论文部分内容阅读
随着全球定位系统(Global Position System，GPS)、遥感技术(Remote Sensing，RS)以及数据传输技术的发展，人们能够获得更大数据量以及更高数据精度的动物轨迹数据和地理信息系统(Geographic Information System，GIS)数据，对动物轨迹数据、GIS数据的分析和处理因而成为了当前的研究热点，其中，动物栖息地选择是轨迹数据研究的重要部分之一，优化GIS处理速度是GIS数据研究的热点之一。 栖息地选择指动物对不同类型的活动区域进行选择或具有倾向性。研究动物对栖息地的选择情况能够揭示生态环境变量对动物影响，帮助考察队规划野外考察路线并为保护濒危动物提供参考依据。生态位因子分析方法(Ecological Niche Factor Analysis，ENFA)是一种经典的栖息地选择方法，只需要动物“出现点”数据，避免了由误判“非出现点”所带来的分析偏差，然而该方法在计算相关性时所使用的协方差只考虑了变量间的线性关系，而大部分变量间的关系是非线性相关的。 GIS数据通常包括栅格数据和矢量数据，栖息地选择研究中通常是对栅格数据进行处理，如今栅格数据具有高分辨率、覆盖面积广的特点，因此对栅格数据处理进行优化是非常有必要的。 基于上述内容，本文提出了一种改进的栖息地选择分析算法以及优化栅格数据处理方法。本文的主要工作和贡献如下所述: 1、针对传统生态位因子分析方法无法描述变量间非线性相关的问题，考虑采用互信息计算变量间的相关性，提出基于互信息的生态位因子分析方法。 2、针对栅格数据在提取、生成环境变量时处理速度较慢的问题，本文分别从两个方面进行优化:考虑将研究区域进行细化，缩小面积;考虑并行化处理。 3、对改进的生态位因子分析方法进行实验。分析斑头雁在青海湖地区的栖息地选择情况以及栖息地适宜性，与传统生态位因子分析方法相比，所提出的方法改变了特化向量，提高了栖息地适宜性预测的准确率。 本文为科研人员提供了一个能够更好地描述变量间相关性的栖息地选择分析方法，以及栖息地研究中对栅格数据优化处理的方法。