應用個體生態矩陣及類神經網路模擬溪流棲息地之概況

Translated title of the thesis: Using Fish Autecology Matrix & Artificial Neural Networks to Simulate Instream Fish Habitat Conditions
  • 張 桓旋

Student thesis: Master's Thesis

Abstract

近年來生態意識抬頭,以生態為基礎、安全為導向的生態工法被廣泛利用,以減少對自然環境造成傷害、落實生物多樣性保育及永續發展。其中魚類偏好之棲息地環境常為溪流棲息地保護與復育的重要一環。棲息地環境會隨水深、流速、溶氧、水質等物理化學因子不同而異,除物理及化學因子外,亦會隨魚類的互動關係如消費層級、魚類食性、對水質的偏好等而有所不同。本研究模式同時探討物理環境因子與生物因子與棲息地環境的關聯性,並找出與棲息地環境相單位棲息地相關的重要因子。 本研究目標在於發展溪流棲息地模擬模式,以後堀溪及五溝水為研究案例,結合過往魚類採樣及生態調查結果,調查的尺度為微棲息地尺度(單位棲息地)。運用魚類個體生態矩陣分析魚類資料以了解魚類對個環境因子的需求。另將單位棲息地調查結果之水深及流速利用模糊控制理論(fuzzy control)進行分類,分成淺灘、淺湍瀨、深潭、深湍瀨四類型。結合上述兩者擴大棲息地尺度以便往後本模式可以適用於大型的棲息地採樣資料。不同組合的大型棲息地魚類群落並不相同,偏好棲息地環境也有所差異,為了解大型棲息地魚類群落與各棲息地環境的關係,分別利用線性迴歸(linear regression LR)與類神經網路(artificial neural networks ANNs),建立棲息地模擬模式,推測大型棲息地中各棲息地類型比例、平均水深及平均流速,以及找出影響其數值的相關環境因子,並且比較線性迴歸模式及類神經網路模式的優劣。 透過本研究魚類與棲息地關係模式的應用,可提供河川管理者依不同的魚種選擇適合的棲息地類型與生態復育設計的參考依據,以達到維護生態保護的目標。
Date of Award2014 Sep 1
Original languageChinese
SupervisorJian-Ping Suen (Supervisor)

Cite this

'