基于图像语义细分的物种息地建模
Lingjun Wang1,2, Haofeng Tan3, Peng Luo4,5
1School of Resource and Environmental Sciences, Wuhan University, No.129, Luoyu Road, Wuhan, 430079, Hubei, China.
Scientific reports
|September 30, 2025
概括
这项研究引入了一种使用内核密度分析和深度学习的新息地建模框架. 该方法提高了像砂家族这样的物种的息地绘制准确度,有助于生物多样性保护.
科学领域:
- 生态建模 生态建模
- 生物多样性保护 生物多样性保护
- 地理空间分析是什么?
背景情况:
- 传统的息地建模 (拉萨尼亚模型) 忽视了周围环境的影响.
- 准确的息地绘制对于物种繁殖和生态保护至关重要.
- 现有的方法经常与仅存在数据作斗争.
研究的目的:
- 提出一个综合性息地建模框架,包括周围环境条件.
- 评估核心密度分析和语义细分用于息地绘图的有效性.
- 为了比较深度学习方法与传统方法,如MaxEnt.
主要方法:
- 核心密度分析以扩展仅存在数据到存在-缺席数据.
- 使用Segformer用于息地绘制的语义细分.
- 与传统的MaxEnt模型进行比较分析.
主要成果:
- 核心密度分析有效地将仅存在的数据转换为息地建模.
- 对于砂家族息地绘制,Segformer的准确性比MaxEnt (AUC 0.69) 高 (AUC 0.76).
- 案例研究揭示了拟议框架的优点和局限性.
结论:
- 深度学习方法显示了促进息地建模的巨大潜力.
- 拟议的框架为生物多样性评估和保护规划提供了更全面的方法.
- 需要进一步的研究来完善这种方法,以适应各种物种和环境.


