一种大数据预测杭菊适生区的评价方法技术

本发明专利技术公开了一种大数据预测杭菊适生区的评价方法，包括如下步骤：步骤一：杭菊分布数据的获取与处理，其中，地理分布点通过中国数字植物标本馆、国家标本信息基础设施、及实地调查数据获得；气候因子共19个，来自世界气候数据；地形数据来自地理空间数据云，经ArcGISMapl0.6处理得到坡度和坡向；将以上数据采用ArcGISMapl0.6处理并统一坐标，用于Maxent软件分析；步骤二：利用Maxent软件的刀切法评价21个环境因子的权重，为避免过度拟合，取≥1％的因子，去除相关系数是|r|≥0.8的因子；Maxent模型参数设置5000次运算，25％作为训练因子，75％作为测试因子，重复10次，其他参数为默认；步骤三、预测结果采用受试者工作特征曲线进行检验精度，生成中国杭菊生境预测结果。结果。结果。

【技术实现步骤摘要】
一种大数据预测杭菊适生区的评价方法


[0001]本专利技术属于植物生存适应性研究、植物潜在分布预测
，尤其涉及一种大数据预测杭菊适生区的评价方法。

技术介绍

[0002]菊花也被广泛用于保健茶饮。中药菊花商品种类多样，根据产区及加工方法等的不同可分成杭菊、贡菊、亳菊、滁菊、怀菊、祁菊、济菊和川菊等类型。杭菊又分杭白菊和杭黄菊，其中以杭白菊产区最为广泛，产量最大，栽培品种也最多。杭白菊一向以茶用为主，兼顾药用，笔者在北京市场调查发现，近年杭白菊药用量(中药调剂配方用量)比从前有较多增加。
[0003]植物生长需要合适的生态环境，生物生活的空间和其中全部生态因子的总和。生态因子包括光照、温度、水分、空气、无机盐类等非生物因子和食物、天敌等生物因子。植物提供人类所需的各式生存环境，地表热量分布不均使全球植物资源差异分布，造成地球上植物资源丰富多样。受地震、火灾、全球气候变化等自然因素和过度获取资源、环境开发、人口压力等人为因素的影响，部分地区的植物资源破坏严重，造成其生境的丧失和破碎化。如何保持植物资源的多样性和可持续利用已是全球共同关注的热点。因此，保护野生濒危植物需先研究其生境条件、及其生存空间与环境因子的关系，从而制定合理的保护对策。
[0004]有鉴于此，特提出本专利技术。

技术实现思路

[0005]为解决上述问题本专利技术提供了一种基于Arcgis软件和MaxEnt模型对中国杭菊的分布适应性评价方法，可以快速确定杭菊生长所需要的环境因素以及地形因素。
[0006]为了实现上述目的，本专利技术提供的一种大数据预测杭菊适生区的评价方法，包括如下步骤：
[0007]步骤一：杭菊分布数据的获取与处理；
[0008]步骤二：运用最大煽模型和地理信息系统分析其潜在生境分布，利用MaxEnt 软件内置的刀切法分析影响其分布的主要环境因子；
[0009]步骤三、预测结果采用受试者工作特征曲线进行检验精度，生成中国杭菊生境预测结果。
[0010]优选地，所述步骤一中主导环境因子具体包括：气候因子，坡度和坡向；
[0011]优选地，所述步骤一中杭菊地理分布点通过中国数字植物标本馆、国家标本信息基础设施、及实地调查数据获得；所述气候因子共19个，来自世界气候数据；地形数据来自地理空间数据云，经ArcGISMapl0.2处理得到所述坡度和坡向；将以上数据采用ArcGISMapl0.6处理并统一坐标，空间分辨率为1X1km，输出为.asc格式文件，用于Maxent软件分析；
[0012]优选地，所述步骤二的具体操作为：利用Maxent软件的刀切法评价21个环境因子
的权重，为避免过度拟合，取≥1％的因子，去除相关系数是|r|≥0.8 的因子；Maxent模型参数设置5000次运算，25％作为训练因子，75％作为测试因子，重复10次，其他参数为默认；
[0013]优选地，所述步骤三的具体操作为：用刀切法作为模型精度的评判方法，所有环境因子和主导环境因子的10次AUC值平均值分别为0.905和0.853，均大于0.85，说明MaxEnt较好的模型性能，预测结果精度高，能够采用主导环境因子作为预测因子；
[0014]优选地，所述环境因子和主导环境因子的因子贡献率具体为：最冷月份最低温、温度全年波动范围、最热季度均温、最冷季度均温、年均降雨量、坡度和坡向因子对杭菊分布预测的影响最大，贡献率＞80.0％；以温度为主要因子，其次为降雨量与地形。
[0015]本专利技术提供的一种大数据预测杭菊适生区的评价方法，具有如下有益效果：
[0016]通过采集中国的杭菊分布数据并进行相关性分析，选取适合的采样点，使用 Arcgis软件对19个环境因子和2个地形因子(坡度、坡向)进行处理，将这21 个环境因子带入MaxEnt模型进行刀切法分析主要环境因子，并预测杭菊的适生区，对杭菊生长所需要的生长环境进行评价，得出最适宜杭菊生长的环境因子，为杭菊的选育和野生资源的保护提供重要的指导。
附图说明
[0017]图1为本专利技术提供的一种大数据预测杭菊适生区的评价方法的10次模拟 ROC曲线图。
[0018]图2为本专利技术提供的一种大数据预测杭菊适生区的评价方法的潜在分布环境变量Jackknife检验图。
[0019]图3为本专利技术提供的一种大数据预测杭菊适生区的评价方法的主导环境变量响应曲线图。
具体实施方式
[0020]下面结合具体实施例和附图对本专利技术做进一步说明，以助于理解本专利技术的内容。
[0021]本专利技术提供的一种基于Arcgis软件和MaxEnt模型的大数据预测杭菊适生区的评价方法，可以快速确定杭菊生长所需要的环境因素以及地形因素，该方法具体为：
[0022]步骤一：杭菊分布数据的获取与处理，其中，地理分布点通过中国数字植物标本馆、国家标本信息基础设施、及实地调查数据获得；气候因子共19个，来自世界气候数据；地形数据来自地理空间数据云，经ArcGISMapl0.6处理得到坡度和坡向；将以上数据采用ArcGISMapl0.6处理并统一坐标，空间分辨率为 1X1km，输出为.asc格式文件，用于Maxent软件分析；
[0023]主导环境因子具体包括：气候因子、坡度和坡向，具体如表1所示：
[0024]表1潜在适生区预测环境变量
[0025][0026][0027]步骤二：运用最大煽模型和地理信息系统分析其潜在生境分布，利用MaxEnt 软件内置的刀切法分析影响其分布的主要环境因子，具体步骤包括利用Maxent 软件的刀切法评价21个环境因子的权重，为避免过度拟合，取≥1％的因子，去除相关系数是|r|≥0.8的因子；Maxent模型参数设置5000次运算，25％作为训练因子，75％作为测试因子，重复10次，其他参数为默认；
[0028]步骤三、预测结果采用受试者工作特征曲线进行检验精度，生成中国杭菊生境预测结果，具体步骤包括用刀切法作为模型精度的评判方法，所有环境因子和主导环境因子的10次AUC值平均值分别为0.905和0.853，均大于0.85，说明 MaxEnt较好的模型性能，预测结果精度高，能够采用主导环境因子作为预测因子，如图1所示。
[0029]各因子的因子贡献率具体为：最冷月份最低温、年均降雨量、最干月降雨量因子对杭菊分布预测的影响最大，贡献率＞80.0％；以降雨量为主要因子，其次为温度，具体如表2所示。
[0030]表2杭菊分布主要影响因子
[0031][0032]进一步通过刀切法得到图2分析结果，
[0033]接下来分析3个主要因子对杭菊的适生区的影响，主要包括：最冷月份最低温、年均降雨量、最干月降雨量因子，如图3所示。
[0034]最后将输出数据导入acrgis10.6软件中分析并出图得到杭菊在中国适应性分区图，分为非适生区、低度适生区、中度适生区、高度适生区四级。
[0035]综上所述，本专利技术可以快速的预测杭菊这种药用植物的适应范本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大数据预测杭菊适生区的评价方法，其特征在于，包括如下步骤：步骤一：杭菊分布数据的获取与处理；步骤二：运用最大煽模型和地理信息系统分析其潜在生境分布，利用MaxEnt软件内置的刀切法分析影响其分布的主要环境因子；步骤三、预测结果采用受试者工作特征曲线进行检验精度，生成中国杭菊生境预测结果。2.根据权利要求1所述的一种大数据预测杭菊适生区的评价方法，其特征在于，所述步骤一中数据获取的主导环境因子具体包括：气候因子，坡度和坡向。3.根据权利要求2所述的一种大数据预测杭菊适生区的评价方法，其特征在于，所述步骤一中杭菊地理分布点通过中国数字植物标本馆、国家标本信息基础设施、及实地调查数据获得；所述气候因子共19个，来自世界气候数据；地形数据来自地理空间数据云，经ArcGISMapl0.2处理得到所述坡度和坡向；将以上数据采用ArcGISMapl0.6处理并统一坐标，空间分辨率为1X1km，输出为.asc格式文件，用于Maxent软件分析。4.根据权利要求1所述的一种大数据预测杭菊...

【专利技术属性】
技术研发人员：尹冬梅，齐帅，高腾，尹高菲，尹文昕，尹天宸，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：