Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
應用GARP及Logistic模式於崩塌地樹種潛能之研究
Revegetation Plant Selected in Landslide Area
by GARP and Logistic Regression Models
文章發表人:林信輝教授、吳振發教授、賴純絃博士生、江政人研究助理
2010 第八屆造園景觀學術研討會
2010/06/04
專題討論(一)下
指導老師:陳樹群 教授 鄭皆達 教授
陳鴻烈 教授 林德貴 教授
學 生:賴純絃(博一)
學 號:89842007
簡報大綱
前言
文獻回顧
研究目的
研究地點
研究流程
研究方法
結果討論
結論與建議
參考文獻
前言
應用植生治理崩塌地 目的
基本—恢復崩塌地坡面穩定、水土保持功能
期望—植生能夠自然演替朝向森林化,恢復崩塌前的生態環境
崩塌地治理樹種選取基本原則
選用當地先驅樹種
促進崩塌地森林化速度
避免引入不適合當地生態環境的樹種,造成嚴重的生態災害
實務上:崩塌地治理植生選擇(以北部地區為例)
植生的選擇上—多以栽種草種為主
再透過自然演替或二次苗木方式栽種喬木
成本相當高
樹種的選擇多以低單價、高存活率者為主
未充分考量崩塌地的環境條件,以及植物的生長特性、生態衝擊
本研究的命題
依循崩塌地植生治理選取原則,該如何選出適當的樹種呢?
選用當地先驅樹種
避免引入不適合當地生態環境的樹種
促進崩塌地森林化速度
低單價、高存活率
前人研究 坡地保育植物決策支援系統應用模式之研究(簡伃貞,2010年,博士論文)
Study on Decision Support System for Slopeland Conservation Plants Selection
研究目的
決策支援系統(DSS) 專家問卷法--兩階段
第一階段:模糊德爾菲(FDM)方法--植物種類決策因子的選定
植物特性0.362~包含生長速率0.432、需水量0.338及日照需求0.230
立地條件0.330~包含基地高程0.338、抗風力0.298、土壤質地0.228及土壤酸鹼性0.136
植生功能0.308~包含水土保持0.579、景觀0.153及生態0.269上之功能
第二階段:模糊層級分析法(FAHP)--求得上述各因子的權重
最後階段:決策支援系統(DSS)--坡地保育植物之種類及特性建立資料庫+依據因子的權重建立植物篩選的模式及順序=協助植生規劃及設計時選種之參考,提供相關速捷之植物種類篩選及檢索系統
上述方法具有以下的問題待解決
以專家的角度出發,不是以當地植物的角度進行思考
選定的樹種不一定能存活於當地環境,以致於無法達到森林化目標
選出的樹種不一定是當地樹種,對於當地生態環境可能不具效益
本研究目的
提出崩塌地植生治理樹種選擇的理性評估方法
依崩塌地不同特性,分別選出最佳的植生治理樹種
研究地點
石門水庫集水區
研究範圍—以2004年艾利颱風時崩塌最嚴重的地區
植生調查—崩塌治理後於2007年進行
受限於交通可及性、研究成本 共進行41個崩塌地植生調查
研究流程 研究對象:崩塌地—2004年艾利
颱風後崩塌及治理者
研究樹種:現地植生調查
植生 收集植生生長影響因子—海拔高
度、坡度、雨量、水分梯度、與河川距離、與道路距離
應用GARP模式預測植生適生機率
崩塌地 收集崩塌地影響因子及圖資—海
拔高度、坡度、雨量、與道路距離、與河川距離、與建築物距離、與斷層帶距離
應用Logistic模式預測崩塌機率
選定高崩塌機率地區,比對出最適合的植生復育樹種
適生機率比較
研究目的
文獻回顧
研究地點
崩塌地復育植生選定
崩塌地植生現地調查
喬木
構樹 羅氏鹽膚木 野桐
植生生長影響因子
海拔高度、坡度、雨量、水分梯度、與河川距離、與道路距離
高解析度圖資蒐集及分析檔案製作
(10m×10m)
植生適生機率預測
(GARP模式)
高崩塌機率地區植生治理喬木、草本植物選定
崩塌地事件
(2004年艾利颱風)
崩塌地分佈調查及 圖資彙整
崩塌地影響因子及 圖資彙整
海拔高度、坡度、雨量、與道路距離、與河川距離、與建築物距離、與斷層帶距離
崩塌機率預測
(Logistic模式)
高崩塌機率分佈圖
(>0.6)
研究樹種選擇
資料來源
41個崩塌地現地調查資料
樹種選取原則 選用當地先驅樹種
避免引入不適合當地生態環境的樹種
促進崩塌地森林化速度
低單價、高存活率
選定研究樹種
構樹、羅氏鹽膚木、野桐
構樹 Broussonetia kaempferi
羅氏鹽膚木 Rhus javanica var. roxburghiana
野桐 Mallotus japonicus
基因演算法(genetic algorithm for rule-set prediction,GARP)
以規則集合預測為基礎(Stockwell et al., 1992) 以人工智慧為基礎
透過演算法找出物種與環境因素之間的規則
進一步應用規則決定物種應該出現的生態區位
原理是首先將點數據分成兩部分 一部分用於構建模型(訓練數據)
另一部分用於模型的質量檢驗(檢驗數據) 並根據反覆運算過程,通過規則的選擇、評價、驗證,包含或者拒絕,產生不同規則的集合基礎上,利用物種的已知分佈數據和環境數據產生以生態為基礎的物種生態需求
GARP模式已被廣泛的應用於動、植物分佈預測包括:
動物分佈預測 植物分佈預測
1 洪聖文 2006 應用於台灣珊瑚群聚分佈及氣候變遷對其衝擊研究
1 張志東
臧潤國
2007 應用GARP模式探討海南島霸王嶺熱帶天然林景觀中主要木本植物關鍵種的潛在分佈
2 李培芬
等人
2006 分析八色鳥之環境喜好與分佈 2 李双成
高江波
2008 以GARP模型預測紫莖澤蘭空間分佈
3 吳尹仁 2007 應用於台灣黑熊棲息地利用及分布預測模式建立
3 陳立立
等人
2008 進行喜旱蓮子草在中國的入侵和擴散動態及其潛在分佈區預測
4 黃美秀
簡熒芸
2007 則是用於玉山國家公園楠溪林道較大型哺乳動物之監測
5 中華民國國家公園學會
2008 則進行太魯閣國家公園台灣水鹿棲地使用之研究
6 Ko等人 2009 應用於鳥類物種多樣性熱點分佈預測
台灣黑熊棲息地利用及分布預測模式 吳尹仁,2007年,碩士論文 ,國立屏東科技大學野生動物保育研究所
地點 總計收集589筆台灣黑熊紀錄點位資料
涵蓋344個1*1公里網格(簡稱“有熊格")
本島(除高雄市及臺北市以外)海拔100m以上的研究樣區中
方法 收集1990~2006發現台灣黑熊的紀錄,
搭配台灣地區生態與環境因素資料庫,瞭解黑熊棲息地利用特色
利用基因演算(Genetic algorithm for rule-set prediction,GARP)法-黑熊出現點位資料
環境因素:海拔、坡度、植生指標、離溪流最近距離、自然度指標、道路密度、離道路最近距離
邏輯迴歸分析(Logistic regression)-物種出現/沒有出現資料
Y = (-1.3284)+ 0.0212*坡度 + 0.000276*離溪流最近距離
建立台灣黑熊分佈預測模式
結果 邏輯迴歸法:因為沒有熊出現紀錄的精
準度較低,預測結果與實務經驗為基礎的預期分佈差距頗大,無法提供合理的預測結果。
基因演算法:預測能力較邏輯迴歸分析高(sensitivity =0.893,Kappa=0.360)
此模式預測結果顯示
台灣黑熊主要分佈於中央山脈,隔離的海岸山脈亦有零星分佈
利用切點0.525預測的黑熊潛在棲息地為9587平方公里,佔台灣本島25.5%,並有45.34%於國家公園內
突顯出加強非國家保護區系統棲息地的經營管理,對於保育小族群物種的重要性
分佈機率圖
應用GARP模式探討海南島霸王嶺熱帶天然林景觀中主要木本植物關鍵種的潛在分佈 張志東、臧潤國,2007年,植物生態學報,31(6),1079-1091
地點
海南島霸王嶺的熱帶天然林(135個天然林)
方法
樹種:優勢度
基因演算法
邏輯迴歸分析
結果 GARP模型對8個關鍵物種的潛在分佈預測效果均較好,而其中又以胡柴和海南椎的預測精度最高
分佈機率圖
研究方法 基因演算法(genetic algorithm for rule-set prediction,GARP)
41個崩塌地構樹、羅氏鹽膚木、野桐出現情形
六個植生生長影響因子 海拔高度
坡度
雨量
水分梯度
與河川距離
與道路距離
利用Desktop GRAP分別進行構樹、羅氏鹽膚木、野桐分佈預測
羅吉斯迴歸法( Logistic rgression)
應用羅吉斯迴歸法—預測崩塌地崩落機率
相關研究包括:
應用羅吉斯迴歸法預測崩塌地崩落機率
1 陳樹群、馮智偉 2005 應用Logistic迴歸分析繪製崩塌潛感圖—以濁水溪為例(中華水土保持學報)
台灣中部地區濁水溪流域—5355個大小不等崩塌地的崩塌潛感
建立出崩塌發生比與獨立變項如坡度、坡向、高程、地質與水系間最佳配適方程式
Logistic迴歸模型作為推估流域空間崩塌發生機率
2 林信輝 2006 應用石門水庫集水區崩塌地機率預測
二元羅吉斯迴歸 (Binary Logistic regression)
艾利颱風的崩塌地
影響因子— 海拔高度、坡度、雨量、與道路距離、與河川距離、與建築物距離、與斷層帶距離
應用二元羅吉斯迴歸(Binary Logistic regression)進行崩塌機率預測 假設每一種狀況發生與否相互獨立,彼此間無相關性
通常以虛擬變數將反應變數予以量化
在使用上並不受多元常態分配的假設限制
可用於解釋變數同時存在連續或離散資料時
其模型為:
),0(~1
2 NXp
pIn
α:常數項 β:解釋變數的係數 X :解釋變數
由配適二元羅吉斯迴歸模式的預測值與觀測值分類結果,可判斷模式的區分能力,通常由分類表(classification table)中的分類正確率,來判別模式的區分能力
注意— 有些模式可能區分能力很好,但是配適程度很差
原因—此種簡單二維判別區分表格,雖由羅吉斯配適機率值判定所屬群組,但仍主觀地取決斷點的大小,且和兩群體樣本數相對個數有關
由二元羅吉斯迴歸模式所配適機率值屬於是一連續數值,但此一判別表只利用二分法作區分,已失去大部分預測能力訊息 切斷點的設定會牽涉到分類正確率
一般分析採用的切斷點為0.5(蔡明熹,2004、吳振發與林裕彬,2006)
GRAP及Logistic regression資料來源分析表
圖 層 GRAP Logistic 解 析 度 來 源
崩塌地 ■ 10x10m 工研院提供土地利用圖資
植生分佈 ■ 10x10m 本研究調查
高程(DTM) ■ ■ 10x10m 內政部提供5×5DTM
坡度 ■ ■ 10x10m 由DTM計算
水分梯度 ■ 10x10m 由坡向轉換成水分梯度
年平均降雨量 ■ 10x10m 各測站歷年平均進行距離反比內差
艾莉颱風雨量 ■ 10x10m 各測站雨量進行距離反比內差
與水源距離 ■ ■ 10x10m 以河川分佈圖計算
與道路距離 ■ ■ 10x10m 以道路分佈圖計算
與建築物距離 ■ 10x10m 以建築物分佈圖計算
與斷層距離 ■ 10x10m 以斷層分佈圖計算
結果與討論 植生適生機率預測
構樹、羅氏鹽膚木、野桐預測分佈的區域大致相似
分佈的區域—構樹>羅氏鹽膚木>野桐
構樹
適生機率分佈圖
羅氏鹽膚木
適生機率分佈圖
野桐
適生機率分佈圖
崩塌機率預測 崩塌機率羅吉斯迴歸分析結果
模式的分類表98.8918%,ROC值為0.8602
顯示模式的預測能力十分良好
模式中各自變數的相關參數詳如下表:羅吉斯迴歸分析表
因子 B S.E. Wald 顯著性
與建築物距離 -0.0001034 2.74E-05 14.24376 0.0001
與斷層距離 0.0005271 1.13E-05 2182.529 0.0000
與水源距離 0.0003921 3.07E-05 163.4819 0.0000
與道路距離 -0.0004406 1.91E-05 530.8312 0.0000
高程(DTM) -0.0023402 4.41E-05 2814.589 0.0000
艾利颱風雨量 -0.0005905 4.19E-05 198.991 0.0000
坡度 0.0162290 0.000651 622.0439 0.0000
常數 -1.3096466 0.071344 336.9714 0.0000
模式預測崩塌機率分佈 崩塌機率較高的區域—研究區北側及西側沿著河川及主要道路的地區
崩塌地植生復育適生樹種分佈圖
崩塌地植生復育適生樹種分析 根據崩塌機率預測結果—
選擇高崩塌機率地區(P>0.07)
套疊野桐、羅氏鹽膚木、構樹分佈潛勢圖
疊合出各高崩塌潛勢地點的適栽植生
崩塌地植生復育適生樹種面積分析表
適栽樹種 面積(ha)
野桐 8.60
構樹 36.87
羅氏鹽膚木 55.30
野桐、羅氏鹽膚木 42.28
構樹、野桐 14.15
構樹、羅氏鹽膚木 27.91
構樹、羅氏鹽膚木、野桐 73.88
結論與建議
本研究為初期試驗性研究 嘗試
以植物生態學為基礎,以崩塌地治理植生為對象
運用經驗性模式進行崩塌地 植生復育樹種分佈潛勢
崩塌潛勢預測
透過兩種潛勢圖之疊圖,提出未來發生崩塌後復育植生選擇之建議
研究成果: 此研究方法可充份反應出植生分佈與崩塌潛勢
此一整合性評估方法,應用於崩塌地植生治理植栽選擇,但仍處於試驗階段
研究結果之應用 崩塌發生前之應用
可發覺崩塌地高潛勢地區,在集水區治理時應加強開發管制及水土保持工作。
找出在地樹種適生分布區域,可應用於集水區植生管理
崩塌發生後之應用 依分析結果種植最適合的治理樹種,可降低成本、提高存活率、維持當地生態環境
後續研究 崩塌地模式預測準確性提升
增加更多種治理樹種適生分佈區域推估
進行灌木、草皮適生分佈區域推估
依據實際狀況,結合本研究方法,提出可一次苗木並達到森林化的最佳崩塌地植生治理方式(喬木、灌木、草皮)
參考文獻 中華民國國家公園學會,(2008),太魯閣國家公園高山生態系-台灣水鹿棲地使用之研究(一)成果報告,PG9701-
0446:097301020400G1002。 吳尹仁,(2007),台灣黑熊棲息地利用及分布預測模式,國立屏東科技大學野生動物保育研究所碩士論文。 吳振發、林裕彬,(2006),汐止市土地利用時空間變遷模式,都市與計劃,第33卷,第3期,第231-259頁(TSSCI)。 李培芬,(2005),氣候變遷對陸域生物多樣性之衝擊評估及因應策略研究,國科會專題研究計畫成果報告(NSC94-
EPA-Z-002-003)。 李双成、高江波,(2008),基於GARP模型的紫莖澤蘭空間分佈預測,生態學雜誌,27(9): 1531-1536。 李培芬、白梅玲、林瑞興, (2006), 利用遙測與GIS探討瀕危物種八色鳥之喜好與分佈,農委會94年度遙測應用計畫
成果發表會專刊,1-10頁。 林信輝,2006,石門水庫集水區崩塌地調查監測暨植生保育對策方案之研究計畫,經濟部水利署北區水資局委辦計畫成
果報告書。 洪聖文,(2006),台灣珊瑚群聚分佈及氣候變遷對其衝擊之研究,國立台灣海洋研究所碩士論文。 張志東、臧潤國,(2007),海南島霸王嶺熱帶天然林景觀中主要木本植物關鍵種的潛在分佈,植物生態學報,31(6),
1079-1091。 陳立立、余岩、何興金,(2008),喜旱蓮子草在中國的入侵和擴散動態及其潛在分佈區預測,生物多樣性,16(6):
578-585。 陳樹群、馮智偉,(2005),應用Logistic迴歸繪製崩塌潛感圖—以濁水溪流域為例,中華水土保持學報,36(2):191-
201。 黃美秀、簡熒芸,(2007),玉山國家公園楠溪林道較大型哺乳動物之監測,台灣林業科學22(2):135-47。 Ko, C.Y., Lin, R.S., Ding, T.S., Hsieh, C.H., and Lee, P.F.,( 2009). Identifying biodiversity hotspots
by predictive models: a case study using Taiwan’s endemic birdspecies. Zoological Studies 48(3): 418-431. Stockwell D. R.B., and I. R. Noble,(1992). Induction of sets of rules from animal distribution: a robust
and informative method of data analysis. Mathematics in Computer and Simulation 33:385-390.
簡報結束,敬請指教!