神经网络算法在生物群区重建中的可靠性及应用

作     者：王怡璇 田芳 倪健 曹现勇 Wang Yixuan;Tian Fang;Ni Jian;Cao Xianyong

作者机构：中国科学院青藏高原研究所古生态与人类适应团队北京100101 首都师范大学资源环境与旅游学院北京100048 中国科学院大学北京100049 浙江师范大学生命科学学院浙江金华321004 青藏高原地球系统与资源环境全国重点实验室北京100101 

出 版 物：《地理科学》 (Scientia Geographica Sinica)

年 卷 期：2023年第43卷第5期

页      面：889-898页

核心收录：

学科分类：070903[理学-古生物学与地层学(含：古人类学)] 0709[理学-地质学] 07[理学] 

基　　金：国家自然科学基金项目(42071107 41988101)资助 

主　　题：机器学习 植被重建 孢粉 末次冰期盛冰期 全新世 

摘      要：基于中国现代孢粉数据库(2324个样点)和现代生物群区空间分布数据构建神经网络算法模型,对比样点现代生物群区特征值和模型拟合结果,发现神经网络算法模型在生物群区重建中准确度为86.6%,高于生物群区化方法的68.8%。将神经网络算法模型应用于中国晚第四纪孢粉数据,重建末次冰期盛冰期以来中国陆地生物群区空间格局。结果表明:在气候寒冷干燥的末次冰期盛冰期,生物群区整体南迁;末次冰消期以来,生物群区整体呈向北、向西扩张趋势,并在温暖湿润的全新世中期森林的空间分布达到最大规模;生物群区变化过程反映全球气候变化总体特征。晚全新世人类活动强烈时期,局部地区生物群区的变化特征暗示该时期生物群区可能受到人类活动的干扰。