《Biological Conservation》：Estimating the occurrence and detection of human-elephant conflict in India through a Bayesian occupancy modeling framework
编辑推荐：
摘要人象冲突对农业景观中的野生动物保护以及农村社区的发展构成了严重威胁。要有效缓解这一冲突，就必须了解其背后的环境及人为因素，以及这些因素的时空变化规律。我们采用了贝叶斯时空占用模型框架，分析了印度卡纳塔克邦班迪普尔国家公园和纳加拉霍勒国家公园周边20,000多起经过验证的、由农
摘要
人象冲突对农业景观中的野生动物保护以及农村社区的发展构成了严重威胁。要有效缓解这一冲突，就必须了解其背后的环境及人为因素，以及这些因素的时空变化规律。我们采用了贝叶斯时空占用模型框架，分析了印度卡纳塔克邦班迪普尔国家公园和纳加拉霍勒国家公园周边20,000多起经过验证的、由农民报告的人象冲突事件（2015–2023年）。这两个公园位于西高止山生物多样性热点区域，拥有印度数量最多的大象种群。研究结果表明，耕地面积以及反映人类经济和农业活动的季节性夜间光照强度是导致人象冲突发生的最主要因素。此外，距离避难场所的距离、地形坡度以及季节性植被状况等因素也会影响冲突的发生频率。随着耕地面积的增加和调查力度的加大，冲突被发现的概率也会上升，而较高的季节性温度以及与保护区及避难场所较远的距离则会降低这一概率。在所分析的区域内，每个季节至少发生一次人象冲突的概率约为16%，而实际发生冲突后被记录下来的概率则为31.7%。冲突发生频率在雨季过后、收获期达到高峰，而检测到的冲突频率则在雨季前的干旱期较低。我们的研究结果揭示了人象冲突在空间和时间上的显著差异性，强调了需要采取有针对性的、考虑时空因素的缓解和监测策略，以减轻人象冲突对当地社区的影响，促进这一生物多样性丰富但冲突频发的地区的和谐共存。
引言
人兽冲突是一种亟需解决的生态保护问题，它发生在脆弱的野生动物种群与不断扩张的人类居住区和农业景观之间（Ravenelle和Nyhus，2017）。当自然栖息地遭到破坏或分割时，这类冲突往往会加剧（Puyravaud等人，2019），而那些依赖自然资源为生的社区则会使矛盾进一步升级，进而降低公众对野生动物的容忍度（Hoare，2015；Kansky等人，2016；Manral等人，2016）。全球范围内人兽冲突的规模正在扩大，严重程度也在上升，有70个国家的73%的政府都报告称冲突事件日益增多（Bank, W., 2024）。从在农业景观中觅食的大象（Anoop等人，2023b；Bastille-Rousseau等人，2020），到在人类主导的景观中活动的大型食肉动物（Bauer和Iongh，2005；Bhattarai和Fischer，2014；Davoli等人，2022），再到与家畜争夺资源的有蹄类动物（Brook，2009；Eshtiaghi等人，2024；Ficetola等人，2014），人兽冲突都对生物多样性保护以及人类生计构成了严重威胁。
要有效解决人兽冲突，就需要了解其在不同时间和地点的发生情况，从而实现精准预测和有针对性的干预措施（Miller，2015；Treves等人，2004）。占用模型通过将生态过程（即冲突的实际发生）与观测过程（即是否有人报告了该事件）分开，为这类分析提供了有力的工具（Goswami等人，2015；MacKenzie等人，2003）。与传统方法不同，传统方法往往忽视了检测的不完整性，从而导致有偏的结论（Kellner和Swihart，2014），而占用模型则充分考虑了报告效率的差异（Athreya等人，2015；Schmidt等人，2023）。此外，通过引入时空框架，这类模型还能进一步反映出不同地点和不同季节下冲突发生和被发现的概率变化（Diana等人，2022）。由于可以直接估计冲突发生和被发现的概率，这类模型在人兽冲突研究中越来越受到重视，尤其是在直接观测数据稀缺或数据来源于补偿申请、社区调查或相关部门反馈等偶然渠道的情况下（Altwegg和Nichols，2019；Guillera-Arroita，2017；Schmidt等人，2023）。这类模型的应用范围很广，从绘制大象分布图（Jathanna等人，2015；Lakshminarayanan等人，2016；Ram等人，2024），识别农作物遭破坏的时空驱动因素（Goswami等人，2015），到研究人类与食肉动物之间的互动关系（Athreya等人，2015；Gould等人，2019；Srivathsa等人，2019），以及通过将物种分布与人类活动相结合来识别冲突高发区（Fidino等人，2022；Petracca等人，2019；Warrier等人，2021）。
在现有研究的基础上，我们重点研究了人象冲突这一严重的人兽冲突类型，它不仅在亚洲那些破碎化严重且人口密集的地区带来了巨大的生态保护和生活难题（Gross等人，2020；Shaffer等人，2019），而且在整个亚洲范围内都很常见（Leimgruber等人，2003）。在亚洲象的分布范围内，包括斯里兰卡（Gunawansa等人，2023；K?pke等人，2021）、泰国（Supanta等人，2025；Water和Matteson，2018）、尼泊尔（Acharya等人，2016；Ram等人，2024）以及印度（Dash等人，2025；Roy等人，2025），都经常发生人象冲突，因为亚洲象经常进入保护区及周边地区的农业-森林混合地带（Krishnan等人，2019；Naha等人，2019）。这种近距离接触常常导致农作物受损、财产损失、人员受伤甚至死亡（Karanth等人，2018；Monney等人，2010），不仅威胁到当地的粮食安全，还会给农村社区带来心理压力（Barua等人，2013；Sampson等人，2021）。如果不对这些冲突进行处理，还可能引发报复性杀象行为，进一步阻碍大象的保护工作（Milda等人，2020）。本研究旨在利用保护区周边农业景观中长期积累的人象冲突观测数据，首先明确区分生态过程和观测过程，以此估算出农业景观中人象冲突发生和被发现的时空趋势；其次，在数据较为稀少的地区生成人象冲突发生概率的预测地图，为大规模的监测和缓解策略制定提供依据。我们的研究结果通过将先进的空间占用模型应用于基于补偿报告系统获得的冲突数据，有助于深入理解全球范围内的人兽冲突动态，同时也为在破碎化景观中进行有效管理提供了实用的建议。
章节节选
研究区域
我们选择的是印度卡纳塔克邦班迪普尔国家公园（核心区域面积为872.24平方公里，缓冲区面积为584.06平方公里）和纳加拉霍勒国家公园（核心区域面积为643.35平方公里，缓冲区面积为562.41平方公里）周围的农业区域作为研究范围。这两个公园位于西高止山生物多样性热点区域（Mittermeier等人，1998），是许多具有独特魅力但容易与人发生冲突的巨型动物的重要栖息地，尤其是亚洲象，其密度估计约为每平方公里两只（Jathanna等人，2015；
研究结果
我们从所有候选模型中挑选出了性能最佳、最为简洁的模型，这些模型之间的WAIC值相差不超过2（见补充表1）。该模型包含了两个与冲突发生相关的变量：网格单元内的耕地面积（平均值为0.47，95%贝叶斯可信区间为[0.26, 0.68]）以及季节性夜间光照强度的平均值（平均值为0.47，95%贝叶斯可信区间为[0.34, 0.61]）。这两个变量都与冲突发生的概率呈正相关，这意味着耕地面积较大以及
人象冲突的驱动因素
本研究通过利用印度卡纳塔克邦班迪普尔国家公园和纳加拉霍勒国家公园周边农业及人类主导景观中长期收集到的、由农民报告的人象冲突事件数据，进一步深化了我们对西高止山地区人象冲突的理解（Karanth和Vanamamalai，2020）。我们采用了贝叶斯时空占用模型框架，分析了人象冲突的发生模式及其被发现的规律，
结论
本研究证明了占用模型在分析数据稀少且检测不完美的系统中的重要作用，有助于我们理解人兽冲突的规律。研究指出，耕地面积以及季节性夜间光照强度是导致人象冲突发生的关键因素，同时，不同区域的冲突检测概率也存在差异，这些信息为有针对性的缓解措施提供了有力依据。在保护区边界附近以及雨季过后的高峰期采取战略性干预措施
CRediT作者贡献说明
Anubhav Vanamamalai：写作——审阅与编辑，写作——初稿撰写，可视化，方法论，正式分析，概念构建。Krithi K. Karanth：写作——审阅与编辑，监督，资源协调，概念构建。Jeffrey W. Doser：写作——审阅与编辑，软件应用，方法论。Ruth DeFries：写作——审阅与编辑，监督，概念构建。
资金来源
本研究没有获得任何来自公共部门、商业机构或非营利组织的资助。
利益冲突声明
作者声明，他们不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。
致谢
我们要感谢印度野生动物研究中心Wild Seve项目中的现场工作人员和研究人员，他们为收集本研究所需的数据付出了巨大努力。同时，我们也要对哥伦比亚大学的Maria Uriarte博士、Steffen Foerster博士以及其他教职员工表示衷心的感谢，他们在整个研究过程中给予了我们宝贵的支持、 insightful的意见和建议。Wild Seve项目得到了以下机构和组织的资助和奖励
Anubhav Vanamamalai|Krithi K. Karanth|Jeffrey W. Doser|Ruth DeFries
美国纽约州纽约市哥伦比亚大学生态学、进化与环境生物学系
