SlideShare una empresa de Scribd logo
1 de 69
Descargar para leer sin conexión
行政院農業委員會特有生物研究保育中心助理研究員林大利 
野生動物喜歡住哪裡?探討 
野生動物與棲地關係 
臺灣資料科學愛好者年會2014 
DataScienceinTaiwanConference2014
買房子要考慮那些因素?
棲地就是指野生動物可以…
野生動物與棲地關係看起來是這樣
但實際上卻是這樣…
野生動物與棲地關係 
Wildlife-HabitatRelationships 
哪裡的動物多? 
哪裡的動物少? 
為何而多?為何而少? 
如何變多?如何變少? 
動物喜歡去哪裡? 
動物討厭去哪裡? 
野 
生 
動 
物 
棲地 
?
我們從小尺度談到大尺度
破碎地景中鳥類群聚組成及棲地偏好 
Avian CommunityCommunity and Habitat Preference in Fragmentation Landscape 
在破碎的棲地之中,哪裡的鳥類種數最多呢?為什麼? 
每一種鳥偏好的棲地都一樣嗎?哪些是重要的因素呢? 
林大利。2010。國立台灣大學森林環境暨資源學系碩士論文。
棲地破碎化已經成為 
生物多樣性流失的重要原因之一
Lenore Fahrig 
棲地破碎化對不同生物的影響並不一致 
因此,分別從群聚和物種的角度 
探討棲地破碎化對野生動物的影響 
reviewed by Fahrig, 2003
國立臺灣大學農學院附設山地實驗農場(梅峰農場) 
海拔2100公尺、50公頃 
286個區塊 
面積 
周長 
棲地類型 
鄰近棲地 
連接長度 
建築物 
田地 
天然林 
果園 
人工林 
道路 
水體
區塊面積 
棲地類型 
植物種類 
冠層 
次冠層 
灌叢 
地被層 
Cody 1985, Block & Brennan 1993, Morrison et al.2006 
植 群 結 構
以領域描圖法記錄鳥類資料 
66 種鳥 
11,740個紀錄點 
每個區塊的鳥種數 
每個區塊的面積 
建立各棲地類型 
物種-面積關係
領域描圖法的執行原則 
1.只紀錄30公尺內的鳥類個體 
2.路徑系統發達,道路與任何棲地位置距 離很少超過30公尺 
3.調查者瞭解需注意避免對確定相同的個 體做重複記錄 
Researcher 
Individuals
鳥 種 數 
區塊結構 
植 群 結 構 
植 物 組 成 
各 鳥 種 偏 好 
最後的資料矩陣
建築耕地水體 
天然林人工林果園 
植群結構單純的棲地 
植群結構複雜的棲地 
+與天然林共同邊界長度 
+與人工林共同邊界長度 
+區塊面積 
+冠層植物枝葉量 
+ 次冠層植物科數 
+總植物科數 
重要的是 
鄰居是誰 
重要的是 
自我內涵 
先來看看不同棲地類型的分析結果
天然林 
區塊面積(m2) 
鳥種數 
人工林 
耕地 
果園 
建築 
水體 
天然林和人工林的鳥種數顯著高出其他種棲地 
但是,兩者之間並沒有顯著的差別
天然林 
區塊面積(m2) 
冠 層 植 物 科 數 
人工林 
天然林和人工林兩者之間的 
冠層植物組成有顯著的差別
天然林 
區塊面積(m2) 
次 冠 層 植 物 科 數 
人工林 
但是,天然林和人工林兩者之間的 
次冠層植物組成沒有顯著的差異
天然林 
次冠層植物科數 
鳥 種 數 
人工林 
以鳥種數和次冠層植物科數做簡單的相關 
天然林和人工林兩者之間沒有顯著的差異
次冠層 
植物科數 
區塊 
面積 
鳥種數 
冠層 
植物科數 
透過徑路分析,面積大小仍然是影響鳥種數的重要因子 
相較之下,次冠層的植物種類多寡,比冠層重要的多
每一種野生動物,都有偏好的棲地 
90%的紀錄點,落在天然林與人工林中
0 
1 
10 
15 
13 
1 
0 
1 
10 
15 
13 
1 
0 
2 
5 
5 
7 
0 
Dependent variable (y) 
Independent variables (x) 
Presence 
Patch 
Area 
Foliage 
Richness 
Forest 
1 
1 
10 
15 
13 
1 
1 
2 
5 
5 
7 
0 
1 
2 
5 
5 
7 
0 
1.每個區塊中,虛擬點的數量與區塊面積成正相關 
2. 虛擬點的總數與該鳥種的實際點總數相等 
實際點(1) 
1 
2 
1 
2 
虛擬點(0) 
如何產出0與1的二元資料?
次冠層的枝葉量是許多鳥種選擇棲地的首選因子 
冠層 
次冠層 
枝葉量 
植物科數 
灌叢
受管理之人工林 
未管理之人工林
小面積 
大面積 
植群單調 
植群複雜 
增加植群結構的複雜度 
維持生物多樣性的理想狀態 
但並非所有的生物都偏好 
增加植群結構的複雜度 
位置坐落在 
植群複雜的棲地附近 
拆散成數個小面積的區塊 
多樣化的地景元素相互交錯 
形成鑲嵌式的地景結構 
位置坐落在 
植群單調的棲地附近
接著,如果我們希望瞭解臺灣? 
鄉民科學 
DatafromCitizenScience 
我們需要鄉民的力量
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
data 
資料分析 
撰寫報告
登高一呼型 
自動投靠型
0 5 10 15 20 
Road Density 
0 
10 
20 
30 
40 
50 
60 
70 
80 
BSR 
0 10 20 30 40 50 60 70 80 
% of Built Area 
0 
10 
20 
30 
40 
50 
60 
70 
80 
BSR
生物照片 
比例尺 
時間 
資料提供者 
地點或座標 
工作人員鑑定
7% 
資料截至2014.7.3;10,090筆紀錄
資料截至2014.7.3;10,090筆紀錄 
爬行類 
鳥類 
哺乳類 
受脅最嚴重的物種
不同物種的致命高峰時間
路殺的空間熱點 
保護區內 <10% 
農田與淺山的保育 迫在眉睫 
若無廣大鄉民支持 
無法快速獲得這些資訊
台灣的高山地區 
已經有由各保護區所組成的 
「中央山脈保育廊道」 
研究成果顯示 
長久低估淺山的生物多樣性 
也低估了淺山面臨的威脅 
涵蓋淺山的保護區非常少 
我們現在迫切需要設計 
「淺山保育環」
東亞-澳洲線的鳥類遷徙比例 
為什麼許多鳥要不辭辛勞的長途遷徙? 
Kou,Y.,D.-L.Lin,F.-M.Chuang,P.-F.Lee,andT.-S.Ding.2013.BirdSpeciesMigrationRatioinEastAsia,Australia,andSurroundingIslands.Naturwissenschaften,100(8)729-738.
因為 
在溫帶與寒帶 
夏天是天堂 
冬天是荒漠 
鳥有翅膀 
他們可以在冬天 
一走了之
January 
February 
March 
April 
May 
June 
July 
August 
September 
October 
November 
December
但是 
何以為天堂? 
何以為荒漠? 
初級生產力 
氣溫 
雨量 
海拔梯度 
島嶼隔離
範圍 
70E 
180E 
100 km2以下小小島不畫
鳥類空間分布資料怎麼來? 
範圍內的繁殖鳥全部納入 
Ding et al.2006. Macro-scale bird species richness patterns of the East Asian mainland and islands: energy, area and isolation. Journal of Biogeography. 33(4): 683-693. 
3,545 種小鳥
植生指數 
氣溫 
雨量
轉換成網格系統 
96.3 km ╳ 96.3 km 
每個格子裡 
環境資料值相等 
共4,873 個格子
鳥類分布全部疊起來…
= 1 
= 0 
3,545 種小鳥 
2,000種出現 
1,545種沒出現 
1,500種會遷徙 
500種不遷徙 
遷徙比例= 
2,000 
1,500 
= 75%
繁殖鳥類豐富度 
度冬鳥類豐富度 
莊馥蔓。2010。東亞與澳洲鳥種豐富度與季節環境變化之相關性。台大森林所碩士論文
植生指數 
氣溫 
雨量 
遷徙比例
植生指數v.s.遷徙比例 
氣溫v.s. 遷徙比例 
r2p 
東亞0.83 <0.001 
島嶼0.80 <0.001 
澳洲0.09 <0.001 
r2p 
東亞0.23 <0.001 
島嶼0.56 <0.001 
澳洲0.03 <0.001
氣溫是鳥類遷徙的重要因子 
面對全球氣候變遷 
鳥類遷徙狀況是重要的指標
野生動物與棲地關係 
Wildlife-HabitatRelationships 
哪裡的動物多? 
哪裡的動物少? 
為何而多?為何而少? 
如何變多?如何變少? 
動物喜歡去哪裡? 
動物討厭去哪裡?
生物地理 
Biogeograpghy 
地理:現象在空間中的變化 
生物地理:生物在時間中的變化 
能不能到? 
能不能活?
SachaVignieri. 2014. Vanish Fauna. Science, 345(6195): 392-395. 
全球滅絕生物熱點
Yale Environment 360. 2014. Global Biodiversity Maps Show Species Health Down to Local Level 
全球生物多樣性熱點
馬來群島,鳥類總種數低, 
但狹佈種多、瀕危種多。 
所有鳥種 
狹佈鳥種 
瀕危鳥種 
何麗君。2005。東亞生物鳥類多樣性熱點的選擇與分析。台大森林所碩士論文
環境會影響生物 
生物會影響環境 
活不下去,就走 
走不了的,就死 
生物空間分布的變動 
就是 
生物與棲地關係的變動 
也是 
環境變動的指標
全球生物多樣性資訊機構 
Global Biodiversity Information Facility
台灣生物多樣性資訊機構 
TaiBIFBiodiversity Information Facility
ebird.org 
全球賞鳥紀錄資料庫
黑冠麻鷺從稀有種變成普遍種 臺灣是全世界最容易目擊的地方 
外國賞鳥團專程來台觀賞
Tehrani, J. J. 2013. 
The Phylogeny of Little Red Riding Hood. PLOSone
中國 
山魈 
臺灣 
魔神仔 
日本 
神隠し
探討鳥類的棲地偏好 
發現複雜的次冠層植群結構是重要的因子 
作為經營人工林的重要關鍵 
運用公民科學機制,快速蒐集資料 
發現路殺熱點、彰顯淺山保育的急迫性 
蒐羅文獻資料,繪製合理分布圖並數位化 
從NASA獲取大尺度環境資料 
發現氣溫是影響鳥類遷徙的重要因素 
面對氣候變遷,鳥類遷徙是重要的監測對象
把尺度放大,所有的生物分布只會是一個點
thrush1250@gmail.com 
感謝各位的聆聽 
歡迎各式各樣的問題

Más contenido relacionado

Destacado

Camshift的物件追蹤方法
Camshift的物件追蹤方法Camshift的物件追蹤方法
Camshift的物件追蹤方法
Noah Chou
 

Destacado (20)

健康資料分析與應用
健康資料分析與應用健康資料分析與應用
健康資料分析與應用
 
心理學x資料科學-黃從仁
心理學x資料科學-黃從仁心理學x資料科學-黃從仁
心理學x資料科學-黃從仁
 
孫民/從電腦視覺看人工智慧 : 下一件大事
孫民/從電腦視覺看人工智慧 : 下一件大事孫民/從電腦視覺看人工智慧 : 下一件大事
孫民/從電腦視覺看人工智慧 : 下一件大事
 
李育杰/The Growth of a Data Scientist
李育杰/The Growth of a Data Scientist李育杰/The Growth of a Data Scientist
李育杰/The Growth of a Data Scientist
 
許懷中/娛樂產業中的資料科學家 : 談資料科學於線上遊戲與職業運動之應用
許懷中/娛樂產業中的資料科學家 : 談資料科學於線上遊戲與職業運動之應用許懷中/娛樂產業中的資料科學家 : 談資料科學於線上遊戲與職業運動之應用
許懷中/娛樂產業中的資料科學家 : 談資料科學於線上遊戲與職業運動之應用
 
余致緯/用數據解決都會城市的停車問題
余致緯/用數據解決都會城市的停車問題余致緯/用數據解決都會城市的停車問題
余致緯/用數據解決都會城市的停車問題
 
Z > B 的資料科學
Z > B 的資料科學Z > B 的資料科學
Z > B 的資料科學
 
Big-data analytics: challenges and opportunities
Big-data analytics: challenges and opportunitiesBig-data analytics: challenges and opportunities
Big-data analytics: challenges and opportunities
 
[系列活動] Machine Learning 機器學習課程
[系列活動] Machine Learning 機器學習課程[系列活動] Machine Learning 機器學習課程
[系列活動] Machine Learning 機器學習課程
 
指尖追蹤與偵測擴增實境
指尖追蹤與偵測擴增實境指尖追蹤與偵測擴增實境
指尖追蹤與偵測擴增實境
 
Camshift的物件追蹤方法
Camshift的物件追蹤方法Camshift的物件追蹤方法
Camshift的物件追蹤方法
 
2015 台灣資料科學愛好者年會-開場
2015 台灣資料科學愛好者年會-開場2015 台灣資料科學愛好者年會-開場
2015 台灣資料科學愛好者年會-開場
 
2014 台灣資料科學愛好者年會-- 閉幕式
2014 台灣資料科學愛好者年會-- 閉幕式2014 台灣資料科學愛好者年會-- 閉幕式
2014 台灣資料科學愛好者年會-- 閉幕式
 
鄭世昐/未來城市的任意門 (Mobility on Demand for Future Cities)
鄭世昐/未來城市的任意門 (Mobility on Demand for Future Cities)鄭世昐/未來城市的任意門 (Mobility on Demand for Future Cities)
鄭世昐/未來城市的任意門 (Mobility on Demand for Future Cities)
 
從 2013 社群網絡活動看台灣社會發展趨勢
從 2013 社群網絡活動看台灣社會發展趨勢從 2013 社群網絡活動看台灣社會發展趨勢
從 2013 社群網絡活動看台灣社會發展趨勢
 
計算社會學-江彥生
計算社會學-江彥生計算社會學-江彥生
計算社會學-江彥生
 
讓數字說話:資料的公益責信應用
讓數字說話:資料的公益責信應用讓數字說話:資料的公益責信應用
讓數字說話:資料的公益責信應用
 
人口統計應用於選舉預測-蔡佳泓
人口統計應用於選舉預測-蔡佳泓人口統計應用於選舉預測-蔡佳泓
人口統計應用於選舉預測-蔡佳泓
 
從網頁存取記錄瞭解使用者行為與網頁區塊貢獻分析-崔殷豪
從網頁存取記錄瞭解使用者行為與網頁區塊貢獻分析-崔殷豪從網頁存取記錄瞭解使用者行為與網頁區塊貢獻分析-崔殷豪
從網頁存取記錄瞭解使用者行為與網頁區塊貢獻分析-崔殷豪
 
運用空間決策改進緊急醫療品質-詹大千
運用空間決策改進緊急醫療品質-詹大千運用空間決策改進緊急醫療品質-詹大千
運用空間決策改進緊急醫療品質-詹大千
 

Más de 台灣資料科學年會

[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達
[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達
[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達
台灣資料科學年會
 

Más de 台灣資料科學年會 (20)

[台灣人工智慧學校] 人工智慧技術發展與應用
[台灣人工智慧學校] 人工智慧技術發展與應用[台灣人工智慧學校] 人工智慧技術發展與應用
[台灣人工智慧學校] 人工智慧技術發展與應用
 
[台灣人工智慧學校] 執行長報告
[台灣人工智慧學校] 執行長報告[台灣人工智慧學校] 執行長報告
[台灣人工智慧學校] 執行長報告
 
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
 
[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機
[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機
[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機
 
[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機
[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機
[台灣人工智慧學校] 開創台灣產業智慧轉型的新契機
 
[台灣人工智慧學校] 台北總校第三期結業典禮 - 執行長談話
[台灣人工智慧學校] 台北總校第三期結業典禮 - 執行長談話[台灣人工智慧學校] 台北總校第三期結業典禮 - 執行長談話
[台灣人工智慧學校] 台北總校第三期結業典禮 - 執行長談話
 
[TOxAIA台中分校] AI 引爆新工業革命,智慧機械首都台中轉型論壇
[TOxAIA台中分校] AI 引爆新工業革命,智慧機械首都台中轉型論壇[TOxAIA台中分校] AI 引爆新工業革命,智慧機械首都台中轉型論壇
[TOxAIA台中分校] AI 引爆新工業革命,智慧機械首都台中轉型論壇
 
[TOxAIA台中分校] 2019 台灣數位轉型 與產業升級趨勢觀察
[TOxAIA台中分校] 2019 台灣數位轉型 與產業升級趨勢觀察 [TOxAIA台中分校] 2019 台灣數位轉型 與產業升級趨勢觀察
[TOxAIA台中分校] 2019 台灣數位轉型 與產業升級趨勢觀察
 
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
[TOxAIA台中分校] 智慧製造成真! 產線導入AI的致勝關鍵
 
[台灣人工智慧學校] 從經濟學看人工智慧產業應用
[台灣人工智慧學校] 從經濟學看人工智慧產業應用[台灣人工智慧學校] 從經濟學看人工智慧產業應用
[台灣人工智慧學校] 從經濟學看人工智慧產業應用
 
[台灣人工智慧學校] 台中分校第二期開學典禮 - 執行長報告
[台灣人工智慧學校] 台中分校第二期開學典禮 - 執行長報告[台灣人工智慧學校] 台中分校第二期開學典禮 - 執行長報告
[台灣人工智慧學校] 台中分校第二期開學典禮 - 執行長報告
 
台灣人工智慧學校成果發表會
台灣人工智慧學校成果發表會台灣人工智慧學校成果發表會
台灣人工智慧學校成果發表會
 
[台中分校] 第一期結業典禮 - 執行長談話
[台中分校] 第一期結業典禮 - 執行長談話[台中分校] 第一期結業典禮 - 執行長談話
[台中分校] 第一期結業典禮 - 執行長談話
 
[TOxAIA新竹分校] 工業4.0潛力新應用! 多模式對話機器人
[TOxAIA新竹分校] 工業4.0潛力新應用! 多模式對話機器人[TOxAIA新竹分校] 工業4.0潛力新應用! 多模式對話機器人
[TOxAIA新竹分校] 工業4.0潛力新應用! 多模式對話機器人
 
[TOxAIA新竹分校] AI整合是重點! 竹科的關鍵轉型思維
[TOxAIA新竹分校] AI整合是重點! 竹科的關鍵轉型思維[TOxAIA新竹分校] AI整合是重點! 竹科的關鍵轉型思維
[TOxAIA新竹分校] AI整合是重點! 竹科的關鍵轉型思維
 
[TOxAIA新竹分校] 2019 台灣數位轉型與產業升級趨勢觀察
[TOxAIA新竹分校] 2019 台灣數位轉型與產業升級趨勢觀察[TOxAIA新竹分校] 2019 台灣數位轉型與產業升級趨勢觀察
[TOxAIA新竹分校] 2019 台灣數位轉型與產業升級趨勢觀察
 
[TOxAIA新竹分校] 深度學習與Kaggle實戰
[TOxAIA新竹分校] 深度學習與Kaggle實戰[TOxAIA新竹分校] 深度學習與Kaggle實戰
[TOxAIA新竹分校] 深度學習與Kaggle實戰
 
[台灣人工智慧學校] Bridging AI to Precision Agriculture through IoT
[台灣人工智慧學校] Bridging AI to Precision Agriculture through IoT[台灣人工智慧學校] Bridging AI to Precision Agriculture through IoT
[台灣人工智慧學校] Bridging AI to Precision Agriculture through IoT
 
[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達
[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達
[2018 台灣人工智慧學校校友年會] 產業經驗分享: 如何用最少的訓練樣本,得到最好的深度學習影像分析結果,減少一半人力,提升一倍品質 / 李明達
 
[2018 台灣人工智慧學校校友年會] 啟動物聯網新關鍵 - 未來由你「喚」醒 / 沈品勳
[2018 台灣人工智慧學校校友年會] 啟動物聯網新關鍵 - 未來由你「喚」醒 / 沈品勳[2018 台灣人工智慧學校校友年會] 啟動物聯網新關鍵 - 未來由你「喚」醒 / 沈品勳
[2018 台灣人工智慧學校校友年會] 啟動物聯網新關鍵 - 未來由你「喚」醒 / 沈品勳
 

野生動物喜歡住哪裡?探討野生動物與棲地關係