基于激光雷达数据的物种分布模拟: 以美国加州内华达山脉南部区域食鱼貂分布模拟为例

生态位模型通过拟合物种分布与环境变量之间的关系提供物种空间分布预测, 在生物多样性研究中有广泛应用。激光雷达(LiDAR)是一种新兴的主动遥感技术, 已被大量应用于森林三维结构信息的提取, 但其在物种分布模拟的应用研究比较缺乏。本研究以美国加州内华达山脉南部地区的食鱼貂(Martes pennanti)的分布模拟为例, 探索LiDAR技术在物种分布模拟中的有效性。生态位模型采用5种传统多类分类器, 包括神经网络、广义线性模型、广义可加模型、最大熵模型和多元自适应回归样条模型, 并使用正样本-背景学习(presence and background learning, PBL)算法进行模型校正; 同时对这5种模型使用加权平均进行模型集成, 作为第6个模型。此外, 一类最大熵模型也被用于模拟该物种的空间分布。模型的连续输出和二值输出分别使用AUC (area under the receiver operating characteristic curve)以及基于正样本-背景数据的评价指标F_pb进行评价。结果表明, 仅考虑气候因子(温度和降水)时, 7个模型的AUC和F_pb平均值分别为0.779和1.077; 当考虑LiDAR变量(冠层容重、枝下高、叶面积指数、高程、坡度等)后, AUC和F_pb分别为0.800和1.106。该研究表明, LiDAR数据能够提高食鱼貂空间分布的预测精度, 在物种分布模拟方面存在一定的应用价值。