首页> 中文学位 >气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析
【6h】

气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析

代理获取

目录

封面

声明

缩写词释义

中文摘要

英文摘要

目录

表 目 录

图 目 录

第一章 绪 论

1.1 选题背景

1.2 国内外研究现状

1.3 科学问题与研究内容

第二章 物种分布不存在数据取样对模型预测精度的影响

2.1 前言

2.2 材料和方法

2.3 结果分析

2.4 讨论

2.5 小结

第三章 物种分布模拟预估中的不确定性

3.1 前言

3.2 材料和方法

3.3 结果分析

3.4 讨论

3.5 小结

第四章 物种分布模拟预估中的不确定性组分分割与制图

4.1 前言

4.2 材料和方法

4.3 结果分析

4.4 讨论

4.5 小结

第五章 一致性预测方法比较评估——降低模拟预估的不确定性

5.1 前言

5.2 材料和方法

5.3 结果分析

5.4 讨论

5.5 小结

第六章 气候变化对中国自然植被地理分布的影响

6.1 前言

6.2 材料和方法

6.3 结果分析

6.4 讨论

6.5 小结

第七章 结论和展望

7.1 结论

7.2 展望与挑战

参考文献

附 录 Ⅰ

附 录 Ⅱ

致谢

展开▼

摘要

气候变化已经成为一个不可争辩的事实。气候变化通常导致物种分布区在纬向和高程上的迁移。气候变化对植物、植物多样性和植被分布的影响已经越来越受到重视。物种分布模型(SDM),又称为生态位模型(NM)或生境适宜模型,是预估气候变化对物种分布影响的主要工具。随着计算机、统计学和GIS的发展,SDM模型层出不穷,然而对这些模型的相对表现却知之甚少,因此有必要对SDM模型进行对比分析,以便更加可靠的评估气候变化的影响。目前有关研究表明,物种分布模型在模拟预估气候变化对物种分布影响时存在极大不确定性,而且模拟预估的误差来源对不确定性的贡献还不清楚,对降低模拟预估不确定性的方法还知之甚少,因此有必要确认误差主要来源,对各误差来源对不确定性的贡献进行分割,对不同的降低不确定性的方法进行对比分析,以便更有效的利用物种分布模型,增加模型预测的可靠性。当前,为改善区域生态环境、减缓气候变化,中国正在进行大规模的森林植被建设工程,而实施这些林业生态建设工程首要面对的问题就是在哪里造林?选择什么树种造林?物种分布模型通过对物种生境需求的研究,可以有效支撑解决这个问题。本文主要目的就是分析物种分布模拟中的不确定性,评估气候变化对中国主要造林树种和自然植被地理分布的潜在影响,为制定适应气候变化的林业发展对策提供科学支撑。本文主要开展了5个方面的研究:
  (1)物种分布不存在(Absence)数据取样对模型预测精度的影响;
  (2)多物种分布模型比较评估;
  (3)物种分布模拟预估中的不确定性及其不确定性组分的相对贡献;
  (4)对比分析降低模拟预估不确定性的方法;
  (5)气候变化对中国主要造林树种和自然植被类型地理分布的影响。
  主要研究方法与结论:
  (1)通过概形分析模型(Profile technique, PT)—DOMAIN生成物种(毛竹)生境适宜分布图,选取低适宜性的地区作为物种分布不存在数据,然后应用到分类判别分析模型(Group discrimination technique, GDT)—NeuralEnsembles进行模拟预测,同时分析了分布不存在数据取样大小对模型预测能力的影响。结果表明:基于DOMAIN模型选择物种分布不存在数据有利于提高模型预测精度;模型评估方法—AUC和敏感度(sensitivity)对用于建模的物种不发生数据取样大小不敏感,而Cohen's k-test值随着分布不存在数据取样的增大逐渐减小。
  (2)采用8个物种分布模型,9套模型训练数据,3个GCM模型和一个SRES(A2)排放情景,模型分析了中国12个主要造林树种当前基准气候条件下(Baseline,1961-1990)和未来气候条件下3个时间段(2010-2039,2020s;2040-2069,2050s;2070-2099,2080s)的潜在分布。共计得到当前分布预测数据72套,未来每个时间段分布数据216套(此处称为组合预测)。采用概形分析模型选择物种不发生数据。采用合作开发的ClimateChina软件进行当前和未来气候数据的降尺度处理。采用Cohen's k-test、真实技巧统计方法(TSS)和接收机工作特征曲线下的面积(AUC)对模型预测能力进行评估。结果表明:随机森林(RF)、广义线性模型(GLM),广义加法模型(GAM)、多元自适应样条函数(MARS)以及助推法(GBM)预测能力较高,并且几乎不受建模数据之间差异的影响。混合判别分析模型(MDA)对建模数据之间的差异非常敏感,甚至出现建模失败现象。不同模型技术之间、不同树种之间、不同建模数据之间,模型预测精度都存在差异。
  (3)物种分布模型、建模数据、以及GCM气候情景是物种分布模拟不确定性的主要误差来源。采用三因素方差分析方法对组合预测中的不确定性组分来源进行分割,结果表明,物种分布模型本身导致的差异对模拟预测结果不确定性的贡献最大且所占比例极高,而建模数据之间的差异贡献最小,GCM贡献居中。
  (4)采用三种方法(平均法、频率法和中值(主成分)法)对组合预测结果进行进行整合集成和一致性趋势分析(此处称为一致性预测方法)。采用Cohen's k-test和Pearson相关系数对预测结果相似性进行比较分析。结果表明,3种一致性预测方法在预测气候变化导致的树种分布区迁移方向和距离、分布区面积变化比例以及最适宜海拔分布高度变化时差异不明显;但是当前和未来气候条件下空间分布图的相似性分析表明,三种方法之间差异显著,其中平均法和频率法较相似,中值(主成分)法与其它两者差异较大。
  (5)气候变化将导致中国主要造林树种—华山松、侧柏、杉木、油松、兴安落叶松、红松、华北落叶松和云南松总的潜在分布面积逐渐减少,且分布区逐渐向西北方向迁移。云杉、马尾松未来总潜在适生区面积将逐渐增加。樟子松未来总潜在适生区面积将逐渐减少,随着预测时段的增加分布区先向西北移动,后向东北移动。长白落叶松未来气候条下将向东北方向迁移,随着预测时段的增加总潜在适生区面积先增加后减少。
  (6)采用随机森林技术建立中国植被-气候分类关系模型。此模型技术能对中国植被类型的空间分布进行较好的模拟,由于中外关于植被分类系统的规则不同,因此克服了国外模型不能完全适宜中国地区的缺点(如高寒荒漠无法表达,Savanna中国不存在)。预估结果表明,未来气候条件下,中国东部森林植被带将逐步向北迁移,其中北方针叶林退缩最显著。青藏高原植被—高寒草甸、高寒草原和高寒荒漠,有趋向暖性化的趋势。森林、温带荒漠面积将增加,温带草地面积逐渐缩小,亚高山常绿灌丛面积缩小。植被空间分布图相似性分析表明,气候变化导致植被分布格局的变化幅度随着时间推移逐渐增强。总体来讲,未来3个GCM气候情景下,植被分布格局对气候变化的响应比较相似。
  这些结果表明在预测气候变化对物种分布时,要特别关注物种分布模型的选择,同时也强调在研究结果用于资源管理和物种保护时需要提供气候变化对物种分布影响的空间分布图。在利用组合预测方法来降低模拟不确定性的时候,需要重点关注模型的选择和一致性预测方法的选择。开发具有高度可靠性和外推能力的单个物种分布模型是未来物种分布模拟的一个重要挑战。此外,本文构建的植被-气候关系模型可以作为动态植被模型中的生物地理模型模块,或者与生物地球化学模型相耦合,进而预测植被动态。本研究有助于加深对物种分布模拟中不确定性的认识,为制定适应气候变化的林业适应性管理措施提供了理论基础。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号