基于真实和模拟数据开发无偏暗色松鸡种群监测的优化方法

《Wildlife Biology》：Development of optimized methods for unbiased dusky grouse population monitoring using real and simulated data

　　

严格的州级监测项目在暗色松鸡(Dendragapus obscurus)中缺乏，这是一种北美森林松鸡物种，探测率相对较低，分布于美国西部和加拿大的针叶林和山区。用于估计丰度的层次模型显示出克服与隐秘森林松鸡行为和低种群密度相关问题的潜力。研究人员的目的是评估方案（即站点数量、访问次数和路线类型）和分析方法，以产生年度无偏且精确的丰度指数（变异系数<15%），为州级监测项目提供信息。在2019-2022年期间，研究人员在美国蒙大拿州西部设计并实施了多种调查方案，包括春季点计数（>2200个独特站点）和样线级（>390条独特样线）距离抽样。研究人员使用实地数据收集和模拟分析的迭代过程，评估了四种不同统计估计量（N-mixture模型、结合距离抽样的层次时间移除模型、探测忽略模型和层次距离抽样模型）在点计数和样线上的性能，以产生暗色松鸡丰度的无偏且精确估计。模拟表明，增加访问的站点数量或探测概率降低了所有估计量获得精确丰度估计所需的调查工作量。在大多数基于点的距离抽样方案下，无法实现无偏且精确的丰度估计。N-mixture方案中，在探测概率较高的时期对每个推断区域（例如研究区域或地区）的80个站点进行四次点计数，产生了种群规模的最精确无偏估计。研究人员的研究为开发暗色松鸡州级监测项目提供了必要的基础信息，并更广泛地展示了为其他森林松鸡物种制定严格且可行的监测项目的方法。

**基于真实和模拟数据开发无偏暗色松鸡种群监测的优化方法：论文解读**

**研究背景与问题**
暗色松鸡(Dendragapus obscurus)是一种分布于美国西部和加拿大山区的森林松鸡，种群密度低且探测率(probability of detection, p)较低，导致其种群监测长期缺乏严格且可执行的州级方案。当前监测多依赖未标准化的春季繁殖计数、夏季幼鸟计数及秋季狩猎收获报告，这些方法未考虑观测误差，且便利采样(如沿道路布点)可能引入偏差。同时，由于生境偏远、地形复杂，传统调查方法难以获得无偏且精确的丰度估计，无法有效指导管理决策(如狩猎配额设定)。因此，需开发一种结合合理调查方案与统计模型的方法，以在有限资源下实现年度丰度估计的变异系数(coefficient of variation, CV)≤15%的目标。

**研究概述与结论**
研究人员通过2019-2022年在美国蒙大拿州西部的实地调查与模拟迭代，系统评估了四种统计估计量（N-mixture模型、层次距离抽样模型、时间移除层次距离抽样模型、探测忽略模型）在点计数与样线调查中的表现。研究建立了基于真实丰度与探测率参数的6种模拟场景，比较了不同站点数量、访问次数及路线类型对估计精度的影响。结果表明，仅在利用N-mixture模型分析点计数数据时，在合理调查工作量下可获得无偏且精确的丰度估计；其他模型需极高样点数（如点计数层次距离抽样需>800样点）而不可行。推荐方案为：春季5月使用雌性叫声回放，沿低使用道路或徒步小径布设样线，每个样线6个样点（间距≥400米），每样点同一早晨完成4次重复计数，每个管理区域（如蒙大拿州鱼类、野生动物和公园管理局辖区）至少调查14条样线（80个样点，320次点计数）。该方案在平均丰度(λ=0.18)与平均探测率(p=0.37)下可实现CV≤15%，且能可靠检测5年内3%的年际下降趋势。研究发表于《Wildlife Biology》。

**关键技术方法**
研究人员采用迭代模拟与实地验证相结合的方法。首先，基于2019年试点数据（蒙大拿州西部3个区域）获取经验丰度(λ)和探测率(p)估计；随后，利用贝叶斯框架下的N-mixture模型、层次距离抽样(hierarchical distance sampling, HDS)及时间移除HDS模型，对6种不同丰度（高、中、低）与探测率（高、平均）组合的场景进行500次模拟，评估不同站点数（60-5000个）和访问次数（2-4次）下的偏差与精度。样线调查采用平均长度2681 m和5000 m两种设置。此外，通过功率分析评估推荐方案在3、5、10年内检测1%-10%年际下降的能力。

**研究结果**
- **模拟指导实地调查方案**：2019年试点数据表明，初始假设的λ=0.625、p=0.5过高，实际λ=0.36、p=0.28。更新模拟后，发现360个站点、4次访问可达到CV≤15%的精度。
- **路线类型对丰度的影响**：在蒙大拿州区域3的对比显示，低使用道路、徒步小径与偏远样点间的丰度估计无显著差异（道路β=-0.08，95% CI: -0.47, 0.31；小径β=-0.20, 95% CI: -0.58, 0.18），表明便利采样可行。
- **经验丰度与探测率估计**：2020-2021年全州调查中，N-mixture模型估计平均λ=0.18（95% CI: 0.17, 0.20），HDS模型为0.20（95% CI: 0.16, 0.24）；区域间差异显著，区域2最高（λ=0.31），区域4最低（λ=0.08）。N-mixture模型平均探测率p=0.37，最优条件下可达0.57；HDS模型σ参数在最优条件下为58（点计数）和51（样线）。
- **不同统计估计量的模拟评估**：在所有6种场景下，N-mixture模型（4次访问）所需站点数最少（60-490个），而点计数HDS需800-4230个，时间移除HDS需>6000个。样线HDS（2681 m）需20-90条样线，5000 m样线需15-50条。探测忽略模型始终产生负偏差。
- **功率分析**：推荐方案（80个站点、4次访问）在5年内检测10%年下降的功率为87.2%，在10年内检测3%和5%年下降的功率分别为80.8%和94.6%；估计斜率与真实斜率差异极小（<0.003）。

**讨论与结论**
讨论部分指出，N-mixture模型在逻辑可行调查工作量下优于其他模型，主要因其对低丰度和低探测率的稳健性，且无需精确距离测量。点计数HDS和时间移除HDS因所需样点过多（如>6000个）而不实用。样线HDS虽工作量较低，但估计偏差的置信区间较宽，且精度略逊于N-mixture模型。研究人员强调，在低使用道路或小径进行便利采样可大幅节省时间，且不影响丰度估计。同一早晨进行4次重复计数虽可能违反独立假设，但在高探测率条件下（p≥0.57）估计无偏，仅在低探测率时出现轻微负偏差（每样点<0.04只）。功率分析表明，推荐方案可有效检测3-5年内的种群下降趋势，适合长期监测。研究结论指出，基于N-mixture模型的点计数方案（5月使用雌性回放、沿低使用道路或小径布设6样点、每样点4次重复计数，每个管理区域至少80个样点）是暗色松鸡种群监测的可行且严格方法，并为其他森林松鸡的监测方案开发提供了迭代模拟框架。