整合多指标科莫多巨蜥栖息地适宜性指数（KHSI）与机器学习（ML）野火易感性的科莫多国家公园保护分区与优先区评估

《Environmental and Sustainability Indicators》：Integrating Habitat Suitability and Wildfire Susceptibility to Evaluate Komodo Dragon Conservation Zoning

　　

科莫多巨蜥（Varanus komodoensis）是顶级捕食者，其自上而下调控有蹄类猎物有助于维持萨瓦纳生态系统平衡，同时是标志性但濒危物种；其保护需要在印度尼西亚科莫多国家公园（KNP）内细致理解栖息地适宜性、野火易感性和保护分区。研究人员建立了一个综合多指标科莫多栖息地适宜性指数（KHSI），整合成年和幼年科莫多巨蜥的猎物可获得性、栖息地特征和空间分布数据。结合基于机器学习（ML）的野火易感性建模，该研究识别科莫多巨蜥保护的关键区域，并评估其与现有分区法规的一致性。研究结果显示，KNP 36%区域具有高栖息地适宜性，主要位于低地萨瓦纳生态系统；11%园区面临高野火脆弱性，尤其在具有干燥萨瓦纳植被的沿海地区。值得注意的是，5%园区同时具有高栖息地适宜性和升高的野火风险，强调需要针对性管理策略。栖息地模型取得高区分度（曲线下面积（AUC）= 0.937）。野火集成模型在100次分层随机划分中达到平均AUC 0.861，在留一火烧区验证（leave-one-fire-out validation）下降至0.735；该验证依次保留三个已制图火烧多边形之一；后者是可转移性能的适当估计，优先地图应据此解读。此外，保护分区评估突显分区有效性差异，核心区包含显著比例的低适宜性区域和高野火脆弱性。该研究创新性在于利用先进地理空间和机器学习（ML）技术，整合物种栖息地建模、野火风险评估和保护分区评估。结果通过识别栖息地保护、野火缓解和潜在分区政策修订的优先区域，有助于改进保护规划。这些见解为应对其他生物多样性热点地区的类似保护挑战提供了可扩展框架。

论文主体解读

研究背景：生物多样性从极地向赤道增加，印度尼西亚具有极高物种多样性和特有性。科莫多巨蜥是现存最大蜥蜴，作为顶级捕食者具有重要生态作用，分布于东努沙登加拉五个岛，其中四岛位于KNP，另有一些碎片化种群在Flores岛。其偏好低海拔、日间活动、开放落叶林和中等冠层等生境，这些生境猎物多样并利于体温调节。近三十年来，高强度生态旅游、Rinca岛旅游目标每年1–1.5百万游客、非法猎杀、气候变化导致的植被质量和猎物下降、Timor deer与猪等猎物减少、入侵种如野狗和毒亚洲蟾蜍、寄生虫感染等，均威胁科莫多巨蜥。2021年国际自然保护联盟（IUCN）将其状态从“Vulnerable”变为“Endangered”，成年个体总数低于1,400，无亚群超过500，分布区面积809 km²低于2,000 km²，八个亚群均严重碎片化。全基因组分析识别Komodo岛和北Flores种群为遗传保护单元，且栖息地近年估计收缩44%。传统相机和笼捕监测可靠但资源密集，Gili Motang和Nusa Kode等偏远区域研究不足。物种分布模型（SDMs）可扩展，但已有研究预测因子或覆盖不足：Jones et al. 评估海平面上升但预测因子有限，Pramatana et al. 仅分析Flores而遗漏KNP。科莫多巨蜥食谱具年龄结构，幼体树栖，捕食小蜥蜴、大昆虫和蛇；成年捕食Timor deer、水牛和野猪等有蹄类。KNP干季火灾频发，退化低地萨瓦纳、减少猎物草生物量、移除热调节冠层，并可直接伤害个体和巢址，因此研究人员将栖息地适宜性与野火易感性整合，构建保护优先区。

主要关键技术方法（不超过250字）：研究区域为KNP。样本来源包括GBIF 1988–2023年144个Varanus komodoensis出现点，坐标不确定性低于1 km；野火150个火点来自3个火烧多边形，250个非火点来自Sentinel Hub；Komodo七条活动路径来自Jessop–Balai Taman Nasional Komodo 2007。栖息地建模先用多准则分析（MCA）选择伪缺席点，再以最大熵（MaxEnt）建模，70/30训练测试并用AUC-ROC评价。野火建模使用分类与回归树（CART）、随机森林（RF）、梯度树提升（GTB）及无权重平均集成，进行100次分层随机划分、空间块交叉验证和留一火烧区验证，并用排列重要性与SHAP值解释。最后将栖息地适宜性和野火易感性按等间隔三分并双变量叠加。

研究结果：
3.1 多指标科莫多栖息地适宜性（Multi-Indicator Komodo Habitat Suitability）：成年科莫多猎物可获得性在全园较均匀，沿海较低；科莫多出现集中于开放萨瓦纳与闭林过渡带；幼年猎物潜力在低海拔较高树处最高。整合表面显示Rinca岛北部高适宜，Padar岛以高适宜为主，Nusa Kode和Gili Motang以低值为主。KNP约36%为高适宜，其中极高9,065 ha、高11,820 ha；最大单类为极低适宜，12,472 ha，约21%。MaxEnt显示近60%区域适宜，高至极高约34,000 ha；最低类4,078 ha，占7%，低类8,555 ha，占15%。
3.2 科莫多栖息地中的野火易感性（Wildfire Susceptibility in Komodo Habitat）：KNP以无火安全区为主，最低类34,000 ha，占58%；高至极高脆弱区7,200 ha，占11%，集中于低海拔沿海干季萨瓦纳。森林因较凉湿而低脆弱。Komodo岛总体低脆弱，沿海和小离岛除外；Rinca岛南部和东北低、北部中到高；Nusa Kode和Gili Motang野火脆弱性可忽略。验证中，官方报告燃烧面积与Sentinel-2影像差异明显：2018年Gili Lawa Darat岛10 ha对102.93 ha，2021年Komodo岛10 ha对184.63 ha，2021年Rinca岛10 ha对300.07 ha。100次重复显示RF平均AUC最高（0.885 ± 0.030），GTB为0.863 ± 0.034，集成为0.861 ± 0.032，CART为0.722 ± 0.043；空间独立验证下区分度下降。加入人类可达性变量后随机分区AUC升至0.996，但空间块验证降至0.829，故未保留。
3.3 科莫多保护优先区（Komodo Conservation Priority Area）：双变量分析中，低适宜-低野火区14,000 ha，占25%；高适宜-低野火区11,000 ha，占19%；高野火脆弱区10,400 ha，占18%，其中高适宜-高火险2,800 ha，占5%，中适宜-高火险3,500 ha，占6%。
3.4 国家公园生态含义（Ecological Implications in National Parks）：核心区以低适宜-低野火（LS-LW）为主，占33.8%，高适宜-低野火（HS-LW）仅12.9%；21%核心区高野火脆弱，其中5%为高适宜区。丛林区HS-LW达30.9%，可考虑将核心区扩展至部分丛林区。传统社区聚居区25%面积火脆弱；陆上旅游和传统利用区HS-LW超过40%。

讨论部分总结：
4.1 机器学习统计：相关性矩阵成对系数0.37–0.69，均低于多重共线性阈值，全部预测因子保留；栖息地模型AUC为0.93，区分度优秀。机制上，猎物指标主导适宜性，符合自下而上控制；地表温度和中等树冠通过体温调节与伏击觅食起作用；幼体高树低海拔反映生态位随发育转变；野火同时退化猎物、热调节冠层和湿度条件。
4.2 野火易感性模型解释：三种学习器对预测因子排序一致性中等，平均Spearman相关系数0.517。排列重要性以风速、NDVI和高程最高；SHAP以NDVI、NBR+和SAR VH最高。方向一致：NDVI下降、SAR VH下降、NBR+升高、风速升高、最高地表温度（LST）升高均增加易感性，NDMI下降较弱增加易感性。坡度和高程作用多被植被指数吸收。
4.3 开放Komodo轨迹数据集模型评价：七条路径主要位于HS-LW，占37%–93%；其次为MW-LW，占6%–31%。Komodo 1和Komodo 4路径暴露于中高野火脆弱区2.6%–6.5%，但多在低栖息地；Komodo 7和Komodo 6的HS-LW最高，分别82%和94%；Komodo 1的HS-HW最高，占其路径1.2%；Komodo 6最安全，Komodo 1野火脆弱性最高。
4.4 类别水平转换动态：向量空间分析显示Δy为?4至+4，均值+0.45。北部Δy > +3.0，成年摄食潜力显著增加；南部Δy < ?2.5，成年潜力下降但对幼体较有利，增加被成年捕食风险。随着成熟，科莫多巨蜥趋向更广阔稳定内陆生境。
4.4 保护启示：管理优先包括：针对5%高适宜-高火险沿海萨瓦纳进行火烧缓解；将核心区扩展至高适宜低火险丛林区；恢复开放萨瓦纳和火后猎物生境；通过季节准入和可燃物控制转移旅游压力；建立适应性循环更新模型。人类活动变量虽未保留，但不表示人类活动不重要，而是现有火点数据无法区分可达性与可燃性；最高十分位稳定性低，优先区应经野外确认。
4.6 局限与未来方向：观测数据偏向可达区域；火点实际来自三次火灾事件，空间验证下降，可转移性受限；算法选择和气候稳态假设带来结构不确定性；双变量优先类应作为野外验证的决策支持假设。未来需独立火记录、野外数据、多算法集成、人类压力和气候变化投影。

研究结论翻译：本研究旨在开发综合框架评估KNP科莫多巨蜥栖息地适宜性，并整合野火易感性和保护分区评价以指导保护策略。结果显示，约36%的KNP高度适宜科莫多巨蜥，低地萨瓦纳生态系统关键，需栖息地保护与恢复；野火建模识别11%的KNP高野火脆弱，尤其沿海和萨瓦纳区，需防火与灭火；栖息地适宜性与野火风险整合显示5%的KNP既高适宜又高野火易感，为优先保护行动区。研究还揭示当前保护分区与生态优先区明显不匹配，需修订分区政策。主要贡献是利用地理空间和机器学习方法整合栖息地、火险和分区评价，提供数据驱动的新型保护规划框架。局限包括生态和火灾历史数据的可用性与分辨率，未来需更细尺度数据和气候变化投影。该研究对KNP及相似区域保护管理具有重要意义，为政策制定者优化资源配置和修订保护分区提供可操作见解，并服务全球生物多样性保护和保护地管理。