印度泰米尔纳德邦人-野牛冲突的生态与时间驱动因素：基于补偿记录与集成建模的预测分析

本研究针对印度泰米尔纳德邦日益加剧的人-野牛冲突（Human-Gaur Conflict, HGC），通过分析2016-2024年48个森林分区的补偿记录（n=743），结合气候、植被、地形和人类干扰等环境变量，采用集成建模（sdm包）预测冲突风险区。研究发现，尼尔吉里斯等高地森林区冲突最密集（占24.4%），作物损害为主要类型（45.98%），12月至次年3月为高发期。模型显示海拔（贡献率37.8%）、道路距离（18.9%）和森林 proximity（17.5%）是核心驱动因子，预测全邦14.1%（18,335 km2）属高风险区，为制定季节性防护和栖息地修复策略提供科学依据。

　　

在印度泰米尔纳德邦的山区，一种体重可达1吨的庞然大物——野牛（Bos gaurus）正频繁闯入人类聚居区。这些被世界自然保护联盟（IUCN）列为易危（Vulnerable）物种的巨型草食动物，近年来因原生栖息地被桉树人工林和花岗岩采矿场侵占，不得不冒险进入农田觅食。更令人担忧的是，在尼尔吉里斯等热门旅游区，野牛甚至游荡在街道翻找垃圾，与居民爆发激烈冲突。面对这一严峻挑战，泰米尔纳德森林部野生动物保护高级研究所（Advanced Institute for Wildlife Conservation）的Thekke Thumbath Shameer团队展开了一项开创性研究，通过分析9年间的冲突补偿数据，首次绘制出该邦人-野牛冲突的风险地图，相关成果发表在《Discover Animals》上。

研究人员运用三项关键技术：首先整合48个森林分区的补偿记录（含地理坐标630条），区分作物损害（45.98%）、人员伤亡（39.68%）等冲突类型；其次通过Google Earth Engine提取2016-2024年最大NDVI（归一化植被指数）等19个环境变量；最后采用sdm包的集成建模（含RF、MaxEnt等8种算法），以TSS（真实技巧统计）为指标构建预测模型。

空间分布格局
数据分析显示尼尔吉里斯分区冲突最密集（174起），占总数24.4%，其次为科代卡纳尔（105起）和迪尼杜格尔（85起）。

时间动态特征
冲突呈现明显季节性：12-3月为高峰（月均9.7起），其中3月达峰值（11起±9.6），与旱季作物成熟期重合；而雨季（6-9月）降至月均6.5起。

关键驱动因子
随机森林（RF）模型显示海拔贡献度最高（37.8%），野牛偏好海拔1,500米的中低坡度区；人类改造指数（HMI）每增加0.1单位，冲突风险上升15%。

风险区预测
模型划定18,335 km²为高风险区（占邦域14.1%），主要集中在西高止山脉周边，与保护区和人工林交错带高度重叠。

这项研究首次系统揭示了人-野牛冲突的时空规律：原生草原被外来树种（如金合欢）侵占是根本诱因，而道路网络（贡献度18.9%）则加剧了人兽接触。研究提出的风险地图可直接指导森林部门在旱季加强巡逻，并在尼尔吉里斯等旅游区设置防兽围栏。更深远的意义在于，该成果为其他大型草食动物（如亚洲象）的冲突管理提供了范式——通过集成建模将零散的补偿数据转化为精准防控策略，实现了从被动应对到主动预防的跨越。正如作者强调的，未来需优先修复西高止山脉的梭拉（shola）草原生态系统，这才是缓解人兽冲突的治本之策。