评估基于野外调查的方法与实验室方法在确定狍子年龄方面的准确性

《Wildlife Biology》：Assessing the accuracy of field-based versus laboratory methods for determining the age of roe deer

　　摘要

准确测定狍子（Capreolus capreolus）的年龄对于选择性捕猎和知情的人口管理至关重要，然而猎人广泛使用的基于野外方法仍然不够精确。本研究比较了204只被捕获的狍子的野外和实验室年龄测定方法，这些狍子按性别和栖息地类型（森林与开阔地带）进行了分类。年龄的估计方法包括：1）基于视觉观察和牙齿磨损的野外指标；2）实验室方法，如第二臼齿的高度、干眼晶状体重量和牙骨质环计数。广义线性模型和方差分析（ANOVA）显示，干眼晶状体重量随年龄增长而单调增加（η2 = 0.885；p < 0.001），表明牙骨质是预测年龄的有效指标。相比之下，第二臼齿的高度呈现出一个驼峰状模式，解释能力较弱。性别和栖息地类型对与年龄相关的形态特征没有显著影响，这表明时间生物学过程比生态或性别二态性更为重要。实验室牙骨质环与野外年龄分类之间的吻合度为中等至良好（Cohen's κ = 0.371 ± 0.039 SE，p < 0.001），而实验室牙骨质环与干眼晶状体重量之间的吻合度也高于偶然水平（Cohen's κ = 0.285 ± 0.036 SE，p < 0.001）。这些发现表明，虽然牙骨质环分析和干眼晶状体重量提供了可靠的生物年龄代理指标，但目前基于野外的方法缺乏足够的精确度，无法做出可靠的选择性捕猎决策。可靠的年龄估计技术不仅对有效的人口管理至关重要，也有助于维护选择性狩猎实践的生物和社会文化完整性。

引言

在当前的环境和管理挑战下，维持猎物种群的健康仍然是野生动物管理的核心目标（Deem等人，2001年；Milner等人，2006年；Apollonio等人，2017年）。这通常需要通过规范狩猎来控制有蹄类动物的数量，因为过度繁殖会对林业、农业和公共安全产生负面影响（C?té等人，2004年；Putman等人，2011年；Valente等人，2020年；Hardalau等人，2024年）。选择性捕猎被广泛用于调节种群结构，并移除身体状况不佳的个体，同时保持不同年龄段的种群代表性（Bal?iauskas等人，2017年；Festa-Bianchet和Mysterud，2018年；Pauli和Festa-Bianchet，2024年）。然而，有效的人口控制从根本上依赖于猎人准确的年龄估计，因为管理结果直接取决于特定年龄的捕猎决策的精确度（Augustine和Decalesta，2003年；Hardalau等人，2025年）。有蹄类动物的管理越来越依赖于经过验证的年龄测定方法，这些方法必须准确、可重复，并适合常规监测和捕猎评估（Buckland等人，2001年；Hecht，2021年）。狍子（Capreolus capreolus）的年龄评估通常从捕猎前的野外视觉评估开始（Ionescu等人，2025年）。观察者依靠光学设备来评估体型比例、姿势、毛皮特征和行为。对于雄性狍子，判断依据包括头部颜色、颈部厚度、体型以及谨慎的行为；而对于雌性狍子，则可以通过腹部轮廓、骨骼突出程度和颈部形状来推断年龄（Cotta，1956年；Chirichella等人，2021年）。然而，这些年龄评估往往受到快速决策和人为错误的影响。因此，捕猎后通过检查牙齿磨损情况以及雄性狍子的鹿角基部形态来进一步细化年龄估计（H?ye，2006年；Chirichella等人，2021年）。这些基于野外的年龄评估标准被认为是不确定的，因为个体差异经常超出预期的形态模式，而且其可靠性还受到环境对用于年龄估计的生物特征的影响（Gordon等人，1996年）。牙齿磨损、牙骨质沉积及相关特征不仅受年龄影响，还受栖息地条件、食物质量和生理压力的影响（Mitchell，1967年；Grue和Jensen，1979年；Kamieniarz等人，2024年）。随着气候变化和土地利用的变化，这些特征作为年龄代理的稳定性可能会相应改变（Weiskopf等人，2019年；Felton等人，2024年）。为了解决这些问题，已经开发了三种主要的基于牙齿的实验室年龄估计方法（Lundervold等人，2003年）。第一种方法是将未知年龄个体的牙齿萌出和磨损模式与已知年龄样本的参考系列进行比较（Hewison等人，1999年）。第二种方法依赖于测量牙齿尺寸，特别是牙冠高度，假设咬合磨损会随着年龄的增长而可预测地进展（Klein等人，1981年）。第三种也是最广泛接受的方法是计算牙本质或牙骨质中可见的年生长增量（环状结构），这些增量反映了季节性的组织沉积，提供了直接的年龄记录（Aitken，1975年）。除了这些基于牙齿的技术外，还探索了非牙齿的实验室方法，其中最著名的是干眼晶状体重量，该方法利用晶状体纤维的终生积累作为年龄的间接指标。尽管这种方法在几种哺乳动物中已被证明有效，但在狍子中的应用相对较少（Augusteyn，2014年）。鉴于这种方法学背景，本研究旨在评估野外和实验室年龄估计方法对于被捕获狍子的可靠性和实际适用性。具体来说，我们1）测试性别和栖息地类型是否影响用于年龄确定的形态特征；2）将基于牙齿磨损的初步野外年龄估计与实验室牙骨质环年龄估计方法进行比较；3）评估干眼晶状体质量作为年龄的间接实验室替代指标与牙骨质环年龄的比较。最后，我们讨论了年龄估计的不确定性可能如何影响捕猎选择性、人口监测和猎人培训，从而将方法学表现与实际野生动物管理结果联系起来。

材料与方法

研究区域

本研究在立陶宛的几个由Vytautas Magnus大学管理的教育狩猎区进行，这些区域用于研究和教学目的。这些区域包括?ilut?地区的Tulkiarag?、Vilkavi?kis地区的Virbalgiris、Radvili?kis地区的Pravir?ulio Tyrelis以及Kaunas地区的Kamsa。此外，还从Kaunas地区的Girionys狩猎俱乐部收集了样本。所有狩猎区都以森林和农田的镶嵌景观为特征，在本研究中这些被定义为不同的栖息地类型。森林主要由混合云杉（Picea abies）、苏格兰松（Pinus sylvestris）、欧洲橡树（Quercus spp.）和其他落叶阔叶树种组成。农田则以小麦（Triticum sp.）和大麦（Hordeum vulgare）种植为主，玉米（Zea mays）较少见。研究地点的海拔低于250米，代表了立陶宛乃至整个波罗的海地区和半北方森林地区的典型狍子栖息地。

数据收集与采样

在2010年至2014年的狩猎季节期间，从五个狩猎管理单元合法捕获了204只狍子。年龄分类如下：第一类为19个月以下；第二类为24至31个月；第三类为36至43个月，共确定了八个年龄类别。记录了个体的性别（45只雄性和159只雌性）。根据捕获地点，将个体分为森林（n = 124）或开阔地带（n = 80）栖息地类型。

年龄测定

使用四种方法估计被捕获狍子的年龄：1）猎人通过牙齿磨损进行初步的野外年龄评估；2）实验室测量第二臼齿（M2）的高度；3）实验室评估干眼晶状体；4）实验室计数牙骨质环层。猎人通过牙齿磨损进行初步的野外年龄评估

在野外条件下，猎人通常依赖牙齿磨损模式作为快速、初步的年龄估计方法。这种评估主要关注前臼齿和臼齿的磨损程度，这种磨损在大约12-15个月龄时乳牙替换后开始明显（Cederlund和Liberg，1995年）。猎人检查咬合面的珐琅质暴露程度、牙本质变宽情况、尖端圆化程度以及凹陷深度，并将这些特征与为当地种群开发的参考图表进行比较（Baleisis等人，2003年；H?ye，2006年）。一岁幼崽通常可以通过锋利的、未磨损的尖端来识别，而年龄较大的个体则表现出牙本质区域的逐渐变平和变宽。其他线索，如臼齿排列和间距或受饮食影响的特征性磨损模式，可以进一步细化评估。尽管这种视觉检查为猎人提供了立即的年龄估计，但它本质上是主观的，并且容易受到加速或延迟磨损的生态因素的影响（Hewison等人，1999年）。

第二臼齿（M2）高度的实验室评估

在实验室中测量第二臼齿（M2）的高度，以评估其作为狍子年龄相关形态指标的实用性（Baleisis等人，2003年）。在去除下颌并清洁后，提取每颗M2牙齿，确保珐琅质牙冠在测量时保持结构完整（Mysterud和?stbye，2006年）。使用精度为0.01毫米的数字卡尺，从最高的珐琅质尖端测量到颈部边缘的最低点，遵循已建立的有蹄类动物牙齿形态测量协议（Klein等人，1981年；H?ye，2006年）。注意将卡尺垂直于咬合平面放置，以避免因磨损表面不均匀而导致的测量偏差。所有测量都在牙齿完全干燥后进行，以防止因残留水分引起的尺寸变化。

干眼晶状体技术的应用

干眼晶状体技术（Lord，1959年）被用来评估其作为狍子年龄估计的间接实验室工具的适用性。在取出内脏后立即从每具尸体中仔细取出两个眼晶状体，以防止死后降解，因为福尔马林等固定剂的延迟或保存会显著改变晶状体质量（Burlet等人，2010年）。所有晶状体在称重前都保持新鲜并清除附着的组织，称重精度达到0.0001克。然后将每只个体的成对晶状体放入设定在50°C的恒温干燥箱中24小时，遵循已建立的哺乳动物物种稳定干质量的程序（Mysterud和?stbye，2006年；Augusteyn，2014年）。干燥后重新称重晶状体，使用这对晶状体的平均干质量进行分析，以减少测量误差。通过确保标准化的处理和干燥条件，该程序提供了适用于实验室条件下区分年龄类别的可重复指标（Lord，1959年；Friend和Severinghaus，1967年）。

牙骨质环作为精确的年龄估计

牙骨质环计数被用作确定狍子实际年龄的参考方法，这是公认的最准确的有蹄类动物年龄测定技术（Mitchell，1967年；Aitken，1975年）。从每具尸体中取出下颌后，提取第二臼齿（M2）。然后将每颗牙齿嵌入环氧树脂中以在切片过程中稳定它。使用精密切片机（Accutom 50）从根中部切割约0.6微米厚的横截面，那里年生长层最为明显。这些薄切片安装在显微镜载玻片上，并在透射光下观察（放大倍数为10 × 10.25）。牙骨质层被识别为交替的不透明冬季带和半透明的夏季带，反映了由代谢和环境周期驱动的牙骨质环沉积的季节性变化（Grue和Jensen，1979年；Jankauskas等人，2001年）。计数暗冬季带的数量，并加上一年，以考虑牙齿初次萌出后的形成时间，这与狍子的标准年龄分配协议一致（Cederlund和Liberg，1995年；Mysterud和?stbye，2006年）。所有牙齿都由受过训练的观察者进行检查，以确保样本间的一致性，从牙骨质环得出的年龄类别被用作评估其他年龄估计方法的对照值。

统计分析

评估了年龄类别、性别和栖息地类型对两个定量形态特征——干眼晶状体重量和第二臼齿（M2）高度的影响。使用Mann–Whitney U检验评估性别之间的差异。在参数分析之前，首先对数据分布进行了视觉检查并检查异常值和共线性，然后使用Shapiro–Wilk检验评估年龄类别内的正态性，使用Levene的方差同质性检验评估方差齐性。当正态性假设被违反但方差仍然均匀时，保留了参数方差分析模型，因为它们对中等程度的偏离正态性具有鲁棒性。此外，还进行了非参数的Kruskal–Wallis检验，以验证年龄类别对两种形态测量特征的影响。对于年龄类别对连续特征的单因素效应，使用了经典的ANOVA模型，并提取了效应大小（η2）来量化与年龄相关的变异程度。为了评估野外年龄个体与实验室年龄分类之间的一致性，构建了列联表，并计算了Cohen's κ系数作为超出偶然性的符合度量。统计显著性水平设定为α = 0.05。使用具有Poisson误差结构和恒定对数链接函数的广义线性模型（GLMs）来评估牙骨质年龄与两个形态学预测因子——干眼晶状体重量和第二磨牙（M2）高度之间的关系。与简单的相关性检验（Pearson相关性）相比，GLMs更适用于对每个形态测量特征的预测贡献进行正式推断，同时能够处理非正态性并提供模型拟合统计量。对于每个预测因子，都拟合了相应的GLM。检查了标准化残差以评估同方差性并检测有影响力的异常值。由于在初步分析中未发现性别或栖息地类型对干眼晶状体重量或M2高度有显著影响，因此将所有性别和栖息地类型合并在一起进行了分析。为了评估替代年龄确定方法的表现，我们将实验室验证的牙骨质年轮年龄与1）基于牙齿磨损的初步野外估计值以及2）基于干眼晶状体重量的模型预测值进行了比较。在所有比较中，牙骨质年轮年龄被视为参考（“真实”）类别。模型预测的年龄是从拟合的Poisson广义线性模型（对数链接）中获得的预测均值响应。这些值被四舍五入到最接近的整年，并限制在观察到的年龄范围内，以避免外推类别。对于这两种比较，都构建了混淆矩阵，其中观察到的牙骨质年轮年龄作为行，预测年龄作为列。使用行比例来量化将每个观察到的年龄类别分配到替代预测类别的概率。超出偶然性的一致性使用Cohen's κ系数及其标准误差和显著性检验进行了总结。计算了敏感性（即真正率（TPR）和精确度，以描述不同年龄类别的分类性能。所有统计分析均在IBM SPSS（版本31.0.0.0）中进行，数据集在Microsoft Excel（版本16.101.3）中进行了整理。

**年龄依赖的形态测量特征的评估**

性别和栖息地类型对干眼晶状体重量或M2高度的变化均无显著影响（所有p > 0.05），表明这些特征主要由与年龄相关的过程决定，而不是由性别二态性或生态起源决定。正态性检验表明，在较年轻的年龄类别中，干眼晶状体重量偏离正态分布（Shapiro–Wilk p < 0.05，对于类别1-3），但在较老的年龄类别中则没有（p > 0.05，对于类别4-8）。M2高度在年龄类别1中显示出显著的非正态性（p < 0.001），而其他类别显示出可接受或边缘值（p ≥ 0.058）。尽管存在这些偏差，Levene检验表明两种特征的方差具有同质性（干眼晶状体重量：F7,196 = 1.261，p = 0.272；M2高度：F7,189 = 0.205，p = 0.984），支持使用参数ANOVA。干眼晶状体重量在合并的年龄类别中呈单调增加（从类别1的平均值 ± 标准误差 = 0.193 ± 0.004克增加到类别8的0.468 ± 0.009克）。ANOVA显示年龄类别有非常显著的效应（F7,196 = 214.68，p < 0.001），效应大小非常大（η2 = 0.885）。使用Kruskal–Wallis的非参数验证也证实了这一模式（H = 176.78，df = 7，p < 0.001），中位数排名从最年轻到最老的类别一致增加。M2高度也随年龄类别显著变化（ANOVA：F7,189 = 17.85，p < 0.001，η2 = 0.398）。平均值从类别1的0.525 ± 0.013毫米增加到类别4的0.686 ± 0.015毫米，然后在较老的类别中下降，达到类别8的0.438 ± 0.035毫米。相应的Kruskal–Wallis检验也具有显著性（H = 74.07，df = 7，p < 0.001），支持了参数结果。

**野外和实验室年龄确定方法的比较**

比较牙骨质年轮年龄与基于牙齿磨损的初步野外年龄估计值的混淆矩阵（表1）显示了超出偶然性的中等到良好的一致性（Cohen's κ = 0.371 ± 0.039 SE，p < 0.001；n = 204）。正确分类的概率在不同年龄类别中差异很大。野外评估在最年轻和最老的类别中表现最好：牙骨质年龄1在100%的情况下被正确分类，年龄9也在100%的情况下被正确分类，尽管最老的类别较为罕见。中间年龄的敏感性较低，包括年龄2（14.8%）、年龄3（28.6%）、年龄4（33.3%）和年龄5（24.2%），表明相邻年龄类别之间的误分类较为频繁。野外分配的年龄精确度从0.22（预测年龄2）到0.80（预测年龄9）不等，对于预测年龄1（0.64）和6（0.52）的精确度相对较高。表1显示了使用牙齿磨损的初步野外年龄估计值与基于Poisson广义线性模型（GLM）预测的牙骨质年轮年龄之间的混淆矩阵，结果四舍五入到最接近的年份，并限制在观察到的年龄范围内（n = 204）。红色-蓝色单元格阴影代表预测年龄和观察年龄百分比的高低。更亮的红色表示更高的符合度，深蓝色表示较低的符合度。

**干眼晶状体重量与个体年龄的相关性**

用于根据干眼晶状体重量预测牙骨质年龄的Poisson GLM显示晶状体重量有非常显著的效应（Wald χ2 = 217.331，df = 1，p < 0.001），表明年龄随着晶状体重量的增加而一致增加。可以使用线性回归模型根据干眼晶状体重量估计年龄，公式为y = ?3.184 + 23.541 × x，其中y代表预测年龄，x代表测量的眼晶状体重量。图1展示了干眼晶状体重量与牙骨质年轮年龄之间的关系。观察到的年龄类别随着晶状体重量的增加而增加，拟合的Poisson GLM预测在较高干眼晶状体重量时预期年龄的急剧非线性上升。

**基于牙骨质年轮的年龄与干眼晶状体重量在狍子中的关系（n = 204）**。点表示个体动物与干眼晶状体重量的关系。实线曲线代表拟合的Poisson广义线性模型（GLM），预测的预期年龄作为晶状体重量的函数，灰色线条表示95%置信区间。

**第二磨牙（M2）高度与个体年龄的相关性**

与眼晶状体重量不同，使用M2冠高度作为预测因子的GLM与牙骨质年龄的相关性较弱。尽管完整模型与仅截距模型有显著差异（似然比χ2 = 82.735，df = 41，p < 0.001），但预测因子的效应较小且在生物学上不显著。Wald检验表明冠高度对解释年龄的贡献有限（Wald χ2 = 102.818，df = 41，p < 0.001），但不同高度类别之间的变化较大，置信区间较宽（图2）。

**讨论**

我们的结果确定年龄是狍子中研究的形态测量特征的主要决定因素，而一旦考虑了年龄，性别和栖息地类型的影响可以忽略不计。干眼晶状体重量的单调增加与整个生命周期中晶状体纤维的持续积累一致，支持其作为生物年龄的稳健替代指标的有效性。相比之下，第二磨牙（M2）冠高度显示出预期的早期增长，随后因磨损而减少，导致其作为独立年龄估计器的精度有限。与牙骨质年轮推导出的真实年龄相比，野外视觉年龄评估在中年和较老的年龄类别中既有高估也有低估，突显了仅依赖野外方法的可靠性有限。这些发现共同建立了狍子年龄估计的实际层次结构：牙骨质年轮作为黄金标准（Mitchell 1967，Aitken 1975），干眼晶状体重量作为可靠的实验室替代指标（Hrable和Koubek 1989，Mysterud和?stbye 2006），M2高度作为次要的辅助特征（Klein等人1981，H?ye 2006），以及野外牙齿磨损评估作为支持性但精度不足的指标（H?ye 2006，Mysterud和?stbye 2006，Ga?i?等人2007）。我们没有发现性别或栖息地类型会改变年龄与干眼晶状体重量或M2高度之间的关系。这与这样的观点一致：表型可塑性和持续的基因流动，而不是深层次的遗传分化，塑造了占据“野外”和“森林”景观的立陶宛狍子（Petelis和Brazaitis 2003，Narauskait?等人2011，Sabalinkiene等人2017）。先前关于鹿科动物眼晶状体重量性别差异的报告似乎取决于具体情境，并不是在所有种群或物种中普遍存在（Feldhamer和Chapman 1980，Mysterud和?stbye 2006，Ga?i?等人2007）。我们数据集中未检测到性别或栖息地效应，支持无需额外分层即可进行全国范围的基于晶状体的年龄校准，简化了监测和管理的工作流程。干眼晶状体重量中的强烈年龄相关性在生物学上是预期的，因为晶状体在整个生命周期中持续生长，并且相对不受短期营养波动的影响（Lord 1959，Friend和Severinghaus 1967，Augusteyn 2014）。尽管母体营养会影响早期眼晶状体的发育（Friend和Severinghaus 1967），但我们的结果表明，在常规处理条件下（例如新鲜提取、控制干燥）使用时，年龄分离明显。因此，对于狍子种群管理而言，干眼晶状体重量提供了一个可行且成本效益高的实验室替代指标，尤其是在无法进行牙骨质年轮分析或需要快速死后年龄验证以审核选择性捕猎时。M2高度携带生物信息，但受到初始生长和磨损的相反过程的影响，产生驼峰形模式，并且成年类别之间的重叠较大。此外，牙齿磨损对饮食粗糙度、饲料质量和种群密度敏感，这些因素都会加速磨损并缩短有效寿命（Skogland 1988，Kojola等人1998，Nussey等人2007，Pérez-Barbería等人2015）。其他鹿科动物中描述的种群间和性别间的磨损率差异进一步强调了牙齿指标的情境依赖性（Loe等人2003，Carranza等人2004）。实际上，这些特征限制了M2高度用于精确确定成年年龄的实用性，但支持将其作为次要指标使用，理想情况下应与干眼晶状体重量或牙骨质年轮计数方法结合解释。

**视觉年龄评估方法的可靠性及其对监测框架的影响**

视觉年龄评估方法对于狩猎中所需的快速、现场决策仍然有价值，但容易产生方向性偏差，特别是倾向于将成年个体分类为比其实际生物年龄更老。这一发现与早期评估一致，显示不同种群之间的准确性存在差异，以及纯粹基于磨损的标准的可转移性有限（Hewison等人1999，H?ye 2006，Mysterud和?stbye 2006）。在选择性捕猎系统中，这种偏差可能会扭曲年龄结构目标并削弱管理干预的有效性。因此，我们建议在训练过程中嵌入定期的校准环节，例如通过检查牙骨质环或干眼晶状体重量来对观察者偏差进行量化并加以纠正。使用基本的分类器诊断工具来跟踪准确性、精确度和错误方向，有助于识别系统性的误分类，并指导适应性训练（De Diego等人，2022年）。在欧洲，有效的有蹄类动物管理越来越依赖于基于年龄的结构化捕猎策略，以减轻对生态系统的影响，同时维持狩猎机会（C?té等人，2004年；Putman等人，2011年；Apollonio等人，2017年；Hardalau等人，2024年、2025年）。我们的研究结果表明，通过牙骨质环或在资源有限的情况下使用干眼晶状体重量进行死后实验室验证，应成为监测和政策中年龄分配质量保证的基础。在本地区研究中，性别和栖息地并未改变年龄与特征之间的关系。因此，单曲线校准方法适用于立陶宛，可以简化数据收集并降低分析复杂性。对于实地应用，我们建议采用分层方法：首先使用现场标准实时将个体初步分类到大致的年龄组中，然后当管理决策或报告需要准确的年龄构成时，再通过实验室方法进行验证和细化。这项研究的优势在于其综合性的分析策略，结合了参数和非参数推断以及预测建模，以验证不同特征中的年龄模式。然而也存在一些局限性需要关注：首先，尽管我们在立陶宛的多个管理单元进行了采样，但将个体汇总到国家层面可能会掩盖与栖息地质量或种群密度相关的特定种群磨损规律（Skogland 1990年；Nussey等人，2007年；Angelstam等人，2017年）；其次，无论是野外还是实验室分类中，一岁幼体的高度可区分性，以及中年和老年阶段的不确定性，都突显了需要针对年龄组别制定专门的培训材料，以解决成年组之间的复杂过渡问题；第三，我们假设牙骨质环方法是参考标准，尽管这种方法被广泛接受（Mitchell 1967年；Aitken 1975年；Jankauskas等人，2001年），但其准确性可能因准备和读取协议的不同而有所差异；第四，尽管鹿角上的绒毛形态被广泛认为是雄性鹿类死后年龄的可靠指标，但由于各年龄组样本量不足且不均匀，本研究未对其进行正式评估，因此无法对该数据集中的绒毛特征作为独立年龄指标的可靠性进行推断。尽管如此，现有证据表明，绒毛和基部的发育反映了骨骼生长、鹿角周期性再生以及营养状况之间的复杂相互作用，这在适当采样和标准化后可能对年龄评估具有潜在价值（Kierdorf等人，2013年）。最后，鉴于气候和资源动态会影响有蹄类动物的数量和健康状况（Felton等人，2024年），整合栖息地质量指数、密度测量和气候协变量可能有助于测试针对特定种群的干眼晶状体重量或牙齿磨损校准是否能提高预测性能。此外，未来的研究还应包括休闲猎人和野生动物管理者，并扩大研究范围，涵盖更多种类的猎物和更大的样本量。

总之，这项研究不仅在科学实验室实践方面做出了重要贡献，也作为一种应用管理工具，将其发现扩展到了现代和精确的个体年龄评估方法。它还提供了一个可以完全或部分复制到其他重要物种的概念框架，无论这些物种是因为其受保护状态还是作为猎物动物的社会文化重要性而受到关注。我们的研究表明，基于干眼晶状体和牙骨质环的狍子年龄测定方法在国家层面上都能提供可靠且生物学上可解释的年龄信号。虽然牙齿磨损分类需要仔细校准以避免成年组间的方向性年龄偏差，但视觉评估在确定狍子年龄方面效率较低。由于这些模式在立陶宛的不同性别和栖息地类型中都是一致的，相关机构可以实施简化且标准化的协议，而不会牺牲精度。这样的协议可以提高选择性捕猎的生物学完整性，增强种群评估的可信度，并支持可持续狩猎的社会文化基础。

致谢：
作者们希望纪念Gintar? Sabalinkien?，她的科学洞察力、慷慨精神和奉献精神对这项工作产生了巨大影响。她的指导、深思熟虑的讨论以及对学术严谨性的坚定承诺，对这里呈现的研究以及参与的研究人员都产生了深远的影响。本手稿谨以此纪念她。

本研究是在欧盟“Horizon Europe”计划Eco2adapt项目（授权协议编号101059498）的框架和资助下完成的。

作者声明没有利益冲突。

作者贡献：
Michael Manton：概念化（主导）；调查（主导）；方法学（同等贡献）；监督（主导）；验证（支持）；初稿撰写（同等贡献）；审稿和编辑（同等贡献）。
Mantas Sablinka：调查（同等贡献）；资源获取（同等贡献）；审稿和编辑（同等贡献）。
Darius Hardalau：数据管理（同等贡献）；方法学（同等贡献）；软件使用（同等贡献）；初稿撰写（同等贡献）；审稿和编辑（同等贡献）。
Gediminas Brazaitis：概念化（同等贡献）；资金获取（同等贡献）；方法学（同等贡献）；审稿和编辑（同等贡献）。
Ovidiu Ionescu：方法学（同等贡献）；验证（同等贡献）；审稿和编辑（同等贡献）。

数据可访问于Dryad数字存储库：https://doi.org/10.5061/dryad.9p8cz8wzm (Manton等人，2026年)。