基于多元线性回归分析冬季鸟类生境选择研究.docVIP

基于多元线性回归分析冬季鸟类生境选择研究 　　【摘 要】 2014年10月至2015年2月在北京奥林匹克森林公园南园对冬季鸟类生境状况进行了取样调查，对重点影响城市鸟类生存的人为因素进行了考察和测量，通过建立鸟类数量多元线性回归模型，对鸟类生境选择进行了分析和预测研究，并在城市生态公园建设方面提出了有益建议。 　　【关键词】 鸟类 生境 多元线性回归 样方 　　相对于自然因素，人为因素对于生物多样性的影响在城市地区尤为显著。本文以鸟类为研究对象，针对北京奥林匹克森林公园中冬季鸟类的生境选择开展研究，关注奥林匹克森林公园中各个微环境之间的差异，侧重于人为因素，找到影响其波动的主要原因，并通过构建鸟类数量多元线性回归模型对公园中冬季鸟类选择生境做出合理的科学分析，具有较强的理论和实践意义。 　　1 研究对象 　　奥林匹克森林公园位于北纬40°01′3.00″，东经116°23′2.98″，以五环路为界，公园分为南、北两园。公园共占地约680公顷，本文研究范围仅限于南园，占地约380公顷，以仰山、奥海、人造湿地等大型山水景观为主。公园地质构造为河流冲积平原，主山为“仰山”，仰山海拔86.5米，相对高度48米。属温带大陆型半湿润季风气候，四季分明，降水集中在夏季，冬季寒冷干燥，多风少雪。全园绿地有100余种共53万株乔木、80余种灌木和100余种地被植物，按照生物多样性组成自然林系统。适合北方地区自然气候条件的植物在森林公园内为众多的生物提供一个生存空间，是城市生态公园的典型。 　　冬季园中绝大多数鸟类为留鸟，有小、大麻?Z、黑水鸡、北红尾鸲和秧鸡等。本文主要研究影响这些鸟类选择生境的人为环境因素，包括：最近柏油路距离（柏油路为汽车可以在上行驶的路）、最近砖路距离（砖路为只有人可以在上活动的路）、最近人为建筑距离（人为建筑为办公区、厕所、小卖部等，桥不计入其中）、样方内人为设施数量（人为设施为可供鸟类停歇的人造设施如灯杆、桩子、垃圾桶等）、最近人为设施距离、样方内乔木数量、样方内15分钟人流量和最近活水距离等。 　　2 研究方法 　　2.1 样方选取 　　鸟类数据采集是通过在奥林匹克森林公园南园内均匀选出样方，统计其样方内鸟类的数量与种类所完成的。样方选取的方法是将园区的卫星地图均匀打上网格，以各个网格点为样方中心点，半径25米画圆，此范围即为考察所选取的样方，如图1所示。 　　对于鸟类数量与种类的统计设定如下原则：（1）样方外鸟类不计入统计；（2）不在样方内停留鸟类（仅仅飞过）不计入统计；（3）为了防止重复计数，样方内的鸟类如果移动，则计数向某一方向移动的鸟类。例如在样方内一群鸟类从左向右移动至另一位置，则只记录向右移动的鸟类，向左移动的鸟类不计入。按照这些原则来保证统计鸟类数量时做到相对准确。 　　此外，在样方的选择上，排除了其中一些生境过于复杂或者生境相似度极高的样方，保留了图1所示的一共24个样方。 　　2.2 多元线性回归 　　由于鸟类数量与多个因素有关，本文采用多元线性回归分析方法，其一般形式为 　　Yi=β0+β1X1+β2X2+…+βkXk 　　其中k为自变量的数目，βj（j=1，2，…，k）称为回归系数，β0为常量。 　　测量每个样方区域内的鸟类数量、最近柏油路距离、最近砖路距离、最近人为建筑距离、样方内人为设施数量、最近人为设施距离、样方内乔木数量、样方内15分钟人流量、最近活水距离等数据，在进行数据的采集和整理后，利用MicrosoftExcel软件进行相关指标的计算以及因变量（鸟类数量）与自变量（影响因素指标）之间的相关性分析，剔除没有线性相关或与其它自变量相关程度高于与因变量相关程度的自变量，最终归纳出影响鸟类生境选择的主要因素，并在此基础上构建出关于鸟类数量的多元线性回归模型。 　　将甄别筛选后的自变量和因变量的数据代入MicrosoftExcel软件进行进一步的数据分析计算，采用最小二乘法得到相应的多元线性回归方程。 　　3 建模与数据处理 　　3.1 建立多元线性回归模型 　　假设Y代表奥林匹克森林公园样方内鸟类数量、x1代表最近柏油路距离、x2代表最近砖路距离、x3代表最近人为建筑距离、x4代表样方内人为设施数量、x5代表最近人为设施距离、x6代表样方内乔木数量、x7代表样方内15分钟人流量、x8代表最近活水距离，按照多元线性回归方法，可初步建立鸟类数量多元线性回归模型，如下式所示： 　　Y=a1x1+a2x2+a3x3+a4x4+a5x5+a6x6+a7x7+a8x8+a0 　　其中：ai为相对xi的回归系数，a0为常数。 　　3.2 数据处理 　　测量选定样方的影响因素及鸟类数量，得到的数据见表1。 　　将采集的数据输入MicrosoftExce