无人机遥感揭示小型植被结构对鸻鹬类巢穴存活的关键作用及其在爱沙尼亚滨海草甸保护中的应用

本研究利用无人机（UAV）高分辨率遥感技术，结合巢生存监测，揭示了爱沙尼亚滨海草甸中鸻鹬类巢穴存活与植被高度（sward height）、异质性（patch heterogeneity）及水域距离的显著关联。研究强调通过优化放牧管理以提升植被结构多样性，对缓解巢捕食压力、推动水鸟保护（AES）具有重要实践意义。

　　

1 引言

波罗的海沿岸草甸是地面营巢鸟类的重要半自然栖息地，多种鸻鹬类依赖此类湿地繁殖。20世纪末该生境面积急剧减少，近20年来虽经恢复，但鸻鹬种群数量并未如期回升。生境丧失与质量退化是其主要原因，农业弃耕与放牧压力不足导致灌木与树木侵占，巢捕食增加也进一步加剧种群衰退。爱沙尼亚现存滨海草甸主要通过农业环境计划（AES）进行保护，但仍存在植被结构单一、周边森林斑块增加捕食风险等问题。植被结构特征（如草层高度、异质性）和持续淹水区对鸻鹬巢址选择与存活具有关键作用，但传统方法难以在较大范围内精确测量这些细微特征。近年来，无人机（UAV）技术发展为厘米级分辨率植被测绘提供了新途径，可高效获取草层高度、生长速率与异质性，并结合机器学习算法精准建模生境结构。

2 方法论

2.1 研究地与植被采样

研究在爱沙尼亚西部5个滨海草甸（32.8–86.2公顷）开展，所有点位均通过AES进行 cattle grazing 管理。按植物群落分层随机采样，每站点每群落设20个样方（300×300 mm），测量5个随机点草高取平均值，并用GNSS记录坐标。

2.2 鸻鹬调查、产卵日期估计与巢命运判定

通过 binoculars 和 scope 扫描景观、步行惊飞鸟类以定位巢穴，调查间隔6–12天。巢坐标用Trimble R8s GNSS记录，产卵日期通过蛋浮法（egg flotation）估计。巢命运依据巢杯残留判断：成功孵化时存在蛋壳碎片，捕食则无残留或残留于巢周。排除非捕食性失败巢（如废弃、水淹）及样本量不足物种（黑尾塍鹬）。

2.3 植被调查、无人机测绘与植被高度及复杂性建模

识别4种植物群落：低滩（LS）、高滩（US）、开阔先锋（OP）和高草（TG）。采用Sensefly Ebee X无人机搭载Parrot Sequoia多光谱传感器（分辨率10 mm/像素）和S.O.D.A相机（RGB，35 mm/像素），于5月初（T1）和6月初（T2）两次飞行。多光谱图像含绿、红、红边、近红外波段，飞行前用校准板进行辐射定标。通过PPK校正提高图像位置精度，在Pix4D构建正射 mosaic。基于多光谱数据计算13种植被指数（VIs），基于RGB数据通过SfM算法生成数字地形模型（DTM），并在CloudCompare中用CSF算法区分为地面与植被点，生成100 mm/像素DTM。采用随机森林（RF）回归（ranger包）建模草高，以VIs和DTM为变量，50%野外样本为训练集，以R²、RMSE、nRMSE评估精度，以MSE增加百分比评估变量重要性。采用均值漂移聚类（mean-shift）评估草层异质性，以斑块密度指数（Pd，斑块数/m²）作为异质性代理指标。

2.4 其他景观变量

计算巢至最近森林边缘与淹水区的距离。森林斑块提取自爱沙尼亚底图，淹水区通过UAV影像分类（RF算法），过滤掉面积<20 m²的水体，在QGIS中计算欧氏距离。

2.5 统计分析

提取巢周2米缓冲区内平均植被高度、生长量、斑块异质性、至淹水区与森林距离。通过重复测量ANOVA检验缓冲区大小（1m/2m/3m）对异质性的影响。仅使用首次无人机调查前后1–2周内产卵的巢，以确保植被数据代表性。采用广义线性混合模型（lme4包）比较物种与随机点在各变量的差异，以研究点为随机因子。采用MARK和RMark包进行巢存活分析，以日存活率（DSR）为响应变量，包含时间趋势（零模型、线性、二次）与环境变量，以AICc排名选择最佳模型（ΔAICc<2），可视化变量对DSR的影响。

3 结果

3.1 植被高度模型与草层异质性

RF模型草高预测精度高（R²=0.61–0.94），DTM、Datt4、GDI、GRDI为最重要变量。草层聚类图显示较高异质性与高植被区相关，低滩区更均质。斑块密度值在缓冲区间基本一致，仅部分站点1m与3m存在显著差异。

3.2 巢址选择与存活模型

共监测194巢，101巢符合时间窗口。总孵化成功率34%。巢址选择上，物种间在初始草高、生长量与异质性无显著差异，但环颈鸻巢位显著远离森林（Tukey检验, P=0.02）。所有物种巢址平均草高约50 mm，随机点相似。日存活率（DSR）整体0.933，物种间相似但点位间差异大。最佳存活模型包含“至淹水区距离”、“斑块异质性”和“初始草高”，估计值置信区间不跨零。DSR随至淹水区距离增加而降低，随异质性或草高增加而升高。至森林距离与植被生长量对DSR无显著影响，物种间对环境变量响应无差异。

4 讨论

无人机植被模型与巢监测结合揭示了景观特征对鸻鹬巢存活的影响。巢周较高草高与异质性（如100 mm草高可提升 lapwing 孵化成功率至56.8%）可能通过 concealment 降低捕食者（红狐）发现概率。至淹水区距离的负相关可能与捕食者回避潮湿区、猎物分布有关。未发现森林距离效应，可能源于样本异质性不足或淹水区作用更突出。当前放牧管理虽维持了适宜巢址草高，但均质化可能限制巢存活提升。优化放牧制度（如异质 grazing）可增强植被异质性，但需兼顾不同物种需求（如环颈鸻与滨鹬偏好低矮植被）。捕食控制（如围栏、捕食者剔除）可能是缓解巢捕食压力的必要补充，尤其在捕食高压点。研究展示了无人机遥感在动物保护研究中的潜力，未来可结合卫星物候数据深化植被动态分析。