[发明专利]一种基于主动学习的动物家域估计方法

说明书

本发明公开了一种基于主动学习的动物家域估计方法，它是以GPS点集、基础地理信息数据、DEM数据多种地理信息数据作为输入数据，其中GPS点位数据集是动物活动的跟踪数据，障碍物可用基础地理信息数据确定，不同的动物的障碍物可能不同；数字高程模型（DEM）数据用于确定地形对动物活动的影响，随后利用成本距离计算模块计算每个GPS跟踪点位到动物的活动区域内任意点的成本距离；利用可能性分布计算模块计算动物在该区域内活动的模糊可能性分布；利用家域提取模块通过事先确定阈值来提取动物活动范围的核心区和非核心区（边界区），实现家域的计算。

本申请得到天津市自然科学基金 (17JCZDJC39700);国家自然科学基金（41971410）资助。

技术领域

本发明涉及地理信息科学中的模糊地理现象建模方法和生态学和动物行为学中的动物家域确定方法，更具体的涉及利用GPS跟踪器获取动物的位置，利用位置数据、基础地理信息数据、DEM数据等估计动物的活动范围的方法。

背景技术

家域(动物活动范围)估计是空间生态学研究的中心课题，也是理解动物行为的基础。一般将动物的家域定义为包含所有可能位置的分布区域覆盖率百分比。许多复杂的因素影响着动物家域的位置和范围，例如动物的行为特征、地理环境、体型和群体范围；因此，家域的估计在生态学领域仍然是一个挑战。目前可通过以下标准来评估家域估计方法的性能：（1）能够自然地表示动物分布的概率或可能性；（2）家域的范围能够避开障碍物，如悬崖、山脉、河流和道路，以供某些类型的动物使用；（3）能够考虑地形的影响；（4）评估的家域范围误差最小。

常见的估计方法包括：

（1）最小凸多边形法，是最早和最简单的估计方法之一，它通过在个体的位置点周围绘制凸多边形来计算家域的范围。这种方法并没有明确地表达动物活动范围中的核心高密度和低密度区域。

（2）基于核密度的估计方法，包括固定核方法和自适应核方法，这种方法可以表示动物或动物群的活动范围分布的概率密度。然而传统的核密度估计方法基于欧几里得距离，不能充分顾及地形和障碍物对空间物体间距离的影响。换句话说，这些方法难以顾及动物活动的各向异性。

（3）局部凸壳方法，这种方法的问题是不能表达动物活动范围的模糊边界。也不能顾及地形和障碍物的影响。

发明内容

本发明提出了一种基于主动学习和模糊数学的家域估计技术方法。实现了在不同地理环境下顾及地形和障碍物的家域确定方法。在这个方法中，地理信息基础数据用于定义障碍物的覆盖范围，DEM数据用于确定地形趋势，GPS位置数据结合障碍物数据、DEM数据，通过模糊数学方法实现了动物活动范围的可能性分布的数值表示。通过阈值分割的方法提取活动区的核心区和非核心区（边界区），进而得出动物活动范围的家域描述。

本发明采用主动学习和模糊数学构建模糊家域确定系统。模糊家域确定系统由数据栅格化模块、成本距离计算模块、可能性分步计算模块和家域提取模块构成。多种地理信息数据进入该系统，通过栅格化模块将矢量数据转换成栅格形式。成本距离计算模块利用地形数据和障碍物数据结合动物活动能力，得到每一个动物位置点到空间中任意点的成本距离。可能性分布计算模块用于计算动物在该区域内活动的可能性分布。家域提取模块通过阈值来分割可能性分布数据，进而得到动物活动范围的核心区和边界区，实现了家域的计算。

通过上述解决方案，实现了利用多种地理信息数据确定野生动物活动范围的方法，提高了家域估计的真实性、可靠性和准确性。

为实现上述目的，本发明公开了如下的技术内容：