利用基于无人机的激光雷达（LiDAR）的森林指标来量化雪鞋兔的微生境选择行为

《Wildlife Biology》：Quantifying microhabitat selection of snowshoe hares using forest metrics from UAS-based LiDAR

本研究利用无人机搭载高分辨率激光雷达技术，在北美新英格兰地区温带-寒带森林过渡带中，评估了雪鞋兔（Lepus americanus）冬季（叶落期）和夏季（叶茂期）的微栖息地选择。通过分析传统二维森林指标（冠层闭合度、树苗和灌木覆盖率）和三维激光雷达生成的视域、分形维数等空间结构指标，发现雪鞋兔冬季偏好高树苗和灌木密度的复杂微栖息地以躲避天敌和御寒，而夏季选择植被分布规律性强的区域，分形维数在两季均显著影响栖息地利用。该研究首次系统整合了三维LiDAR数据与粪便 pellet调查，为野生动物精细尺度栖息地建模提供了新方法。

　　这项研究探讨了雪兔（*Lepus americanus*）在不同季节和森林类型中的微生境选择行为，特别是在新英格兰北部温带-寒带交界区域。通过利用无人机搭载的高分辨率激光雷达（LiDAR）技术，研究人员获得了前所未有的森林结构数据，这不仅提高了对雪兔微生境选择的分析精度，还为更广泛地理解野生动物的微生境选择提供了新的工具。传统上，研究微生境的手段通常依赖于实地调查，这些方法虽然有效，但存在成本高、劳动强度大和空间覆盖范围有限等问题。而LiDAR技术的引入，使得研究人员能够以更高的分辨率和更广的覆盖范围来评估微生境特征，从而更全面地揭示雪兔的生态需求和栖息地选择机制。

雪兔作为温带和寒带森林中的关键物种，其种群动态不仅影响着多种捕食者的生存，还在森林生态系统中发挥着重要作用。由于它们在冬季面临更大的生存压力，如食物短缺和捕食风险增加，因此，微生境的选择在这一季节尤为重要。研究人员在两个不同的研究区域（Nulhegan Basin 和 White Mountain National Forest）中选择了14个20公顷的森林样地，分别在落叶期和叶绿期进行了调查。这些样地覆盖了广泛的森林类型和演替阶段，以确保研究结果具有代表性。为了评估雪兔的微生境选择，研究人员采用了粪便调查法，这是一种高效且适用于大规模和长期研究的手段，能够反映雪兔在不同微生境中的活动强度和分布情况。

LiDAR数据被用于生成多种森林结构指标，包括传统的冠层闭合度、幼树和灌木的分布密度，以及三种新的三维指标，如视域和空隙分布的拉坎性（lacunarity）。这些指标旨在反映雪兔在不同季节中对捕食暴露（视域）和食物可获得性（拉坎性）的响应。研究发现，在落叶期，雪兔更倾向于选择幼树和灌木密度较高的微生境，同时避开开阔区域。而在叶绿期，雪兔则表现出对具有一定规律分布的中等大小空隙的偏好，这可能与夏季较高的植被覆盖和食物资源有关。这种季节性的微生境选择模式为理解雪兔如何适应环境变化提供了重要线索。

为了评估这些指标对雪兔微生境选择的影响，研究人员使用了负二项广义线性混合模型（GLMM），并结合了不同空间尺度（8.5米和17米）的数据。在落叶期，传统的森林结构指标（如幼树和灌木密度）在模型中表现出更强的解释力，而在叶绿期，三维指标（如拉坎性）则具有更好的表现。这种差异可能反映了不同季节雪兔对微生境的不同需求。例如，在冬季，雪兔更关注于避免捕食者，因此倾向于选择结构复杂、隐蔽性强的微生境；而在夏季，食物和遮蔽性可能成为更重要的选择因素，因此雪兔更倾向于选择具有一定空隙的微生境，以获取更多资源。

此外，研究人员还分析了不同空间尺度对微生境选择的影响。较大的空间尺度（17米）与雪兔的微生境选择存在更强的关联性，这可能是因为较大的结构特征（如幼树和灌木的密集分布）能够提供更好的保护和更多的食物来源。相反，较小的空间尺度（8.5米）则可能更多地反映雪兔在局部环境中的适应性行为，如寻找隐蔽的休息点或觅食地点。这一发现表明，微生境选择不仅仅是单个点的特征，而是与整个区域的结构和空间分布密切相关。

研究还探讨了LiDAR技术在野生动物生态学中的应用前景。随着技术的进步，LiDAR能够提供更精细的森林结构数据，从而更准确地反映动物的微生境需求。这种技术的应用不仅限于雪兔，还可以推广到其他野生动物物种，特别是那些对微生境高度依赖的物种。通过结合LiDAR数据与粪便调查等传统方法，研究人员可以更全面地了解动物的微生境选择行为，并为森林管理和保护提供科学依据。

尽管LiDAR技术具有诸多优势，但其应用仍面临一些挑战。例如，LiDAR数据的处理需要较高的计算资源和较长的时间，这对研究的可行性和成本控制提出了要求。此外，LiDAR数据无法区分不同类型的植被覆盖（如针叶林与阔叶林），这可能会影响对微生境选择的准确理解。然而，研究中的一些发现表明，即使在缺乏植被类型信息的情况下，LiDAR数据仍然能够提供有价值的微生境特征，如灌木和幼树的分布密度。因此，未来的研究可以进一步探索如何结合LiDAR数据与实地调查，以提高对微生境选择的解释力。

本研究的结论不仅对雪兔的生态学研究具有重要意义，还为其他野生动物的微生境选择研究提供了新的思路。LiDAR技术的应用使得研究人员能够更精确地识别微生境特征，并将其与动物的活动模式联系起来。这有助于理解动物如何在复杂的森林环境中选择适宜的栖息地，并为森林管理提供科学支持。例如，通过识别雪兔偏好的微生境特征，森林管理者可以采取相应的措施，如调整森林结构或保护关键栖息地，以促进雪兔种群的稳定和恢复。

综上所述，这项研究展示了LiDAR技术在野生动物微生境选择研究中的巨大潜力。通过高分辨率的LiDAR数据，研究人员能够更全面地了解雪兔在不同季节和不同森林类型中的栖息地选择行为，从而为生态学研究和森林管理提供新的工具和方法。尽管仍存在一些技术和方法上的挑战，但LiDAR技术的不断发展和应用，使得未来的微生境研究能够更加高效和精确。这不仅有助于理解雪兔等关键物种的生态需求，也为其他野生动物的微生境选择研究提供了重要的参考。