栖息地迁移建模：融合卷积神经网络与表格数据预测物种迁徙
人工智能
2025-07-16 v1
摘要
由于气候变化，许多栖息地正在远离其传统地理位置（Piguet, 2011）。我们提出一种解决方案，通过结合卷积神经网络（CNN）（O'Shea, 2015）和表格数据，准确地建模鸟类species 是否出现在特定栖息地。我们的方法利用卫星影像和环境特征（如温度、降水、海拔）来预测鸟类在各种气候下的分布。CNN 模型捕捉栖息地的空间特征，如森林、水体和城市化区域，而表格方法则使用生态和地理数据。两种系统在预测鸟类分布时平均准确率达到 85%，为理解鸟类迁徙提供了一种可扩展且可靠的方法。
引用
@article{arxiv.2507.10993,
title = {Modeling Habitat Shifts: Integrating Convolutional Neural Networks and Tabular Data for Species Migration Prediction},
author = {Emir Durakovic and Min-Hong Shih},
journal= {arXiv preprint arXiv:2507.10993},
year = {2025}
}
备注
This paper uses a lightly modified version of the AAAI 2025 LaTeX style for formatting consistency. It is not a submission to AAAI and does not include any AAAI-specific headers, footers, or metadata