全球气候变化下外来物种入侵gis预测模型分析-gis prediction model analysis of alien species invasion under global climate change.docxVIP

学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日摘要生物入侵已经成为全球性问题，成为了各国的经济、公共健康、农业生产力和生态完整性的重大威胁。由于入侵生物自身具有繁殖、扩散和适应能力，往往还可以利用那些土著种无法利用的资源，一旦入侵种被发现造成重大影响时，对其进行治理是极其困难的。潜在的物种入侵本质上是一个地理学问题，因此，利用遥感和GIS等地理空间技术进行外来物种入侵预测建模，预测和预防物种的入侵比控制其爆发更为可行，也更经济。本文的建模过程将分为现在—未来两个部分：第一个部分建立物种入侵GIS模型，选取了豚草、毒麦、空心莲子草、凤眼莲、假高粱、飞机草、互花米草和薇甘菊8个物种作为研究物种，采用了基于Logistic逐步回归的规则集遗传算法（GARP—GeneticAlgorithmofRule-setPrediction）和主动而非随机的优化策略建立了物种入侵GIS预测模型，并通过准确性检验后得通用最优模型。第二部分建立未来气候场景下的预测模型，利用加拿大气候模型与分析中心开发的全球耦合气候模型CGCM3.1/T63，我们将当前建立的物种入侵GIS预测模型投影到了四个时间尺度（2020年、2040年、2060年和2080年）上的三个气候场景A2、A1B和B1中，得到了未来气候变化下物种入侵GIS预测模型图谱。根据模型反推证明了在物种入侵建模过程中的生态位改变问题，我们采用了激进的预测策略即出现概率大于百分之二十就认为该物种为出现。通过对单一物种的变化特征分析认为其分布在连续时间上的变化趋势具有非恒定性，而在非连续时间上有扩散、萎缩和位移（有扩散的，也有缩小的，整体有移动的趋势）的基本特征；对多物种的空间分布分析得到了入侵物种在不同气候场景下物种数量上的变化很大程度上受气候场景的影响，整体分布均呈现扩散的趋势。关键词：GIS预测建模；物种入侵；生态位理论；气候变化；多尺度iAbstractInvasiveexoticspeciesposeagrowingthreattotheeconomy,publichealth,andecologicalintegrityofnationsworldwide.Invasivespeciescanalsotakeadvantageresourceswhichindigenousspeciesisunablebyformidablecapabilitiesofreproduction,spreadandadaptability,thereforeitissodifficulttocontrolthatharmofinvasivespecieswasfound.Inessence,biologicalinvasionisageographicalissues,soitismoreeconomicallyandviabletopredictthedistributionofpotentialinvasivespeciesthroughusingtechniqueofremotesensingandgeographicalinformationsystems.Theprocessofpredictionmodelingofthispaperisdividedintotwoparts,firstpartisGISinvasivespeciesmodelingandthesettingupmapoffuturedistribution.WeselecteighttypesspeciesofPhiloxeroides,Ragweed,Loliumtemulentum,Eichhorniacrassipes,Sorghumhalepense,Eupatoriumodoratum,SpartinaalternifloraandMikaniamicranthaasstudyingspecies.ThemethodofGARP(GeneticAlgorithmofRule-setPrediction