基于集成学习的生态多样性评估模型
文献类型：学位论文
| 作者 | 赵亚鹏 |
| 答辩日期 | 2022-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 岳天祥 |
| 关键词 | 遥感图像分类 语义分割 集成学习 生态多样性 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 植物物种多样性和景观元多样性是生态多样性两个不同的研究层次，是地球生命支持系统的重要组成部分，对人类的生存和发展具有重要的意义。然而，由于人类活动导致的气候变化和土地利用变化，使得物种分布和景观元多样性发生了剧烈的变化，发展新一代生态多样性评估模型具有重要的意义。论文旨在如何发展高效智能的生态多样评估模型这一科学问题，重点开展了基于语义分割模型的遥感图像分类、植物物种多样性空间分布模拟和景观元多样性时空动态分析等三方面内容，取得的主要研究成果包括： （1）针对遥感图像分类问题，发展了一套基于语义分割（Semantic Segmentation）方法的多波段遥感图像分类模型，分类结果的精度远远超过公开发布的土地覆被数据集。高精度的土地覆被数据对于植物物种多样性和景观元多样性的时空动态分析具有重要的影响，但目前已经公开发布的大区域尺度的土地覆被数据产品并不能满足生态多样性精细分析的需求，因此，为了获得高精度的土地覆被数据，论文选择了深度学习方法（语义分割模型）进行遥感图像的分类工作。首先，基于Google Earth Engine（GEE）遥感云计算平台完成遥感数据的处理与下载，其次，根据研究区域的特征，对语义分割模型的代价损失函数、评价函数和模型结构进行改进优化，然后，将2017年的FROM_GLC土地覆被数据和遥感数据作为模型的训练数据集，最后，使用2015年的FROM_GLC土地覆被数据作为验证数据集，并根据验证样本点进行精度的验证，分类结果的总体精度达到85.6%，Kappa系数达到0.835，其精度远远超过了FORM_GLC（2015年）数据集的精度（70.2%）和FROM_GLC（2017年）数据集的精度（72.35%）。在此基础上，利用训练好的语义分割深度学习模型，完成了江西省1985年-2020年每隔5年一期的遥感数据分类工作，为接下来的植物物种多样性空间分布模拟和景观元时空动态多样性分析提供模型和数据支撑。 （2）针对植物物种多样性的空间分布模拟，通过融合多源异构数据，发展了一套结合机器学习和高精度曲面建模方法（High Accuracy Surface Modelling, HASM）的集成学习模型，完成了县域尺度的植物物种多样性空间分布模拟。基于遥感数据、环境因子数据、地上生物量、土地覆被和野外采样数据等多源异构数据，首先，利用Lasso、岭回归（Ridge）、XGBoost和随机森林（RandomForest）等四种机器学习算法完成植物物种多样性的空间分布模拟预测，然后，使用HASM方法对预测结果的残差进行优化，从而得到最终的植物物种多样性空间分布模拟结果。结果表明，耦合了机器学习方法和HASM方法之后得到的集成模型，精度得到了较大的提升，在物种多样性模拟过程中取得了最好的模拟效果。即使在采样数据不是十分充足的情况下，通过融合遥感数据和环境因子数据，使用耦合了HASM的集成学习方法，依然能够很好的进行植物物种多样性的空间分布模拟。 （3）基于土地覆被数据的多尺度景观元多样性时空动态分析。首先，在完成长时间序列土地覆被数据获取的基础上，利用生态多样性指数，分别在省级尺度和县级尺度上分析了江西省1985年-2020年的景观元多样性指数的时空变化动态，基于数量的景观元多样性指数和基于面积的景观元多样性指数发生了不同的变化趋势。然后，利用重采样技术获得不同分辨率的土地覆被数据，分析了景观元多样性不同空间分辨率下的变化情况，随着空间分辨率的降低，基于数量的景观元多样性指数整体上是上升的趋势，而基于面积的景观元多样性指数却是相反的趋势。最后，将县域尺度的景观元多样性指数与社会经济数据、环境因子数据和森林植被碳储量等数据进行相关性分析，结果表明，景观元多样性指数与海拔高程（r=-0.58）、森林植被碳储量（r=-0.53）和植被净初级生产力（r=-0.46）呈现负相关性关系，而与可以表征人类活动强度的社会经济数据表现出了一定的正相关性（r=0.39~0.50）。多尺度景观元生态多样性分析模型与物种多样性模拟模型共同构成了生态多样性评估模型的完整体系。 随着遥感对地观测技术的发展，遥感数据正在不断地丰富和完善，传统基于小样方的调查分析方法将难以适用，以深度学习为代表的机器学习方法为新时代背景下的大数据模拟与分析提供了新的思路，本论文的研究成果对于大区域尺度的生态多样性评估具有重要的参考意义。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 158 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/186902]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 赵亚鹏. 基于集成学习的生态多样性评估模型[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2022. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。