典型文献
基于最大熵机器学习模型的大熊猫栖息地适宜性研究
文献摘要：
采用最大熵机器学习模型(MaxEnt),结合随机森林模型(Random Forest)生成的高精度竹林分布和盖度以及居民点距离、坡度等8个环境因子对佛坪保护区进行了大熊猫栖息地适宜性评价.结果表明:①采用AUC,TSS,maxKappa和Boyce index 4个预测精度评价指标,其平均精度分别为0.852、0.545、0.659和0.997,达到了良好的水平.②结果显示佛坪保护区共有大熊猫适宜栖息地面积约14840 hm2,占保护区总面积51％,次适宜栖息地面积约10883 hm2,占保护区总面积的37％,不适宜栖息地面积3517 hm2,占保护区总面积的12％.③贡献率前4位的环境变量依次为距居民点距离、竹林盖度、距道路距离和坡度,其累计贡献率占所有环境因子总贡献率的94.44％.大熊猫栖息地适宜性评价可为大熊猫保护区科学化、精细化、规范化管理提供重要的科学依据.
文献关键词：
最大熵机器学习模型;大熊猫;栖息地;适宜性
中图分类号：
作者姓名：
丁海华;高洁;何祥博;汪铁军;周刚;李涛
作者机构：
陕西佛坪国家级自然保护区管理局,陕西佛坪723400;陕西汉中朱鹮国家级自然保护区管理局,陕西汉中723300;荷兰特温特大学地理信息科学与对地观测学院,恩斯赫德7514 A E
文献出处：
引用格式：
[1]丁海华;高洁;何祥博;汪铁军;周刚;李涛-.基于最大熵机器学习模型的大熊猫栖息地适宜性研究)[J].绿色科技,2022(24):69-73
A类：
最大熵机器学习模型,佛坪保护区,maxKappa
B类：
大熊猫栖息地,适宜性研究,MaxEnt,随机森林模型,Random,Forest,竹林,林分,盖度,居民点,环境因子,栖息地适宜性评价,TSS,Boyce,精度评价,适宜栖息地,hm2,总面积,环境变量,道路距离,累计贡献,大熊猫保护,规范化管理
AB值：
0.201618
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
