Artificial Neural Network-Based Prediction and Mapping of Elephant Corridors in West Bengal Using Geospatial and Environmental Variables
Bhutia Dechen Doma · Swarup Das · Mandal Rakesh Kumar
用人工神经网络结合遥感与GIS变量预测并制图西孟加拉邦大象迁徙廊道。
ANN模型，输入遥感与GIS环境变量及历史象群出现记录，GIS集成制图。
ANN能刻画环境变量非线性关系，廊道预测优于传统GIS方法，可作决策支持工具。
可将ANN廊道预测与人类活动、农田冲突热点耦合，探索农业景观中野生动物通道与作物保护的协同规划。
该研究用人工神经网络结合遥感与GIS预测大象迁徙走廊，方法新颖、数据扎实，对生态保护与乡村人兽冲突治理有参考价值，但属区域性研究，公共影响有限。
森林栖息地的破碎化和日益增加的人为压力显著改变了印度西孟加拉邦大象的活动模式，导致人象冲突不断加剧。准确识别和绘制大象廊道对于景观层面的保护规划和冲突缓解至关重要。传统的廊道制图方法，包括基于专家的 delineation（边界划定）和最小成本路径分析，往往难以捕捉影响大象活动的环境变量之间复杂的非线性关系。本研究提出了一种基于人工神经网络（Artificial Neural Network, ANN）的框架，利用遥感数据和地理信息系统（Geographic Information System, GIS）数据集预测西孟加拉邦潜在的大象廊道。预测变量包括森林覆盖、归一化植被指数（Normalized Difference Vegetation Index, NDVI）、海拔、坡度、距水源的邻近度、距道路、铁路、居民点、农田的距离以及历史大象出现记录。ANN模型利用已知的大象活动位置进行训练，并使用独立数据集进行验证。将预测得到的适宜性表面整合到GIS环境中，以识别可能的迁移廊道并确定保护优先区域。所提出的方法展示了机器学习相较于传统基于GIS的技术在改进廊道预测方面的能力，并为森林管理者和政策制定者提供了决策支持工具。