日本北海道钏路地区梅花鹿（Cervus nippon）种群空间动态与强化管理的定量影响研究

这篇研究通过27年（1994-2020）的网格化监测数据，揭示了日本北海道钏路地区梅花鹿种群在强化狩猎与滋扰控制（nuisance control）下的空间异质性动态。研究发现：1）种群密度呈现显著空间差异（1-120头/km2）；2）高密度网格（≥50头/km2）通过密度依赖性收获（density-dependent harvesting）实现种群减半，而低密度区（<25头/km2）保持稳定；3）管理效果存在局部差异，建议优先针对高密度区域优化资源配置。

　　

摘要

日本北海道的梅花鹿（Cervus nippon）种群因长期保护政策导致数量激增，引发严重的生态与经济问题。本研究以钏路支厅256个网格单元（23 km²/单元）为对象，分析了1994-2020年间强化管理（狩猎与滋扰控制）对局部种群动态的影响。结果显示：1）种群经历两次14%的下降，但2017年后趋于稳定；2）局部密度差异显著（1-120头/km²），高密度区收获率更高；3）集群分析将网格分为4类，高密度区（≥50头/km²）种群减半，中低密度区波动或稳定。

研究背景

全球有蹄类动物（ungulates）的种群控制常依赖狩猎，但管理措施对局部动态的定量影响缺乏研究。日本梅花鹿种群近25年扩张1.7倍，导致森林退化（Ohashi 2022）和年均45亿日元经济损失（Hokkaido Government 2022a）。钏路地区作为重灾区，2020年猎捕量达28,352头，占北海道总量首位。

研究方法

数据采集：整合3类种群指数——夜间定点计数（SC）、猎人目击率（SPUE）和距离抽样（DS），结合猎捕数据，构建网格化种群动态模型。
模型构建：采用贝叶斯层次模型，将自然增长率（λ）限制为1.15-1.21（Kaji et al. 2004），并纳入6类景观因子（如落叶阔叶林、人工草甸）分析初始密度空间分异。
密度依赖性验证：通过β广义线性混合模型（GLMM）检验收获率与局部密度的关系。

主要发现

1. 种群趋势：钏路种群从1994年170,099头（28头/km²）经历双峰波动，2020年恢复至189,294头（31头/km²）。两次下降（1998、2011年峰值后）均仅减少14%，反映管理效果有限。
2. 空间异质性：初始密度高值区（≥50头/km²，占11%）集中于西部，与落叶阔叶林（系数1.65）、混交林（系数2.23）显著正相关（表2）。2020年高密度区消失，中密度网格（25-50头/km²）占比升至60%。
3. 密度依赖性：收获率随log密度线性增加（斜率0.93，P<0.01），高密度网格更易被猎人集中作业（图5）。集群分析显示，仅12个高密度网格实现持续下降，而143个低密度网格保持稳定（图6）。

讨论

机制解释：1）高密度区鹿群集群增大，提升猎人探测效率（Fryxell et al. 2007）；2）猎人倾向选择高产区域，形成正反馈。但该效应在陡峭地形或私有林区可能减弱（Ueno et al. 2022）。
管理启示：当前行政区划（如北海道4大管理区）尺度过大，建议以23 km²网格为单元精准施策，优先控制高密度区。

创新与局限

首次量化密度依赖性收获的局部差异，但未考虑迁徙（季节性家域约6 km²）和土地权属的影响。未来需结合猎人行为与地形数据优化模型。

（注：全文数据与结论均来自原文，未添加主观推断；专业术语如SPUE、DS等均保留英文缩写及原文格式。）