首页 > 生态学报 > 公民科学观测数据增强方法在最大熵模型中的应用

公民科学观测数据增强方法在最大熵模型中的应用

Data augmentation of citizen science observations applied to the MaxEnt model:a case study of wintering migratory birds habitat quality in Poyang Lake

二维码有效期 120s

摘要近年来公民科学观测的兴起为物种分布研究提供了新途径,但其在最大熵模型中的应用受到空间采样偏差和个体数量无法体现于样点等两处限制.基于公民科学观测的数据特征和最大熵模型的数学原理,提出了数据增强的方法并从模型精度检验、采样偏差影响的弱化、泛化能力测试三方面验证其效果.结果表明:(1)基础型和增强型的AUC分别为0.850和0.868,基本持平;(2)人类活动强度的重要性和不可替代性被弱化,候鸟数量众多、人类活动强度较低区域的适宜值增加,两者共同表明人类活动产生的采样偏差影响被弱化;(3)2024年独立测试集越冬候鸟在增强型中的适宜性得分更高,进行适宜性分级后泛化能力更具优势,能以7.17％高适区面积比例形成对61.87％的候鸟数量的实际覆盖,高适区候鸟密度比基础型增加115％.在此基础上,援引公开数据集进行外部验证,而后对数据增强予以方法总结并联系实践:(1)公开数据集的分析证实了数据增强的必要性和泛化能力提升的可靠性;(2)数据增强主要适用于现实生境中呈大规模集聚特征的物种,公式及参数的设置较为折中,体现了数据增强方向上的适度探索,亦是样点扩展与保证样点基本间距的权衡设计;(3)模型划定的高适区与国家设立的重要栖息地整体非常匹配,但也存在个别不协调之处,据此提出了加强跨部门、跨地区合作,必要时整合相关机构,以提升跨行政边界栖息地的管理效率,以及增设金溪湖保护区,或适当扩展康山、青岚湖保护区的范围,以实现对湖区候鸟优质生境充分覆盖等管理建议.数据增强方法实现了最大熵模型对公民科学数据的高效利用,降低了人类活动导致的采样偏差的影响,大幅度提升了模型的泛化能力,从而可以为越冬候鸟保护工作提供更有效的决策支持.