热带鸟类物种丰富度与动态栖息地指数捕获的初级生产力模式密切相关,Remote Sensing of Environment
热带鸟类物种丰富度与动态栖息地指数捕获的初级生产力模式密切相关
Remote Sensing of Environment ( IF 11.1 ) Pub Date : 2019-10-01 , DOI: 10.1016/j.rse.2019.111306
Naparat Suttidate , Martina L. Hobi , Anna M. Pidgeon , Philip D. Round , Nicholas C. Coops , David P. Helmers , Nicholas S. Keuler , Maxim Dubinin , Brooke L. Bateman , Volker C. Radeloff
摘要 生物多样性科学和保护都需要环境指标来了解物种丰富度和预测物种分布模式。动态栖息地指数 (DHI) 是一组三个指数，它们总结了生物多样性应用卫星数据中的年度生产力措施，包括： a) 累积年生产力；b) 最低年生产力；c) 年生产力的变化。在全球范围内和温带地区，DHI 可以很好地预测物种多样性模式，但 DHI 尚未在热带地区进行测试，那里的生产力水平较高导致许多遥感植被指数饱和。我们的目标是根据热带地区的 DHI 解释鸟类物种丰富度模式。我们基于 a) 217 个物种的物种分布模型 (SDM) 图和 b) 564 个物种的范围图，将 DHI 与 5 个行会（森林、灌木丛、草地、多面手和所有留鸟）的留鸟物种丰富度相关联整个泰国。我们还在多元回归模型中量化了 DHI 的相对重要性，该模型包括使用多元回归、最佳子集和分层分区分析的两种地形测量和两种气候指标。我们发现仅三个 DHI 就可以最好地解释森林鸟类的丰富度（对于基于 SDM 和范围图的丰富度，R2adj 为 0.61；对于其他公会，R2adj 为 0.15-0.54）。当将 DHI 与地形和气候相结合时，森林鸟类和所有留鸟物种的丰富程度同样得到了很好的解释（R2adj 0.85 和 0.67 对 0.81 和 0.68）。在三个 DHI 中，基于 SDM 丰富度图 (R2adj 0.54–0.61)，累积年生产力对所有公会具有最大的解释力。DHI 与泰国鸟类物种丰富度之间的密切关系表明，DHI 可以很好地捕获能源可用性，并且可用于热带地区的生物多样性评估和潜在的鸟类保护。
"点击查看英文标题和摘要"
更新日期：2019-10-01
相关知识
热带鸟类物种丰富度与动态栖息地指数捕获的初级生产力模式密切相关,Remote Sensing of Environment
栖息地高点和低点：使用地面和无人机 LiDAR 模拟恢复林地中的鸟类物种丰富度和丰度,Remote Sensing of Environment
Application of RS, GIS and GPS Techniques in Study of Avian Habitat
鸟类群落的研究进展(生态).doc
鸟类的栖息地保护与物种保护策略
鸟类的栖息地保护与物种保护教育.pptx
气候变化与鸟类：了解对鸟类物种的影响
使用NEXRAD雷达数据和卷积神经网络自动检测鸟类栖息地,Remote Sensing in Ecology and Conservation
北京奥林匹克森林公园鸟类栖息地植物景观研究
分析鸟类的栖息地选择和生态位分化.pptx
网址: 热带鸟类物种丰富度与动态栖息地指数捕获的初级生产力模式密切相关,Remote Sensing of Environment https://m.mcbbbk.com/newsview705663.html
| 上一篇: 鸟类的栖息地利用和繁殖保护.pp |
下一篇: 2024修订版部编语文七上第五单 |
