供了良好的筑巢和栖息场所，适合水鸟栖息.而深水域、城市用地及城市绿地，湿地依赖性水鸟的分布较为稀疏，城市用地和城市绿地由于人类活动的频繁干扰了水鸟的栖息的场所.

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

[2] 陈水华, 丁平, 郑光美,等. 城市化对杭州市湿地水鸟群落的影响研究[J]. 动物学研究, 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] 陈璐, 孙希华, 林泽民. 基于GARP的大薸潜在适生区预测[J]. 安徽农业科学, 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] 张健, 洪剑明, 陈光,等. 我国东部水鸟迁徙通道主要栖息地保护恢复主要栖息地保护恢复优先性评价[J]. 湿地科学与管理, 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] 张海涛, 罗渡, 牟希东,等. 应用多个生态位模型预测福寿螺在中国的潜在适生区[J]. 应用生态学报, 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.

责任编辑：龙顺潮

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

国家自然科学青年基金项目(41501567)；江苏省教育厅项目(61421542002)；江苏省高校自然科学重点项目(14KJA170006).

邹丽丽(1983-)，女，吉林 松原人，博士，讲师.E-mail:905500528@qq.com

TP391;Q141

A

1000-5900(2016)03-0118-04