ERSF-VIPA框架：面向人兽冲突缓解的可扩展野生动物移动路径建模新方法

《Movement Ecology》：A ERSF-VIPA framework: scalable wildlife movement modelling for conflict mitigation

本研究针对野生动物移动路径(WMPs)模拟中高数据依赖性的瓶颈问题，提出了增强资源选择函数-向量网络迭代路径查找算法(ERSF-VIPA)创新框架。该研究利用亚洲象(Elephas maximus)历史分布数据，通过随机森林构建非线性资源选择概率曲面，结合六边形网格路径优化算法，实现了在有限数据条件下的精准路径模拟。验证显示90.3%的模拟路径与观测路径平均最大偏差仅418m，为濒危物种保护和人兽冲突防控提供了可靠的技术支撑。

　　

在生物多样性保护领域，准确模拟野生动物移动路径犹如解开自然界的导航密码，它不仅关系到物种的生存繁衍，更直接影响着人类与野生动物和谐共处的可能性。然而，对于亚洲象这类体型庞大、行踪隐秘的物种，传统研究方法面临着严峻挑战——高精度的GPS追踪数据难以获取，而低质量的历史观测数据又缺乏时间戳和移动方向信息。这种数据困境使得布朗桥移动模型(BBMMs)和步选择函数(SSFs)等先进技术无法施展拳脚，严重制约了保护工作的有效开展。

面对这一难题，云南大学的研究团队在《Movement Ecology》上发表了一项突破性研究，提出了ERSF-VIPA创新框架。该研究的核心思路十分巧妙：既然无法获得连续的动物移动轨迹，何不充分利用现有的分散分布点数据，通过模拟动物的理性决策过程来重建移动路径？研究团队基于两个基本假设展开工作：亚洲象对其生存环境具有认知能力，并且会基于目的地进行成本效益最优的路径选择。

关键技术方法概述

研究团队收集了云南普洱市与西双版纳交界区域的233个亚洲象历史出现点和34条移动路径数据，结合地形、土地利用和距离变量等环境因子，建立了增强资源选择函数(ERSF)模块，采用随机森林算法替代传统逻辑回归，更好捕捉资源选择的非线性关系。随后开发了向量网络迭代路径查找算法(VIPA)，在30m分辨率的六边形网格上，通过迭代计算资源选择概率与立方距离系数的综合得分，模拟从起点到终点的最优移动路径。最后采用Hausdorff距离验证模拟路径与观测路径的吻合度。

ERSF模块结果与评估

ERSF模块在栖息地选择建模中表现出色，AUC值达到0.97。混淆矩阵显示，337个阴性样本（非出现点）和41个阳性样本（出现点）被准确分类，模型精确度为0.77，召回率为0.65，F1分数为0.71，证明其具有良好的判别能力和对类别不平衡问题的处理效果。通过ERSF计算得到的资源选择概率被整合到六边形网格中，为后续路径模拟提供了可靠的空间显性基础。

VIPA路径与验证

模拟路径与实测路径的空间重叠度分析显示，代表不同方向和弯曲程度的路径均能很好地复现实际移动模式。经过多次优化测试，最终确定基于距离系数立方与资源选择概率乘积的路径查找函数表现最佳。值得注意的是，正向和反向模拟的路径均位于600m缓冲区内，且与实际路径高度吻合。

对68条模拟路径的验证结果表明，61条（90.3%）路径的Hausdorff距离小于600m，平均Hausdorff距离为418m（标准差=184m）。在34条进行正反向模拟优化的路径中，32条（94.1%）低于阈值，平均Hausdorff距离降至374m（标准差=149m）。方向模拟的一致性表明模型能够可靠地捕捉移动路径，与模拟方向无关，体现了其稳健性。

研究结论与讨论

ERSF-VIPA框架的创新之处在于成功将行为生态学原理融入计算路径查找中，在有限数据条件下实现了对复杂决策过程的精准模拟。与传统的A*算法、最小成本路径(LCP)和电路理论等方法相比，该模型更好地反映了动物基于局部环境知识的理性决策过程，而非全局最优化的简单假设。

该框架的模块化设计赋予其广泛的适用性。ERSF模块可根据不同物种特性选择随机森林、广义线性模型(GLM)或广义可加模型(GAM)等算法；VIPA模块的评分机制支持灵活定制，资源选择与距离的权重参数（α和β）可调整以适应专化种或效率优先物种的需求。未来还可引入概率性节点选择来增强动态环境中的随机性模拟。

在实际应用方面，ERSF-VIPA为人类-野生动物冲突风险管理提供了有力支持。通过四步工作流程：界定栖息地偏好、绘制频繁与回避区域、生成资源选择概率图层、模拟移动路径，管理者可在目的地未知情况下推断动物可能移动方向。当发现新鲜动物踪迹时，该模型能快速预测最可能的路径和终点，为预警和干预措施提供关键时间窗口。

尽管模型整体准确性较高，但仍存在一定偏差，如T26路径的表现所示。这些差异主要源于野生动物移动决策固有的随机性，动物不会始终遵循固定路线，而是根据局部环境变化和不可预见的干扰进行非确定性调整。此外，历史调查数据在时间和方向上的信息缺失也增加了路径重建的不确定性。

研究的局限性包括依赖从野外痕迹推断的历史出现数据而非GPS追踪轨迹，以及当前模型确定性选择最高得分相邻点的简化处理。未来改进方向包括引入从候选节点中概率抽样的随机机制，生成多条路径实现并支持概率曲面，同时需进一步优化终点筛选策略，避免实际应用中资源分配失当。

ERSF-VIPA框架的提出为数据有限条件下的野生动物移动模拟开辟了新途径，其90.3%的路径预测准确率证明即使在信息不完整的条件下，通过合理整合行为生态学原理和计算算法，仍能获得可靠的保护决策支持。这一创新方法不仅适用于亚洲象保护，更有潜力推广至其他珍稀濒危物种的移动生态学研究，为全球生物多样性保护提供新的技术工具。