基于反馈性人工神经方法的大型底栖动物栖息地模拟
生物栖息地模型是河流生态系统健康管理和生物多样性保护的有效工具之一.本研究以大型底栖动物为研究对象,利用反馈性人工神经网络算法建立栖息地模型,并与水环境模型耦合,分析枯水期大型底栖动物典型物种的空间分布格局.选取漓江中游大圩江段,以2009～2010年野外实测数据为基础模拟分析了漓江枯水期特征物种黑龙江短沟蜷栖息地的空间分布状况.结果表明,黑龙江短沟蜷栖息地模型预测平均正确率达到77.3％,一致性平均值达到0.34;在河道流量为28m3/s时,漓江大圩江段枯水期黑龙江短沟蜷栖息地由37个斑块组成,总面积为113.6万m2.
环境水文学 底栖动物 栖息地 预测模型 人工神经网络算法
杨青瑞 陈求稳 林育青
中国水利水电科学研究院国家水电可持续发展研究中心,北京 100038;中国科学院生态环境研究中心城市与区域生态国家重点实验室,北京100085 中国科学院生态环境研究中心城市与区域生态国家重点实验室,北京100085 代尔夫特水力学研究所,荷兰 2061
国内会议
成都
中文
43-47
2012-10-01（万方平台首次上网日期，不代表论文的发表时间）