在气候变化和土地利用变化背景下，阿默斯特雉鸡（Chrysolophus amherstiae）的预测空间-时间栖息地模式

《Ecology and Evolution》：Projected Spatial–Temporal Habitat Patterns of the Lady Amherst's Pheasant (Chrysolophus amherstiae) Under Climate and Land Use Change

栖息地预测与气候变化影响：Lady Amherst's pheasant多尺度集合模型分析显示，其适宜栖息地将因SSP126（-2.1%）、SSP370（-25.7%）、SSP585（-62.1%）情景显著减少，损失集中于低海拔区域，高海拔出现增益。模型采用5种算法集成（AUC 0.98），验证了多尺度环境因子（坡度、地形粗糙度、最热月均温）的关键作用。

　　全球气候变化和土地利用变化正在对物种的生存环境产生深远的影响，这些变化不仅导致了栖息地范围的缩小和迁移，还可能加速某些物种的灭绝风险。本文聚焦于一种典型的地面栖息鸟类——阿姆斯特朗太太孔雀（Lady Amherst's pheasant），该物种主要分布在中国西南部和缅甸东北部，其栖息地以混合针叶林和落叶阔叶林为主。由于阿姆斯特朗太太孔雀飞行能力有限，因此对快速环境变化的适应性较低，使其在面对气候变化和土地利用变化时尤为脆弱。本研究通过多尺度集合物种分布建模方法，评估了这些环境变化对其栖息地的影响，并预测了不同情景下的栖息地适宜性变化趋势。

在研究过程中，首先收集了该物种的分布数据，包括来自全球生物多样性信息设施（GBIF）的688个记录点以及从文献中提取的15个点。为了减少模型中的空间聚集效应，研究人员利用SDMtoolbbox工具对这些点进行了随机抽样，并确保每个1公里网格单元只保留一个记录点。随后，通过一系列统计分析，筛选出具有显著影响的变量，并确定了其最优作用尺度。最终，选择了八个变量用于建模，包括森林覆盖率、农田比例、地形粗糙度指数、温度季节性、年平均温度、最热月的最高温度、最冷月的最高温度和降水季节性等。这些变量的作用尺度主要集中在6到7公里之间，而人类足迹指数和降水季节性的作用尺度则更小，仅1公里。

研究采用五种常见的物种分布模型算法：广义线性模型（GLM）、广义加性模型（GAM）、最大熵模型（MaxEnt）、随机森林模型（RF）和极端梯度提升树模型（XGBOOST）。为了提高模型的预测能力，研究者采用了集合建模方法，通过加权平均（AUC值）整合多个模型的结果，以减少单一模型可能带来的偏差。最终的集合模型AUC值高达0.98，表明其在区分物种存在与背景点方面具有出色的性能。此外，模型还通过TSS和Boyce指数进一步验证了其准确性，这些指标均显示了较高的模型表现。

研究还预测了在不同SSP-RCP情景下的未来栖息地变化趋势。结果显示，阿姆斯特朗太太孔雀的适宜栖息地面积在不同情景下将减少2.1%到62.1%不等。其中，SSP585情景下的减少幅度最大，达到62.1%。相比之下，SSP126情景下的减少幅度最小，仅为2.1%。研究还发现，栖息地的损失主要发生在低海拔地区，而高海拔地区则可能出现新的适宜栖息地。这一结果提示我们，随着全球气温上升，低海拔地区的生态环境可能变得更加不适合该物种生存，而高海拔地区则可能成为新的栖息地。

在分析模型结果时，研究者还考虑了物种的扩散能力。尽管扩散能力对适宜栖息地的评估影响较小，但在某些情况下，如栖息地破碎化严重时，其作用可能更为显著。研究指出，阿姆斯特朗太太孔雀的扩散能力有限，因此其适应环境变化的能力较弱。未来栖息地的变化不仅取决于气候因素，还受到土地利用变化的影响，尤其是在低海拔地区，由于人类活动频繁，这些区域的栖息地更容易受到破坏。

为了更好地理解未来栖息地变化，研究者还构建了时间步地图，以展示物种分布范围在不同时间段内的变化情况。这些地图显示了适宜栖息地的变化趋势，包括丧失、获得和整体波动。在某些高排放情景下，适宜栖息地的丧失比例显著增加，而获得的比例则相对较小。研究还指出，即使在某些高排放情景下，适宜栖息地的面积仍可能保持相对稳定，这取决于具体的环境变量和区域特征。

研究结果对未来的保护策略具有重要意义。阿姆斯特朗太太孔雀的适宜栖息地面积预计将在未来几十年内大幅减少，尤其是在高排放情景下。因此，保护措施应重点考虑如何扩大现有的保护区网络，以覆盖更多适宜栖息地，并通过恢复栖息地的连通性来增强物种的生存能力。此外，应加强法律执行和公众教育，以减少盗猎行为。同时，鼓励公众通过eBird或中国鸟类报告中心等平台报告该物种的观察记录，有助于实时监测其栖息地动态。

在研究方法上，本文采用了多尺度集合建模，这种方法能够有效整合不同模型的结果，减少预测不确定性。同时，通过考虑不同变量的作用尺度，提高了模型的准确性。研究还指出，传统的单一尺度建模可能无法全面反映物种对环境变化的响应，因此需要采用多尺度方法以获得更可靠的预测结果。

此外，研究还强调了模型假设的局限性。尽管模型基于当前的环境变量和分布数据进行预测，但并未考虑物种随时间变化的适应能力。因此，未来的模型应结合机制性模型和相关性模型，以更全面地评估物种对环境变化的响应。同时，研究指出，由于目前缺乏对阿姆斯特朗太太孔雀扩散能力的详细研究，其实际适应能力可能比模型预测的更高，因此需要进一步的实地调查和数据分析。

总体而言，本研究揭示了气候变化和土地利用变化对阿姆斯特朗太太孔雀栖息地的深远影响，并为未来的保护工作提供了科学依据。通过多尺度集合建模方法，研究人员能够更准确地预测该物种的未来分布范围，从而制定更为有效的保护策略。然而，模型的结果仍然受到多种因素的限制，包括数据的完整性、变量的选择以及物种适应能力的不确定性。因此，未来的研究应进一步完善这些方面，以提高预测的准确性，并为更广泛的生态保护提供支持。