基于深度学习算法的山地植物多样性空间分布格局模拟

摘要

[目的]分析内蒙古大青山国家级自然保护区不同环境因子条件下植物多样性的变化规律，明确山区植物多样性与环境的关系，为山地生态系统的多样性研究、评价、保护及综合管理提供科学依据。[方法]运用深度学习方法构建植物多样性指数模型，对模型的准确性进行验证后，预测大青山植物多样性的空间分布，并分析不同环境因子条件下植物多样性的变化规律。[结果](1)研究区共有108种植物，隶属于31科77属，阴坡植物多样性大于阳坡；(2)坡度对Shannon-Wiener指数（H’）、Simpson优势度指数（D）和Pielou均匀度指数（J）相对贡献度最大（42%），其次是温度植被干旱指数（TVDI,25%）、温度（17%）、NDVI(8%)和太阳辐射（8%）；温度和太阳辐射对Margalef丰富度指数（R）相对贡献度最大（38%），其次是坡度（9%）、坡向（8%）和NDVI(7%)；(3) Shannon-Wiener指数、Simpson优势度指数、Pielou均匀度指数和Margalef丰富度指数的预测结果均与实测值高度吻合，MAE分别为0.08,0.03,0.03,0.05,MSE依次为0.020,0.003,0.002,0.004。进一步通过训练集模拟值与观测值的线性回归分析得出，各多样性指数的R2分别达到0.86,0.93,0.92,0.99。(4)大青山的Shannon-Wiener指数取值范围为0～3.87,Simpson优势度指数为0～0.83,Pielou均匀度指数为0～0.95,Margalef丰富度指数为0～4.12；(5)Shannon-Wiener指数、Simpson优势度指数和Pielou均匀度指数与坡度，TVDI，地表温度（LST）和太阳辐射呈线性负相关，与NDVI呈线性正相关。Margalef丰富度指数与LST，太阳辐射和坡度呈线性负相关，与坡向和NDVI呈线性正相关。总体来说，植物多样性与LST，太阳辐射和坡度呈线性负相关，与NDVI呈线性正相关。[结论]利用深度学习方法预测山地地貌植物多样性的空间分布具有可行性，能够深入了解植物多样性与环境之间的复杂关系。

关键词

植物多样性 / 深度学习 / 环境因子 / 内蒙古大青山