《Movement Ecology》：From detections to demography: methodological challenges and opportunities in survival estimation from automated telemetry networks
编辑推荐：
存活率是影响个体适合度与种群动态的基础种群统计学过程。自动遥测系统为在广阔时空尺度上估计高流动性生物的存活率提供了前所未有的机遇。然而，此类追踪网络的结构性特征会产生系统性偏差，导致标准存活率模型不再适用。接收站台在景观上和时间上的分布并不均匀，这意味着采取不
存活率是影响个体适合度与种群动态的基础种群统计学过程。自动遥测系统为在广阔时空尺度上估计高流动性生物的存活率提供了前所未有的机遇。然而，此类追踪网络的结构性特征会产生系统性偏差，导致标准存活率模型不再适用。接收站台在景观上和时间上的分布并不均匀，这意味着采取不同移动路径的个体遭遇检测的机会存在巨大差异。这种空间聚集还会造成棘手的依赖性：在接收器密集区域被检测到的动物更有可能再次被检测到，而在稀疏区域的动物即便仍然存活，也可能从视野中消失。这些观测偏差极易被误认为真实的存活率差异，从而引出错误的生态学或保护生物学推论。本文回顾了自动遥测数据在存活率估计方面所带来的独特挑战，重点介绍了现有的方法论解决方案，包括空间显式方法和改进的捕获-标记-重捕获框架，并为推进野生动物追踪网络这一关键应用提出了建议。
# 自动遥测数据用于存活率估计：挑战、方法与展望
## 研究背景与问题
确定生物体在何时、何地以及为何死亡，是生态学、进化生物学、管理和保护领域中基础与应用研究的关键问题。存活率是影响个体适合度和种群动态的核心种群统计学参数，准确估计存活率对于理解种群变化机制和制定有效保护策略至关重要。然而，传统捕获-标记-重捕获（capture-mark-recapture，CMR）方法要求对标记个体进行物理重捕或视觉重见，这在很大程度上限制了其应用于具有较高位点忠实度或研究投入较大的物种和年周期阶段。对于低位点忠实度物种，或在迁徙、扩散、繁殖后等大量移动的生命阶段，传统CMR框架往往难以获得可靠的存活率估计。
近年来，大型自动化遥测接收器网络的发展为在更大空间尺度和广泛移动期间估计存活率创造了新机遇。全球海洋追踪网络（Ocean Tracking Network，OTN）已部署超过20,000个水声接收器，记录了457个物种约150,000个个体的超过20亿次检测；陆地上的Motus野生动物追踪系统（Motus Wildlife Tracking System）在六大洲34个国家拥有约2,300个自动化接收站台，已追踪超过470个物种的61,000余只个体。这些网络为动物行为、生态、进化和保护研究提供了前所未有的时空尺度洞察。然而，自动遥测数据在结构上与传统标记-重捕获数据存在本质差异，其观测过程更为复杂，直接套用标准存活率模型会导致系统性偏差。
## 研究内容与结论
研究人员系统梳理了自动遥测数据在存活率估计中所面临的独特挑战，指出这些数据对Cormack-Jolly-Seber（CJS）模型等标准CMR模型的多项基本假设构成违反，并导致存活率估计出现偏差。文章通过模拟示例验证了这些偏差的实际影响，同时评述了现有的方法学解决方案，包括空间显式方法、稳健设计（robust design）、多状态模型（multi-state models）以及数据整合策略，并通过案例分析展示了在何种系统中存活率估计可行、在何种系统中面临根本性困难。最后，研究人员提出了方法论发展优先方向、研究设计指南和网络扩展建议，以推动自动遥测网络在存活率估计方面的有效应用。
## 关键技术方法
研究人员回顾了CJS模型的基本原理及其假设，分析了自动遥测网络在空间和时间上的不规则性如何导致检测概率异质性、时间依赖性、连续检测过程与离散模型失配，以及标签失效和丢失等额外异质性来源。研究采用模拟数据构建了一个风格化示例，模拟一个广布物种沿四条主要迁徙路线穿越北美，并设定四条路线真实存活率相同，仅经过的接收器阵列部分不同，然后拟合三种存活率模型，对估计偏差进行了量化评估。此外，文章还评述了空间捕获-重捕获、稳健设计、多状态模型和集成种群模型（Integrated Population Models，IPMs）等方法的应用。案例研究部分引用了Hightower等人对大西洋鲟、Ward等人对跨墨西哥湾迁徙鸣禽以及Cooper等人对基尔兰莺的研究，以及三项关于斯温森鸫的研究作为反面案例。
## 主要研究结果
### 接收器阵列的空间异质性
自动遥测网络主要由研究者和研究组织自下而上合作驱动，导致接收器在空间和时间上高度不均匀分布。不同个体经过不同路径时被检测到的机会不同，违反CJS模型的假设1（所有标记个体具有相同检测概率）。当个体间可用性异质性与所关注的推断目标（如种群身份、迁徙路线）部分混淆时，会导致存活率比较出现虚假差异。
### 观测过程的时间依赖性
接收器网络的空间聚集导致个体在某时段的检测状态影响其后续时段的检测概率，形成非随机的可用性模式，违反假设5（个体在时段i的可用性独立于时段i-1的可用性）。这种非马尔可夫临时迁出会显著偏差表观存活率估计。
### 连续检测与离散模型的不匹配
自动遥测产生连续检测过程，而多数研究将检测聚合成离散时段以使用传统离散时间模型。不同的聚合方案（如按日历日或按生物学阶段）可能导致同一数据集得出不同的存活率结论，违反假设4（采样瞬间短暂）。
### 个体异质性与标签性能问题
发射器性能差异、动物行为差异、形态特征以及标签老化、物理丢失和离散失效均会产生个体层面的检测异质性。这些因素可能使低可检测性个体提前表现为终遇历史，即使真实存活率相同，也会被错误推断为较早死亡，导致表观存活率偏低。
### 模拟示例验证
模拟研究表明，在四条迁徙路线真实存活率相同的情况下，三种拟合模型均产生实质性偏差，且错误推断出路线间存活率差异。即使允许检测概率随路线变化，模型仍无法恢复真实存活率，强调忽视假设违反会带来虚假推断的真实风险。
### 现有解决方案
空间显式方法通过建模接收器布局和动物移动过程可校正空间可用性偏差；稳健设计通过将捕获场合细分为次级场合来显式估计不可用性概率，已被证明适用于自动遥测数据；多状态模型可将空间异质性划分为离散状态，但无法充分处理连续移动过程；数据整合方法如IPM可利用多源数据约束存活率估计至生物学合理范围。
### 案例研究
成功案例的共同特征在于通过研究设计或建模方法最小化关键异质性来源：大西洋鲟栖息地接收器覆盖高且寿命长；跨墨西哥湾鸣禽迁徙受地理漏斗约束且岸线接收器密度高；基尔兰莺分布区极度受限且永久迁出概率可忽略。相反，对广布种斯温森鸫的三项研究中，种群身份与迁徙路线和目的地混淆，接收器密度沿不同路线差异大，个体可能完全离开阵列，标准模型无法分离存活率与可用性差异，导致生存率差异的推断无法唯一归因于存活率本身。
## 结论
自动遥测网络OTN和Motus代表了追踪小型高流动性生物的重大技术进步，但实现其存活率估计潜力必须谨慎对待生成检测数据的观测过程。接收器空间分布不规则、检测过程连续性以及标签性能复杂性都是标准CMR方法无法充分解决的挑战。成功估计存活率需要识别标准CJS模型的不足，实施稳健设计或空间显式框架等改进，并承认不规则接收器覆盖带来的局限。随着网络扩展和技术进步，方法学发展必须与技术进展保持同步。对于大多数高流动性物种，估计存活率可能需要增加接收站台空间覆盖并配合方法学突破。研究人员必须批判性评估表观存活率差异究竟反映真实死亡模式，还是仅反映检测机会的异质性——这一判断对基础生态学理解和实际保护应用均至关重要。
