撰文
侯姝彧 /华南农业大学林学与风景园林学院讲师
尚轩仪 /广州市水生态建设中心工程师
刘彦 /华南农业大学林学与风景园林学院在读硕士研究生
李晖 /华南农业大学林学与风景园林学院教授,博士生导师
梁健超 /广东省科学院动物研究所广东省动物保护与资源利用重点实验室助理研究员
全文刊登于《中国园林》2024-09期 P29-35
摘要:公民科学观测记录是生物多样性保护相关规划研究和实践中常用的数据来源,但存在记录点代表性有限和热点聚集等问题,充分了解其局限性及可能存在的偏差对于有效的保护规划至关重要。选用广州市100条鸟类系统调查样线数据作为基准,分析同时期公民科学数据的偏差情况及不同数据筛选方法和优先性测算方法的改善效果。采用3种数据稀疏方式减小公民科学数据热点聚集产生的影响,对鸟类记录点及其所处环境进行机器学习并构建275种鸟类的分布模型,基于此测算保护优先性。广州市公民科学观测记录数据热点聚集明显,对其进行稀疏有助于减小物种分布模拟偏差,但与基于系统调查数据得出的结果相比仍具有较大差距。对比传统丰富度方法与智能优化算法的保护优先性测算结果显示,智能优化算法可以更有效地识别丰富度不高但对特定物种更重要的区域,且对公民科学数据采样不均问题带来的保护优先性测算结果偏差具有良好的改善效果。因此,在利用公民科学观测记录进行规划研究和实践时,宜采用多种方式进行数据筛选、物种分布模拟及保护优先性测算,以取得更加可靠的结果。
关键词:风景园林;风景园林规划;生物多样性保护;物种分布模型;人工智能;公民科学