-
山地旅游区生态系统文化服务供需匹配空间格局与影响因素
编辑人员丨4天前
山地旅游区是提供生态系统文化服务(CES)的重要场所,评估其CES供需匹配关系对区域生态景观与游憩空间的规划管理和提升人类福祉至关重要.以贵州省为典型山地旅游区案例地,结合社交媒体文本与MaxEnt模型的综合评估方法量化CES的实现需求与潜在供给,运用ArcGIS对CES供需及匹配关系的空间格局进行制图与评估,并基于地理探测器探究CES供需匹配的影响因素.研究表明:(1)美学、休闲娱乐、文化多样性、康养价值、生物多样性、研学价值、遗产价值和精神宗教是贵州省CES的主要表征类型.(2)CES需求以省内知名旅游景区和中心城区为核心集聚区,并向四周逐渐递减,高需求和中等需求在空间上呈现"分散式、多核心"分布格局,而CES高供给和中等供给则集中在各城市区域、旅游景区和交通线网附近,呈现多核心团簇状分布和沿交通干线呈条带状集聚分布的"多核心、多条带"分布格局.(3)根据CES供需匹配关系可将贵州省划分为文化服务需求区、平衡区和潜力区三类,三类分区的空间分布均具有较强的异质性,文化服务潜力区面积远大于其他分区.(4)CES供需匹配影响因子间交互作用的空间解释力相较于单因子强,其中高程和土地利用的影响最为显著,CES的自然因素解释力整体强于社会因素.研究为厘清贵州省CES供需及匹配的空间分布格局与影响因素,通过对CES供需热点区域进行潜力点识别和价值转化,以实现山地旅游区自然资源的合理配置和生态游憩空间的保护开发与结构优化提供理论借鉴与实践参考.
...不再出现此类内容
编辑人员丨4天前
-
基于生态位模型预测甘肃省内脏利什曼病传播风险
编辑人员丨4天前
目的:基于生态位模型分析并预测甘肃省内脏利什曼病传播风险,为精准防控措施的制定和疫情监测提供依据。方法:自全国传染病报告信息管理系统收集甘肃省2015 - 2021年报告的内脏利什曼病病例,获取病例分布点经纬度坐标以及区域内19个气候变量、5个地理变量和2个社会经济变量数据。基于生态位模型,采用最大熵算法(MaxEnt)构建内脏利什曼病传播风险预测模型,利用受试者工作特征曲线下面积(AUC)进行模型性能评价,并对构建模型的各环境变量进行重要性评估,以及预测甘肃省内脏利什曼病传播风险分布区域。结果:2015 - 2021年甘肃省共报告368例内脏利什曼病病例,其中,89.13%(328/368)集中在陇南市和甘南藏族自治州(甘南州);2017年病例数达到高峰(79例,21.47%)。构建模型具有较高的预测准确度(AUC = 0.985)。模型分析结果显示,影响甘肃省内脏利什曼病分布的主要气候变量为最冷季度平均温度(贡献值为3.1),地理变量为土地利用类型(贡献值为52.6)和植被覆盖类型(贡献值为8.5),社会经济变量为人口数(贡献值为14.3)。传播风险分布结果显示,高、中、低风险区从甘肃省南部向西北部呈现逐渐过渡的接壤分布特点。高风险区主要集中在甘肃省陇南市中南部和甘南州南部,占全省面积的0.18%;中、低风险区分别占全省面积的0.48%和2.47%,无风险区占96.87%。结论:生态位模型预测甘肃省内脏利什曼病传播呈现点状分散、局部高聚集性分布特征,应加强对陇南市和甘南州等高风险区的监测和防控。
...不再出现此类内容
编辑人员丨4天前
-
基于MaxEnt模型的辽西地区亚洲狗獾生境适宜性分析
编辑人员丨4天前
为掌握亚洲狗獾(Meles leucurus)生境利用及适宜生境分布格局,本研究利用2018年和2022年辽西地区的132个亚洲狗獾有效分布点,基于MaxEnt模型进行研究.结果表明:(1)地形、气候、植被和水源是影响辽西地区亚洲狗獾分布的主要环境因素.(2)辽西地区亚洲狗獾在海拔1 150m、坡度40°、归一化植被指数85%、最热月最高温24.5 ℃、气温年较差39 ℃、距河流距离100 m左右的生境出现概率最高.(3)潜在适宜生境面积约12 051.13 km2,占研究区总面积的41.63%.高适宜生境分布较为集中,主要分布在研究区西南部的凌源、建昌、绥中和中部的喀左、朝阳等地区;低适宜生境分布较为分散,在整个研究区均有分布;中适宜生境则环绕高适宜生境,成为高、低适宜生境间的过渡区.本研究明确了辽西地区亚洲狗獾适宜生境的分布格局和限制其分布的主导环境因子,这将有助于研究亚洲狗獾在辽西地区的生态适应性,为该地区亚洲狗獾的保护和管理提供更精细的生境分布规律参考资料.
...不再出现此类内容
编辑人员丨4天前
-
果洛藏族自治州喜马拉雅旱獭适生区识别研究
编辑人员丨1周前
目的 基于生态位模型分析并预测果洛藏族自治州(果洛州)喜马拉雅旱獭适生区,为今后科学高效的鼠疫宿主监测工作提供理论依据.方法 根据现场调查得到的96个喜马拉雅旱獭分布点经纬度及WorldClim网站获取的海拔及19个气候变量,通过最大熵模型(MaxEnt)和ArcGIS 10.6软件进行建模得出喜马拉雅旱獭在果洛州的适生区,并通过受试者工作特征曲线对模型预测精度进行评价.结果 根据MaxEnt得出该模型的曲线下面积(AUC)值=0.928.排名前 5 位的因素贡献度从高到低依次为最干燥月份降水量(35.7%)、温度季节性变化(26.3%)、季节性降水(20.5%)、昼夜温差月均值(10.2%)、海拔(7.3%).各因素在模型中的响应曲线分析得出,在昼夜温差月均值为14.7℃、温度季节性变化为800、最干燥月份降水量为2.4 mm、季节性降水为95、海拔为3 720 m时各因素的响应曲线达到最高值.预测结果显示,果洛州喜马拉雅旱獭高适生区面积达2 445.24 km2,中适生区面积达4 240.76 km2,主要位于玛沁县、甘德县境内.结论 最大熵模型预测结果可靠,与实际情况相符,为今后鼠疫监测工作提供了科学高效的理论依据;玛沁、甘德县喜马拉雅旱獭高、中适生区分布区域占比较高,应加强对该区域的监测.
...不再出现此类内容
编辑人员丨1周前
-
气候变化对野蔷薇全球分布影响的模拟
编辑人员丨3周前
野蔷薇原产于东亚,是现代月季的原始亲本之一,也是重要的月季种质资源和砧木.由于抗性强和长势旺,野蔷薇在北美洲等引种地已成为入侵物种.为探究野蔷薇适生区与气候变化的关系,本研究基于1246条分布记录和9个生物气候变量,使用优化后的MaxEnt模型预测了野蔷薇的潜在地理分布.结果表明:最冷季平均温、最冷月最低温、最暖季降水量、等温性是影响野蔷薇潜在地理分布的重要生物气候变量.在当前气候条件下,野蔷薇的自然分布区域主要位于黄土高原以东及以南的平原和丘陵地区.全新世中期分布格局与当前相似,但高适生区主要位于华北平原南部、四川盆地及长江中下游平原的部分地区.而在末次间冰期,适生区总体向南收缩,同时高适生区面积明显扩大,主要分布在四川盆地、长江中下游平原、云贵高原和东南丘陵等地.除自然分布在东亚地区外,由于引种,野蔷薇的全球分布已扩展至欧洲大部分地区及北美洲中东部.2041-2060和2081-2100年间,野蔷薇的分布面积在不同共享社会经济路径(SSP1-2.6、SSP2-4.5和SSP5-8.5)的3种升温情境下均会扩大,其平均分布中心(质心)将呈现出向高纬度地区偏移的趋势,表明野蔷薇的分布与气候变化密切相关,气候变暖可能会导致野蔷薇分布面积的扩大.上述结果对于理解野蔷薇的生态适应性及预测其未来分布具有重要意义,也可为引种该物种后需采取的监测预警提供理论依据.
...不再出现此类内容
编辑人员丨3周前
-
三江源地区藏原羚冬、夏季生境适宜性差异与影响变量
编辑人员丨1个月前
藏原羚是青藏高原特有的珍稀有蹄类动物,广泛分布于三江源地区.预测三江源地区藏原羚的生境适宜性季节变化,了解环境变量的改变对藏原羚栖息地利用的影响,有利于制定对应的保护对策,也有助于了解藏原羚的生态位特征.本研究基于同一年冬季(2019年1月)和夏季(2019年8月)两次相同调查路线下藏原羚野外出现点,结合选取的8个环境变量,采用最大熵模型预测三江源地区藏原羚冬、夏季的生境适宜性和分布格局的差异,并通过环境响应曲线探讨环境变量对分布格局的影响.结果表明:冬、夏季,研究区藏原羚的适宜生境的接收者操作特征曲线下的面积平均值分别为0.901±0.023和0.882±0.024,拟合精度良好;三江源地区藏原羚冬、夏季适宜生境总面积分别为6.83×104、9.78×104 km2,夏季适宜生境面积比冬季明显增加,有向长江源园区以南及黄河源园区方向扩散的趋势.冬、夏季的生境适宜性都呈现出以三江源国家公园为中心、分布概率由中心的高值向周边逐渐递减的模式.季均温、海拔、人口密度和坡度是影响冬、夏季藏原羚分布的主导环境变量.与冬季相比,在气温明显升高的夏季,藏原羚适宜生境向海拔5000 m以上的地区和坡度小于25°的地区扩散,同时,夏季人类活动范围扩大侵占了藏原羚的适宜栖息地.
...不再出现此类内容
编辑人员丨1个月前
-
祁连山国家公园甘肃片区雪豹栖息地廊道研究
编辑人员丨1个月前
雪豹(panthera uncia)是高山流石滩等山地生境生物多样性的旗舰物种,对维持高山生态系统结构和功能稳定性起着重要作用.近年来雪豹种群数量有所恢复,但多种因素导致的栖息地破碎化仍对雪豹的种群生存造成威胁.建立廊道可将分散的栖息地斑块连接起来,提高雪豹抵抗干扰的能力,并为雪豹的长期生存提供重要保障.本研究以祁连山国家公园甘肃张掖分局保护片区及其15 km缓冲区为研究区域,基于祁连山国家公园甘肃张掖分局保护片区雪豹分布点数据,选取气候、地形和土地利用等环境变量,运用MaxEnt模型对雪豹栖息地适宜度进行分析并划定生态源地,而后基于最小代价路径原理识别雪豹廊道.结果显示,研究区域内雪豹适宜栖息地面积为13 432.066 km2,分布在片区内的适宜栖息地面积为7 086.195 km2,占适宜栖息地总面积的52.756%.崎岖度、最干季度平均温度和季节降雨变异系数是影响雪豹栖息地选择的关键因子.通过分析,最终划定9个生态源地用于后续廊道识别规划.在研究区域内共识别10条潜在生态廊道,廊道最长为18.725 km,最短为0.368 km,平均廊道长度为5.676 km.其中3条廊道连接片区内雪豹适宜栖息地斑块,5条廊道连接该片区与青海片区雪豹栖息地.基于上述结果,我们建议在提升片区内雪豹适宜栖息地之间整体连接度的同时,与青海省共同开展跨界保护工作,以制定更加科学合理的保护与管理计划.
...不再出现此类内容
编辑人员丨1个月前
-
基于MaxEnt和ArcGIS的山西省蒙古黄芪适宜性区划研究
编辑人员丨1个月前
目的 掌握影响蒙古黄芪生长的主要环境因子,对蒙古黄芪在山西省适宜区分布进行预测,为山西省蒙古黄芪资源的合理布局提供参考.方法 采用山西省"第四次中药资源普查"数据库收录的蒙古黄芪样点经纬度信息,查询中国数字植物标本馆及检索文献记录补充,将筛选后的347个蒙古黄芪样点分布数据和环境因子添加到最大熵(MaxEnt)模型中运行,筛选出影响蒙古黄芪地理分布的主要环境因子及贡献率.应用地理信息系统软件ArcGIS对山西省蒙古黄芪生态适宜区进行划分.结果 建立的MaxEnt模型受试者工作特征曲线下面积为0.909,表明模型预测结果准确.共筛选出19个环境因子,其中气候因子是影响蒙古黄芪分布最重要的环境因子,其次是生物因子与地形因子,土壤因子的影响最小.山西省蒙古黄芪潜在适宜区主要分布在省内北部山区,呈现从北到南适宜等级逐渐降低的趋势,在当前气候条件下山西省蒙古黄芪最适宜区面积为15 424 km2,适宜区面积为19 856 km2,次适宜区面积为59 436 km2,不适宜区面积为61 894 km2.结论 基于MaxEnt模型和ArcGIS软件预测山西省蒙古黄芪适宜区分布状况,对山西省蒙古黄芪资源的保护与合理布局具有一定参考价值.
...不再出现此类内容
编辑人员丨1个月前
-
青海省獐牙菜属植物适宜区预测及主导环境因子分析
编辑人员丨1个月前
目的:了解不同气候变化条件下青海省獐牙菜属植物的潜在地理分布特点,掌握影响其分布的主导气候因子.方法:通过ArcGIS和MaxEnt模型,利用121个獐牙菜属植物地理位点以及19个气候变量,模拟分析影响獐牙菜属植物分布的主要气候因子,预测2050s、2070s的RCP 2.6、RCP 8.5两种气候情景下獐牙菜属植物的分布格局.结果:训练集与测试集AUC值均为0.899,模型推算当前潜在分布区的可信度良好.獐牙菜属植物主要分布在青海省的东部及东南部地区,包括海东、玉树等地.与当前气候相比,獐牙菜属植物在青海省的分布面积在未来不同气候情景下均有所增加,且分布区域逐渐向西偏移.影响青海省獐牙菜属植物分布的主要气候变量从大到小依次为年降水量、最冷季度平均温度、降水量季节性变化、等温性、最干季度降水量、最冷月份最低温度、最暖季度降水量.结论:獐牙菜属植物具有扩大地理分布范围的潜力,降水量和平均温度是限制獐牙菜属植物分布的关键因素,该结果可以为獐牙菜属植物的资源保护及引种驯化措施的制定提供理论依据.
...不再出现此类内容
编辑人员丨1个月前
-
基于MaxEnt模型的祁连山南麓门源草原毛虫分布区预测
编辑人员丨1个月前
[目的]门源草原毛虫Gynaephora menyuanensis是为害青藏高原高寒草甸的主要害虫,严重妨碍草地生态和畜牧业发展,了解其在祁连山南麓的实际分布区和潜在适生区对门源草原毛虫的监测和防治以及草地生态的保护具有重要意义.[方法]本研究在对祁连山南麓门源草原毛虫的分布进行大量实地调查(147个位点)的基础上,采用专业统计分析软件IBM SPSS 22.0筛选影响门源草原毛虫分布的环境因子,应用生态位模型MaxEnt 3.4.4和地理信息系统软件ArcGIS 10.8预测祁连山南麓门源草原毛虫2021-2040年的适生区范围.[结果]影响门源草原毛虫分布的主要环境因子为9月平均降水量、9月平均太阳辐射等;2021-2040年门源草原毛虫在祁连山南麓的适生区变化趋势为高适生区和非适生区的面积呈减少趋势,中适生区和低适生区面积呈增加趋势;检测模型的受试者工作特征(receiver operating characteristic,ROC)曲线下的面积(area under ROC,AUC)值为0.924,模拟结果准确性较好.[结论]本研究结果为阐明门源草原毛虫的地理分布规律及其监测防治提供了理论参考.全球气候变化为门源草原毛虫的栖息地扩张提供了适宜的条件,建议根据门源草原毛虫的潜在适生等级,构建"分级应对"的监测和早期预警体系与防控模式,以应对害虫为害.
...不再出现此类内容
编辑人员丨1个月前
