利用机器学习和公民科学绘制城市水鸟栖息地图：在比利时布鲁塞尔进行的多尺度分析

《Journal of Environmental Management》：Mapping urban waterbird habitats using machine learning and citizen science: A multi-scale analysis in Brussels, Belgium

本研究整合eBird公民科学数据与多分辨率遥感变量，运用XgBoost、随机森林等机器学习模型分析布鲁塞尔城市区域水鸟栖息地空间分布。结果表明，土地覆盖、不透水密度地图及生物气候因子（如降水季节性、湿度）显著影响栖息地适宜性，10米分辨率结合XgBoost和随机森林模型预测精度最高。研究为城市生物多样性管理提供直接指导，强调需保护关键栖息地、增强连通性并缓解人为环境压力。

　　本研究旨在探讨布鲁塞尔地区水鸟栖息地的空间分布情况，并通过整合公民科学数据和遥感变量，揭示影响水鸟栖息地适宜性的关键环境因素。布鲁塞尔作为欧洲的首都，其高度城市化的特征使得自然栖息地的丧失和生物多样性下降成为该地区面临的重要问题。水鸟作为依赖湿地进行繁殖、觅食和迁徙的物种，其生存状况在城市化进程中受到显著影响。因此，识别这些物种在城市景观中的关键分布因素，对于制定有效的保护措施至关重要。

研究团队采用了多种机器学习方法，包括XgBoost、Random Forest、Extra Trees、LightGBM和CatBoost，以评估不同空间尺度（5米、10米、30米、50米和100米分辨率）下环境因素对水鸟栖息地的影响。通过将高分辨率的遥感数据与公民科学平台eBird的数据相结合，研究能够更精确地预测水鸟栖息地的适宜性分布，并为城市生物多样性管理提供科学依据。同时，研究发现，城市不透水面密度图（IDM）的引入显著提升了预测的准确性，特别是在高度城市化的区域，有助于减少高估现象，从而更真实地反映水鸟栖息地的实际情况。

研究还强调了生物气候因素和人类活动在塑造水鸟栖息地中的重要作用。例如，生物气候因子如降水季节性（Bio 14）、最湿润季度的降水量（Bio 17）和最温暖季度的降水量（Bio 18）对水鸟的分布具有显著影响。此外，人类活动中的噪声压力（NP）也对水鸟的栖息环境产生重要影响。这些发现不仅为布鲁塞尔地区的水鸟保护提供了方向，也突显了在城市化进程中制定针对性保护策略的必要性，以保护关键栖息地、增强栖息地连通性并缓解人为环境压力，从而确保水鸟栖息地的长期可持续性。

在研究方法上，传统的生物多样性监测依赖于实地调查，这种方法虽然有效，但往往耗时且成本高昂。随着公民科学和遥感技术的发展，这些方法在生物多样性监测和生态影响评估中发挥了重要作用。公民科学平台如eBird，通过公众参与，实现了大规模、低成本的数据收集，这些数据在城市区域尤为珍贵，因为城市生物多样性通常研究较少。而高分辨率遥感技术则能够提供详细的环境信息，包括土地覆盖类型、植被指数和城市化程度等。将这些数据与机器学习方法结合，可以为城市景观中的物种分布建模提供有力支持，从而更好地理解水鸟与城市环境之间的相互作用。

本研究在布鲁塞尔地区的应用，揭示了城市化对水鸟栖息地分布的深远影响。通过将多种机器学习算法应用于不同空间尺度的数据，研究团队能够更全面地评估环境因素对水鸟栖息地的影响。结果表明，10米分辨率的数据结合XgBoost和Random Forest模型表现出较强的预测能力，这使得这些模型成为城市或大规模区域水鸟栖息地空间建模的有力工具。此外，IDM的引入不仅提升了模型的准确性，还为减少城市化区域的高估现象提供了支持。

在实际应用中，研究团队通过分析布鲁塞尔地区的水鸟统计数据，发现该地区共有30种水鸟，观察点超过700个，这些数据来源于eBird数据库（2005–2023）。这些水鸟被分为两类：水禽和涉禽。水禽主要栖息于水体环境中，包括21种如灰雁、黑天鹅、绿头鸭、白腰文鸟、埃及雁、绿头鸭、欧亚绿头鸭、绿头鸭、大天鹅、小天鹅、绿头鸭、鸳鸯、哑天鹅、北方等。这些物种的分布情况反映了布鲁塞尔地区的生态环境特征，同时也揭示了城市化对水鸟栖息地的潜在威胁。

研究还强调了在城市生物多样性管理中，将水鸟的物种分布建模（SDM）纳入规划的重要性。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为城市规划者和生物多样性保护者提供了实用工具。这些工具能够帮助他们在城市化进程中更好地理解和管理水鸟栖息地，从而减少对生态系统的破坏，提升生物多样性保护的效率。

此外，研究团队还探讨了不同空间尺度对模型预测能力的影响。通过分析不同分辨率的数据，他们发现，随着空间尺度的增加，模型的预测能力有所变化。这表明，在城市生物多样性管理中，需要根据具体的研究目标和数据特征选择合适的空间尺度。同时，研究还指出，IDM的引入对于提升模型的准确性具有重要意义，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。

在方法论上，研究团队采用了多种机器学习算法，并结合多尺度的环境数据，以探索城市化对水鸟栖息地的潜在影响。这些算法在处理复杂生态数据和捕捉非线性物种-环境关系方面表现出色，为水鸟栖息地建模提供了灵活的解决方案。同时，研究还比较了不同算法在预测能力上的差异，发现XgBoost、Random Forest和CatBoost等模型在处理不同空间尺度的数据时具有较高的准确性，能够为城市生物多样性管理提供可靠的支持。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

在实际应用中，研究团队通过分析布鲁塞尔地区的水鸟统计数据，发现该地区共有30种水鸟，观察点超过700个，这些数据来源于eBird数据库（2005–2023）。这些水鸟被分为两类：水禽和涉禽。水禽主要栖息于水体环境中，包括21种如灰雁、黑天鹅、绿头鸭、白腰文鸟、埃及雁、绿头鸭、欧亚绿头鸭、绿头鸭、大天鹅、小天鹅、绿头鸭、鸳鸯、哑天鹅、北方等。这些物种的分布情况反映了布鲁塞尔地区生态系统的特征，同时也揭示了城市化对水鸟栖息地的潜在威胁。

研究还强调了在城市生物多样性管理中，将水鸟的物种分布建模（SDM）纳入规划的重要性。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为城市规划者和生物多样性保护者提供了实用工具。这些工具能够帮助他们在城市化进程中更好地理解和管理水鸟栖息地，从而减少对生态系统的破坏，提升生物多样性保护的效率。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

在数据处理方面，研究团队采用了多种方法，以确保数据的准确性和完整性。通过整合公民科学数据和遥感变量，他们能够更全面地了解水鸟的分布情况。同时，他们还对不同空间尺度的数据进行了分析，以评估其对模型预测能力的影响。这些分析表明，不同空间尺度的数据在模型预测中具有不同的表现，这为未来的研究提供了方向。

研究还指出，IDM的引入对于提升模型的准确性具有重要意义，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素如降水季节性、最湿润季度的降水量和最温暖季度的降水量在模型预测中也发挥了重要作用。这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

在模型选择方面，研究团队采用了多种机器学习算法，并结合不同空间尺度的数据，以评估其对水鸟栖息地的影响。这些算法在处理复杂生态数据和捕捉非线性物种-环境关系方面表现出色，为水鸟栖息地建模提供了灵活的解决方案。同时，研究还比较了不同算法在预测能力上的差异，发现XgBoost、Random Forest和CatBoost等模型在处理不同空间尺度的数据时具有较高的准确性，能够为城市生物多样性管理提供可靠的支持。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

在实际应用中，研究团队通过分析布鲁塞尔地区的水鸟统计数据，发现该地区共有30种水鸟，观察点超过700个，这些数据来源于eBird数据库（2005–2023）。这些水鸟被分为两类：水禽和涉禽。水禽主要栖息于水体环境中，包括21种如灰雁、黑天鹅、绿头鸭、白腰文鸟、埃及雁、绿头鸭、欧亚绿头鸭、绿头鸭、大天鹅、小天鹅、绿头鸭、鸳鸯、哑天鹅、北方等。这些物种的分布情况反映了布鲁塞尔地区生态系统的特征，同时也揭示了城市化对水鸟栖息地的潜在威胁。

研究还强调了在城市生物多样性管理中，将水鸟的物种分布建模（SDM）纳入规划的重要性。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为城市规划者和生物多样性保护者提供了实用工具。这些工具能够帮助他们在城市化进程中更好地理解和管理水鸟栖息地，从而减少对生态系统的破坏，提升生物多样性保护的效率。

此外，研究团队还探讨了不同空间尺度对模型预测能力的影响。通过分析不同分辨率的数据，他们发现，随着空间尺度的增加，模型的预测能力有所变化。这表明，在城市生物多样性管理中，需要根据具体的研究目标和数据特征选择合适的空间尺度。同时，研究还指出，IDM的引入对于提升模型的准确性具有重要意义，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

在数据处理方面，研究团队采用了多种方法，以确保数据的准确性和完整性。通过整合公民科学数据和遥感变量，他们能够更全面地了解水鸟的分布情况。同时，他们还对不同空间尺度的数据进行了分析，以评估其对模型预测能力的影响。这些分析表明，不同空间尺度的数据在模型预测中具有不同的表现，这为未来的研究提供了方向。

研究还指出，IDM的引入对于提升模型的准确性具有重要意义，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素如降水季节性、最湿润季度的降水量和最温暖季度的降水量在模型预测中也发挥了重要作用。这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

在模型选择方面，研究团队采用了多种机器学习算法，并结合不同空间尺度的数据，以评估其对水鸟栖息地的影响。这些算法在处理复杂生态数据和捕捉非线性物种-环境关系方面表现出色，为水鸟栖息地建模提供了灵活的解决方案。同时，研究还比较了不同算法在预测能力上的差异，发现XgBoost、Random Forest和CatBoost等模型在处理不同空间尺度的数据时具有较高的准确性，能够为城市生物多样性管理提供可靠的支持。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

在实际应用中，研究团队通过分析布鲁塞尔地区的水鸟统计数据，发现该地区共有30种水鸟，观察点超过700个，这些数据来源于eBird数据库（2005–2023）。这些水鸟被分为两类：水禽和涉禽。水禽主要栖息于水体环境中，包括21种如灰雁、黑天鹅、绿头鸭、白腰文鸟、埃及雁、绿头鸭、欧亚绿头鸭、绿头鸭、大天鹅、小天鹅、绿头鸭、鸳鸯、哑天鹅、北方等。这些物种的分布情况反映了布鲁塞尔地区生态系统的特征，同时也揭示了城市化对水鸟栖息地的潜在威胁。

研究还强调了在城市生物多样性管理中，将水鸟的物种分布建模（SDM）纳入规划的重要性。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为城市规划者和生物多样性保护者提供了实用工具。这些工具能够帮助他们在城市化进程中更好地理解和管理水鸟栖息地，从而减少对生态系统的破坏，提升生物多样性保护的效率。

此外，研究团队还探讨了不同空间尺度对模型预测能力的影响。通过分析不同分辨率的数据，他们发现，随着空间尺度的增加，模型的预测能力有所变化。这表明，在城市生物多样性管理中，需要根据具体的研究目标和数据特征选择合适的空间尺度。同时，研究还指出，IDM的引入对于提升模型的准确性具有重要意义，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

在数据处理方面，研究团队采用了多种方法，以确保数据的准确性和完整性。通过整合公民科学数据和遥感变量，他们能够更全面地了解水鸟的分布情况。同时，他们还对不同空间尺度的数据进行了分析，以评估其对模型预测能力的影响。这些分析表明，不同空间尺度的数据在模型预测中具有不同的表现，这为未来的研究提供了方向。

研究还指出，IDM的引入对于提升模型的准确性具有重要意义，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素如降水季节性、最湿润季度的降水量和最温暖季度的降水量在模型预测中也发挥了重要作用。这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

在模型选择方面，研究团队采用了多种机器学习算法，并结合不同空间尺度的数据，以评估其对水鸟栖息地的影响。这些算法在处理复杂生态数据和捕捉非线性物种-环境关系方面表现出色，为水鸟栖息地建模提供了灵活的解决方案。同时，研究还比较了不同算法在预测能力上的差异，发现XgBoost、Random Forest和CatBoost等模型在处理不同空间尺度的数据时具有较高的准确性，能够为城市生物多样性管理提供可靠的支持。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

研究团队在布鲁塞尔地区的应用表明，将公民科学数据与遥感变量结合，能够为城市生物多样性管理提供科学依据。通过采用多种机器学习方法，他们能够更全面地评估不同空间尺度下环境因素对水鸟栖息地的影响。同时，IDM的引入显著提升了模型的准确性，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素和人类活动在模型预测中也发挥了重要作用，这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

研究团队在布鲁塞尔地区的应用表明，将公民科学数据与遥感变量结合，能够为城市生物多样性管理提供科学依据。通过采用多种机器学习方法，他们能够更全面地评估不同空间尺度下环境因素对水鸟栖息地的影响。同时，IDM的引入显著提升了模型的准确性，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素和人类活动在模型预测中也发挥了重要作用，这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

研究团队在布鲁塞尔地区的应用表明，将公民科学数据与遥感变量结合，能够为城市生物多样性管理提供科学依据。通过采用多种机器学习方法，他们能够更全面地评估不同空间尺度下环境因素对水鸟栖息地的影响。同时，IDM的引入显著提升了模型的准确性，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素和人类活动在模型预测中也发挥了重要作用，这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。

研究团队在布鲁塞尔地区的应用表明，将公民科学数据与遥感变量结合，能够为城市生物多样性管理提供科学依据。通过采用多种机器学习方法，他们能够更全面地评估不同空间尺度下环境因素对水鸟栖息地的影响。同时，IDM的引入显著提升了模型的准确性，特别是在高度城市化的区域，能够有效减少高估现象，从而更真实地反映水鸟栖息地的实际情况。此外，生物气候因素和人类活动在模型预测中也发挥了重要作用，这些因素与水鸟的分布密切相关，为城市生物多样性管理提供了重要的参考。

研究结果表明，水鸟栖息地的适宜性主要受到土地覆盖类型、城市不透水面密度以及生物气候因素的影响。此外，人类活动如噪声压力也对水鸟的分布产生显著影响。这些发现为城市规划者和生物多样性保护者提供了重要的参考，帮助他们在城市化进程中制定更加科学和有效的保护策略。通过识别关键变量、预测栖息地适宜性分布、可视化分布模式以及提供科学建议，研究团队为水鸟栖息地的空间建模提供了全面的支持。