《Ibis》：Revisiting avian wingtip shape indices: a comparison of methods with empirical data
编辑推荐：
鸟类翼形的研究有助于理解鸟类如何适应其栖息地并响应不断变化的环境条件。该领域面临的一个重要挑战是如何获得真正独立于身体大小的翼形估计值，尤其是当二者之间存在异速生长（allometry）关系时。尺寸约束成分分析（Size-constrained Compone
鸟类翼形的研究有助于理解鸟类如何适应其栖息地并响应不断变化的环境条件。该领域面临的一个重要挑战是如何获得真正独立于身体大小的翼形估计值，尤其是当二者之间存在异速生长（allometry）关系时。尺寸约束成分分析（Size-constrained Component Analysis, SCCA）已被提出作为基于飞羽测量估计翼尖形状的最为适宜的方法。然而，其实施一直因缺乏开放、可获取且可复现的软件而受到阻碍，导致许多研究人员要么采用替代的多元统计方法，要么继续依赖传统且更易获取的简单指数（如手翼指数，hand-wing index, HWI）。研究人员利用24种西古北界雀形目物种的数据证明，在预测种间迁徙距离变异——即塑造翼形态的最具影响力的生活史性状——方面，由SCCA导出的翼尖形状指数优于五种替代方法。尽管由替代方法导出的形状指数得分与SCCA所得得分呈正相关——表明这些方法捕获了相当大比例的变异——但本研究结果为SCCA的价值提供了经验支持，尤其是与基于形态测量比值的其他方法相比时。基于这些发现，研究人员强烈建议将SCCA作为估计独立于大小的翼尖形状的金标准。为促进这一最佳实践的推广应用，研究人员提供了用于SCCA计算的开源R代码。
**一、研究背景与问题**
鸟类翼形态是多重选择压力共同作用的产物，初级飞羽在手翼模块中的排列方式决定了翼远端轮廓，即翼尖形状（wingtip shape），对飞行效率和生态适应具有重要意义。以往研究表明，迁徙距离较长、扩散范围较大或栖息于更开阔生境的鸟类通常拥有更长的翅膀和更尖的翼尖。然而，获得真正独立于身体大小的翼尖形状估计是该领域的核心挑战，尤其是当飞羽测量值与体尺之间存在异速生长关系时。尺寸约束成分分析（SCCA）由Lockwood等于1998年提出，被视为主成分分析（PCA）的改进方法，可从飞羽测量中提取独立于大小且校正异速生长效应的翼尖形状指数。但SCCA的实施长期受限于缺乏开放、可复现的软件：在引用该研究的435篇文献中仅29篇（6.7%）明确实施了SCCA。该研究提供的简化计算公式仅适用于特定八枚初级飞羽的长度测量，无法兼容不同飞羽组合或距离测量方式。此外，PCA、异速生长剔除（SAR）、手翼指数（HWI）及偏最小二乘回归（PLSR）等替代方法与SCCA的一致性从未得到系统检验。因此，研究人员开展本研究以量化不同方法和测量类型对翼尖形状表征的影响，并统一翼尖形状的推断方法。
**二、研究内容与结论**
研究人员于2022年9月至11月在西班牙Do?ana国家公园的Manecorro环志站捕获90只野生雀形目鸟类（隶属24个西古北界物种，每种2–6只个体），分别测量初级飞羽长度（PL）和腕骨距离（CD，由初级飞羽距离转换而来），并记录翼长和Kipp's距离。研究人员将六种方法（SCCA、Lockwood公式LF、PCA、SAR、PLSR、HWI）应用于两类飞羽测量，以迁徙距离为生态效标，通过系统发育广义最小二乘（PGLS）模型比较各方法所得形状指数的预测能力，并计算替代方法与SCCA指数间的Pearson相关性。结果表明，SCCA导出的翼尖形状指数在预测种间迁徙距离变异方面优于所有替代方法，最优模型预测值与观测值的相关系数达0.93；但多数替代方法（尤其PCA和PLSR）与SCCA高度相关，说明以往使用替代方法的研究不太可能产生严重偏倚。研究人员据此建议将SCCA作为翼尖形状估计的金标准，并提供了开源R代码以促进其应用。
**三、关键技术方法**
本研究主要方法包括：（1）在R中开发并实现SCCA的完整数学步骤；（2）五种替代方法：LF简化公式、常规PCA、Senar异速生长剔除（SAR）、以翼长为响应变量的PLSR及HWI比值指数；（3）PGLS模型结合小样本校正赤池信息准则（AICc）进行模型选择；（4）Pagel's λ系统发育信号估计与Pearson相关分析。样本队列为24种西古北界雀形目（共90只个体）；迁徙距离数据取自现有公开发表的研究，另有2种基于繁殖区与越冬区分布质心的直线距离计算。
**四、主要结果**
**翼指数的解释**：六种方法中，大小成分均解释了飞羽测量变异的94.95%–98.29%，剩余变异主要由形状1和形状2解释。形状1在所有方法中均一致指示外侧初级飞羽相对较长、翼尖更突出和/或翼轮廓内凹的形态；形状2在各方法间生物学解释不一致：SCCA中与中段飞羽负相关，指示中间飞羽内凹轮廓；SAR法中则与P9–P6呈正相关，代表不同的形态轴。将LF法应用于本数据集时，其因子载荷与Lockwood等原始结果存在差异，表明该公式的可移植性有限。
**翼尖形状与迁徙距离**：在84个竞争模型中，排名前九的模型均基于SCCA方法且均包含形状1指数。最优模型为基于CD测量的SCCA形状1在零进化模型下的PGLS拟合，其预测值与观测迁徙距离的相关系数为0.93，残差随机分布。
**替代方法与SCCA的相关性**：各替代方法的大小指数与SCCA大小指数几乎完全相关（r≈1）；形状1的相关系数均高于0.88；形状2除SAR外均与SCCA显著相关（r>0.73）。SAR形状2与SCCA形状2无相关，却与SCCA形状1显著相关，其生物学解释不明确且种间可重复性较低。
**方法内PL与CD测量值的相关性**：四种同时采用两类测量方法的大小及形状指数在PL与CD间的相关性均极高（r>0.94），表明测量类型不影响翼尖形状表征；唯一例外是SAR方法的形状2（r=0.64）。
**五、讨论与结论**
讨论部分指出：SAR因预先使用测量比值而受异速生长影响最大，与SCCA的一致性最差；PCA和PLSR等纯多元方法是SCCA的良好近似替代。LF方法因样本分类组成差异及组分正交性被破坏，并非理想的替代工具。HWI虽简便且与SCCA形状1高度相关，但与翼长及SCCA大小指数显著相关，存在大小偏倚风险。SCCA等多元方法的结果依赖数据集协方差结构，而简单比值指数独立于样本组成、更利于跨研究比较，两者各有适用场景。研究结论翻译如下：本研究的经验数据证实了SCCA在估计翼尖形状方面的更优性能，并支持其在鸟类学中的广泛采用，尤其是在种内比较等形态变异细微的研究中；研究人员开发了开源R代码，期望这一免费、可定制的工具能推动SCCA在其提出近三十年后，最终成为独立于大小、无异速生长干扰的翼尖形状估计金标准。
