基于行为状态识别的海鸟关键区域界定新方法：提升海洋空间规划与威胁 mitigation 精准度

《Animal Biotelemetry》：A behavioural approach to key area identification in seabirds for threat mitigation and spatial management

本研究针对传统基于密度分布的关键区域识别方法可能忽略行为异质性的问题，以黑腿三趾鸥（Rissa tridactyla）为模型，通过隐马尔可夫模型（HMM）将GPS轨迹数据划分为休息、觅食和通行三种行为状态，系统比较了综合行为数据与行为特异性数据在个体和种群水平关键区域识别的差异。研究发现传统50%利用分布（UD）方法严重低估了通行行为的空间范围（仅捕获40%），而行为特异性分析显示通行关键区面积比传统方法大30%，觅食和休息区域则更集中。该成果为海上风电等开发项目的生态影响评估提供了精准空间管理新思路。

　　

随着海上风电等海洋产业的快速发展，海鸟这类全球受胁程度最高的鸟类类群正面临前所未有的生存压力。黑腿三趾鸥作为被世界自然保护联盟（IUCN）列为易危（Vulnerable）的物种，其种群在英国和爱尔兰地区近二十年下降了43%，凸显了保护工作的紧迫性。传统的海洋保护规划通常依赖动物活动的高密度区域来划定关键区域，例如采用50%利用分布（Utilisation Distribution, UD）的核密度估计（Kernel Density Estimates, KDE）方法。然而，这种方法存在一个潜在缺陷：它可能无法有效捕捉那些空间分布较为分散但生态意义重大的行为模式，例如海鸟在不同栖息地之间的通行行为。正是这些通行廊道，往往与海上风电设施等 anthropogenic 威胁高度重叠，使得个体在通行过程中面临更高的碰撞风险。

为解决这一科学问题，Hannah Wood 领衔的研究团队在《Animal Biotelemetry》上发表了创新性研究。他们巧妙地将行为生态学中常用的隐马尔可夫模型（Hidden Markov Models, HMMs）与空间保护规划框架相结合，以黑腿三趾鸥为研究对象，开展了一项大规模的比较研究。该研究旨在揭示：相较于传统的综合所有行为数据的分析方法，基于行为特异性数据所识别的关键区域是否存在显著差异，尤其是在评估 threat exposure 方面能否提供更精准的 spatial management 依据。

研究人员为开展本研究，主要应用了以下几项关键技术：首先，利用GPS记录仪（i-GotU GT-120）采集了来自14个繁殖地、共566只黑腿三趾鸥成鸟的1930次完整出海行程数据；其次，采用隐马尔可夫模型（HMM）对移动轨迹进行行为状态分类，识别出休息、觅食和通行三种主要行为；接着，运用核密度估计（KDE）方法，分别基于50%（核心区）、75%（中间区）和95%（家域）利用分布（UD）阈值，计算个体和种群水平（采用BirdLife International的KBA框架）的空间利用格局；最后，通过统计模型（如混合效应模型）比较不同方法所得关键区域的空间重叠度和面积差异。

Tracking data including kittiwake trip metrics

研究团队获取了高质量的移动数据集，平均每次行程距离为100.51公里，最大离巢距离31.90公里，持续时间7.11小时，为后续分析奠定了坚实的数据基础。

Classifying movement behaviour

通过隐马尔可夫模型（HMM）成功将海鸟行为划分为三类：休息行为表现为短步长（0.07 km）和窄转向角，特征为低速且无方向性；觅食行为表现为中短步长（0.23 km）和宽转向角，特征为中等速度且方向性低；通行行为则表现为长步长（0.98 km）和窄转向角，特征为高速且方向性强。时间分配分析显示，黑腿三趾鸥近一半时间（48%）用于觅食，近三分之一（29%）用于通行，休息时间占23%。

Comparing key area estimates using 'all behaviour' track data versus separated behaviours

Kernel density estimates

个体水平分析显示，基于所有行为数据的50%利用分布（UD）核密度估计能较好地捕捉休息（87%）和觅食（92%）行为的核心分布区，但对通行行为的代表性严重不足，仅捕获了40%的空间分布。随机抽样的对照组结果（92%）排除了定位点数量差异的干扰，证实了这种差异源于行为本身的空间分布特性。当提高利用分布阈值至75%和95%时，对通行行为的捕获率分别提升至61%和86%，但仍低于其他行为。

Size estimates of population-level key areas

在种群水平上，行为特异性关键区域的面积差异更为显著。基于50% UD，通行行为的关键区域面积（681 km2）显著大于综合所有行为数据得到的关键区面积（380.11 km2），超出约30%。相反，休息（133.89 km2）和觅食（249.56 km2）行为的关键区则更为集中和狭小。使用75% UD时，通行关键区仍显著大于综合行为关键区，而使用95% UD时，两者差异不再显著，说明大家域估计能涵盖更广泛的行为。

结论与讨论

本研究有力论证了将行为状态分析纳入关键区域识别的重大学术价值与实践意义。传统的、基于高密度聚集区的保护规划范式，由于未能充分考虑行为异质性，很可能系统性地低估了动物在通行等低密度但高风险行为中所面临的威胁。对于像黑腿三趾鸥这样对海上风电碰撞尤为敏感的物种而言，精确识别其通行廊道对于 marine spatial planning 和环境影响评估（Environmental Impact Assessments）至关重要。

研究结果指出，行为特异性分析能够实现保护资源的更优化配置。例如，对于密集发生的休息和觅食行为，可以划定更精确、更集中的保护区域，实施针对性的管理措施（如特定季节的渔业限制）；而对于广泛分布的通行行为，则需要采取不同的策略，例如在规划海上风电设施时优先规避主要通行路线，或实施动态管理措施（如恶劣天气下调整涡轮机运行）。这种“精准保护”的思路有助于在实现生态保护目标的同时，最大限度减少与海洋产业发展的空间冲突，提升保护措施的可接受性和执行力。

然而，行为分布并非一成不变，它会受到季节、昼夜、个体差异以及环境变化等多种因素的影响。因此，未来的保护规划需要具备一定的动态性和适应性，能够响应这些时空变化。这要求 conservation practitioners 不仅需要掌握物种的空间利用信息，更要深入理解其行为生态学机制。

总之，Wood 等人的研究为利用生物遥测（Biotelemetry）数据支持 conservation planning 开辟了新途径。它强调了超越简单的“密度”地图，走向对“行为”地图的深入理解，从而更全面、更精准地评估和管理 anthropogenic 活动对野生动物的影响，特别是在人类活动日益密集的海洋环境背景下。这一方法论对推进基于生态系统的海洋空间管理（Ecosystem-Based Marine Spatial Planning）具有重要的指导意义。