鸟类羽色着色与图案的全球分布：气候、生态和性选择的相对影响

《Ecography》：Global distribution of avian plumage coloration and patterning: the relative influence of climate, ecology, and sexual selection

　　

动物着色表现出显著的地理变异，反映了对非生物和生物环境的复杂适应。尽管鸟类羽色着色的进化机制已被广泛研究，但羽色图案的地理变异受到的关注较少。为了扩展对鸟类羽色进化的理解，研究人员使用来自《世界鸟类手册》插图的广泛红绿蓝（RGB）数据集，量化了10 290种鸟类的全球羽色着色和图案。为了检验生态地理预测，研究人员使用系统发育混合模型和路径分析，对羽色明度、蓝-黄色度和图案颗粒度进行了建模。分析揭示了羽色着色和图案均存在显著的地理异质性。羽色明度的变化遵循广泛的气候梯度，较暗的着色与潮湿和寒冷的环境相关，这与Gloger法则（在温暖潮湿地区较暗）和Bogert法则（在寒冷地区较暗）的综合预测一致。这些法则并不矛盾而是共存；它们的相对影响由给定区域中湿度或温度是否是主导选择力决定。虽然寒冷环境中的留鸟在很大程度上支持了Bogert法则用于体温调节，但迁徙物种和熟练飞行者（如海鸥）偏离了这一模式，通过保持较浅的羽色以避免飞行中过热。此外，研究人员识别出沿蓝-黄轴的强纬度梯度：热带湿度通过饮食转变促进富含类胡萝卜素的黄色羽色，而较高纬度则有利于结构蓝色。图案也显示出大尺度结构，较大的图案元素与潮湿环境和较大体型相关，而非特定的觅食生境。通过整合经典生态法则与体温调节假说，本研究提供了一个统一框架，解释气候约束和生态过程如何相互作用塑造鸟类着色模式的全球分布。

**鸟类羽色着色与图案全球分布的驱动因素：气候、生态与性选择的整合分析**

**研究背景与问题**

动物着色（尤其是鸟类羽色）在全球范围内呈现出显著的地理变异，这种变异反映了对非生物环境（如气候）和生物环境（如捕食、社交信号）的复杂适应。尽管学界对鸟类羽色着色的进化机制已有广泛研究，但羽色图案（即颜色斑块的空间排列）的地理变异却长期被忽视。传统上，Gloger法则（预测潮湿温暖地区羽色较暗）和Bogert法则（即热黑色素假说，预测寒冷地区羽色较暗）分别解释明度变化，但二者侧重不同气候维度（湿度 vs 温度），其相对影响取决于区域主导选择力。此外，迁徙物种还可能因飞行散热需求而偏离这些法则。对于蓝-黄色度，热带湿度通过饮食影响类胡萝卜素获取，而高纬度则依赖结构色。羽色图案的宏观格局则更少被量化。为了填补这一空白，研究人员利用大规模插图数据集，系统检验了气候、生态、生活史和性选择对全球鸟类羽色明度、色度和图案的联合影响。该研究发表在《Ecography》。

**主要关键技术方法**

研究人员从《世界鸟类手册》插图（Han et al. 2026a）中提取了10 290种鸟类的标准红绿蓝（RGB）颜色数据，并转化为CIELAB颜色空间，通过主成分分析（PCA）获得明度（PC1_lightness）和蓝-黄色度（PC2_color）两个主成分。对于羽色图案，利用Fiji软件和micaToolbox插件对图像进行颗粒度分析，提取17个空间尺度的图案能量，再经PCA获得图案元素大小（PC2_pattern）。为检验生态地理预测，研究人员构建了贝叶斯系统发育广义线性混合模型（MCMCglmm），纳入16个预测变量（涵盖气候、海拔、纬度、体型、迁徙、食性、生境、性二态等）。此外，采用系统发育路径分析（PPA）区分直接和间接因果效应，并通过敏感性分析验证插图数据的稳健性。最终分析保留了7542个物种（排除缺失数据后）。

**研究结果**

**1. 鸟类羽色性状空间的表征**
通过PCA，研究人员发现前两个主成分分别解释了着色和图案变异的93.7%和87.5%。PC1_lightness代表明度梯度，PC2_color代表蓝-黄梯度，PC2_pattern代表图案元素大小（从小斑块到大斑块）。

**2. 繁殖与非繁殖分布显示不同的羽色模式**
全球网格图显示，明度极值（极暗或极亮）集中在赤道和高纬度地区，北非出现较浅羽色。繁殖季节高纬度地区羽色较浅，非繁殖季节则较暗。蓝-黄色度呈现强纬度梯度：近极地物种偏蓝，赤道附近偏黄。非繁殖季节北极地区偏冷色调。图案元素大小在赤道区域较大，温带较小，北极地区非繁殖季节图案元素更小。

**3. 羽色明度、色度和图案的系统发育模型**
MCMCglmm模型显示，所有性状均有强系统发育信号（Pagel's λ > 0.9）。明度（PC1_lightness）显著受食性（种子食性→暗）、纬度（高纬度→暗）、迁徙（强迁徙→暗）和温度（低温→暗）的负向影响，而受性二态、初级生产力（GPP）和降水的正向影响。蓝-黄色度（PC2_color）显著受食性（种子食性→黄）、降水（多雨→黄）和性二态（强性二态→蓝）影响。图案元素大小（PC2_pattern）显著受体型（大→大元素）、性二态、降水和紫外线B（UV-B）的正向影响，受种子食性和迁徙倾向的负向影响。

**4. 不同着色类型的差异关联**
色素特定分析表明：白色羽色比例随海拔、降水和GPP增加而降低，随温度、纬度和开放生境增加而升高；类胡萝卜素着色（黄色/红色）与性二态和降水正相关；黑色素着色（棕色/灰色/黑色）与性二态和温度负相关；结构色（蓝色/绿色）与性二态、海拔正相关，与森林中层/上层生境和果食性/蜜食性食性相关。

**5. 直接与间接选择力**
系统发育路径分析（PPA）揭示了多种因果路径。对于明度，非生物环境（气候和纬度）具有最大总效应（标准路径系数0.216），通过直接气候影响（0.130）和间接通过性二态、食性、迁徙的路径（0.040）发挥作用。性二态有直接正效应（0.079），食性和迁徙也有直接贡献。对于色度，降水对黄色有直接正效应（0.031），性二态有直接负效应（-0.024），食性有直接正效应（0.041）。对于图案，非生物环境（气候复合指数）起主导作用（直接0.098），间接通过性二态和食性（0.011）；生活史（体型和迁徙）总效应为0.062，其中体型正效应更强（0.045）。

**6. 插图数据的稳健性**
敏感性分析表明，明度模型在不同插图-照片相关系数下保持稳定，色度和图案模型在相关系数0.7时关键关联仍稳健。

**讨论与结论**

研究整合了Gloger法则、Bogert法则和体温调节假说，发现羽色明度同时受湿度和温度选择影响，但迁徙物种因飞行散热需求而偏离Bogert法则。蓝-黄轴的纬度梯度主要通过资源梯度（热带湿度促进类胡萝卜素摄入）和性选择（高纬度结构色与性二态相关）驱动。图案元素大小受环境（湿度、UV-B）、形态（体型）和性选择共同约束，而非生境开放度。这些发现强调，鸟类羽色是一个复合表型，由气候模板、生态策略和生活史特征层次性交互塑造。

**研究结论翻译**：通过整合大规模插图数据集与系统发育建模，本研究证明了鸟类羽色是一个由多层级驱动因素相互作用塑造的复合表型。气候提供了支持Gloger和Bogert法则的广泛环境模板，而生态策略（食性）和生活史特征（迁徙和体型）则精细调整了这些模式。这些发现强调了考虑多重（且常常同时存在的）选择压力（体温调节、隐蔽和信号传递）对于理解全球鸟类外观多样性的重要性。