整合多源数据与分层模型：加州黑熊种群动态评估的创新方法及其保护管理意义

本研究通过整合年龄收获数据（AAH）与相机陷阱数据，构建贝叶斯状态空间分层模型（MCMC），首次实现对加州黑熊种群规模（59,851只，90%CI:49,412–70,611）及区域动态的精准评估。模型突破性地融合区域异质性分析（BCRs划分）与多源数据校准（SCR密度校正），为野生动物管理提供可推广的AAH-相机陷阱整合框架，显著提升狩猎区与非狩猎区种群估算精度。

　　

研究背景与意义

野生动物种群精准监测是保护管理的核心挑战。针对狩猎管控物种，年龄收获数据（AAH）能反映种群年龄/性别结构，但传统方法易受猎人努力量等因素干扰。本研究创新性地将贝叶斯状态空间模型与相机陷阱数据整合，构建分层框架（BCRs区域划分），首次实现加州黑熊全境种群动态评估，为管理政策提供科学依据。

研究方法

数据采集：

• AAH数据：2013-2023年加州狩猎黑熊牙齿年龄鉴定数据（Matson's Lab），结合地理编码技术定位至9个熊保护区域（BCRs）。

• 相机陷阱：整合4188个位点数据（CDFW/USFS项目），采用30天闭合假设的Royle-Nichols模型（RN）分析相对丰度。

• 局部密度研究：11项空间捕获-重捕获（SCR）研究（如San Gabriels毛发DNA检测）提供校准基准。

模型构建：

1. 分层贝叶斯模型：分区域（BCRs）估计狩猎季节生存率（HS）、非狩猎季节生存率（NS）等参数，共享全局先验（如雌性HS先验均值0.80）。

2. 数据整合：通过RN模型预测值与SCR密度比值（平均7.12倍）校准全境丰度，并推导非狩猎区"缩放因子"。

3. 敏感性分析：测试先验分布±10%偏差的影响，雌性HS先验偏差对种群估计影响最大（±15.28%）。

关键发现

1. 种群规模：近5年全州黑熊平均数量58,568只（90%CI:47,507–69,645），其中狩猎区占比82%（如North Coast区22,218只）。

2. 区域动态：Cascades区年均增长率2.4%（显著），其他区稳定；Transverse Ranges区生存率最低（HS/NS均低于北部）。

3. 狩猎影响：年收获率1.2%-5.0%，2020年COVID封锁使HS显著提升（cloglog系数-0.20）。

4. 模型验证：RN预测与SCR密度高度相关（r=0.76），环境因子中树盖度（阈值效应）与鹿丰度呈正相关，雪水当量呈负相关。

应用与展望

本研究框架可推广至其他AAH数据物种管理。未来需结合：

• 冲突数据：验证人类-熊冲突与种群密度的非线性关系（如干旱驱动的资源竞争）；

• 遥感技术：整合NDVI等动态环境变量；

• 个体监测：GPS项圈追踪雌熊生存/繁殖参数，优化密度依赖效应建模。

（注：全文数据与结论均源自原文，未新增推断）