利用社区科学数据监测种群灭绝风险：一种高效本地持久性概率估计框架

本文创新性地提出并验证了一种基于社区科学数据（如eBird）的定量框架，通过连续状态空间模型（state-space models）迭代拟合数据，估计本地种群持久性概率（φ）。该方法结合风险监测框架（VPM），与标准化监测数据对比显示高度一致的灭绝风险趋势，即使在数据量减少至5%时仍保持稳健。这一工具为全球保护生物学提供了计算高效、易于应用的解决方案，尤其适用于缺乏标准化监测的区域。

　　

背景

监测种群灭绝风险是保护生物学和应用生态学的核心议题，但传统方法依赖成本高昂且覆盖有限的标准化监测数据。社区科学数据（如eBird）凭借其高时空分辨率，为弥补这一缺口提供了新机遇。然而，这类数据的异质性（如观察者偏好偏差）增加了分析复杂性。本文以濒危物种Everglades snail kite（食螺鸢）为模型系统，聚焦其新建立的佛罗里达州Payne's Prairie亚种群，旨在开发一种鲁棒框架，利用社区科学数据估计本地持久性概率（φ），并通过与标准化监测比较验证其准确性。

材料与方法

研究采用五阶段工作流：首先，从eBird下载2018–2024年食螺鸢数据，筛选完整清单（protocols为travelling或stationary），限制采样努力（≤5小时、≤5公里、≤10观察者），并分配到100-km²六边形空间网格。Payne's Prairie单元因数据重叠被选为重点区域，构建基于周最大计数的时序数据集。标准化监测数据来自长期航船调查和巢穴监测，覆盖同期。其次，应用风险监测框架（VPM），结合指数增长状态空间模型（EGSS）。该模型将未观测丰度N_t描述为N_t = N₀exp(a + E_t)，其中E_t ~ Normal(0, σ²)表示环境噪声，观测模型为Y(t) = X(t) + F_i（F_i ~ Normal(0, τ²)为观测噪声），参数包括lnλ（周对数丰度变化期望）、σ²（过程噪声方差）、τ²（观测噪声方差）和x₀（初始对数丰度）。第三，通过VPM框架迭代估计持久性概率：在每周i，拟合EGSS模型，模拟50,000条轨迹，预测未来窗口（S₂₅₀、S₅₀₀、S₁₂₅₀周，对应5、10、25年），计算低于准灭绝阈值（N_c；eBird为5，标准化监测为32）的概率，其补集即为φ。第四，比较eBird与标准化监测的φ趋势，并执行敏感性分析：时间稀释（减少周数据）和采样稀释（减少清单数），评估数据量降至5%的影响。

结果

EGSS模型预测的周最大计数与观测值高度吻合（标准化监测斜率=0.929±0.030，p<0.001）。参数估计显示，环境噪声方差σ²（eBird: 0.04, SM: 0.04）和初始丰度相似，但观测噪声方差τ<sup