《Environmental Challenges》:From Anthropogenic Pressure to Topographic Refuge: Drivers of Goitered Gazelle Habitat Suitability across Management Gradients
编辑推荐:
评估栖息地适宜性对于保护易受威胁物种免受日益加剧的人为压力至关重要。在干旱和半干旱生态系统中,不断扩张的人类基础设施和土地利用变化正迫使野生有蹄类动物进入破碎化栖息地或次优避难所。理解不同保护级别如何缓解这些威胁至关重要,但针对不同管理严格程度的比较研究仍然匮
评估栖息地适宜性对于保护易受威胁物种免受日益加剧的人为压力至关重要。在干旱和半干旱生态系统中,不断扩张的人类基础设施和土地利用变化正迫使野生有蹄类动物进入破碎化栖息地或次优避难所。理解不同保护级别如何缓解这些威胁至关重要,但针对不同管理严格程度的比较研究仍然匮乏。为填补这一空白,本研究比较了伊朗南部两个对比管理机制下鹅喉羚(Gazella subgutturosa)的栖息地适宜性驱动因素:严格保护的巴姆国家公园(Bamu National Park)以及安全性较低的巴西兰禁猎区(Basiran No-Hunting Area)。研究人员采用比较多模型方法,利用MaxEnt和随机森林(Random Forest)以减少模型特定不确定性并比较预测变量一致性,基于地形、气候和人为变量对栖息地适宜性进行了建模。两个模型的结果均表现出优异的预测性能(AUC > 0.9),并揭示了两个管理机制下有影响的预测变量存在显著差异。在严格保护的巴姆国家公园,人为变量“距离道路的距离”成为主要预测因子,表明即使在保护边界内,线性基础设施仍对栖息地适宜性构成显著约束。相反,在安全性较低的巴西兰禁猎区,栖息地适宜性主要与环境因素相关,特别是海拔和年降水量,鹅喉羚的分布集中在可用高海拔平缓坡地高原上。这些分布模式反映了由当地景观特征和人为压力梯度塑造的特定空间关联。因此,研究人员的发现表明,统一的“一刀切”方法可能不适用于跨对比管理机制的有蹄类保护。保护规划必须依赖于环境背景,将严格保护核心区的局部干扰缓解措施与多用途景观中的针对性基线监测相结合。
### 论文解读:从人为压力到地形避难所——跨管理梯度下鹅喉羚栖息地适宜性驱动因素研究
#### 研究背景与问题
在干旱和半干旱生态系统中,农业扩张、基础设施建设和人口增长导致的栖息地丧失和破碎化,对野生有蹄类动物构成严重威胁。鹅喉羚(Gazella subgutturosa)作为一种生活在亚洲中部和西部干旱草原的中型羚羊,于2006年被世界自然保护联盟(IUCN)重新列为“易危”物种。尽管保护区的设立是缓解这些压力的关键工具,但不同管理严格程度(如严格保护区与禁猎区)对栖息地适宜性驱动因素的影响尚缺乏直接比较研究。现有研究多聚焦于严格保护区,忽视了多用途景观中种群的环境响应差异,且缺乏对人为压力与地形因素如何共同塑造分布格局的对比分析。本研究旨在填补这一空白,通过比较伊朗南部巴姆国家公园(严格保护)和巴西兰禁猎区(较低保护)中鹅喉羚栖息地适宜性的驱动因素,为制定情境依赖的保护策略提供依据。论文发表在《Environmental Challenges》。
#### 主要技术方法
研究人员采用比较多模型框架,同时使用MaxEnt和随机森林(Random Forest)算法,以降低模型特定不确定性并比较预测变量一致性。栖息地适宜性基于地形(海拔、坡度、坡向)、植被(归一化植被指数NDVI)、气候(年降水量、等温性)和人为变量(距离道路、距离居民点、距离河流)进行建模。所有变量统一为30米分辨率。物种出现数据来自2024年春季(3月下旬至5月)的野外调查,通过样线法和侦查点观测获取,经空间过滤(最小邻近距离250米)后,每个研究区域保留21个出现点。模型性能通过受试者工作特征曲线下面积(AUC)和真技能统计量(TSS)评估,变量重要性通过MaxEnt的刀切法和随机森林的平均不纯度减少来量化。
#### 研究结果
**3.1 模型性能与变量重要性**
两种模型在两个研究区域均表现出优异的预测性能(AUC > 0.9),表明模型能够有效区分适宜与不适宜栖息地。在巴姆国家公园,MaxEnt的AUC为0.994(±0.001),随机森林的AUC为0.995,TSS为0.90。变量重要性分析显示,“距离道路的距离”是最主要的预测因子(随机森林重要性33.1%),其次为NDVI(20.6%)和距离居民点(14.2%)。MaxEnt的刀切法证实,该变量单独使用时增益最高,且缺失时模型性能下降最大。在巴西兰禁猎区,MaxEnt的AUC为0.953(±0.016),随机森林的AUC为0.982。变量重要性转向气候和地形因子:年降水量(23.7%)和海拔(21.2%)排名前两位,距离道路降至第三位(17.6%)。MaxEnt的刀切法显示,年降水量单独使用时增益最高,且变量间贡献更为分散。
**3.2 栖息地适宜性图**
MaxEnt和随机森林生成的栖息地适宜性图在空间分布上高度一致。在巴姆国家公园,高适宜性区域集中为一个连续的中部走廊带,对应远离道路和边界的平缓平原和丘陵,而北部和南部边缘的崎岖地形为低适宜性。在巴西兰禁猎区,高适宜性主要分布在北部平原和中部低洼地带,而崎岖的南部山区为低适宜性。两个模型均显示,巴姆国家公园的核心栖息地更为集中,而巴西兰禁猎区的适宜性分布更分散。
#### 讨论与结论
**讨论总结**
研究发现,鹅喉羚的栖息地关联在不同管理机制下呈现显著差异。在严格保护的巴姆国家公园,人为线性基础设施(道路)与适宜性负相关,表明即使保护区内,道路仍限制栖息地可用性。这可能与“畏惧景观”效应相关,类似先前对普氏原羚和鹅喉羚的研究。在较低保护的巴西兰禁猎区,适宜性更多与海拔和降水等自然因素相关,鹅喉羚分布集中在高海拔平缓高原,但这一模式应视为空间关联而非确凿的避难行为,因为基线海拔差异和放牧活动等混杂因素无法排除。研究局限性包括小样本量(n=21)、缺乏直接执法强度量化、季节性动态缺失以及单一空间尺度。未来研究应整合GPS追踪和连通性建模,以厘清人为干扰与栖息地可用性的独立效应。
**结论翻译**
本研究证明,鹅喉羚的栖息地关联在两个管理机制间存在显著差异:从严格保护区中与距离道路的强关联,转向较低安全景观中与地形和气候梯度的更强关联。在巴姆国家公园,“距离道路的距离”的突出作用表明,即使在保护边界内,人为线性特征仍是预测栖息地适宜性的重要因素。相反,在巴西兰禁猎区,预测的栖息地适宜性与海拔和气候条件相关,尽管这些预测因子在MaxEnt和随机森林间的排序存在差异,表明该模式应视为初步空间关联,而非确凿的避难行为证据。由于这些发现基于有限的出现记录,应将其解释为情境特定的关联,而非可推广的因果驱动因素。尽管如此,两个景观间的差异表明,统一的“一刀切”保护策略对鹅喉羚或占据类似对比管理背景的其他有蹄类动物可能无效。有效的保护需要基于当地主导压力的情境特定方法:在严格保护区评估减少核心栖息地附近潜在道路干扰的措施,并在多用途景观中优先监测、反盗猎和高海拔区域栖息地保护,待重复调查和基于移动的研究进一步验证。