项目名称: 全球气候变化下物种分布模型的不确定性研究

项目编号: No.31270563

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 生物科学

项目作者: 郭庆华

作者单位: 中国科学院植物研究所

项目金额: 77万元

中文摘要: 气候是制约生物分布、生长和繁衍的主要因素,近百年来的气候变化已严重威胁到全球物种多样性。物种分布模型是研究气候变化对物种分布影响的主要工具,而已有的模型很少考虑到数据源和模型方法等因素的不确定性对模型预测精度的影响,严重影响了其结论的有效性。因此本项目从数据源和模型两方面对该问题进行探讨:(1) 对物种采样数据和环境变量数据的不确定性进行分析,寻求提高数据精度的方法;(2) 分析不同数据组合对物种分布模型结果的精度贡献,探究不同数据源的不确定性对模型的影响情况;(3) 估算物种分布模型自身的不确定性,并对多种数据源进行敏感性分析,理解其误差传递机制,并提出降低不确定性的方案;(4) 对环境变量中的气候数据单独研究,引入多种协变量提高插值精度,并计算其空间不确定性。基于此,本研究建立的不确定性理论框架,对理解气候变化对物种分布的影响机制以及制定生物多样性保护策略方面有着重大的理论和实践意义。

中文关键词: 物种分布模型;气候变化;不确定性;;

英文摘要: Climate is an important factor determining the growth, distribution, and evolution of the planet species. The global climate change is considered to be a major threat to the global biodiversity. Therefore, it is very important to understand what the impact of climate change on species distributions is. Species distribution modeling (SDM) is an important tool to study the relationship between climate and species distributions. However, spatial uncertainty resulted from data and models are rarely considered by researchers, which greatly decrease the reliability of the conclusion drawn from the model predictions. Therefore, in this study, we propose to study the impact of uncertainty on species distribution modeling under different climate change scenarios; woody plants species in China are taken as the study case. The uncertainties of data from different sources such as environmental variables and species localities will be studied; their effects on model prediction will be evaluated through errors propagation and sensitivity analysis. The aim is to minimize the uncertainty of model prediction by reducing the uncertainties of data and then to draw feasible conclusions from model results. In sum, this project can provide practitioners some fundamental guidelines to study the impact of climate change on species dist

英文关键词: Species Distribution Model;Climate Change;Uncertainty;;

成为VIP会员查看完整内容
0

相关内容

【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
143+阅读 · 2021年2月3日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
66+阅读 · 2020年3月5日
全新证据:第六次生物大灭绝正在发生……
学术头条
0+阅读 · 2022年2月9日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
【机器学习】机器学习:未来十年研究热点
产业智能官
16+阅读 · 2018年11月4日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
13+阅读 · 2020年4月12日
小贴士
相关主题
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员