景观异质性对动物运动轨迹中个体间相互作用推断的影响研究

本研究针对动物运动轨迹分析中环境因素与个体间相互作用的混淆问题，通过模拟四种典型运动场景（资源梯度、斑块景观、障碍环境及直接互动），系统评估了动态相互作用指数（DI）和基于步选择函数（SSF）的两种方法（SSF-OD和SSF-DIST）的推断性能。研究发现忽略景观异质性会导致个体间相互作用的虚假推断，提出结合空间校正方法（Spatial+）可有效降低偏差，为动物运动生态学研究提供了方法学改进方案。

　　

在动物行为学研究中，个体运动轨迹的解读一直存在"先天不足"——我们难以区分动物是在追随环境资源，还是真正被同类吸引。就像两位素不相识的游客在博物馆不期而遇，他们的同步移动可能只是被同一件展品吸引，而非彼此互动。这种"环境干扰"使得科学家们对野生动物追踪数据的解读充满挑战，特别是在高度异质的自然景观中。

来自德国莱布尼茨动物园与野生动物研究所（IZW）的Thibault Fronville团队在《Movement Ecology》发表的研究，通过精巧设计的模拟实验，揭示了当前主流分析方法的局限性。研究人员构建了四种典型运动场景：线性资源梯度（A）、斑块状资源分布（B）、障碍环境（C）以及直接互动场景（D）。在这些控制条件下，他们系统评估了动态相互作用指数（DI）和两种基于步选择函数（SSF-OD和SSF-DIST）的分析方法在区分环境效应与真实社会互动方面的表现。

研究采用的关键技术方法包括：1）基于代理的模型（ABM）模拟四种典型运动场景；2）动态相互作用指数（DI）计算个体运动轨迹的关联性；3）步选择函数（SSF）分析，包括基于个体出现分布（SSF-OD）和个体间距离（SSF-DIST）的两种变体；4）空间校正方法（Spatial+）用于降低空间混杂效应。所有分析均在R语言环境中完成，使用了WildlifeDI、amt等专业软件包。

研究结果部分呈现了丰富的发现：

在"资源梯度导致的关联运动"场景中，DI方法错误地检测到个体间相互作用（图2）。SSF-DIST在未考虑环境因素时也出现误判，但应用Spatial+后显著改善了推断准确性（图3）。值得注意的是，当两个体从相反方向向中心资源移动时（场景A.b），环境因素与个体距离高度共线性（相关系数-0.97），此时SSF分析面临严重挑战（图4）。

在"斑块景观导致的关联运动"场景中，SSF-OD方法表现出更高的误判率，这突显了复杂栖息地结构对分析方法的特殊挑战（图5）。而"障碍环境"场景的测试结果尤为引人注目：随着障碍物比例从0%增加到70%，两种SSF方法虚假检测到的"社会互动"显著增加，其中SSF-OD的偏差系数高达-21.30±3.90（图6）。这一发现对栖息地碎片化研究具有重要警示意义。

令人欣慰的是，在真实的"个体直接互动"场景中，所有方法都能准确识别社会互动（图7），且环境因素的纳入不会干扰正确判断。这一结果验证了方法在理想条件下的可靠性。

研究结论部分指出，步选择函数（SSF）在纳入环境协变量后表现优异，但面临共线性问题的挑战。空间校正方法（Spatial+）的引入显著降低了虚假关联的风险，特别是在障碍物密集（70%）的极端场景中，使SSF-OD的误判率从82%降至8%（图2）。这些发现为运动生态学研究提供了重要方法学启示：环境数据的质量与完整性直接影响社会互动的推断准确性；当关键环境数据缺失时，Spatial+可作为一种有效的补救措施。

该研究的创新价值在于首次系统量化了景观异质性对动物社会互动分析的干扰效应，并验证了解决方案的可行性。对于理解野生动物空间行为、保护栖息地连通性、以及设计生态廊道等应用领域都具有指导意义。未来研究可进一步测试这些方法在更复杂的社会-环境交互场景中的表现，以及如何整合隐马尔可夫模型（HMM）等新兴技术来捕捉行为状态的动态转换。