一种基于最大熵模型预测萱草适应性评价方法技术

本发明专利技术公开了一种基于最大熵模型预测萱草适应性评价方法，包括如下步骤：(1)萱草分布数据的获取与处理；(2)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；(3)其预测结果采用受试者工作特征曲线进行检验精度，生成中国萱草生境预测结果，本发明专利技术可以快速确定萱草生长所需要的环境因素以及地形因素，并确定萱草的适生区，为萱草的选育和野生资源的保护提供重要的指导，具有广阔的应用前景，有利于推广应用。有利于推广应用。有利于推广应用。

【技术实现步骤摘要】
一种基于最大熵模型预测萱草适应性评价方法


[0001]本专利技术涉及植物生存适应性研究和植物潜在分布预测
，尤其涉及一种基于最大熵模型预测萱草适应性评价方法。

技术介绍

[0002]萱草属植物(Hemerocallis)隶属百合科(Liliaceae)多年生宿根草本，原产于亚、欧各国，萱草属全世界约有14种，原产我国的有11种，其种质资源丰富，功能广泛，“观为花，食为菜，用为药”，市场对其需求不断增加，在观赏植物方面具有观赏期长，观赏性高和适应性强等优点，是优良的园林观赏花卉，在城市园林绿化中广泛应用。萱草属植物适应性强，耐寒耐旱，要求以排水良好的富含腐殖质的湿润土壤为宜。
[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成为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。针对萱草这种药用植物，急需开发一种基于最大熵模型预测萱草适应性评价方法以为萱草的选育和野生资源的保护提供重要的指导。
[0004]有鉴于此，特提出本专利技术。
专利技术内容
[0005]本专利技术的目的是提供一种基于最大熵模型预测萱草适应性评价方法，可以快速确定萱草生长所需要的环境因素以及地形因素，并确定萱草的适生区，为萱草的选育和野生资源的保护提供重要的指导，具有广阔的应用前景，有利于推广应用。
[0006]为了实现上述目的，本专利技术提供的一种基于最大熵模型预测萱草适应性评价方法，包括如下步骤：
[0007](1)萱草分布数据的获取与处理；
[0008](2)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](3)其预测结果采用受试者工作特征曲线进行检验精度，生成中国萱草生境预测结果。
[0010]优选地，所述步骤(1)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(1)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ArcGISMapl0.2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。
[0012]优选地，所述步骤(2)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(3)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0.911和0.916，均大于0.9，说明MaxEnt出色的模型性能，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，各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、坡度和坡向因子对萱草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基于最大熵模型预测萱草适应性评价方法，具有如下有益效果。
[0016]本专利技术通过采集中国的萱草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，可以快速确定萱草生长所需要的环境因素以及地形因素，并确定萱草的适生区，对萱草生长所需要的生长环境进行评价，得出最适宜萱草生长的环境因子，为萱草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为模型精度结果；
[0018]图2为刀切法检验结果；
[0019]图3为7个主要因子对萱草适生区的影响结果。
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最大熵模型预测萱草适应性评价方法，包括如下步骤：
[0022](1)萱草分布数据的获取与处理；
[0023](2)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；
[0024](3)其预测结果采用受试者工作特征曲线进行检验精度，生成中国萱草生境预测结果。
[0025]所述步骤(1)中，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。
[0026]表1潜在适生区预测环境变量
[0027][0028]所述步骤(1)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ArcGISMapl0.2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。
[0029]所述步骤(2)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。
[0030]所述步骤(3)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0.911和0.916，均大于0.9，说明MaxEnt出色的模型性能，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。
[0031]各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、坡度和坡向因子对萱草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，具体如表2所示。
[0032]表2萱草分布主要影响因子
[0033][0034]进一步通过刀切法进行分析，刀切法检验结果如图2所示。
[0035]接下来分析7个主要因子对萱草的适生区的影响，主要包括：最干月降雨量、最冷月份最低温、昼夜温差月均值、最冷季度均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最大熵模型预测萱草适应性评价方法，其特征在于，包括如下步骤：(1)萱草分布数据的获取与处理；(2)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；(3)其预测结果采用受试者工作特征曲线进行检验精度，生成中国萱草生境预测结果。2.根据权利要求1所述的一种基于最大熵模型预测萱草适应性评价方法，其特征在于，所述步骤(1)中，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1所述的一种基于最大熵模型预测萱草适应性评价方法，其特征在于，所述步骤(1)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ArcGISMapl0.2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。4.根据权利要求1所述的一种基于最大熵模型...

【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，蒋坤霞，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：