基于猎物分布与环境变量的苏门答腊虎栖息地选择模型构建及其保护意义

本研究针对苏门答腊虎(Panthera tigris sumatrae)栖息地碎片化与猎物减少问题，通过整合最大熵(MAXENT)和随机森林(RF)算法，构建了包含5种主要猎物分布预测的物种分布模型(SDM)。结果显示：尽管GLNP国家公园80.4%区域适宜老虎栖息，但仅有40.3%区域与猎物分布重叠，揭示了猎物匮乏是制约虎群生存的关键因素。该研究为制定基于猎物恢复的保护策略提供了科学依据。

　　

在印度尼西亚的雨林深处，苏门答腊虎(Panthera tigris sumatrae)正面临严峻的生存挑战。作为现存最小的老虎亚种，其种群数量已从1970年代的1000只锐减至约618只，被IUCN列为极危物种。栖息地碎片化、偷猎活动猖獗，加上气候变化的影响，使得这个顶级捕食者的生存空间不断萎缩。更令人担忧的是，作为虎群生存基础的猎物种群也正在急剧减少——这个隐藏在森林生态系统中的"食物危机"，可能成为压垮苏门答腊虎的最后一根稻草。

针对这一紧迫问题，Geonusa Indonesia Consultants的研究团队在Gunung Leuser国家公园(GLNP)展开了一项开创性研究。这个占地8300平方公里的保护区是苏门答腊虎最重要的栖息地之一，栖息着约140只老虎。研究人员创新性地将猎物分布预测整合到老虎栖息地模型中，通过双重建模策略揭示了猎物可获得性对虎群分布的关键影响。相关成果发表在《Nature Conservation》期刊上。

研究团队采用了多源数据整合与机器学习相结合的技术路线。首先收集了2014-2024年间6386个老虎出现点位和5种主要猎物（包括水鹿Rusa unicolor和野猪Sus scrofa）的分布数据，通过环境变量筛选（19个生物气候变量和8个景观变量）和空间稀释处理降低采样偏差。随后采用两阶段建模：先用随机森林(RF)和最大熵(MAXENT)算法分别构建猎物分布模型，再将预测结果作为输入变量建立老虎栖息地适宜性模型。最终通过集成模型(ENS)综合两种算法的优势，并采用AUC、TSS等5个指标评估模型性能。

猎物分布模型

研究发现不同猎物对气候因子的响应存在显著差异：苏门羚(Capricornis sumatraensis)、野猪和鼠鹿(Tragulus kanchil)的分布主要受年温度变化范围影响，而吠鹿(Muntiacus muntjak)则对季节性降雨更敏感。值得注意的是，当年温度变化范围超过15°C时，所有猎物的存在概率均呈现下降趋势，暗示气候变化可能通过影响猎物分布间接威胁虎群生存。通过多重共线性检验后，最终筛选出水鹿、野猪和鼠鹿3种猎物的分布预测作为老虎模型的输入变量。

苏门答腊虎分布模型

集成模型(ENS)显示，GLNP内80.4%（6672.11 km²）的区域具备老虎栖息潜力，但猎物适宜区仅占48.6%，两者重叠区域仅40.3%。变量重要性分析揭示：水鹿分布概率（贡献度28.7%）和森林覆盖类型（21.3%）是决定老虎栖息地选择的两大关键因素。响应曲线表明，当水鹿存在概率超过0.6时，老虎出现概率急剧上升；而初级和次级干燥林的土地覆盖类型使老虎存在概率提升3-5倍。

重叠分布分析

最令人警醒的发现是"栖息地-猎物不匹配"现象：虽然老虎理论上可利用公园80%的区域，但受限于猎物分布，实际有效栖息地不足一半。这种差异在公园东部低地森林尤为明显——尽管环境条件适宜，但因猎物匮乏，这些区域可能无法维持可持续的虎群数量。

讨论与保护启示

这项研究首次量化了猎物可获得性对苏门答腊虎栖息地选择的限制作用，挑战了传统保护规划中单纯依赖栖息地面积评估的做法。研究指出三个关键保护方向：(1) 亟需加强反盗猎巡逻，特别是针对水鹿等关键猎物的保护；(2) 在东部低地森林实施植被恢复计划，改善猎物栖息环境；(3) 建立气候适应性管理策略，缓解温度变化对猎物种群的压力。

该研究的创新价值在于将捕食者-猎物系统动态纳入保护地管理框架。通过揭示"看似适宜却无猎物"的生态陷阱，为GLNP的保护决策提供了精准的空间指引。未来若能在其他虎保护区推广该方法，或将改写大型食肉动物的保护评估范式。正如作者强调的："保护顶级捕食者，首先要保护好它们的'餐桌'——这个朴素却常被忽视的生态真理，正是本研究给保护生物学带来的重要启示。"