机场鸟类碰撞风险的多维度解析：整合DNA条形码、物种特征与系统发育分析指导防控策略

为解决机场鸟击事件对航空安全与鸟类保护的威胁，研究人员通过整合DNA条形码(COI/12S rRNA)、物种特征(PGLS分析)和系统发育方法，对上海浦东国际机场1397例鸟击样本进行多维度研究。研究发现体型小、集群性强、迁徙状态和地理分布广的鸟类(如雀形目、鸻形目)碰撞风险最高，其中体重与集群行为的交互效应解释力最强(R2=0.6246)。该研究为高风险鸟种识别和精准防控提供了科学依据。

　　

随着全球航空运输量激增，鸟击事件已成为威胁航空安全和鸟类保护的突出问题。上海浦东国际机场作为中国最繁忙的航空枢纽，地处东亚-澳大利西亚候鸟迁徙路线，年均80万架次航班起降与丰富鸟类多样性形成尖锐矛盾。传统防控措施多依赖经验判断，缺乏对鸟击物种生态特征的系统认知。Wan Chen团队在《Global Ecology and Conservation》发表的研究，首次整合分子生物学、生态学和系统发育学方法，揭示了驱动鸟击事件的关键物种特征。

研究团队采用覆盖度外推法(94.99%完整性)分析2014-2024年1397例鸟击残留物，通过线粒体基因(COI/12S rRNA)测序鉴定出205种鸟类。运用系统发育最小二乘法(PGLS)分析14个生态特征，结合1000棵系统发育树校正进化关系。创新性地构建单变量、加性和交互作用模型，通过AICc模型选择评估特征重要性。

物种组成与风险特征

鉴定结果显示雀形目(61.92%)和鸻形目(15.46%)为主要风险类群，雨燕科(10.23%)、鹟科(8.45%)为高风险科。发现1种极危(CR)和7种近危(NT)物种，其中国家一级保护物种3种。覆盖度分析证实样本代表性充分，罕见物种占比显著。

关键性状的交互影响

单变量PGLS识别出体重、地理分布范围、手翼指数(Hand-wing index)、扩散比(Dispersal ratio)、集群倾向和迁徙状态6个显著预测因子。突破性发现体重与集群行为的交互效应解释力最强(ΔAICc=0，R2=0.6246)，揭示小体型(β=-0.59)且大规模集群(β=1.54)物种风险最高。

多变量模型优化

最佳组合模型(ΔAICc=0，w_i=0.6252)包含集群倾向、体重、手翼指数和分布范围，解释67.5%变异。迁徙鸟类碰撞频率显著高于留鸟(P=0.001)，地理分布广(β=0.35)和手翼指数高(β=2.06)的物种风险提升。

讨论与保护启示

研究颠覆了传统认知：1)小体型而非大型鸟类风险更高，可能与其种群密度和适应性相关；2)手翼指数反映飞行效率，高值物种更易进入航线空域；3)集群行为放大碰撞概率，需针对性开发声光威慑系统。建议建立迁徙季预警机制，通过植被管理减少机场生境吸引力，特别关注雨燕等高风险物种。

该研究构建了鸟击风险评估新范式，其性状分析方法可推广至风电碰撞等类似场景。未来需结合雷达追踪验证时空分布模式，并评估长期鸟击压力对受胁种群的影响。研究为平衡航空发展与生物保护提供了关键科学依据，对东亚迁徙路线保护具有特殊意义。