群体凝聚力的空间特征

《Methods in Ecology and Evolution》:Spatial signatures of group cohesion

【字体: 大 中 小 】 时间:2026年08月06日 来源:Methods in Ecology and Evolution 5.7

编辑推荐:

  摘要:野生动物种群由于人类活动正经历其空间分布的前所未有的变化。需要创新方法来记录这些变化,尤其是在采样稀疏的情况下。在此,研究人员通过开发基于变异系数(CV)应用于位置数据的新指标,以帮助表征种群空间结构,从而为空间生态学中可用的工具做出贡献。这些无阈值方法

  
摘要:野生动物种群由于人类活动正经历其空间分布的前所未有的变化。需要创新方法来记录这些变化,尤其是在采样稀疏的情况下。在此,研究人员通过开发基于变异系数(CV)应用于位置数据的新指标,以帮助表征种群空间结构,从而为空间生态学中可用的工具做出贡献。这些无阈值方法利用简单的汇总统计量区分种群伸长和破碎化。模拟证实了分析结果,并展示了在不同场景下的稳健性,即使样本量较小也具有合理的检测趋势的能力。一个R包(shapeshiftr)的实现使这些工具更易于广泛使用。通过表征个体的空间分布,这些工具使得空间利用能够跨时间和物种进行简单比较,并提供种群破碎化的早期预警信号。
**论文解读:基于变异系数的空间种群凝聚力指标及其生态应用**

**1. 研究背景与问题**

野生动物种群的空间分布正因人类活动而发生前所未有的变化。资源可用性、捕食压力和社会互动等生态过程深刻影响着个体在景观上的排列方式,进而影响种群生存力、连通性、对环境变化的响应以及社会动态。然而,当前方法存在显著局限:传统空间分析工具(如核心家域重叠指数、社会网络分析)通常需要密集采样或预设阈值,而针对凝聚力的研究(如最近邻距离、群体散布)往往要求完整群体追踪,这在野生种群中难以实现。特别是在仅能监测有限个体的情况下,如何从稀疏数据中推断种群层面的空间结构变化,成为亟待解决的挑战。研究人员旨在开发一种补充性方法,无需完整群体采样、密度估计或复杂建模框架,即可检测空间组织的显著变化。

**2. 研究内容与结论**

研究人员提出了基于个体间距离(inter-individual distance, IID)变异系数(coefficient of variation, CV)的两个尺度无关指标:种群水平CV(CVpop)和个体水平CV(CVind)。CVpop计算所有标记个体间成对距离的变异系数,CVind则先计算每个个体到其他所有个体的平均距离,再计算这些平均值的变异系数。通过理论推导、模拟和实证案例,他们证明:当种群均匀收缩或扩张时,两个CV保持不变;当范围伸长时,两者均上升且比值恒定;当种群发生均匀分裂时,CVpop上升而CVind下降;当发生不均匀分裂(如10%个体分离)时,两者均上升且比值超过伸长范围的理论上限。该研究提供了诊断框架(图4)和R包(shapeshiftr)以促进应用。论文发表在《Methods in Ecology and Evolution》。

**3. 主要关键技术方法**

研究人员主要采用以下方法:(1)理论分析:假设种群空间分布为高斯分布或矩形均匀分布,解析推导CVpop和CVind的数学表达式,证明其尺度无关性及对伸长和分裂的差异化响应。(2)模拟验证:通过R语言模拟四种场景(对称收缩、伸长、均匀分裂、不均匀分裂),评估不同样本量(10-1000)下的统计检验力(power)。(3)实证案例:应用CV指标于巴伦斯特地松鼠(Bathurst barren-ground caribou, *Rangifer tarandus groenlandicus*)秋迁期间38头雌性个体的GPS项圈数据(2020年9月7日至11月30日),以及Ling et al. (2019)的寒鸦(*Corvus monedula*)集群行为视频数据(含捕食者存在与不存在条件)。方法关键步骤包括:对每个个体每天取中午附近一次定位以标准化日周期,计算每日CV指标并季节平均;对寒鸦数据,以每秒60帧捕捉至少10只个体的快照,计算中位数指标。

**4. 研究结果**

**4.1 高斯物种分布的结果**
通过解析推导和数值积分,研究人员发现:当种群对称收缩或扩张时,CVpop和CVind保持不变(图3a)。当范围伸长时,两者均上升,比值近似恒定(图3b)。当种群均匀分裂为两个子群时,CVpop上升而CVind下降,形成对比信号(图3c,e,g)。当不均匀分裂(90%:10%)时,所有CV指标均上升,且值可超过1,这是伸长范围无法达到的(图3d,f,h)。这些结果在矩形均匀分布中也得到类似验证(附录图A1)。

**4.2 CV指标解释诊断框架**
基于上述结果,研究人员构建了诊断工具(图4):通过比较CVpop、CVind及其比值的数值和变化方向,可区分伸长、均匀分裂和不均匀分裂。例如,两者均升且比值稳定提示伸长;一升一降提示均匀分裂;两者均升且超过伸长阈值提示不均匀分裂。

**4.3 检验力分析结果**
模拟显示,三种指标在不同场景下均表现出一致的方向性变化。不均匀分裂在所有样本量(≥10)下均有高检验力(>80%),均匀分裂需样本量≥100,伸长需样本量≥500(图5)。对称收缩不改变CV指标,I类错误率合理(3.2%-6.8%)。

**4.4 复杂空间分布结果**
当种群从单一初始群体分裂为5、10或20个均匀子群时,CVpop和比值仍保持高检验力检测破碎化,而CVind在子群数量增多时下降(因空间均匀化导致变异性降低)(图6)。当80%个体留在核心区的不均匀分裂时,所有指标均上升且检验力接近100%(附录图A2)。

**4.5 实证结果**
巴伦斯特地松鼠案例中,秋季迁移期间CVpop和CVind在年积日280左右急剧上升,320左右迅速下降,峰值对应发情期(rut)。诊断框架表明,两者同时上升且比值稳定提示伸长或不均匀分裂,但CV值远超伸长范围预测,故诊断为不均匀分裂(图7)。插图中定位点分布确认了初始聚集、发情期分散为多个小群、随后重新聚集的过程。寒鸦案例中,集群(mobbing)的CV比值显著高于迁徙(transiting)群体(2D: 0.497 vs. 0.393; 3D: 0.507 vs. 0.390),符合集群更聚集于捕食者周围的预期。

**5. 讨论与结论**

研究人员总结指出,这些CV指标具有尺度无关性、不依赖种群密度或范围大小,仅对形状(伸长率)和子群间距敏感。它们提供了一种简单、无阈值的方法,从稀疏定位数据中检测空间组织变化,尤其适用于传统密度监测或行为追踪困难的大型有蹄类或海洋哺乳动物。研究还指出,CV指标无法解释空间变化的原因,也不能完全刻画复杂的社会动态,且依赖于无偏采样。未来可将其应用于人类活动影响下种群分布变化的早期预警。最终结论:基于IID变异系数的两个指标(CVpop和CVind)及其比值,为表征种群空间分布提供了有效的补充工具,能够区分伸长、均匀分裂和不均匀分裂等空间重组模式,并已在R包shapeshiftr中实现。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号