《Journal for Nature Conservation》：Integrating species-specific and volunteer-based monitoring to improve population indicators: Lessons from the common quail
编辑推荐：
鸟类监测计划（Bird Monitoring Schemes, BMS）为大规模生物多样性评估提供了基础框架，并被广泛应用于指导保护政策与管理决策。然而，对于检测率较低或检测率波动较大的物种而言，基于通用监测计划得出的丰度指标可能无法准确反映种群动态。这一局限
鸟类监测计划（Bird Monitoring Schemes, BMS）为大规模生物多样性评估提供了基础框架，并被广泛应用于指导保护政策与管理决策。然而，对于检测率较低或检测率波动较大的物种而言，基于通用监测计划得出的丰度指标可能无法准确反映种群动态。这一局限性对于检测率在空间或时间上变化显著的物种尤为重要。本研究以普通鹌鹑（Coturnix coturnix）——一种广泛分布的农田猎鸟——为对象，评估了检测性偏差如何影响基于志愿者监测所得出的丰度估计及长期种群指标。研究人员（we→研究人员）比较了通用繁殖鸟类监测计划与旨在最大化鹌鹑检测率的物种特异性调查数据。物种特异性调查在通用监测计划未记录到任何个体的调查中频繁检测到普通鹌鹑，并且在两种方法均检测到该物种时，物种特异性调查始终记录到更高的丰度。研究人员（we→研究人员）构建了一个整合植被绿度（NDVI）的校准模型，用于从通用调查计数中推导丰度指标，结果表明不同监测方法之间的差异取决于栖息地条件。尽管两种监测方法得出的总体长期趋势大致相似，但在高质量栖息地中出现了显著差异，这些区域检测性偏差最为强烈，未经校正的指标显示种群下降，而校准估计并不支持这一结论。上述结果表明，检测性偏差能够影响种群趋势指标，并可能对保护评估产生潜在影响。整合物种特异性监测与基于志愿者的监测，为在不牺牲大规模监测计划时空覆盖范围的前提下改进生物多样性指标提供了一条切实可行的途径。
论文解读：整合物种特异性与基于志愿者的监测以改进种群指标——以普通鹌鹑为例
一、研究背景与问题提出
鸟类监测计划（Bird Monitoring Schemes, BMS）是全球大规模生物多样性评估的基石，其标准化方案、广泛的空间覆盖和长期连续性使得基于丰度的指标和趋势指数能够可靠地量化种群变化及生态响应。然而，BMS的多物种通用设计不可避免地导致不同物种、栖息地和区域间检测概率的显著差异。标准计数方案通常假设检测率在栖息地、年份和种群密度间保持足够一致，从而使观测计数能够可靠地追踪丰度变化。但对于行为、空间动态或社会组织偏离这一假设的物种，通用监测方案可能产生有偏的指标。检测率偏差可进一步传播至种群指数，影响基于丰度的指标、时间趋势以及监测方案检测真实种群变化的能力。
普通鹌鹑（Coturnix coturnix）是这一问题的典型案例。作为一种广泛分布的农田猎鸟，普通鹌鹑的野外检测几乎完全依赖雄鸟鸣叫，但其鸣叫活动受环境和社会因素影响而高度变化。该物种具有非领域型交配系统，雄性聚集呈松散且空间动态变化特征，导致其检测率在栖息地、调查时间和种群密度间存在显著差异。此外，栖息地质量强烈影响物种的季节性分布和丰度，植被绿度（NDVI）被证明是这些栖息地动态的可靠代理指标。由于上述特征，标准化多物种调查方案难以一致地捕捉该物种的分布和丰度格局。同时，该物种在小型狩猎中具有重要的社会经济价值，可靠的种群指标对其保护与管理至关重要，而检测率相关的不确定性一直是鹌鹑监测和狩猎监管争论的核心问题。
基于此，本研究旨在：（1）量化通用繁殖鸟类监测方案与物种特异性调查在普通鹌鹑检测和丰度估计上的差异；（2）评估环境条件是否可用于预测和校正这些差异；（3）评估此类校正对长期种群趋势指标的影响。更广泛地，研究人员探讨了整合物种特异性监测与基于志愿者的监测是否可以改善检测率可变物种的生物多样性指标。
二、研究内容与主要技术方法
研究人员于2021至2025年间在西班牙加泰罗尼亚地区设计并监测了28条专用SOCC样线，覆盖广泛适宜栖息地类型和海拔范围（38–1158 m），并在连续两天内分别采用SOCC（加泰罗尼亚常见鸟类监测调查）和SEC（普通鹌鹑特异性调查）协议进行配对采样，以确保在相同地点、栖息地、天气和观察者条件下直接比较两种监测方案。SEC协议基于行为学研究和丰富野外经验开发，通过程序化听音站与声学诱饵播放来最大化鸣叫雄鸟的检测率，捕获个体用于确认身份并避免重复计数。研究人员结合SIGPAC和DUN农业测绘系统提取适宜栖息地面积信息，利用Landsat影像（30 m分辨率）计算NDVI作为植被绿度指标，并基于NDVI的均值、季节内标准差和年际标准差进行k-means聚类，将样线划分为高质量栖息地和低质量栖息地两类。通过负二项（NB1）广义线性模型框架建立SOCC计数与SEC计数之间的校准关系，纳入NDVI、适宜栖息地面积及交互项，经AIC比较筛选最优模型后，将校准模型应用于205条历史样线（2005–2025年）的SOCC数据，生成SEC等效丰度指标，并采用TRIM对数线性模型分别估计原始SOCC与校准后SEC等效指标的长期趋势。
三、研究结果
（一）两种监测方案间检测和计数的差异
配对SOCC–SEC调查揭示了两种监测方案间明显的检测率差异。在SOCC未记录到普通鹌鹑的32%次调查中，SEC协议检测到至少一只鸣叫雄鸟（平均值±标准差=4.0±3.4）；相反模式仅出现一次。McNemar检验显示存在明确的不对称性，SEC在SOCC失败时的检测占优（p=0.033）。在71%的配对调查中，SEC检测到更多个体，而SOCC仅在3%的案例中检测数更高。SEC平均每调查检测约6.4只雄鸟，SOCC约为2.9只，对应2.2倍的检测数量提升（配对Wilcoxon符号秩检验，p<0.001）。
（二）校准模型的表现
最优校准模型为负二项（NB1）公式，包含平均NDVI、适宜栖息地面积、SOCC计数的线性和二次项及其与NDVI的交互项。模型预测值与观测SEC计数间表现出强烈一致性（对数[coun南+1]尺度上Pearson's R=0.87）。AIC评估显示SOCC计数是校准模型的主导成分，NDVI相关项也显著贡献于模型表现，而适宜栖息地面积无检测效应。模型预测显示，最大校正幅度出现在SOCC计数低且NDVI值高的条件下，表明在更绿栖息地和低观测密度下SOCC的漏检最为严重；而在低NDVI或SOCC计数较高时两者趋同。
（三）种群趋势
将校准模型应用于全部SOCC数据集（205条样线，2005–2025年）后，TRIM分析揭示原始SOCC与校准SEC等效指标间存在适度的时序差异。2005–2025年间，基于SOCC的种群指数呈轻微下降（-2.1%/年），而校准序列基本保持稳定（+0.1%/年），联合分析显示长期趋势差异的统计学证据有限（时间×序列交互：β=-0.028，p=0.066）。然而，按NDVI栖息地聚类分层分析后，差异显著。在高且稳定NDVI栖息地中，两种方法间存在强烈的统计学分化证据（β=-0.047，p=0.0079）：SOCC指数呈明显下降（-4.51%/年），而校准SEC等效指标保持稳定（+0.15%/年）。在低或高变异NDVI栖息地中，交互项证据有限（β=-0.016，p=0.306），两种序列趋势相似（SOCC：-1.36%/年；SEC等效：+0.29%/年）。检测性偏差对长期指标的影响集中在与鹌鹑出现最密切相关的栖息地中。
四、讨论与研究结论
本研究表明，物种特异性监测协议与并行调查相结合，能够量化生物学特征对检测率和种群指标一致性的影响程度。两种监测方法在丰度估计和存在—不存在检测上的差异，凸显了检测率本身是分歧的主要来源。NDVI作为校准模型中的关键环境预测因子，表明栖息地绿度和物候状态调节了SOCC与SEC计数之间的关系。校正幅度并非跨样点恒定，在高NDVI栖息地且BMS记录低计数时差异最为显著，说明漏检在物种高发栖息地中尤为突出。适宜栖息地面积无显著效应，可能因为配对样线均位于鹌鹑常规栖息景观中，栖息地范围并非限制因子，栖息地质量（由NDVI表征）在决定局部丰度和检测率方面超过栖息地数量。重要的是，这意味着检测性偏差并非在景观中随机分布，而是集中在不成比例地贡献于繁殖种群的栖息地中，因此对保护评估尤为重要。
从时间角度看，整合物种特异性调查信息提高了BMS数据描述长期指标趋势的能力。尽管未校正的BMS序列大体上捕捉了物种的区域总体轨迹，但在高且稳定NDVI的栖息地中出现了显著差异，未校正指标暗示的种群下降未得到校准序列的支持。这一发现与其他研究一致：北美鹌鹑的繁殖鸟类调查与物种特异性路边计数在北博布白鹌鹑（Colinus virginianus）和鳞鹑（Callipepla squamata）中产生了不同的趋势。上述结果说明，检测性偏差不仅能影响局部丰度估计，还能影响长期种群趋势的解读。
需要指出的是，校准不应被解读为区域或更大空间尺度上绝对种群规模的直接估计量。普通鹌鹑种群在繁殖季节高度动态，个体频繁迁移以响应植被物候、收割时间和社会互动，高流动性导致大量种群更替并增加跨空间和时间聚合时的重复计数风险。因此，SOCC与SEC计数之间的关系应主要被解读为检测率的校准。尽管如此，在考虑种群开放性和移动性的适当分析框架内，校准后的计数可用于趋势评估和种群指标。额外的移动率、季节性再分配和繁殖区连通性信息有助于未来精细化校准方法，并促进移动信息整合到分层或状态空间模型中。
更广泛地，本研究展示了物种特异性与大规模监测方案如何结合以改善检测率可变物种的生物多样性指标。类似方法可探索用于其他难以通过标准调查方案监测的物种。定向监测项目越来越多地依赖被动声学记录器、热成像设备和相机陷阱来最大化检测率，这些方法可提供高质量参考数据，以类似方式用于校准或验证大规模监测输出。研究人员的研究表明，通用繁殖鸟类监测信息与物种特异性调查相结合，能够改善高检测率可变性物种的丰度指标解读和长期趋势评估。该研究发表于《Journal for Nature Conservation》，凸显了将大规模基于志愿者的监测与定向高检测率调查相结合的价值，为在保持长期监测项目广泛时空覆盖的同时生成更稳健和可解读的种群指标提供了实践路径。
