基于有限观测探索野生动物空间利用：不同条件下亚洲黑熊（Ursus thibetanus）的虚拟生态学应用

《Global Ecology and Conservation》：Exploring wildlife space use from limited observations: a virtual ecology application to Ursus thibetanus under different conditions

　　

从有限的观测数据出发探索野生动物的空间利用：一项针对不同条件下亚洲黑熊（Ursus thibetanus）的虚拟生态学应用 研究人员将运动模拟与相机陷阱（camera-trap）数据相结合，以探索亚洲黑熊（Ursus thibetanus）的空间利用模式。研究人员利用三组具有对比性壳斗科植物结实（mast）条件的数据集，对一套虚拟生态学（virtual ecology）框架进行了评估。基于栖息地的模拟场景与2018年丰果（good-mast）数据集之间的吻合度有限。而在两个歉果（poor-mast）数据集中，落叶林和森林边缘反复与黑熊的运动相关联。研究表明，在直接运动数据有限的情况下，虚拟生态学有助于解释大型哺乳动物的行为。

论文解读：基于虚拟生态学框架的亚洲黑熊空间利用模式探究——结合相机陷阱数据与运动模拟

一、研究背景与科学问题

人与野生动物冲突是全球日益严峻的生态与社会问题，尤其体现在大型食肉动物对人类或牲畜的攻击事件中。此类冲突的本质源于人类与野生动物在空间利用上的重叠。然而，量化野生动物的空间利用远比量化人类活动困难得多。传统的冲突记录（如目击或遭遇事件）往往带有偏差，受到人类活动强度、可达性、报告概率等多种因素影响，无法全面反映野生动物的真实分布与行为。为了预测不受人类活动干扰下的野生动物发生情况，需要从自然栖息地而非人类主导景观中获取数据，但这通常耗费大量时间和精力。

亚洲黑熊（Ursus thibetanus）是日本最主要的人兽冲突物种之一。研究表明，黑熊进入居民区的频率与壳斗科植物果实（mast）的年际波动密切相关，尤其在歉果（poor-mast）年份，人熊冲突显著增加。因此，理解黑熊在歉果年份的行为模式对于缓解冲突至关重要。由于缺乏直接的个体追踪运动数据，传统研究方法面临瓶颈。为此，本研究引入虚拟生态学（virtual ecology）方法，通过整合理论运动模拟与有限的相机陷阱（camera-trap）观测数据，旨在比较不同栖息地属性假设下黑熊空间利用模式的优劣，从而在缺乏直接运动数据的情况下推断其行为规律。

二、主要技术方法

1. 1.
   研究区域与数据采集：研究在日本秋田县进行，利用2017至2019年三年间部署的相机陷阱网络，分别覆盖县内中部、南部和北部地区。相机布设基于3公里网格系统，随机选择林地安装，记录每年9月至10月（人熊冲突高发期）黑熊的出现天数作为响应变量。2017年和2019年为歉果年，2018年为丰果（good-mast）年。
2. 2.
   运动模拟模型：采用简单的元胞自动机（Cellular Automaton, CA）模型模拟黑熊运动。每个1公里网格单元被赋予一个栖息地条件值（0到1），决定虚拟个体在该单元停留或向相邻四方向移动的概率。研究人员设计了9种栖息地指标表面（包括森林覆盖率、落叶林比例、阔叶林比例、森林边缘比例、草地比例等）以及两种基线随机表面和两种森林边缘存在性表面，组合形成90种模拟情景。
3. 3.
   模拟设置与评估：考虑到黑熊日移动距离的不确定性，设置了60、120和180步三种移动步数设定。每种情景重复运行999次取均值。采用广义线性模型（Generalized Linear Model, GLM）以泊松分布拟合模拟的理论访问次数与实测黑熊检测天数之间的关系，并以网格内相机数量的对数作为偏移量（offset）。通过赤池信息准则（AIC）差值及回归系数置信区间对模拟情景进行评分分级（1至4分及0分）。

三、研究结果

3.1 基本统计

相机陷阱数据显示，歉果年（2017年平均每网格7.3天，2019年平均3.9天）的黑熊检测频率高于丰果年（2018年平均2.7天），暗示歉果年黑熊活动更为活跃。

3.2 2017年（歉果年）结果

90种情景中有50种获得非零评分。其中，两个情景在所有三种步数设定下均获得最高评分1分：停留决策由森林覆盖率决定、移动目的地由落叶林比例决定的情景；以及停留由森林覆盖率决定、移动由固定概率0.25随机选择的情景。总体而言，高评分情景的移动目的地主要由落叶林比例决定。

3.3 2018年（丰果年）结果

仅有8种情景获得最低评分4分，无情景获得1至3分。这些弱相关情景的移动目的地均由阔叶林比例决定。这表明在食物充足年份，黑熊运动与任何单一栖息地规则关联较弱，可能更机会主义地利用景观。

3.4 2019年（歉果年）结果

28种情景获得非零评分。四个情景在所有步数设定下均获1分：停留由森林覆盖率或落叶林比例决定、移动由落叶林比例决定的情景；以及停留由草地比例或固定概率0.25决定、移动由森林边缘存在性（固定概率0.25）决定的情景。此外，多个高评分情景的移动目的地同样由落叶林比例或森林边缘存在性决定。

四、讨论与结论

讨论总结：

研究揭示了丰果年与歉果年间黑熊空间利用模式的显著差异。丰果年模拟与观测数据的弱一致性表明，充足的食物资源使黑熊无需广泛搜索，其运动缺乏强烈的栖息地导向性。相反，歉果年多个情景获得高一致性，特别是涉及落叶林和森林边缘的情景，这符合歉果年黑熊为寻找稀缺的坚果资源而扩大活动范围、并向人为景观边缘移动的预期。值得注意的是，2019年森林边缘存在性（而非比例）成为关键驱动因子，提示黑熊可能响应任何边缘区域，增加了管理难度。此外，歉果年支持的情景多样性也反映了黑熊在食物短缺时可能采取多样化的个体行为策略，这与前人关于个体变异在歉果年增大的发现一致。

研究结论翻译：

本研究所提出的虚拟生态学方法提供了一个有用的框架，用于评估亚洲黑熊在不同环境条件（包括对比性的壳斗科植物结实条件）下的空间利用模式。通过将理论运动模拟与经验性相机陷阱数据相结合，研究人员发现2018年丰果数据集与本研究所考虑的基于栖息地的运动情景仅显示出弱一致性，而两个歉果数据集则显示出与落叶林和森林边缘更清晰的关联。尽管这些共同模式与壳斗科植物果实减少的可能影响相一致，但在本研究中，结实效应无法与区域差异相分离。本研究的结果突显了基于模拟的方法作为一种探索性工具的潜力，可用于在直接运动观测数据有限的情况下考察大型哺乳动物的空间利用。在将该框架应用于预测或管理实践之前，需要通过重复调查和基于个体的追踪数据进行进一步的完善和独立验证。