Wild boar collision data and satellite computer vision refine habitat suitability mapping across France
Adrian Meyer · Théo Reibel · Кevin Мorelle 等 5 人
融合野猪碰撞数据与卫星视觉模型，预测法国野猪栖息地适宜性及其时空驱动因素。
时间序列环境数据、Vision Transformer卫星影像、物种分布模型与G
栖息地适宜性呈明显时空变化，加入碰撞记录改变预测格局与特征重要性。
可将碰撞数据与遥感表型结合，拓展至其他野生动物-农业冲突的时空预警与决策。
该研究将卫星遥感与计算机视觉用于野猪栖息地建模，方法新颖、数据规模大，对交通规划与农业野生动物管理有参考价值，但属法国区域研究，国内产业影响有限。
摘要 野猪（Sus scrofa）种群在欧洲迅速扩张，导致人兽冲突（HWCs）不断升级，尤其是野生动物车辆碰撞（WVCs）、农业损害加剧和疾病传播。在法国大陆，该物种的生态适应性使其与城市化和交通网络的重叠日益增加，进一步加剧了这些问题。本研究利用时间序列环境数据、计算机视觉和物种分布模型（SDM）预测野猪栖息地适宜性，并探究其时空驱动因素。我们使用国家铁路和公路网络中WVC报告的存在-only数据，以及公开可用的GBIF观测集合，作为SDM中的互补出现数据流，同时通过针对性校正处理这些数据集固有的采样偏差。本研究的一个关键创新是整合了国家尺度、年度更新的高分辨率土地覆盖预测因子，明确聚焦于野猪的资源偏好。通过在多光谱卫星遥感影像上微调多时相视觉Transformer基础AI模型，我们捕捉到了细微的季节物候差异。我们的结果突出了野猪栖息地适宜性在空间、季节和年际上的明显变化。多时相SDM流程在推断至气候极端等新型环境情景时产生了有意义的预测。将铁路和公路WVC记录添加到基于GBIF的SDM中，在保持高性能指标的同时改变了预测的空间格局和特征重要性分布。本研究获得的方法学和生态学见解为法国交通规划、农业和野生动物管理提供了额外知识。识别具有高季节性栖息地适宜性的区域可为针对性干预提供依据。更广泛地说，我们的结果表明，在日益受到人类影响的世界中，先进的数据驱动方法正成为前瞻性和可持续地应对人兽冲突不可或缺的手段。