基于地理加权回归模型的张家界大鲵空间分布影响因子研究

黄穗敏 杨杰 邓慧玉

作者简介：黄穗敏（1999-），女，湖南永州人，本科。通讯作者：杨杰（1985-），男，湖南张家界人，讲师。

摘 要： 以张家界47个野生大鲵资源调查样点作为研究对象，运用OLS模型和GWR模型进行分析，探讨生境因子对张家界野生大鲵空间分布的影响，为张家界大鲵的保护和科学管理提供参考。

关键词： 大鲵;张家界;地理加权回归模型;生境因子;空间分布

【中图分类号】F019.6 【文献标识码】B 【文章编号】1674-3733（2020）22-0243-02

野生动物资源的生境因子对其空间分布具有重要影响，因此，了解生境因子对其空间分布的影响程度及空间异化效应，对野生动物资源的科学认识及保护具有重要意义。地理加权回归模型由传统回归分析方法改善和发展得来，其是研究空间异化效应的有效工具[1]。大鲵作为我国重要的野生动物资源，是我国二级保护动物。近年来，少有研究涉及从整体到局部探讨生境因子对大鲵空间分布的影响。本文采用GWR模型和OLS模型分析方法对大鲵空间分布进行综合分析，可为大鲵栖息地适宜性研究提供参考。

1 研究区概况

张家界大鲵国家级自然保护区主体位于张家界市境内，面积为9653km2。张家界大鲵保护区的气候类型为中亚热带季风性湿润气候，地形以山地为主，地势由西北部向东南部递降;境内地下河、山谷和溶洞数量繁多，水生动植物种类丰富、分布广泛，水质优良[2]。

2 数据来源及处理方法

本研究涉及的47个野生大鲵资源调查样点是依据历史出苗点、野生资源和具有代表性的地方选取的。研究中涉及的DEM数据取自地理空间数据云，河深、河宽、两岸植被覆盖度和流速均为查阅相关文献和实地调查所得。首先采用经典的全局分析方法OLS回归模型进行建模，初步了解变量间的相互关系，然后在传统OLS模型基础上进行局部分析即GWR建模，本文的模型分析均在ArcMap 10.2软件中完成。

3 结果与分析

3.1 OLS模型分析

以调查样点的生境适宜度为因变量，其高程值、所处河流宽度、深度、流速、坡度和植被覆盖度作为解释变量，建立OLS回归方程，结果表明（表1），张家界野生大鲵生境适宜度与样点的海拔、植被覆盖度和所处河流宽度呈正相关关系，与样点所处坡度呈负相关关系，与所处河流深度和流速相关性不明显。各模型参数的VIF值都远小于7.5，表明方程各参数间共线性问题不显著，正确设置了方程的模型参数。此外，回归分析结果中Jarque-Bera值没有星号，说明此方程的残差呈正态分布，证明了参数检验的有效性。OLS模型的R2为0.526581，表明模型的拟合度仍不够理想。

3.2 GWR模型分析

使用与OLS模型相同的因变量和自变量构建GWR模型。结果表明（表2），GWR模型的R2值是0.742843，优于OLS模型。借助Fortheringham的研究方法[3]，若GWR模型的适用性高于OLS模型，那么GWR模型回归分析结果的AICC值与OLS结果之差大于3 以上，如表2所示，符合相应要求，这说明本研究中OLS模型的拟合度显著低于GWR模型。

3.3 調查样点GWR模型重要影响因子结果及其空间分异特征分析

OLS回归模型研究样本数据的全局特征，GWR模型研究的是局部特征，它对每一个样本数据都进行了可视化的参数估计，即为每一个样本数据提供一个回归系数。因此，将张家界野生大鲵调查样点的所处位置及其GWR模型重要影响因子（海拔、植被覆盖度、河宽）的回归系数值进行相应分析，其可展示大鲵生境重要影响因子对张家界大鲵空间分布影响的空间异化效应。

海拔对张家界野生大鲵空间分布的影响强度主要呈现出由中心向四周递减的趋势，形成以慈利县西部和武陵源区为主的高值影响区，以桑植县西部和永定区东南部为主的低值影响区;植被覆盖度对张家界野生大鲵空间分布的影响强度大致呈现出由东南向西北递增的趋势，形成以桑植县为主的高值影响区，慈利县和永定区南部为主的低值影响区格局;河流宽度对张家界野生大鲵空间分布的影响强度主要由中心向四周递增，形成以桑植县西部和慈利县南部为主的高值影响区，以桑植县东部和武陵源区为主的低值影响区。

参考文献

[1] 薛瑞晖，于晓平，李东群，叶新平.基于地理加权回归模型探究环境异质性对秦岭大熊猫空间利用的影响[J].生态学报，2020，40（08）：2647-2654.

[2] 罗庆华.张家界大鲵生境特征[J].应用生态学报，2009，20（07）：1723-1730.

[3] 马勇，黄智洵.基于GWR模型的长江中游城市群传统村落空间格局及可达性探究[J].人文地理，2017，32（04）：78-85.