２０２２年１２月ＪｏｕｒｎａｌｏｆＧｒｅｅｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ第２４卷第２４期收稿日期：２０２２－１１－０５基金项目：大熊猫国际合作项目（编号：林护发［２０１７］１１５号）作者简介：丁海华（１９６４－），男，高级工程师，主要从事大熊猫及其栖息地保护和管理研究。通讯作者：何祥博（１９７７－），男，正高级工程师，主要从事大熊猫主食竹复壮更新和栖息地保护管理研究。基于最大熵机器学习模型的大熊猫栖息地适宜性研究丁海华１，高洁２，何祥博１，汪铁军３，周刚１，李涛１（１．陕西佛坪国家级自然保护区管理局，陕西佛坪７２３４００；２．陕西汉中朱鹮国家级自然保护区管理局，陕西汉中７２３３００；３．荷兰特温特大学地理信息科学与对地观测学院，恩斯赫德７５１４ＡＥ）摘要：采用最大熵机器学习模型（ＭａｘＥｎｔ），结合随机森林模型（ＲａｎｄｏｍＦｏｒｅｓｔ）生成的高精度竹林分布和盖度以及居民点距离、坡度等８个环境因子对佛坪保护区进行了大熊猫栖息地适宜性评价。结果表明：①采用ＡＵＣ，ＴＳＳ，ｍａｘＫａｐｐａ和Ｂｏｙｃｅｉｎｄｅｘ４个预测精度评价指标，其平均精度分别为０．８５２、０．５４５、０．６５９和０．９９７，达到了良好的水平。②结果显示佛坪保护区共有大熊猫适宜栖息地面积约１４８４０ｈｍ２，占保护区总面积５１％，次适宜栖息地面积约１０８８３ｈｍ２，占保护区总面积的３７％，不适宜栖息地面积３５１７ｈｍ２，占保护区总面积的１２％。③贡献率前４位的环境变量依次为距居民点距离、竹林盖度、距道路距离和坡度，其累计贡献率占所有环境因子总贡献率的９４．４４％。大熊猫栖息地适宜性评价可为大熊猫保护区科学化、精细化、规范化管理提供重要的科学依据。关键词：最大熵机器学习模型；大熊猫；栖息地；适宜性中图分类号：Ｑ９５８文献标识码：Ａ文章编号：１６７４－９９４４（２０２２）２４－００６９－０５ＡｓｓｅｓｓｉｎｇＧｉａｎｔＰａｎｄａＨａｂｉｔａｔＳｕｉｔａｂｉｌｉｔｙｂｙＭａｘＥｎｔＭｏｄｅｌＤｉｎｇＨａｉｈｕａ１，ＧａｏＪｉｅ２，ＨｅＸｉａｎｇｂｏ１，ＷａｎｇＴｉｅｊｕｎ３，ＺｈｏｕＧａｎｇ１，ＬｉＴａｏ１（１．ＳｈａａｎｘｉＦｏｐｉｎｇＮａｔｉｏｎａｌＮａｔｕｒｅＲｅｓｅｒｖｅ，Ｆｏｐｉｎｇ，Ｓｈａａｎｘｉ７２３４００，Ｃｈｉｎａ；２．ＳｈａａｎｘｉＨａｎｚｈｏｎｇＣｒｅｓｔｅｄＩｂｉｓＮａ...
