基于隨機森林模型的國家重點保護陸生脊椎動物物種優先保護區的識別

金 宇,周可新,高吉喜,穆少杰,張小華

1 南京信息工程大學應用氣象學院, 南京 210044 2 環境保護部南京環境科學研究所, 南京 210042

基于隨機森林模型的國家重點保護陸生脊椎動物物種優先保護區的識別

金 宇1,周可新2,高吉喜2,*,穆少杰2,張小華1

1 南京信息工程大學應用氣象學院, 南京 210044 2 環境保護部南京環境科學研究所, 南京 210042

準確可靠地識別國家重點保護陸生脊椎動物物種的優先保護區,是生物多樣性保護的熱點問題之一。采用隨機森林(random forests)模型,基于12個環境變量,對中國263種國家重點保護陸生脊椎動物建模,并預測各個物種在背景點的適生概率,迭加計算得到國家重點保護陸生脊椎動物物種的生境適宜性指數。此外,基于對生境適宜性指數的空間自相關分析,識別和確定國家重點保護陸生脊椎動物物種優先保護區,并對優先保護區目前的被保護情況進行分析。結果表明,國家重點保護陸生脊椎動物物種的優先保護區的面積為103.16萬km2,約占我國國土面積的10.90%。優先保護區主要分布在我國的西部地區,包括西南地區的秦嶺-大巴山山區、云南省與印度及緬甸的交界地區、武陵山山區、喜馬拉雅山-橫斷山脈山區、阿爾泰山脈山區、天山山脈山區、昆侖山山脈山區;東北的大、小興安嶺、東北-華南沿海地區及長江中下游地區有少量分布。優先保護區中被保護的面積為50.40萬km2,占優先保護區總面積的48.86%,保護率偏低,未被充分保護。利用系統聚類分析,將未被保護的優先保護區劃分成3 種優先保護順序,以期為相關部門的決策提供科學依據,更好地保護生物多樣性。

物種分布模型;空間自相關;優先保護區;空缺分析;生物多樣性

近年來,隨著全球氣候變化的加劇和社會經濟的發展,生物多樣性也受到強烈的影響：一方面,氣候變化(全球溫度升高、降水模式改變)使物種的地理分布(適生區域)發生了遷移(改變)[1- 2],另一方面,人類活動導致棲息地破碎化程度加劇,而采集和捕獵等活動也使野生動植物種群數量銳減。近年來的研究表明,全球生物多樣性正以前所未有的速度喪失[3]。世界自然保護聯盟(International Union for Conservation of Nature, IUCN)發布的《受威脅物種紅色名錄》表明,全球約有1/4哺乳動物,1200多種鳥類以及3萬多種植物面臨滅絕危險[4]。如何有效保護生物多樣性已成為全世界共同面臨的幾大環境問題之一。

中國生物多樣性豐富,是全球12個“巨大多樣性國家”之一[5],在全球的生物多樣性保護事業中發揮至關重要的作用。目前,中國政府已經采取一系列有效措施應對這一挑戰,如成立了中國生物多樣性保護國家委員會,制定了《中國生物多樣性保護戰略與行動計劃》等[6]。2013年,中國提出了生態紅線戰略,使生物多樣性保護工作邁上了一個新臺階。生態紅線是指對維護國家和區域生態安全及社會經濟可持續發展具有重要戰略意義的關鍵生態保護區域[7]。生態紅線的劃定能夠維持關鍵物種、生態系統與種質資源生存的最小面積,有效地保護生物多樣性。中國國家重點保護陸生脊椎動物物種的優先保護區是生態紅線的重要組成部分,包含在生態紅線中。如何準確地識別和確定優先保護區是生物多樣性保護研究中的熱點問題之一[8],也是進行保護活動的前提條件。準確的識別和確定優先保護區能夠指導資源的合理分配,使保護效益達到最大化[9-10]。目前,世界上許多國家和地區已經開展了生物多樣性優先保護區的識別和確定研究,并在保護中取得了很好的效果[11- 14]。

準確有效地獲取物種的適宜分布區對于識別和確定優先保護區至關重要[15-16],物種分布預測技術和地理信息系統(GIS)為生物多樣性優先保護區的識別提供了一個可靠的方法[17]。該方法基于物種分布相關數據和環境因素,利用物種分布預測模型來獲取物種的適宜分布區域,這在全球范圍內得到了廣泛的應用[18-19]。Austin和Meyers[20]通過廣義線性模型和廣義加法模型對森林樹種的適宜分布區域進行預測,提出了森林生物多樣性的保護與管理措施。Godoy-Bürki等[21]利用MAXENT模型對安第斯山脈的505種原生植被物種的適宜分布區進行預測,并劃分不同的保護優先級,得到了安第斯山脈原生植被的優先保護區,并指出優先保護區與生物多樣性熱點地區重合度不高。Stockman等[22]利用GARP模型對42種無脊椎動物的適宜分布區進行了預測。國內學者在這方面的研究也很多。畢迎鳳[23]運用組合模型對鐵杉在中國的分布進行了預測,得到了鐵杉的適宜分布區,并對不同模型的預測結果進行比較。LI等[24]利用組合模型預測了未來氣候變化對我國208種特有或瀕危動物物種適宜分布區的影響,發現其中一半動物物種的潛在生境面積將逐漸下降,另外一半物種的潛在生境面積將有所增加,135個物種當前適宜分布區的留存率將低于50%。目前已使用的有很多物種分布模型,包括回歸模型、生態位模型和機器學習模型等。不同研究者對現有的模型進行了比較,均認為隨機森林(random forests)模型整體表現最佳[25-27]。

本研究選擇了國家一、二級保護動物物種中的263種國家重點保護陸生脊椎動物物種作為研究對象,采用隨機森林模型對每個物種進行建模,預測各個物種在背景點的適生概率。在此基礎上,得到國家重點保護陸生脊椎動物物種的生境適宜性指數,并對其進行空間自相關分析,實現國家重點保護陸生脊椎動物物種優先保護區的識別和確定,最后對優先保護區進行保護空缺分析。準確可靠地識別和確定國家重點保護陸生脊椎動物物種的優先保護區,有助于明確最急需保護的區域,為政府部門的決策提供科學依據,使有限的資源得到合理分配和充分利用。

1 材料和方法

1.1 物種的分布數據

動物物種的分布數據來自中國科學院動物研究所開發的中國物種信息系統(CSIS)( http://monkey.ioz.ac.cn/bwg-cciced/chinese/cesis/csispage.htm)[28],該系統中記錄了一萬多種動物物種,包括物種的歷史分布點、受威脅狀況、在我國的分布狀況及保護等級等信息。本研究選擇物種的標準是重要性、特有性以及數據的完整性,選擇了其中的國家一、二級保護動物362種,剔除魚類等水生、半水生物種以及分布點數據不足的物種共99種(表1),保留了263種動物物種作為研究對象,并根據中國物種紅色名錄[29]對物種的分布點數據進行了檢查,以保證數據的準確性。其中,86種物種為國家一級保護動物,177種為國家二級保護動物,26種為中國特有物種。本研究選取的263種物種中,被IUCN《受威脅物種紅色名錄》評定為極危(CR)物種的有18種,瀕危(EN)物種58種,易危(VU)物種50種,受到不同程度威脅的物種占所選物種的47.9%。

表1 分布點不足的國家重點保護陸生動物物種

1.2 環境變量

環境變量是隨機森林模型進行建模和預測的依據。本研究選擇了12個能夠反映氣候特征、棲息地和人類影響的環境變量(表2)來預測物種的適宜分布區[18,24,30- 31]。其中年平均溫度、最冷月份最低溫度、最暖月份最高溫度、溫度的季節性變異、年降水量和降水的季節性變異為生物氣候變量;土地利用類型、生物群落區和濕地類型為地表類型變量;海拔為地形變量;人類足跡指數和凈初級生產力為人文、生態指數變量。所有的變量中除了3個地表類型變量為分類型變量,其它9個變量均為連續型變量。

表2 環境變量的含義及來源

1.3 模型預測

隨機森林模型是由Breiman在2001年開發出來的一種匯總式自學習數據處理方法,是一種現代分類與回歸技術,同時,它也是一種組合式的自學習技術[32]。隨機森林模型是基于分類樹算法進行模擬和迭代,在變量和數據的使用上進行隨機化,生成若干分類樹,再匯總分類樹的結果[33],從而進行判別。隨機森林模型對多元共線性不敏感;對于大量數據的處理效率較高,可以預測多達幾千個解釋變量的作用;在數據缺失時(如變量個數遠大于樣本量)仍然有很高的精度。該模型可以通過多種工具實現,如FORTRUN、SAS(Statistics Analysis System)、R語言等,本文采用R語言作為模型運行的平臺。

將中國大陸地區作為研究區域,采用公里網格選取預測背景點,每隔0.2經度和緯度選擇一個點,共計11968個背景點。通過地理信息系統(ArcGIS)軟件提取每個物種的分布點和背景點的所有環境變量值。將每個物種的分布數據和背景數據分為訓練集和測試集,其中訓練集分別由隨機抽取的各75%的物種分布數據和背景數據組成,測試集是由剩余的各25%的物種分布數據和背景數據組成。訓練集用于建模,測試集用作檢驗模型精度。建模后,對每個物種進行預測,得到背景點的物種的適生概率,將每個背景點上所有物種的適生概率進行迭加并利用公式(1)進行標準化,得到國家重點保護陸生脊椎動物物種生境適宜性指數。

(1)

式中,Yij為第i個點標準化后的生境適宜性指數值,Xi為第i個點的生境適宜性指數值,Xmin為第生境適宜性指最小值,Xmax為生境適宜性指最大值。

模型的預測精度檢驗是基于模型測試集數據的預測結果來評價模型的預測能力,采用接收工作機特征曲線下的面積(AUC)和真實技巧統計值(TSS)來評價模型的預測精度。AUC的值為0.90—1.00,說明模型表現很好;0.80—0.90,模型表現好;0.70—0.80,模型表現一般;0.60—0.70,模型表現差;0.50—0.60,模型預測失敗[34]。TSS是靈敏度和特異度的函數[35],公式簡單,易于理解。TSS值的范圍是-1到1,值越大,說明預測的精度越高。TSS的值為0.85—1,說明模型表現很好;0.7—0.85,模型表現好;0.55—0.7,模型表現一般;0.4—0.55,模型表現差;<0.4,說明預測失敗[36]。

1.4 優先保護區的識別及空缺分析

在ArcGIS 9.3中將生境適宜性指數進行反距離加權插值運算,得到1km分辨率的生境適宜性指數圖。將生境適宜性指數圖中的每個像元轉換成1km×1km的矢量網格,一個正方形就是一個評價單元。我們采用GeoDa軟件中空間自相關分析的方法探測生境適宜性指數的空間聚集狀況,識別生境適宜性指數的高值聚集區,每個評價單元的空間鄰接關系創建空間權重矩陣,鄰接方式為共邊或共點鄰接。進而得到國家重點保護陸生動物物種的優先保護區,以保證大部分物種的長期存活。同時,在ArcGIS軟件中分別將優先保護區與自然保護區及生物多樣性保護優先區進行疊加,對優先保護區的被保護情況進行分析。自然保護區數據截止到2013年底,包括國家級、省級和市縣級自然保護區。生物多樣性保護優先區數據來自《中國生物多樣性保護戰略與行動計劃》中的內陸陸地和水域生物多樣性保護優先區域[37]。為了降低空間尺度對空間自相關分析的影響[38],我們按照陸生動物的地理分區[39],將生境適宜性指數圖劃分為東北區、華北區、蒙新區、西南區、華中區、青藏區以及華南區,共7個陸生動物地理分布區。

空間自相關性使用全局和局部兩種指標來度量,首先使用全局指標探測7個地理分布區生境適宜性指數的空間模式,確定整個區域是否具有空間自相關性以及相關性的顯著水平。再對7個地理分布區進行局部空間自相關性分析,進一步考慮是否存在觀測值的高值或低值的局部空間聚集,并識別高值區與低值區。表示空間自相關的指標和方法很多,其中較為常用的是Moran′sI指數[40- 41]。Moran′sI指數是用于衡量空間要素間的相互關系,值的范圍在-1到1 之間。1表示有強烈的空間正相關,-1則表示有強烈的空間負相關,0表示不存在空間相關性[42-43]。

(2)

(3)

式中,xi和xj分別是i和j所在位置的觀測值,wij為權重,δ為xi標準差。

通過SPSS系統聚類方法對未被保護的優先保護區進行分析,選擇面積、國家重點保護陸生脊椎動物物種數、生境適宜性指數、植被類型數以及人類干擾指數這5個指標,對未被保護的優先保護區的保護順序進行劃分,將未被保護的優先保護區劃分為3類,即最優先保護、優先保護和中等優先保護[44]。

2 結果

2.1 模型精度檢驗

計算AUC和TSS這2個模型精度檢驗指標的值,AUC的最小值為0.813,最大值為0.981,平均值為0.896;TSS的最小值0.735,最大值為0.929,平均值為0.807。說明模型的預測能力較好,預測精度較高。

2.2 優先保護區的識別

通過全局Moran′sI的計算公式(式2)計算得到7個地理分布區生境適宜性指數的全局Moran′sI指數(表3)。結果表明,各地理分布區生境適宜性指數的全局空間自相關系數均大于0.90,(P<0.05)。說明7個地理分布區中評價單元的生境適宜性指數存在顯著的空間自相關,可以對其進行空間自相關聚類分析。

通過局部Moran′sI的計算公式(式3)探測7個地理分布區生境適宜性指數的空間聚集情況并通過ARCGIS軟件繪制高值聚集區,得到了國家重點保護陸生脊椎動物物種的優先保護區(圖1)。優先保護區是生境適宜性指數高值聚集的區域,生境適宜性指數高說明該區域的國家重點保護動物物種數量多、分布相對集中、人類干擾弱,是國家重點保護陸生脊椎動物物種分布較多的地區。國家重點保護陸生脊椎動物物種的優先保護區主要分布在我國的西部地區,包括西南地區的秦嶺-大巴山山區、云南省與印度及緬甸的交界地區、武陵山山區、喜馬拉雅山-橫斷山脈山區、阿爾泰山脈山區、天山山脈山區、昆侖山山脈山區;東北的大、小興安嶺、東北—華南的沿海地區及長江中下游地區有少量分布。通過計算,優先保護區的面積為103.16萬km2,約占我國中國國土面積的10.90%。優先保護區的斑塊個數為355個,其中面積最大的為9.67萬km2,面積最小的為1.37km2,平均斑塊面積為2153.75km2。

表3 7個陸生動物地理分布區的全局Moran′s I指數

圖1 國家重點保護陸生脊椎動物物種的優先保護區Fig.1 Priority conservation areas of the key national protected terrestrial vertebrate species

2.3 保護空缺分析

將優先保護區與我國中國現有的自然保護區及中國陸地生物多樣性保護優先區的面狀數據進行疊加,得到了優先保護區目前的被保護情況。如圖2所示,優先保護區被自然保護區覆蓋的面積為18.51萬km2,占保護區總面積的14.54%;優先保護區在我國陸地生物多樣性保護優先區中的面積為44.54萬km2,占生物多樣性保護優先區總面積的19.17%。綜合來看,優先保護區中被保護的面積為50.40萬km2,占優先保護區總面積的48.86%,說明國家重點保護陸生脊椎動物物種的優先保護區受自然保護區和生物多樣性保護優先區的被保護率不高,未被充分保護。

圖2 優先保護區的被保護狀況Fig.2 The protected status of priority conservation areas

2.4 保護優先順序

圖3 未被保護的優先保護區保護的優先順序Fig.3 The protected order of the unprotected priority conservation areas

對未被保護的優先保護區進行保護優先順序劃分,結果如圖3所示。最應優先保護的是國家重點保護陸生脊椎動物物種較豐富、生境適宜性較高、植被類型復雜、面積較小、人類活動干擾強度大的斑塊,主要分布在我國中東部以及西南地區。最優先保護區域大多分布在自然保護區或生物多樣性保護優先區周圍,與自然保護區或生物多樣性保護優先區的自然條件相似。同時,我國中東部地區的自然保護區本身面積較小、分布分散、覆蓋率較低,具有大量的保護空缺[45]。建議將未被保護的優先保護區,特別是其中最優先保護的區域,作為生物多樣性保護的重點地區,通過優化升級自然保護區加以保護。

3 討論

國家重點保護陸生脊椎動物物種的優先保護區主要分布在中國西部山脈的山區,分布較為集中,斑塊面積較大。這可能是由于山區地形復雜,海拔的差異形成了不同的氣候梯度,造成生態位的重疊,有利于不同物種生存。此外,山區人類干擾的強度相對較低,導致這些地區的生物多樣性極其豐富,擁有大量的特有動植物物種。目前,全球34個生物多樣性熱點地區中有4個在中國有分布,分別是喜馬拉雅山脈、印緬地區、中亞山區和中國西南山區[46],本文的研究結果表明國家重點保護陸生動物物種的優先保護區與4片生物多樣性保護熱點地區在中國境內的部分均有重疊,說明優先保護區與生物多樣性熱點地區的一致性較高,具有很高的保護價值和保護潛力。東北的大、小興安嶺、東北—華南的沿海及長江中下游地區分布較少,分布較為分散且斑塊面積小,破碎化程度高,這可能是由于這些地區多海拔變化小,無法形成多樣的地形及氣候條件;同時,又處在經濟發達的地區,人類干擾強度大。但這些地區的優先保護區大多處在鳥類的中部和東部遷徙路線上[47],鳥類遷徙過程中的停歇地是遷徙鳥類在繁殖地和非繁殖地之間的聯系樞紐,對于遷徙鳥類完成其完整的生活史過程具有重要作用[48]。針對這些地區的優先保護區開展保護工作,對我國的生物多樣性保護意義重大。

圖4 優先保護區在重點生態功能區及全國生態功能區劃中的分布情況Fig.4 Distribution of priority conservation areas in key ecological function zoning and the national ecological function zoning

通過將國家重點保護陸生脊椎動物物種優先保護區與主體功能區劃中的重點生態功能區及全國生態功能區劃進行比較分析(圖4),發現陸生脊椎動物物種優先保護區在重點生態功能區和全國生態功能區劃的很多地區有一定重疊,特別是在生物多樣性較高的秦嶺-大巴山山區、武陵山山區、喜馬拉雅山-橫斷山脈山區、阿爾泰山脈山區、天山山脈山區及東北的大、小興安嶺地區。說明這些地區在生態功能發揮和生物多樣性維護方面均具有較高的保護價值。然而,由于劃定目的和劃定方法的不同,優先保護區與重點生態功能區及全國生態功能區劃雖有重疊,但重疊的范圍不大。以南嶺山脈為例,南嶺山脈不僅屬于水源涵養功能區,還是生物多樣性保護生態功能區,在重點生態功能區和全國生態功能區劃中劃定的面積分別為1.23萬km2和7.59萬km2,優先保護區在重點生態功能區及全國生態功能區劃中的分布面積分別為0.13萬km2和0.54萬km2。在對與主體功能區劃中的重點生態功能區及全國生態功能區劃重疊,但未加保護的斑塊進行保護時,需要綜合考慮多個不同方面及層次的保護需求,兼顧不同生態功能、生物多樣性保護生態功能中的不同類別及國家重點保護陸生脊椎動物物種的保護。

當然,中國關鍵陸生脊椎動物物種的優先保護區也不是一成不變的,本文選擇了263種動物物種,其中被優先保護區保護的物種數為256種,保護率達97.34%。對于未被優先保護區保護的物種以及由于缺少數據未被納入到分析中的物種,可以結合這些物種的分布情況,對優先保護區作適當的補充和調整。同時,影響動物物種分布的環境因素(如氣候、人類干擾、土地利用、植被演替以及潛在的災難性事件等)、社會經濟發展水平以及國家政策的改變,可能引起動物的適生區域發生遷移和變化,需要對物種的分布情況進行調查更新,優先保護區的地理位置和范圍也應該進行相應的調整和變更,從而實現動態、長效的保護與管理。

本文采用隨機森林模型預測了263種國家重點保護陸生脊椎動物物種的適生概率,通過迭加及標準化方法得到生境適宜性指數,采用空間自相關方法確定了國家重點保護陸生脊椎動物物種的優先保護區。我們認為國家重點保護陸生脊椎動物物種的優先保護區對于我國的生物多樣性保護具有重要意義,優先保護區的確定明確了保護行動中急需關注和保護的區域,為相關政府部門更有效地分配和利用有限的保護資源提供科學依據。

[1] Wuethrich B. How climate change alters rhythms of the wild. Science, 2000, 287(5454): 793- 795.

[2] Hughes L. Biological consequences of global warming: is the signal already apparent?. Trends in Ecology & Evolution, 2000, 15(2): 56- 61.

[3] McCarthy D P, Donald P F, Scharlemann J P W, Buchanan G M, Balmford A, Green J M H, Bennun L A, Burgess N D, Fishpoo L D C, Garnett S T, Leonard D L, Maloney R F, Morling P, Schaefer H M, Symes A, Wiedenfeld D A, Butchart S H M. Financial costs of meeting global biodiversity conservation targets: current spending and unmet needs. Science, 2012, 338(6109): 946- 949.

[4] 薛達元. 《名古屋議定書》的主要內容及其潛在影響. 生物多樣性, 2011, 19(1): 113- 119.

[5] Hilton-Taylor C. 2000 IUCN Red List of Threatened Species. IUCN, 2000.

[6] 薛達元. 《中國生物多樣性保護戰略與行動計劃》的核心內容與實施戰略. 生物多樣性, 2011, 19(4): 387- 388.

[7] Lü Y H, Ma Z M, Zhang L W, Fu B J, Gao G Y. Redlines for the greening of China. Environmental Science & Policy, 2013, 33: 346- 353.

[8] Kati V, Devillers P, Dufrêne M, Legakis A, Vokou D, Lebrun P. Hotspots, complementarity or representativeness? Designing optimal small-scale reserves for biodiversity conservation. Biological Conservation, 2004, 120(4): 471- 480.

[9] Brooks T M, Mittermeier R A, da Fonseca G A B, Gerlach J, Hoffmann M, Lamoreux J F, Mittermeier C G, Pilgrim J D, Rodrigues A S L. Global biodiversity conservation priorities. Science, 2006, 313(5783): 58- 61.

[10] Linke S, Kennard M J, Hermoso V, Olden J D, Stein J, Pusey B J. Merging connectivity rules and large-scale condition assessment improves conservation adequacy in river systems. Journal of Applied Ecology, 2012, 49(5): 1036- 1045.

[11] Naoe S, Katayama N, Amano T, Akasaka M, Yamakita T, Ueta M, Matsuba M, Miyashita T. Identifying priority areas for national-level conservation to achieve Aichi Target 11: a case study of using terrestrial birds breeding in Japan. Journal for Nature Conservation, 2015, 24: 101- 108.

[12] Huang J H, Lu X H, Huang J H, Ma K P. Conservation priority of endemic Chinese flora at family and genus levels. Biodiversity and Conservation, 2016, 25(1): 23- 35.

[13] Mittermeier R A, van Dijk P P, Rhodin A G J, Nash S D. Turtle hotspots: an analysis of the occurrence of tortoises and freshwater turtles in biodiversity hotspots, high-biodiversity wilderness areas, and turtle priority areas. Chelonian Conservation and Biology, 2015, 14(1): 2- 10.

[14] Brooks T M, Cuttelod A, Faith D P, Garcia-Moreno J, Langhammer P, Pérez-Espona S. Why and how might genetic and phylogenetic diversity be reflected in the identification of key biodiversity areas?. Philosophical Transactions of the Royal Society of London B: Biological Sciences, 2015, 370(1662): 20140019.

[15] Gray D, Scarsbrook M R, Harding J S. Spatial biodiversity patterns in a large New Zealand braided river. New Zealand Journal of Marine and Freshwater Research, 2006, 40(4): 631- 642.

[16] Lira-Noriega A, Soberón J, Navarro-Sigüenza A G, Nakazawa Y, Peterson A T. Scale dependency of diversity components estimated from primary biodiversity data and distribution maps. Diversity and Distributions, 2007, 13(2): 185- 195.

[17] Rodríguez J P, Brotons L, Bustamante J, Seoane J. The application of predictive modelling of species distribution to biodiversity conservation. Diversity and Distributions, 2007, 13(3): 243- 251.

[18] Ko C Y, Lin R S, Ding T S, Hsieh C H, Lee P F. Identifying biodiversity hotspots by predictive models: a case study using Taiwan′s endemic bird species. Zoological Studies, 2009, 48(3): 418- 431.

[19] Wan J Z, Wang C J, Yu J H, Han S J, Wang L H, Wang Q G. The ability of Nature Reserves to conserve medicinal plant resources: a case study in northeast China. Ecological Informatics, 2014, 24: 27- 34.

[20] Austin M P, Meyers J A. Current approaches to modelling the environmental niche of eucalypts: implication for management of forest biodiversity. Forest Ecology and Management, 1996, 85(1/3): 95- 106.

[21] Godoy-Bürki A C, Ortega-Baes P, Sajama J M, Aagesen L. Conservation priorities in the Southern Central Andes: mismatch between endemism and diversity hotspots in the regional flora. Biodiversity and Conservation, 2014, 23(1): 81- 107.

[22] Stockman A K, Beamer D A, Bond J E. An evaluation of a GARP model as an approach to predicting the spatial distribution of non-vagile invertebrate species. Diversity and Distributions, 2006, 12(1): 81- 89.

[23] 畢迎鳳, 許建初, 李巧宏, Guisan A, Thuiller W, Zimmermann N E, 楊永平, 楊雪飛. 應用BioMod集成多種模型研究物種的空間分布——以鐵杉在中國的潛在分布為例. 植物分類與資源學報, 2013, 35(5): 647- 655.

[24] Li X H, Tian H D, Wang Y, Li R Q, Song Z M, Zhang F C, Xu M, Li D M. Vulnerability of 208 endemic or endangered species in China to the effects of climate change. Regional Environmental Change, 2013, 13(4): 843- 852.

[25] Thuiller W, Lafourcade B, Engler R, Araújo M B. BIOMOD-a platform for ensemble forecasting of species distributions. Ecography, 2009, 32(3): 369- 373.

[26] 張雷, 劉世榮, 孫鵬森, 王同立. 氣候變化對馬尾松潛在分布影響預估的多模型比較. 植物生態學報, 2011, 35(11): 1091- 1105.

[27] 翟天慶, 李欣海. 用組合模型綜合比較的方法分析氣候變化對朱鹮潛在生境的影響. 生態學報, 2012, 32(8): 2361- 2370.

[28] 解焱, 李典謨, MacKinnon J. 中國生物地理區劃研究. 生態學報, 2002, 22(10): 1599- 1615.

[29] 汪松, 解焱. 中國物種紅色名錄. 北京: 高等教育出版社, 2004.

[30] Olson D M, Dinerstein E, Wikramanayake E D, Burgess N D, Powell G V N, Underwood E C, D′amico J A, Itoua I, Strand H E, Morrison J C, Loucks C J, Allnutt T F, Ricketts T H, Kura Y, Lamoreux J F, Wettengel W W, Hedao P, Kassem K R. Terrestrial ecoregions of the world: a new map of life on earth: a new global map of terrestrial ecoregions provides an innovative tool for conserving biodiversity. BioScience, 2001, 51(11): 933- 938.

[31] Sanderson E W, Jaiteh M, Levy M A, Redford K H, Wannebo A V, Woolme G. The human footprint and the last of the wild. Bioscience, 2002, 52(10): 891- 904.

[32] Breiman L. Random forests. Machine Learning, 2001, 45(1): 5- 32.

[33] 李欣海. 隨機森林模型在分類與回歸分析中的應用. 應用昆蟲學報, 2013, 50(4): 1190- 1197.

[34] Fielding A H, Bell J F. A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 1997, 24(1): 38- 49.

[35] Allouche O, Tsoar A, Kadmon R. Assessing the accuracy of species distribution models: prevalence, kappa and the true skill statistic (TSS). Journal of Applied Ecology, 2006, 43(6): 1223- 1232.

[36] Monserud R A, Leemans R. Comparing global vegetation maps with the Kappa statistic. Ecological Modelling, 1992, 62(4): 275- 293.

[37] 環境保護部. 中國生物多樣性保護戰略與行動計劃. 北京: 中國環境科學出版社, 2011.

[38] 齊麗麗, 柏延臣. 社會經濟統計數據熱點探測的MAUP效應. 地理學報, 2012, 67(10): 1317- 1326.

[39] 張榮祖, 趙肯堂. 關于《中國動物地理區劃》的修改. 動物學報, 1978, 24(2): 196- 202.

[40] Zhang C S, Luo L, Xu W L, Ledwith V. Use of local Moran′s I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland. Science of the Total Environment, 2008, 398(1/3): 212- 221.

[41] Hughey K F D, Cullen R, Moran E. Integrating economics into priority setting and evaluation in conservation management. Conservation Biology, 2003, 17(1): 93- 103.

[42] Moran P A P. Notes on continuous stochastic phenomena. Biometrika, 1950, 37(1/2): 17- 23.

[43] Li H F, Calder C A, Cressie N. Beyond Moran′s I: testing for spatial dependence based on the spatial autoregressive model. Geographical Analysis, 2007, 39(4): 357- 375.

[44] 劉吉平, 呂憲國. 三江平原濕地鳥類豐富度的空間格局及熱點地區保護. 生態學報, 2011, 31(20): 5894- 5902.

[45] 趙廣華, 田瑜, 唐志堯, 李俊生, 曾輝. 中國國家級陸地自然保護區分布及其與人類活動和自然環境的關系. 生物多樣性, 2013, 21(6): 658- 665.

[46] Myers N, Mittermeier R A, Mittermeier C G, da Fonseca G A B, Kent J. Biodiversity hotspots for conservation priorities. Nature, 2000, 403(6772): 853- 858.

[47] Ma Z J, Melville D S, Liu J G, Chen Y, Yang H Y, Ren W W, Zhang Z W, Piersma T, Li B. Rethinking China′s new great wall: massive seawall construction in coastal wetlands threatens biodiversity. Science, 2014, 346(6212): 912- 914.

[48] 馬志軍, 李博, 陳家寬. 遷徙鳥類對中途停歇地的利用及遷徙對策. 生態學報, 2005, 25(6): 1404- 1412.

Identifying the priority conservation areas for key national protected terrestrial vertebrate species based on a random forest model in China

JIN Yu1, ZHOU Kexin2, GAO Jixi2,*, MU Shaojie2, ZHANG Xiaohua1

1CollegeofAppliedMeteorology,NanjingUniversityofInformationScience&Technology,Nanjing210044,China2NanjingInstituteofEnvironmentalSciences,MinistryofEnvironmentalProtection,Nanjing210042,China

The accurate and reliable identification of key national protected terrestrial vertebrate species in China is vital to biodiversity conservation. In this research, 12 environmental variables were used to model the 263 key national protected terrestrial vertebrate species with a random forest model, to predict the probability of occurrence of each species in background points. The habitat suitability index of the key national protected terrestrial vertebrate species was calculated by superimposing the data. Furthermore, spatial autocorrelation analysis performed on the habitat suitability index to identify priority conservation areas for these key species, with the protection status of these priority conservation areas analyzed using gap analysis. The results show that priority conservation areas account for 10.90% of China′s land area (1031600 km2). These priority conservation areas are distributed primarily in western China, including in the Qinling-Daba mountain area in southwestern China, the Yunnan and India-Burma border region, the Wuling mountain area, the Himalayas-Hengduan mountain area, the Altai mountain area, the Tian Shan mountain area, and the Kunlun mountain area. Some distribution is also found in the Daxing′anling and Xiaoxing′anling mountain areas in northeast China, the northeast-south China coastal areas, and the middle and lower reaches of the Yangtze River. The protected areas found within the priority conservation areas account for 48.86% of the priority conservation areas (504 000 km2). The rate of protection is relatively low, meaning that the priority conservation areas are not sufficiently protected. Using a hierarchical cluster analysis, a priority protection order for the unprotected priority conservation areas was presented, to serve as a scientific basis for decision-making for relevant departments and provide better protection of biodiversity in this region

species distribution models; spatial autocorrelation analysis; priority conservation areas; gap analysis; biodiversity

環保公益性行業科研專項資助項目(201409055);環境保護部資助項目;江蘇省自然科學青年基金資助項目(BK20140117)

2015- 12- 08;

2016- 04- 25

10.5846/stxb201512082454

*通訊作者Corresponding author.E-mail: gjx@nies.org

金宇,周可新,高吉喜,穆少杰,張小華.基于隨機森林模型的國家重點保護陸生脊椎動物物種優先保護區的識別.生態學報,2016,36(23):7702- 7712.

Jin Y, Zhou K X, Gao J X, Mu S J, Zhang X H.Identifying the priority conservation areas for key national protected terrestrial vertebrate species based on a random forest model in China.Acta Ecologica Sinica,2016,36(23):7702- 7712.