论文部分内容阅读
随着GPS全球定位系统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，动物轨迹数据分析因而成为了当前的研究热点，其中动物家域估计是轨迹数据研究的重要部分之一。 家域是指在一定的时间范围内，动物个体或群体寻找食物、进行交配和哺育幼崽所利用的地理位置。家域的大小、形状与捕食-猎物之间的关系、种群竞争、领域行为、活动路线、资源分布模式，以及种群密度、性别组成、社群压力和交配制度等基础生态学过程息息相关。因此，家域的准确估计有助于研究动物在特定时期生态需求、取食策略、生境选择和行为规律等生态行为，同时也是野生动物生境质量评价、栖息地负载量以及保护区规划和管理等重要领域的基础参数。 区别于普通动物，候鸟的轨迹数据通常具有以下两个特征:第一，具有明显的时间周期性与地理位置跨越性;第二，迁徙行为与越冬期及繁殖期运动行为差异性大，主要表现在运动速度上。 传统的动物家域估计算法没有考虑候鸟迁徙行为在速度上的显著差异性，不适合候鸟家域估计。因此，针对候鸟轨迹数据的上述特征，本文提出了一种基于高斯模型的T-LoCoH候鸟家域估计算法。算法首先根据候鸟运动的周期性，采用DBSCAN聚类算法将轨迹数据分段，其次，利用高斯模型估算每段轨迹的最大运动速度，最后分别估计各运动阶段的家域，从而提高家域估计的精度。 本文对其中涉及的聚类分段以及估计动物最大运动速度等相关技术理论做了详细说明，对传统T-LoCoH算法和本文改进T-LoCoH算法做了充分描述，并设计了一组模拟实验验证本文改进T-LoCoH算法的有效性，最后还通过一只青海湖斑头雁的真实运动轨迹数据做了一组对比试验，实验表明，本文这种基于高斯模型的T-LoCoH候鸟家域估计算法能更精确地划分候鸟在各运动阶段的活动范围。