荷兰关键鸟类物种未来丰度变化对病原体传播的影响：基于随机森林模型的预测与疾病风险评估

为解决气候变化和土地利用变化对鸟类分布和丰度的潜在影响，进而影响疾病传播风险的问题，荷兰研究人员利用随机森林模型预测了关键物种（黑鸟、野鸭和家麻雀）在荷兰的未来丰度（2036-2065）。结果显示，野鸭和家麻雀丰度将增加，而黑鸟丰度稳定，这些变化通过Usutu病毒案例（USUV）证实了与疾病风险的关联。研究为未来疾病管理（如西尼罗河病毒WNV和禽流感AI）提供了空间预测工具，助力公共卫生干预。

　　

论文解读

野生鸟类作为病原体（pathogens）的宿主和传播媒介，在全球范围内引发多次健康危机，例如Usutu病毒（USUV）、西尼罗河病毒（WNV）和禽流感（AI）的爆发。这些事件突显了鸟类分布与丰度（abundance）变化对疾病风险的潜在影响。气候变化（climate change）和土地利用变化（land-use change）正在重塑鸟类栖息地，但此前研究多聚焦于物种分布而非疾病传播相关的关键物种丰度。荷兰作为案例地，近年经历了USUV和WNV的首次引入，导致黑鸟种群锐减，亟需预测未来风险以优化疾病监测与管理。为此，莱顿大学环境科学研究所（Institute of Environmental Sciences, University of Leiden）等机构的研究团队，结合气候和社会经济情景（Shared Socio-economic Pathways, SSPs），预测了三种关键鸟类（黑鸟、野鸭和家麻雀）的未来丰度，揭示其与疾病传播的关联，成果发表于《EcoHealth》期刊。

研究人员采用随机森林模型（random forest model）预测相对丰度，关键技术方法包括：（1）整合荷兰与法国的鸟类计数数据（来自Meetnet Urbane Soorten、Suivi Temporel des Oiseaux Communs等数据库），过滤气候相似区域以最小化外推误差；（2）使用环境预测变量，涵盖天气（如平均温度、降水）、土地利用（CORINE数据集）、植被覆盖（草被和树密度）和土壤属性（黏土和沙土比例），并应用缓冲区分析（500 m至2 km半径）；（3）基于荷兰共享社会经济路径（SSPs）和代表性浓度路径（RCPs）情景（如RCP2.6/SSP1、RCP8.5/SSP5），生成2036-2065年丰度预测；（4）通过自举法（bootstrapping）评估模型不确定性，并以逻辑回归分析验证黑鸟丰度与USUV病例的关联。

Model Performance

模型表现指标显示，随机森林预测效果良好：黑鸟模型的Pearson相关系数达0.954，解释方差为69.7%；野鸭和家麻雀模型略低，但误差（如平均绝对误差MAE<0.34）和偏差（平均预测误差MFE接近0）均较低，表明模型可靠。

Key Variables Affecting Bird Abundance

土地利用和植被覆盖（总贡献度>50%）是影响丰度的主导因素，超过气候变量（温度比降水更重要）。例如，黑鸟丰度与城市区域和树覆盖正相关，野鸭偏好水域环境，而家麻雀依赖城市栖息地，反映物种对栖息地异质性的响应。

Current Abundance

当前（1991-2020）分布模式各异：黑鸟高丰度区集中于东部沙质土壤区和城市；野鸭集中分布于西部黏土区；家麻雀全国均匀分布但避开自然区域，突显土壤类型和城市化对物种生态位（ecological niche）的影响。

Future Abundance

未来预测显示显著变化：黑鸟丰度整体稳定（变化中位数0.00-0.01），但野鸭和家麻雀丰度显著增加（中位数增幅0.05-0.09）。场景差异较小（如SSP间相关性>0.77），主因是未来趋势一致（温度升高、城市化加剧）。丰度增长区多位于当前低值区，可能导致疾病风险空间"均质化"。

Model Uncertainty

不确定性分析表明，模型置信区间窄（黑鸟±0.04），主因数据质量和环境变量覆盖全面。

Case Study: USUV in Blackbirds

USUV病例（1986-2022年数据）空间分布与黑鸟高丰度区高度重合（Wilcoxon检验p<0.001）。逻辑回归模型验证丰度是USUV风险的正向预测因子（p=0.053），结合病毒邻近性和温度变量，模型准确率达61.6%，证实宿主丰度与疾病传播的关联。

研究结论强调，野鸭和家麻雀的未来丰度增加将扩大病原体（如WNV和AI）的宿主库（reservoir），而分布变化（如城市化趋势）可能重塑疾病热点区域。USUV案例实证了丰度作为风险指标的价值，为疾病监测提供靶向工具。尽管模型在物种响应机制（如植被覆盖影响）上存在局限，但其情景预测（scenario-based projections）可集成至疾病动态模型，助力早期预警系统。意义在于填补了鸟类丰度-疾病风险研究的空白，推动"One Health"（一体化健康）框架下的跨学科干预，以应对气候变化驱动的公共卫生挑战。