文章信息
- 江晓萍, 徐基良, 李建强, 徐迎寿, 李忠
- JIANG Xiaoping, XU Jiliang, LI Jianqiang, XU Yingshou, LI Zhong
- 基于MaxEnt生态位模型分析江西省人与野猪冲突的空间分布
- Spatial distribution of human-wild boar conflicts in Jiangxi Province based on MaxEnt niche model
- 森林与环境学报,2018, 38(3): 334-340.
- Journal of Forest and Environment,2018, 38(3): 334-340.
- http://dx.doi.org/10.13324/j.cnki.jfcf.2018.03.012
-
文章历史
- 收稿日期: 2018-03-17
- 修回日期: 2018-03-29
2. 中国大熊猫保护研究中心, 四川 成都 611830
2. Giant Panda Protection and Research Center of China, Chengdu, Sichuan 611830, China
随着人口日益增长和土地利用方式的改变,野生动物栖息地不断丧失[1-2],野生动物与人类争夺生存空间的矛盾不断升级,冲突不断激化,这不仅给人类带来损失,也使野生动物保护工作陷入困境[3-4]。如何更好地缓解人与野生动物冲突及防范野生动物肇事或危害,已经在农林业生产乃至自然保护领域成为热点问题之一[5],并且已经开展了大量的研究[6-7]。
在我国,人与野生动物冲突很早就引起人们的关注。20世纪40年代,由于人虎矛盾特别是虎伤人畜现象加剧,东北部分地区政府甚至不得不倡导和奖励捕杀东北虎(Panthera tigris altaica Temminck)[8]。随着公众保护意识提高及《中华人民共和国野生动物保护法》的实施,野生动物种群数量持续增加,人与野生动物之间的矛盾又开始显现。据统计,1999—2007年,羚牛(Budorcas taxicolor Hodgson)伤人事件已发生155起,造成22人死亡,184人受伤[9];1991—2013年,以亚洲象(Elephas maximus Linnaeus)为主的野生动物肇事造成西双版纳损失稻谷等农作物超过5万t,直接经济损失超过2亿元,超过200多人遭到野象袭击,造成30多人死亡[10]。为减少野生动物对农户人身及财物安全造成的损失,人们探索了多种措施,如干扰技术[11]、设置障碍物[12]、捕杀和狩猎[13]甚至移民搬迁等[14],云南、陕西、西藏、吉林、北京、甘肃六省(自治区、直辖市)还实施了重点保护陆生野生动物造成的人身财产损害补偿办法[15]。这些措施可以降低野生动物带来的影响,但多属于事后补偿或防范。事前防范和主动预防已逐渐成为减缓野生动物危害的新趋势,近年来,国外有学者借助生态位模型对人与野生动物冲突的空间格局进行分析[16],并取得显著成效[17-18]。
野猪(Sus scrofa Linnaeus)是我国重要的资源兽类之一[19],野猪种群增长快速,给农林业生产带来巨大危害,如破坏庄稼、毁坏林地、危害草地、伤害人类和家畜、传播疾病等[20]。江西省是野猪的重要分布区域之一,也是人与野猪冲突日益加剧的地区之一[21]。为防止野猪数量快速增长并减少其对人身及财物的损害,2006年起,江西省开始实施限额猎捕野猪行动[22]。因此,本研究拟以江西省人与野猪冲突为对象,根据研究区域自然概况和人与野猪冲突的特征,选取相应环境因子,利用MaxEnt生态位模型构建人与野猪冲突的潜在风险分布模型,分析其空间格局,进而预测人与野猪冲突的潜在风险分布,缓解人与野生动物冲突,为制定与完善野生动物致害补偿、人与野生动物冲突保险等相关政策奠定基础。
1 研究区概况江西省地处亚热带中部、长江中下游南岸,地理位置为113°34′~118°28′E,24°29′~30°04′N,全省面积16.69万km2,占全国总面积的1.74%,辖11个地级市、100个县(市、区),总人口达4 514.91万人。气候温暖湿润,为典型的中亚热带季风气候,年均温16.3~19.7 ℃,年降水量1 341~1 934 mm。地貌以丘陵、山地为主,约占全省面积的60%,平原及盆地约占30%,水域约占10%,全省森林覆盖率达63.1%,生物多样性高。
2 研究方法 2.1 模型介绍MaxEnt模型的基本原理是根据物种的特殊生存环境,从目标物种已知分布区出发,利用数学模型归纳或模拟其生态位需求,然后将其投射到目标地区,即可得到该物种的潜在分布区[23]。运行模型需要两类数据,即研究目标的实际地理分布点和研究地区的环境变量。该模型对数据的独立性要求较低,在分布点数量较少的情况下,也能有较高的预测精度[24-25]。已有研究证实,MaxEnt模型相比许多生态位模型在准确性和方便性上均具有明显的优势[26-28]。由于其较高的准确度和可操作性,MaxEnt生态位模型已经在物种栖息地适宜性评价[29-30]、生物入侵[31]、森林病虫害预测[32]、全球气候变化研究[33]及森林火险预测等方面[34]得到应用。本研究所使用软件为MaxEnt.3.3.3 k版本(http://www.cs.princeton.edu)。
2.2 数据来源与处理 2.2.1 人与野猪冲突分布点数据数据主要通过问卷调查及实地野外调查两个途径获取。
(1) 问卷调查 2016年1—3月,委托江西省林业厅野生动植物保护管理局向该省100个县(市、区)下发人与野猪冲突调查问卷表,对该省2013—2015年的人与野猪冲突发生情况进行了调查。问卷内容主要包括冲突形式、发生时间、损失金额以及冲突发生的准确地理位置等。问卷回收后,对数据进行初步筛选,剔除不在GIS所查地区数据点、冗余点和数据格式错误等无效点。
(2) 实地野外调查 2016年5月对分布点比较集中和分布点相对较少的区域进行实地核查,核查范围涉及江西省东、南、西、北、中5个区域7个县34个村庄。核查方式主要是通过向当地有经验的护林员和村民了解在该地区出现的野猪活动情况和人与野猪冲突等信息资料,并就地核查野猪活动的痕迹,包括卧坑、粪便、足迹及取食痕迹,运用全球定位系统来定位人与野猪冲突分布点的地理坐标,并记录冲突的分布位置及周围环境因素:海拔、坡度、植被类型以及农作物种类等。
将问卷调查数据与实地核查获取的数据合并,为降低分布点的空间自相关作用,经SDM Tools对获取的数据进行筛选,使其相邻分布点的最近距离在5 km以上[35]。最后,将这些分布点的坐标整理成Excel表后导入ArcGIS10.2,并转换成MaxEnt软件所需的csv格式。
2.2.2 环境数据野猪主要危害距林缘30 m以内、一面靠山的平地或山坡上农田中的农作物,受害农田周围林型以阔叶林、针阔混交林为主[36]。因此,选择地形(海拔、坡度),景观类型(距森林距离、距农田距离、距草地距离、植被类型),人类干扰(距村庄距离、距县界距离、距主要公路距离、每公里网格GDP指数)10个环境变量作为人与野猪冲突风险分布模型的预测变量(表 1),其中每公里网格GDP指数是反映人类干扰的一个变量,每公里网格GDP指数越大反映人类干扰越强[37]。
类型Type | 环境因子Environment factor | 数据来源及分析Data source and analysis |
地形要素 Terrainfactor |
海拔Elevation 坡度Slope |
来源于中国科学院地理空间数据云(http://www.gscloud.cn), 分辨率为30 m×30 m DEM数据,在ArcGIS10.2进行空间分析提取得到海拔与坡度的栅格图层。Extracted from a 30 m×30 m digital elevation map (DEM),downloaded from Geospatial Data Cloud of Chinese Academy of Sciences (http://www.gscloud.cn). |
景观类型 Landscapetype |
距森林距离Distance to forest 距农田距离Distance to farmland 距草地距离Distance to meadow 植被类型Vegetation type |
由地理国情监测云平台(http://www.dsac.cn)提供的2013年江西省30 m栅格土地利用图,在ArcGIS10.2中经过欧氏距离等空间分析得到。Extracted from Land-use Map of Jiangxi Province with the resolution of 30 m,provided by Geographical Information Monitoring Cloud Platform (http://www.dsac.cn),and analyzed by Euclidean distance in ArcGIS10.2. |
人类干扰 Humandisturbance |
距村庄距离 Distance to village 距县界距离 Distance to county line 距主要公路距离 Distance to road 每公里网格GDP指数 GDP index per kilometer grid |
村庄数据来源于地理国情监测云平台(http://www.dsac.cn),县界和主要公路数据来源于国家基础地理信息中心(http://www.ngcc.cn)的1:1 000 000万中国行政区划图,国内生产总值(GDP)数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),各数据均利用ArcGIS10.2进行空间分析后得到。Village data were from Geographical Information Monitoring Cloud Platform (http://www.dsac.cn),County boundary and road data were from the 1:1 000 000 Administrative Map of China,obtained from National Geomatics Center of China (http://www.ngcc.cn),and the GDP data were obtained from the Data Center for Resources and Environmental Sciences of Chinese Academy of Sciences (http://www.resdc.cn); all data were spatial analyzed in ArcGIS10.2. |
为减小变量间多重共线性的影响,将环境变量数据在ArcGIS10.2中的Band Collection Statistics中进行相关性检验,如果相关系数R>0.8,则需要进行因子剔除[38]。检验结果表明上述10个环境因子均符合要求,因而未剔除任何变量。在ArcGIS的平台下,将所有环境变量图层统一为Beijing-1954-Gk-Zone-20N坐标系统,栅格大小为100 m×100 m,并转换为MaxEnt模型要求ASC文件格式。
2.3 模型构建与评估将人与野猪冲突分布点数据和环境变量数据导入MaxEnt软件,随机选取75%的分布点数据,构建针对江西省人与野猪冲突风险分布的最大熵模型,剩余25%的点进行模型验证,构建人与野猪冲突潜在风险分布模型,取5次模拟结果的平均值作为最终结果[39]。该模型采用Jackknife检验对环境因子重要性进行分析,并用ROC曲线下面积AUC对模型的精度进行评价。选用ROC曲线分析评价人与野生动物冲突模型,是由于AUC不受判断阈值影响,也是目前公认的评判分布模型预测结果优劣的最佳方法之一[40]。AUC值的范围从0~1.0,AUC值越趋近1表示环境变量与预测对象地理分布模型之间相关性越大,预测效果也就越好。一般认为,AUC值小于0.5表示预测结果不具参考性,在0.5~0.7时表示预测能力一般,在0.7~0.9时表示预测能力较好,0.9~1.0以上为优秀。
将模型输出的结果ASCⅡ文件导入ArcGIS10.2中,转化为栅格文件,得到江西省人与野猪冲突概率分布图。该概率值在0~1.0值之间,值越大表示人与野猪冲突发生的概率越高,也就表明该处发生冲突风险越高。通过Nature break (Jean)法对该图进行重分类[41],将人与野猪冲突概率分布图划分为3个风险等级:0~0.13为低风险,0.13~0.40为中风险,0.40~1.00为高风险。
3 结果与分析 3.1 模型评价江西省人与野猪冲突形式主要表现在损害农田、破坏竹笋以及侵害苗圃果园。问卷调查共获取56个县248个冲突分布点,剔除无效点,共222个。野外调查期间获取32个人与野猪冲突分布点。经SDM Tools对获取的数据进行筛选,共得到184个,相邻分布点的最近距离在5 km以上,将这些点纳入后续分析。训练集与验证集AUC值分别为0.95和0.93,表明所构建模型的预测准确性达到“优秀”标准。
3.2 环境因子对人与野猪冲突分布的影响Jackknife检验结果(图 1)表明,冲突地点距森林距离、农田距离及植被类型是影响人与野猪冲突分布的主要因子,海拔、距县界距离、坡度、每公里网格GDP指数、距主要公路距离影响次之,而距村庄距离与距草地距离影响最小。
各环境变量对人与野猪冲突分布敏感性分析(图 2)表明,人与野猪冲突多发生在海拔500 m左右的丘陵地带,并随着海拔升高风险逐渐降低;当坡度在5°~15°时,风险指数达到最大;随着距森林、农田及县界距离等因子的增大,风险指数显著减小,且呈显著负相关;当距村庄200 m左右时,风险指数达到最大值,之后随着距离增大风险逐渐降低。
3.3 人与野猪冲突潜在风险分布通过计算得出,江西省人与野猪冲突高风险区面积为10 715 km2,占该省总面积的6.42%;中风险区面积为16 123 km2,占该省总面积的9.66%;低风险区面积为140 062 km2,占该省总面积的83.92%(图 3)。江西省人与野猪冲突高风险区域主要集中于生活在林缘、县界(多处于深山中)的社区,多分布在该省的北部、中东部、中西部,南部地区则分布较少,具体分布在九江县、德安县、武宁县、靖安县、万载县、资溪县、南城县、上饶县、于都县等地区靠近县界处。
4 讨论 4.1 MaxEnt模型适用性分析利用MaxEnt生态位模型预测出的冲突高风险区域主要分布于江西省北部、中东部、中西部,南部地区则分布较少,这与江西省农林生产区域分布格局是高度一致的。因为江西省北部是重要的商品粮生产基地,中东部以粮食、果园为主,也是重要林区之一,中西部地区林业资源特别是竹林资源十分丰富,但南部则以矿产资源而闻名。这也表明应用MaxEnt软件进行预测人与野猪冲突风险分布时可以获得较为准确的预测结果。
4.2 影响人与野猪冲突风险分布的因子与森林的距离是影响人与野猪冲突最重要的景观类型因子。由于食物来源是影响人与野猪冲突分布的重要因素[42],根据调查,破坏竹笋是人与野猪冲突主要表现形式之一。江西省竹林资源丰富[43],因此森林最直接影响着野猪出现频率。另外,也可能是由于边缘效应[44]的影响,因为森林-农田边缘区域的生物多样性相对较高,更易吸引哺乳类动物到此取食[45],而刘鹤等[46]对野猪的隐蔽距离研究也发现距林缘30 m以内影响显著。农田是重要的影响因子,这主要是由于农田的食物丰富度高,是野猪重要的取食地。每年的8—9月是人与野猪冲突的高峰期,且主要是破坏刚成熟的水稻(Oryza sativa Linn.)、玉米(Zea mays L.)、红薯[Ipomoea batatas (L.) Poir.]、花生(Arachis hypogaea L.)、大豆(Glycine max)等粮食作物,这些作物是野猪重要的食物资源[47]。林农种植、采摘等林下作业及经营活动主要集中于交通便利的道路旁,因此,与主要公路的距离对模型具有一定的贡献率。此外,由于当地山区的村庄多数小而分散,在ArcGIS10.2中不能被有效识别提取,这可能是距村庄距离对人与野猪冲突分布影响不显著的原因。
4.3 管理建议 4.3.1 建立主动预防措施根据MaxEnt生态位模型预测的人与野猪冲突的风险分布,相关部门可采取主动预防措施,比如鼓励在高风险区域内的社区居民回避或调整作物结构,尽量不要在人与野猪冲突高风险区域内开展生产活动,避免在野猪经常活动的区域内种植其喜食的农作物。此外,该研究结果可为制定科学合理的狩猎量和狩猎期提供参考依据。对于野猪数量多、危害严重的地区,可组织专业狩猎队在确保野猪种群稳定的前提下予以适度捕杀。
4.3.2 制定合理的致害补偿机制及实行差别保险政策2017年1月开始实施的新《中华人民共和国野生动物保护法》中,第十九条提到“因保护本法规定保护的野生动物(包括有重要生态、科学、社会价值的陆生野生动物),造成人员伤亡、农作物或者其他财产损失的,由当地人民政府给予补偿。有关地方人民政府可以推动保险机构开展野生动物致害赔偿保险业务”。保险与风险是相互联系的,风险的大小是决定保险费率高低的最基本因素[48]。本研究建议在准确把握人与野猪冲突空间格局特征和风险的基础上,探索制定合理的野生动物致害补偿政策以及野生动物致害保险政策[49],实行高风险高投保的差别费率政策,进行区域性野生动物致害保险产品的开发与设计,尽量减少可能造成的损失。
4.3.3 建立野生动物肇事专项数据库鉴于MaxEnt生态位模型在预测江西省人与野猪冲突风险分布方面能获得较为准确的预测结果,建议将此方法广泛运用于人与其它野生动物冲突事件管理中,例如人象冲突、人熊冲突等。该方法难点主要在于数据的获取,其准确性、及时性与模型的准确度紧密相关。因此,相关部门需加强对公众的宣传教育,建立公众参与机制,扩充数据来源渠道,逐步建成野生动物肇事专项数据库。基于这个平台,可以在更大研究尺度和时间维度上对人与野生动物冲突空间分布进行研究,从而在制定有效防控方案、减少居民财产损失及完善决策等方面发挥积极作用。
5 结论江西省人与野猪冲突具有显著的区域性特征,以生活在农林业主产区域的林缘、县界(多处于深山中)社区居民所面临的野猪致害风险压力较大,距森林和农田的距离是影响人与野猪冲突分布的最主要因子。MaxEnt生态位模型适用于预测人与野猪冲突的潜在风险分布,从事前防范的角度,为缓解人与野生动物冲突提供一种新思路。此外,本研究方法为评估人与其它野生动物冲突风险提供借鉴。
[1] | 蔡静, 蒋志刚. 人与大型兽类的冲突:野生动物保护所面临的新挑战[J]. 兽类学报, 2006, 26(2): 183–190. |
[2] | 刘欣. 基于亚洲象保护的我国野生动物损害补偿机制研究[D]. 哈尔滨: 东北林业大学, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10225-1012442929.htm |
[3] | PEGU R, TAMULI A K, TERON R. Assessment of human-wildlife conflicts in Poba Reserved Forest, Dhemaji District, Assam (INDIA)[J]. Ambient Science, 2014, 1(2): 36–46. DOI:10.21276/ambi |
[4] | REDPATH S M, BHATIA S, YOUNG J. Tilting at wildlife:reconsidering human-wildlife conflict[J]. Oryx, 2014, 49(2): 222–225. |
[5] | DANKS Z D, PORTER W F. Temporal, spatial, and landscape habitat characteristics of moose-vehicle collisions in Western Maine[J]. Journal of Wildlife Management, 2010, 74(6): 1229–1241. |
[6] | HERRERO J, GARCÍA-SERRANO A, COUTO S, et al. Diet of wild boar Sus scrofa L. and crop damage in an intensive agroecosystem[J]. European Journal of Wildlife Research, 2006, 52(4): 245–250. DOI:10.1007/s10344-006-0045-3 |
[7] | CHAUHAN N P S, BARWAL K S, KUMAR D. Human-wild pig conflict in selected states in India and mitigation strategies[J]. Acta Silvatica & Lignaria Hungarica, 2009, 5: 189–197. |
[8] | 田瑜, 邬建国, 寇晓军, 等. 东北虎种群的时空动态及其原因分析[J]. 生物多样性, 2009, 17(3): 211–225. |
[9] | 周鸿升, 唐景全, 郭保香, 等. 重点保护野生动物肇事特点及解决途径[J]. 北京林业大学学报(社会科学版), 2010, 9(2): 37–41. |
[10] | 廖涛. 西双版纳人象冲突及其防治措施探讨[J]. 绿色科技, 2013(10): 18–20. DOI:10.3969/j.issn.1674-9944.2013.10.008 |
[11] | 谌利民, 熊跃武, 马曲波, 等. 四川唐家河自然保护区周边林缘社区野生动物冲突与管理对策研究[J]. 四川动物, 2006, 25(4): 781–783. |
[12] | TREVES A, KARANTH K U. Human-carnivore conflict and perspectives on carnivore management worldwide[J]. Conservation Biology, 2003, 17(6): 1491–1499. DOI:10.1111/cbi.2003.17.issue-6 |
[13] | SCHLEY L, DUFRÊNE M, KRIER A, et al. Patterns of crop damage by wild boar (Sus scrofa) in Luxembourg over a 10-year period[J]. European Journal of Wildlife Research, 2008, 54(4): 589–599. DOI:10.1007/s10344-008-0183-x |
[14] | 沈洁滢, 崔国发. 国内外野生动物肇事现状及其防控措施[J]. 世界林业研究, 2015, 28(1): 43–49. |
[15] | 高国聪. 商业保险参与政府公共管理的实证研究: 以云南省涉农保险为例[D]. 昆明: 云南大学, 2014. http://cdmd.cnki.com.cn/Article/CDMD-10225-1012442929.htm |
[16] | SITATI N W, WALPOLE M J, SMITH R J, et al. Predicting spatial aspects of human-elephant conflict[J]. Journal of Applied Ecology, 2003, 40(4): 667–677. DOI:10.1046/j.1365-2664.2003.00828.x |
[17] | MERKLE J A, KRAUSMAN P R, DECESARE N J, et al. Predicting spatial distribution of Human-Black bear interactions in Urban Areas[J]. Journal of Wildlife Management, 2011, 75(5): 1121–1127. DOI:10.1002/jwmg.153 |
[18] | WECKEL M E, MACK D, NAGY C, et al. Using citizen science to map human-coyote interaction in Suburban New York, USA[J]. Journal of Wildlife Management, 2010, 74(5): 1163–1171. DOI:10.2193/2008-512 |
[19] | 王应祥. 中国哺乳动物种和亚种分类名录与分布大全[M]. 北京: 中国林业出版社, 2003. |
[20] | 张丹. 黑龙江青云林场和吉林珲春野猪危害调查及防治研究[D]. 哈尔滨: 东北林业大学, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10225-1012442929.htm |
[21] | 王小明, 应韶荃, 陈春泉. 江西井冈山野猪冬季卧息地选择的初步研究[J]. 生态学杂志, 1999, 18(4): 73–75. |
[22] | 张敏. 野猪和华南兔繁殖太快, 江西开始限量捕杀[N]. 新华每日电讯, 2006-08-05(1). |
[23] | PHILLIPS S J, ANDERSON R P, SCHAPIRE R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling, 2006, 190(3/4): 231–259. |
[24] | PEARSON R G, RAXWORTHY C J, NAKAMURA M, et al. Original article:predicting species distributions from small numbers of occurrence records:a test case using cryptic geckos in Madagascar[J]. Journal of Biogeography, 2007, 34(1): 102–117. |
[25] | 陈新美, 雷渊才, 张雄清, 等. 样本量对MaxEnt模型预测物种分布精度和稳定性的影响[J]. 林业科学, 2012, 48(1): 53–59. DOI:10.11707/j.1001-7488.20120110 |
[26] | ELITH J, H GRAHAM C H, P ANDERSON R P, et al. Novel methods improve prediction of species' distributions from occurrence data[J]. Ecography, 2006, 29(2): 129–151. DOI:10.1111/j.2006.0906-7590.04596.x |
[27] | GOGOL-PROKURAT M. Predicting habitat suitability for rare plants at local spatial scales using a species distribution model[J]. Ecological Applications, 2011, 21(1): 33–47. DOI:10.1890/09-1190.1 |
[28] | 许仲林, 彭焕华, 彭守璋. 物种分布模型的发展及评价方法[J]. 生态学报, 2015, 35(2): 557–567. |
[29] | KUMAR S, STOHLGREN T J. Maxent modeling for predicting suitable habitat for threatened and endangered tree Canacomyrica monticola in New Caledonia[J]. Journal of Ecology and the Natural Environment, 2009, 1(4): 94–98. |
[30] | 齐增湘, 徐卫华, 熊兴耀, 等. 基于MAXENT模型的秦岭山系黑熊潜在生境评价[J]. 生物多样性, 2011, 19(3): 343–352. |
[31] | VOGLER R E, BELTRAMINO A A, SEDE M M, et al. The Giant African Snail, Achatina fulica (Gastropoda:Achatinidae):using bioclimatic models to identify South American areas susceptible to invasion[J]. American Malacological Bulletin, 2013, 31(1): 39–50. DOI:10.4003/006.031.0115 |
[32] | EVANGELISTA P H, KUMAR S, STOHLGREN T J, et al. Assessing forest vulnerability and the potential distribution of pine beetles under current and future climate scenarios in the Interior West of the US[J]. Forest Ecology and Management, 2011, 262(3): 307–316. DOI:10.1016/j.foreco.2011.03.036 |
[33] | 王运生, 谢丙炎, 万方浩, 等. ROC曲线分析在评价入侵物种分布模型中的应用[J]. 生物多样性, 2007, 15(4): 365–372. |
[34] | RENARD Q, PÉLISSIER R, RAMESH B R, et al. Environmental susceptibility model for predicting forest fire occurrence in the Western Ghats of India[J]. International Journal of Wildland Fire, 2012, 21(4): 368–379. DOI:10.1071/WF10109 |
[35] | 石菊松, 石玲, 吴树仁. 利用GIS技术开展滑坡制图的技术方法与流程[J]. 地质通报, 2008, 27(11): 1810–1821. DOI:10.3969/j.issn.1671-2552.2008.11.008 |
[36] | 李汀一, 张明海, 韩俊武, 等. 黑龙江张广才岭西麓野猪种群数量与危害调查及管理对策[J]. 野生动物, 2010, 31(2): 99–103. |
[37] | TILMAN D, CLARK M, WILLIAMS D R, et al. Future threats to biodiversity and pathways to their prevention[J]. Nature, 2017, 546(7656): 73–81. DOI:10.1038/nature22900 |
[38] | 吴文, 李月辉, 胡远满, 等. 小兴安岭南麓马鹿冬季适宜生境评价[J]. 生物多样性, 2016, 24(1): 20–29. DOI:10.17520/biods.2015177 |
[39] | LU N, JING Y, LLOYD H, et al. Assessing the distributions and potential risks from climate change for the Sichuan Jay (Perisoreus internigrans)[J]. The Condor, 2012, 114(2): 365–376. DOI:10.1525/cond.2012.110030 |
[40] | CHEN P F, WILEY E O, MCNYSET K M. Ecological niche modeling as a predictive tool:silver and bighead carps in North America[J]. Biological Invasions, 2007, 9(1): 43–51. |
[41] | 罗翀, 徐卫华, 周志翔, 等. 基于生态位模型的秦岭山系林麝生境预测[J]. 生态学报, 2011, 31(5): 1221–1229. |
[42] | 李兰兰, 王静, 石建斌. 人与野猪冲突:现状、影响因素及管理建议[J]. 四川动物, 2010, 29(4): 642–645, 648. |
[43] | 卢平英, 谢传金. 江西省森林资源现状分析和提高质量对策[J]. 福建林业科技, 2008, 35(3): 259–262. |
[44] | 王如松, 马世骏. 边缘效应及其在经济生态学中的应用[J]. 生态学杂志, 1985(2): 38–42. |
[45] | BIDER J R. Animal activity in uncontrolled terrestrial communities as determined by a sand transect technique[J]. Ecological Monographs, 1968, 38(4): 269–308. DOI:10.2307/1948530 |
[46] | 刘鹤, 李乐, 马强, 等. 野猪研究进展[J]. 四川动物, 2011, 30(2): 310–314. |
[47] | ANDRZEJEWSKI R, JEZIERSKI W. Management of a wild boar population and its effects on commercial land[J]. Acta Theriologica, 1978, 23(19): 309–339. |
[48] | 王华丽. 我国森林火灾保险的风险评估与区划[J]. 保险研究, 2011(11): 98–105. |
[49] | 苏立娟, 何友均, 陈绍志. 1950-2010年中国森林火灾时空特征及风险分析[J]. 林业科学, 2015, 51(1): 88–96. |