在茫茫草堆中寻找一根针：一种优化检测濒临局部灭绝的稀有有袋类动物的策略

《Biological Conservation》：Finding a needle in a heath stack: A strategy to optimize the detection of a rare marsupial on the brink of local extinction

本研究利用有限的历史数据构建长鼻袋貂物种分布模型（SDM），指导2021-2024年相机陷阱调查，成功发现该物种在Gariwerd国家公园的新存续种群，并通过迭代模型优化识别出未占用但适宜的栖息地。结果表明，初步SDM可有效缩小搜索范围，为濒危物种保护提供关键工具，但需结合现场验证以提高准确性，并建议通过栖息地连通性分析和威胁过程管理增强种群韧性。

　　人类活动对物种分布的影响日益显著，导致生态系统中的物种减少并推动其灭绝。随着生物多样性丧失问题的加剧，物种从其生态位消失的挑战也愈加严峻，特别是在那些长期未被发现的隐秘物种。本研究通过使用有限的地理位置数据，为一种濒危的有袋动物——长鼻袋狸（*Potorous tridactylus trisulcatus*）构建了物种分布模型（SDMs），并指导了2021年至2024年的定向相机陷阱调查。尽管数据有限，SDMs成功发现了此前未知的现存种群。我们通过不断整合新的实地数据、追踪参数变化以及提升模型拟合度，逐步优化模型。最终预测结果显示，目前未被占据但适合的栖息地可能对增强种群韧性至关重要。我们还对包含袋狸的栖息地斑块进行了连通性分析，以估算现存种群之间的连通性并为保护规划提供依据。研究结果表明，即使在数据非常有限的情况下，初步SDMs也能成为管理罕见和受威胁物种的重要起点，使更有针对性的干预措施能够有效应对威胁过程。此外，我们的方法还识别了对增强种群韧性至关重要的当前未被占据的适合栖息地。这些发现展示了SDMs在指导调查和确定关键区域以实施主动保护策略方面的价值，包括威胁管理和潜在的种群迁移。尽管我们的模型具有实用性，但我们强调了实地验证在分布模型中的关键重要性，并倡导将其作为模型构建过程中的必要步骤。

本研究的意义在于，它揭示了SDMs在应对数据匮乏和难以监测的物种时的有效性。随着全球生物多样性危机的加剧，保护行动需要创新的方法，尤其是对于那些分布信息严重缺失的物种。SDMs不仅能够帮助定位现存种群，还能揭示潜在的适合栖息地，从而为保护策略提供科学依据。此外，SDMs在分析景观连通性方面也具有重要价值，有助于理解种群之间的互动关系和生态需求。在本研究中，我们发现即使在高度破碎化的景观中，SDMs也能提供关于种群分布的重要信息，从而为保护行动提供指导。

在Gariwerd（Grampians国家公园）这一景观中，长鼻袋狸的种群自2010年以来几乎未被观察到，尽管进行了大量调查。该景观位于澳大利亚东南部，是长鼻袋狸分布的最内陆区域，现在被农业用地包围。Gariwerd经历了长达十年的极端干旱（即“千年干旱”），并在2006年引发了大规模的森林火灾，烧毁了约85,000公顷的公园景观。干旱结束后，又出现了破纪录的洪水事件（称为“大湿”），随后是三年低于平均降雨量的时期，导致了2013年和2014年的另外两次大规模火灾，分别烧毁了35,000和55,000公顷的区域。这三次火灾总共烧毁了Gariwerd景观的约90%。这种连续的“巨变”导致了小哺乳动物群落的剧烈反应和种群数量下降。尽管没有明确记录，但长鼻袋狸的种群很可能受到了这些极端气候驱动事件的综合影响，以及持续的外来捕食者威胁。火灾造成的植被损失增加了景观风险，降低了避难栖息地的质量和可用性，从而影响袋狸的生存。外来捕食者如红狐和野猫更倾向于在最近被烧毁的区域活动，因为这些地方更容易捕猎。此外，长期干旱可能导致袋狸觅食资源的显著减少，从而限制其种群规模。因此，火灾、干旱和外来捕食者之间的相互作用可能驱动了长鼻袋狸在Gariwerd景观中接近灭绝的现状。

在Gariwerd景观中，我们的研究旨在评估SDMs是否能够帮助确定长鼻袋狸的当前分布。我们使用了17条历史记录来构建初始模型，并在随后的几年中通过相机陷阱调查收集了新的数据，以验证和优化模型。模型的构建和评估采用了多种方法，包括使用Maxent算法进行预测，并结合交叉验证来测试模型的性能。我们发现，尽管数据有限，SDMs仍然能够有效缩小搜索范围，并可能引导我们发现现存的袋狸种群。通过逐年更新模型，并整合新的数据，我们进一步提高了模型的准确性和适用性。此外，我们还进行了连通性分析，以评估栖息地斑块之间的连接情况，并确定关键的连通区域。

在方法上，我们首先确定了研究区域，即Gariwerd景观，这是一个重要的保护区，覆盖面积达167,219公顷。该景观的主要植被类型是沙地灌木丛和灌木林，这些植被类型为袋狸提供了重要的栖息地资源。为了构建SDMs，我们收集了来自多个来源的环境数据，包括植被生产力、降雨量、火灾后的时间、坡度、距离到水道以及生态植被分类（EVC groups）。这些变量被用于描述袋狸的栖息地特征，并在30米×30米的分辨率下生成空间层。我们还使用了年度卫星图像来分析干旱期间的植被生产力，以及地理信息系统（GIS）工具来计算坡度和距离到水道。为了减少模型的过拟合风险，我们对数据进行了筛选和空间稀疏化处理。

在模型构建过程中，我们采用了ENMeval包和Maxent算法，并通过交叉验证来评估模型的性能。我们特别关注了变量的重要性，通过排列重要性（permutation importance）和百分比贡献（percentage contribution）来衡量不同环境变量对袋狸分布的影响。结果显示，EVC groups、NDVI、时间自火灾（TSF）和坡度是最重要的变量，而降雨量和距离到水道的影响相对较小。这些变量的综合分析帮助我们理解了袋狸的生态位和栖息地需求。

在实地调查中，我们从2021年到2024年每年在Gariwerd景观中部署了相机陷阱，共进行了373个点的调查，覆盖了超过10,533个夜间。调查结果显示，袋狸在不同年份的检测率有所变化，2021年检测率为4%，2022年为12.5%，2023年为0%，2024年为1%。尽管检测率较低，但这些数据帮助我们确认了袋狸在某些区域的存在，并进一步优化了模型。我们还进行了栖息地使用率的建模，以评估模型的准确性，并使用单季占用模型来估算检测概率。这些模型的结果表明，袋狸的夜间检测概率为0.11，而在14个夜间内的累积检测概率为80.1%，在25个夜间内的累积检测概率为94.8%。

在模型评估方面，我们使用了多种指标，包括AUC-ROC、AUC-PR、COR（相关系数）以及TSS（真实技能统计量）和Kappa等阈值依赖性指标。这些指标帮助我们评估模型的预测能力和分类准确性。然而，由于袋狸的低盛行率，许多常用的评估指标可能不准确，因为它们假设未检测到即为真实不存在。因此，我们强调了使用校准指标（如校准图）的重要性，以评估预测概率与实际存在之间的关系。校准图显示，预测概率与实际存在之间存在正相关，但高概率区域的未检测也可能影响这些指标的准确性。

此外，我们还进行了连通性分析，以评估袋狸栖息地斑块之间的连接情况。通过使用bamm包进行物种扩散建模，我们发现袋狸的栖息地斑块在景观中是高度碎片化的，并且在两种扩散阈值下都表现出明显的隔离趋势。这表明，尽管景观中存在大量适合的栖息地，但袋狸种群可能因扩散能力有限和地理障碍（如砂岩山脉）而无法重新占据这些区域。因此，这些未被占据的适合栖息地可以被视为“机会栖息地”，即具备适合袋狸生存的特征，但由于某些原因尚未被占据。

本研究的管理意义在于，通过识别机会栖息地和分析景观连通性，我们为Gariwerd景观中的袋狸保护提供了重要依据。这些信息可用于指导威胁过程的针对性管理，如在已知的袋狸栖息地实施捕食者控制措施，以及通过排除计划性燃烧和迅速扑灭野火来减少对袋狸的影响。此外，未来的工作应优先考虑在低连通性区域之间建立和增强栖息地连接，特别是在结构障碍或地形限制可能阻碍自然扩散的地区。主动恢复或辅助迁移（短距离迁移）可能是恢复更广泛的种群功能的有效策略。

总之，本研究展示了SDMs在保护受威胁物种中的重要作用，尤其是在数据有限的情况下。我们发现，即使使用少量的历史记录，SDMs仍然能够有效预测潜在的栖息地，并指导调查和保护行动。通过不断整合新的实地数据，我们不仅提高了模型的准确性，还为袋狸的生态需求提供了更深入的理解。此外，连通性分析为保护规划提供了关键信息，帮助我们识别和优先考虑那些对种群韧性至关重要的栖息地区域。这些结果对于全球范围内数据匮乏和难以监测的物种具有重要的借鉴意义，表明SDMs可以作为保护行动的重要工具。