在沙漠地区有效估计植物物种多样性,使用基于无人机的象限和先进的机器学习技术
Huihui Xin1, Renping Zhang2, Liangliang Zhang2
1College of Ecology and Environment, Xinjiang University, Urumqi, 830046, China; Key Laboratory of Oasis Ecology of Education Ministry, Xinjiang University, Urumqi, 830046, China; Xinjiang Uygur Autonomous Region Grassland General Station, Urumqi, 830000, China.
Journal of environmental management
|May 7, 2025
概括
无人驾驶飞行器 (UAV) 为监测沙漠生态系统中的植物物种多样性 (PSD) 提供了更准确和更有效的方法. 这项研究开发了一个最佳模型来估计PSD,揭示了降水和土壤有机碳作为关键的空间驱动因素.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 保护生物学 保护生物学
背景情况:
- 了解植物物种多样性 (PSD) 分布对于有效的保护至关重要,但在沙漠地区的大规模监测具有挑战性.
- 传统的实地调查通常是劳动密集型的,可能无法捕捉干旱环境中的生物多样性的全部空间范围.
研究的目的:
- 在中国的格尔盆地的沙漠地区研究植物物种多样性 (PSD) 的时空变化.
- 开发和优化模型来估计PSD使用结合传统和无人驾驶飞行器 (UAV) 数据.
- 确定驱动PSD模式的主要环境和人为因素.
主要方法:
- 采用传统和无人飞行器 (UAV) 平方调查来监测植被组成.
- 集成的多源数据与可变选择方法 (弹性净回归,Boruta) 和机器学习算法 (支持矢量机器,增强回归树).
- 开发并验证PSD估计模型,确定最佳的方法组合.
主要成果:
- 与传统方法相比,无人机方法在沙漠地区的PSD调查中被证明更有效和更准确.
- 最优的PSD估计模型将弹性净回归选择的变量与增强回归树算法 (R2 = 0.4760.613) 结合起来.
- 在盆地中心观察到较低的PSD,而边缘地区显示出更高的PSD但更大的干扰. 在20年内,PSD显著下降 (5.99%13.87%).
- 累积降水和土壤有机碳被确定为空间PSD模式的主要驱动因素.
- 人类干扰被发现是时间PSD动态的主要驱动因素.
结论:
- 无人驾驶飞行器 (UAV) 为监测沙漠环境中的植物物种多样性 (PSD) 提供了一种优越的方法.
- 开发的最佳模型提供了一种可靠的PSD估计方法,这对于理解生物多样性动态至关重要.
- 这些发现为在格尔盆地和类似的干旱地区的生态恢复和生物多样性保护工作提供了理论基础.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
13.2K
09:32Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools
Published on: November 20, 2017
9.2K
