基于机器学习的息地绘制在沙迦,阿联的入侵Prosopis juliflora在沙迦,阿联
Alya Almaazmi1, Rami Al-Ruzouq1,2, Abdallah Shanableh1,2
1GIS & Remote Sensing Center, Research Institute of Sciences and Engineering, University of Sharjah, Sharjah, 27272, UAE.
Environmental monitoring and assessment
|March 20, 2025
概括
机器学习准确地绘制了阿联沙漠中的侵入性Prosopis juliflora息地,确定了降水和地下水作为关键因素. 这有助于干旱生态系统的保护和可持续的土地利用规划.
科学领域:
- 生态生态学 生态生态学
- 环境科学 环境科学
- 机器学习应用 机器学习应用
背景情况:
- 普罗索皮斯 (Prosopis juliflora) 是一种高度入侵的树种,影响干旱的生态系统.
- 侵入性物种破坏生物多样性,耗尽水资源,造成生态和经济挑战.
- 此前在阿联的控制努力取得了有限的成功.
研究的目的:
- 使用机器学习 (ML) 识别和绘制影响Prosopis juliflora息地的环境变量.
- 为了估计P. juliflora在沙迦,阿联的存在和分布.
- 为了比较最大 (MaxEnt) 和息地绘制统计模型的有效性.
主要方法:
- 利用最大度 (MaxEnt) 和用于息地建模的统计技术.
- 选择了11个环境变量 (地质,地形,水文,生态指标,气候).
- 采用对线性和差异膨胀因子 (VIF) 来选择变量;用于ML模型权重的整体准确性 (OA) 和卡帕系数.
主要成果:
- 与统计模型 (AUC 0.85) 相比,MaxEnt 在预测P. juliflora分布方面表现优越 (AUC 0.98).
- 降水量,地下水深度和总溶解固体 (TDS) 被确定为主要影响变量.
- 息地分布显示向研究区域的东部地区转移.
结论:
- 机器学习,特别是MaxEnt,为干旱环境中的入侵物种息地建模提供了强大的方法.
- 准确的息地绘制对于有效的物种保护,土地管理和气候适应战略至关重要.
- 该研究强调了ML在应对全球入侵物种带来的生态挑战方面的潜力.
