《Discover Ecology》：Landscape-scale identification of tiger habitat priorities in Central India using ensemble species distribution modelling
编辑推荐：
中印度的Ratapani–Kheoni–Singhori景观代表了一个新兴的老虎保护单元，在快速变化的人为主导矩阵中连接了多个保护区。理解塑造这一破碎干性落叶林系统景观尺度栖息地适宜性的生态过程，对于老虎的长期持续生存至关重要。研究人员应用了一个集成物种分布建
中印度的Ratapani–Kheoni–Singhori景观代表了一个新兴的老虎保护单元，在快速变化的人为主导矩阵中连接了多个保护区。理解塑造这一破碎干性落叶林系统景观尺度栖息地适宜性的生态过程，对于老虎的长期持续生存至关重要。研究人员应用了一个集成物种分布建模（Ensemble Species Distribution Modelling）框架，整合了五种算法（广义线性模型（GLM）、随机森林（Random Forest）、支持向量机（SVM）、提升回归树（BRT）和最大熵（MaxEnt）），以预测孟加拉虎（Panthera tigris tigris）的景观尺度栖息地适宜性。老虎存在数据来源于密集的基于痕迹的野外调查（2018–2019年），并编制了代表地形、植被、水文、气候、猎物可获得性和人为压力的22个环境预测因子。利用方差膨胀因子（Variance Inflation Factor, VIF）筛选去除了多重共线性，并生成了1000个伪缺席（pseudo-absence）点。所有模型表现良好（AUC = 0.89–0.93），其中随机森林（Random Forest）达到了最高精度。单个模型在空间模式上趋于一致，表明了稳定的生态信号。集成预测识别出约2006.20 km2的适宜老虎栖息地，集中在Ratapani老虎保护区、Singhori野生动物保护区以及连接这些单元的中部森林廊道，而低适宜性与农业和人类主导斑块相吻合。变量重要性分析显示，猎物可获得性、距常年水源的距离和人为干扰梯度共同构建了该景观中的老虎栖息地。这些结果证明了相互作用的生态梯度如何支配栖息地适宜性和连通性，揭示Ratapani–Singhori–Kheoni复合体作为一个单一的功能生态单元，并为中印度的廊道强化和保护规划提供了空间基础。
该研究发表于《Discover Ecology》。中印度高地（Central Indian Highlands）支撑着全球绝大部分野生孟加拉虎（Panthera tigris tigris）种群，其景观尺度的生态过程完整性对维持老虎集合种群（metapopulation）的扩散、基因交流和再定殖至关重要。Ratapani–Kheoni–Singhori景观位于Satpura与Vindhyan山脉之间，是中央印度区域性网络中的战略要地，拥有大面积柚木（Tectona grandis）干性落叶林及多样猎物基数。然而，该景观正经历农业扩张、基础设施建设和定居点增长导致的快速转变，造成栖息地破碎化、改变猎物-捕食者动态并在森林边缘施加尖锐的生态梯度，可能限制老虎移动与持续生存。尽管该生态系统具有重要生态意义，此前尚未在景观尺度上对老虎栖息地适宜性及连通性进行定量评估，现有保护规划多依赖行政边界和局部观测，难以揭示生态梯度如何在广阔镶嵌体中构建栖息地，这限制了功能廊道识别及修复优先级设定。为此，研究人员开展了一项基于集成物种分布建模（Ensemble Species Distribution Modelling）的景观尺度研究，旨在量化该复合景观的老虎栖息地适宜性，评估生态与人为驱动因子的相对影响，并识别保护规划中的优先栖息地与功能廊道。研究得出结论，该区域识别出约2006.20 km2适宜栖息地，呈现连续的高-中适宜性带状结构，证实Ratapani–Singhori–Kheoni作为单一功能生态单元运作，猎物可获得性、常年水源邻近度与人为干扰梯度是主要驱动因子，成果为廊道强化与中印度保护规划提供了空间基础。
研究人员开展研究用到的几个主要关键技术方法包括：基于Ratapani老虎项目（2018–2019）由Madhya Pradesh Forest Department实施的密集野外调查获取老虎存在数据（脚印、刮痕、粪便等痕迹及GPS地理参考），整合22个经方差膨胀因子（Variance Inflation Factor, VIF）去多重共线性的环境预测因子（涵盖地形、植被、水文、气候、猎物可用性及人为压力，其中猎物变量为基于MaxEnt的独立生境适宜性指数（Habitat Suitability Index, HSI）层）；生成1000个受限于可及环境空间的随机伪缺席（pseudo-absence）点；校准五种算法即广义线性模型（GLM）、随机森林（Random Forest）、支持向量机（SVM）、提升回归树（BRT）、最大熵（MaxEnt），采用75%训练25%测试的交叉验证与15次重复；利用AUC（Area Under Receiver Operating Characteristic Curve）、TSS（True Skill Statistic）等指标评估性能；基于AUC加权集成方法及Max(Sensitivity+Specificity)阈值生成集成栖息地适宜性图并分类为低、中、高适宜区。
4 Result（结果）
4.1 Model performance（模型性能）：所有五种物种分布建模（SDM）算法均表现出强判别能力，AUC值介于0.89至0.93，TSS值介于0.67至0.72。随机森林（Random Forest）性能最高（AUC = 0.918；TSS = 0.707），各算法ROC曲线清晰分离存在与背景点，表明中印度该景观中支配老虎栖息地的生态信号强且稳定，跨模型收敛证明使用集成框架推导共识表示的合理性。
4.2 Habitat suitability predictions（栖息地适宜性预测）：各算法空间显式栖息地适宜性图在景观中东部高度趋同，均一致识别Ratapani Tiger Reserve、Singhori Wildlife Sanctuary及Kheoni Wildlife Sanctuary北部为高适宜区，对应连片森林内部、低人为干扰与高猎物可得性区。随机森林预测适宜面积最大，GLM较保守。集成模型整合输出约2352.6 km2（文中结论为2006.20 km2，系不同阈值或统计口径下的集成估计）适宜栖息地，描绘出从Ratapani经Singhori至Kheoni的连续高中适宜带，低适宜区集中于农业矩阵、采石影响区及定居点主导斑块，中适宜区沿森林边缘及穿插区块分布，指示潜在踏脚石生境。
4.3 Variable importance（变量重要性）：跨所有算法，人为压力与猎物可获得性为主导决定因子。人类种群密度、村庄密度及距定居点距离具最强负效应；猎物相关变量特别是水鹿（Sambar, Rusa unicolor）与蓝牛羚（Nilgai, Boselaphus tragocamelus）的HSI在模型中具高且一致的重要性；水文变量尤其距常年水源距离在机器学习模型中影响显著；植被结构变量（森林覆盖、NDVI）呈中等重要性；地形变量（坡度、高程）贡献相对较低。Neelgai_HSI、Population_Density与Cattle_Presence为最稳健的预测因子，出现在四个或五个模型的前五大变量中。
5 Discussion（讨论）
5.1 Model performance and predictive reliability（模型性能与预测可靠性）：所有算法高预测性能表明该景观老虎栖息地由清晰稳定生态梯度构建。机器学习法（RF、BRT）优于回归基GLM，反映其捕捉非线性响应与环境预测因子交互效应的优势。空间预测跨算法收敛说明环境信号非单一技术产物，增强对集成输出作为景观尺度栖息地结构可靠表征的信心。
5.2 Functioning of Individual SDM Models（个体SDM模型运作）：GLM识别宽泛线性梯度；RF与BRT检测猎物、水源与干扰间强交互；SVM有效描绘森林-农业/定居点锐变过渡；MaxEnt强调猎物分布与水文持久性制约的核心区。各模型代表同一景观的不同生态视角。
5.3 Environmental drivers of tiger habitat suitability（老虎栖息地适宜性的环境驱动因子）：猎物变量（水鹿、蓝牛羚HSI）为重要预测因子，老虎偏好高有蹄类可得性区；水文变量（距常年水源）因调节半干旱热带林有蹄类运动与聚集而贡献显著；人为变量（人口、定居点邻近度）呈强负相关，边缘压力增加降低适宜性与连通性。
5.4 Landscape connectivity and ecological relevance（景观连通性与生态相关性）：集成图揭示从Ratapani经Singhori至Kheoni的连续高中适宜带，三保护单元为单一生态复合体组件。高适宜区为森林内部核心生境，中适宜区为踏脚石生境维持渗透性，农业与定居区为渗透屏障。中适宜斑块退化即使核心存留也会破坏功能连通性。框架将廊道转化为空间显式生态结构，基于猎物、水源、干扰阈值解读连通性。
5.5 Comparison with earlier research（与早期研究比较）：模式与中印度先前研究一致（强调猎物、森林完整性、人为干扰）。本研究差异在于量化整个Ratapani–Singhori–Kheoni镶嵌体适宜性，证明连通性为梯度驱动生态过程，识别Sehore–Dewas带中适宜踏脚石生境，细化早期模型并提供半干旱热带林老虎景观运作的过程导向理解。
5.6 Conservation implications（保护启示）：高适宜区（Ratapani、Singhori）需强化保护、猎物维持、隔绝基建与开采；中适宜区为关键功能廊道，需靶向修复、规制采石与线性基建、缓解冲突、增水源；人为干扰为负向主导驱动，需村落边缘管理、控放牧、规制非木材林产品（NTFP）提取与社区冲突缓解；集成框架将生态梯度转为管理相关空间类别，可直联森林经营计划、廊道通告、生态敏感区划定与修复策略。
5.7 Limitations and future directions（局限与未来方向）：依赖仅存在（presence-only）数据或受采样偏差与检测概率影响；猎物变量为HSI代理非系统密度估算；人为干扰为人口与空间代理未反映时序波动。未来可整合相机陷阱占用数据、多季节调查、个体遗传信息验证廊道，纳入时序动态（季节性水源、作物周期、基建扩张），整合基于阻力（resistance-based）连通性模型与集成输出以机制化扩散过程表征。
6 Conclusion（结论）
本研究提供了Ratapani–Singhori–Kheoni系统景观尺度、多算法的首次老虎栖息地适宜性评估，为中印度老虎景观此前未量化的重要组分。集成框架整合野外存在数据与生态、水文、猎物及人为梯度，识别约2006.20 km2适宜栖息地，揭示相互作用过程如何在破碎干性落叶林构建老虎空间利用。核心发现是连接Ratapani Tiger Reserve、Singhori Wildlife Sanctuary与Kheoni Wildlife Sanctuary的连续高中适宜带，表明单元非孤立斑块而是支持扩散与范围扩展的统一生态复合体，连通性源于连片猎物丰富森林、可靠水源与低干扰区，农业与定居区形成强生态屏障。跨模型猎物可获得性、水源通达与人为干扰始终为适宜性主导驱动因子，表明半干旱热带景观老虎栖息地不仅由森林覆盖塑造，而由底层生态过程与干扰阈值交互作用构成；适宜性峰值在猎物丰富森林内部，在人为主导边缘外急剧下降，形成核心生境、过渡带与屏障镶嵌体。通过生态视角解读集成物种分布建模（SDM）输出，超越预测地图揭示景观过程如何支配人改系统中大型食肉动物持续生存，并为廊道强化、栖息地修复与景观尺度保护规划提供空间显式指导。
要不要我帮你把这篇解读里的关键专业术语（如ESDM、HSI、AUC等）整理成一个带简要解释的术语表，方便你后续查阅？
