英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

基于资源选择模型和地理信息系统的

新的生态风险评价方法

作者：特伦特·麦克唐纳和莱曼·麦克唐纳

摘要 对由于管理行为，意外影响，野生动物或鱼类栖息地自然变化所产生的动物或人群的风险（价值）的定量评价已被证明是难以捉摸的。在研究人员幸运地具有允许估计动物或群体的资源选择函数（RSF）的数据的情况下，我们提出了对栖息地变化风险或价值的定量测量。RSF提供了在区域内的资源单位的估计的相对概率的响应表面，其可以在单元特性变化之前和之后计算。响应面下的体积变化产生与栖息地（资源）变化相关的直接风险指数（值），是直接测量动物或群体变化的总风险的一个组成部分。如果与来自地理信息系统（GIS）的数据结合使用，该方法特别方便。我们提供了一个例证，收获木材对北部斑点猫头鹰（Strix occidentalis caurina）的觅食行为的风险评价。

关键词：GIS 栖息地 指数 资源选择功能 风险评价 RSF

引言

经验表明，与野生动物和生态学研究相关的术语“风险评估”对不同的人来说意味着不同的东西。我们将“风险评估”定义为相对的对个人或人口的支持或伤害，或兼具两者的优点的判断过去或未来行为的过程。例如，可以对在施用会改变栖息地的除草剂或改变食物可用性的农药之后对鸟类群体的潜在危害进行风险评估。还可以对清除行为进行风险评估以估计清除行为对污染场地的相对值。历史上的风险评估，通常数据很少或没有实际数据可用。因此，一些风险评估在很大程度上依赖专家的生物意见和专业判断，从而对过去或未来行动的优点进行定性评估。此外，它总是没有清楚地说明如何将现场数据纳入风险评估。

我们提出了一种基于动物或人口的栖息地或食物使用（即资源使用）的方法，其可以提供对总体风险的组成部分的客观和定量估计。这种利用预测的资源选择函数的方法（RSF; Aebisher等人1993，Manly等人1993，Aldredge等人1998，Erickson等人1998，McCracken等人1998）被认为是对过去或未来的景观相对值或风险的定量操纵。对景观的操作可能包括污染物清除、栖息地发展和丧失、假设​​的栖息地随着时间推移得到改善、或将生物体迁移到新的区域。我们可以举例说明该方法，当资源单位是按照地理数据划分时，这些方法在评估由于有害材料的意外溢出或其他环境变化影响而对动物造成的风险时是有价值的，但是以食物作为资源单位划分类型也是可能的。作为小地理区域的资源单位可以从地理信息系统（GIS）发出若干不同类型的区域，包括在系统网格中布置的固定大小像素，循环缓冲器或正方形四边形。当资源单位是地理区域时，如本文中常见的那样，RSF也可以被称为栖息地选择函数（HSF）。当我们在本文中讨论地理区域时，我们有时在“资源选择”和“栖息地选择”之间来回切换，但我们通常将选择地理区域的过程称为“资源选择”。应该清楚的是，“资源选择”是比“栖息地选择”更一般的术语，我们的方法同样适用于这两种情况。

风险指数的动机

在本节中，我们用一个简单的例子来说明风险指数。在示例中，食物单位（切片饼）以下列比例重复地提供给每个人：6片蓝莓，3片苹果和1片樱桃（共10片）。

假设一个人从上述集合中选择了1个切片，并且我们在每个类型的可用性没有改变的条件下（即，在下一个选择之前，每个选择的切片被替换为相同的片段）的条件下重复观察。如果这个人没有特别偏好一种类型的饼，我们观察到的饼类型的选择将与每种类型的可用性成比例。假设没有偏好，所有选择中的约60％（6/10）将是蓝莓，30％（3/10）将是苹果，并且在足够数量的重复选择之后10％（1/10）将是樱桃。在这种情况下，相对饼类型选择概率（即饼图类型的RSF）将是恒定的，因为选择百分百除以可用百分比将是1.0。这些饼类相对选择概率就是选择比率（Manly等人，1993）。如果我们假设在替代后选择比率没有变化，并且我们用另一种类型的饼替换一种类型的饼，直觉决定该人不在乎，因为所有类型都同样优选。也就是说，这个人会同样快乐地吃蓝莓或苹果。因为这个人不关心可用性的变化，所以我们将这些变化定义为无害或无风险的。

现在假设一个人在选择食物类型时以苹果与蓝莓比例为2：1，蓝莓与樱桃比例为1：1进行选择（即，没有蓝莓与樱桃的比例选择）。给定跟之前相同的设置，并假定在每次选择时具有相同的100个重复可用性，我们期望的选择结果是大约蓝莓有46个选择，苹果有46个选择和樱桃有8个选择。需要注意的是，在这种情况下苹果相对于蓝莓的选择的预期比率将是：

，（1）

如果我们用蓝莓代替所有的苹果，直觉决定了这个人会不太快乐，因为不太需要那么多蓝莓或樱桃的使用。在这种情况下，可以通过观察选择过程来测量将苹果变成蓝莓相关的风险。

在这个例子中, 可以通过对过去的选择测量的结果，来量化替代苹果的风险的方法来计算风险指数,即计算风险指数可以定义为蓝莓和苹果的不同选择比率乘以相应数量的切片后的差异。如果在可用切片集合中用一片蓝莓代替一片苹果，我们将风险指数定义为 [1times;蓝莓选择比] - [1times;苹果选择比] = [46times;10] / [100times;6 ] - [46times;10] /[100x3=0.767-1.53​​3=-0.767。根据该定义，负风险指数表示对进行选择的个体或群体有伤害，而正值则表示是有益的行动。扩展这个示例，风险的量化可以被用于计算实际上对可用扇形片集合的任何操纵。如果用2片蓝莓代替2片苹果，风险将是选择比率的两倍，或2*（0.767-1.53​​3）= - 1.533。如果一片苹果被两片蓝莓替代，净风险将是2*（0.767）-1.53​​ = 0。 如果2片苹果被去除并且未被替换，则相关联的风险将是0-2*（1.533）= -3.066。注意，选择一个不存在的苹果派的概率为0。

一般地，我们将风险指数定义为在操纵之前和之后估计的RSF响应面积下总体积的变化（如图1）。说明如下，用2片蓝莓替换2片苹果而诱发的风险量将是（变化之后的体积）-（变化之前的体积）= [8*（0.767） 1*（1.533） 1*（0.8）- [6*（0.767） 3-（1.533） 1-（0.8）] = 2*（0.767）-2*（1.533）= - 1.533。注意，樱桃的选择比是（8/100）/（1/10），观察到的蓝莓和樱桃选择比之间的差异是通过进行100次重复选择而导致的四舍五入误差。这个风险指数的定义允许直接扩展到更一般的RSF模型分类和连续变量的函数，当受操纵影响的区域被限制在圆形区域并且资源单位完全从可用单位的集合中移除时，风险指数可以被可视化为由圆形曲奇饼干推动通过RSF响应表面产生的孔的体积。 虽然这千篇一律的类比在许多情况下是有用的, 它分解了当剩余体积存在于改变的RSF表面下（即，当饼干切割器不完全穿过时）或当受影响区域不限于特定单位集合时。

方法

在上一节中提到的风险指数将在本节中正式定义，我们提出风险指数法将建立在鲁棒RSF上，准确预测在感染前和后冲击条件下感兴趣的动物的相对使用概率。鲁棒RSF通常是根据无线电遥测数据估测或利用在指定区域和时间段内在包括在函数中的广泛变量范围内的直接观测来估计。鲁棒RSF的估计不是一个简单的任务，这里无法详细讨论。专用于RSF估计的参考文献包括Manly et al（1993），Johnson（1998）和Millspaugh和Marzluff（2001）。为了达到我们的目的，重要的是要理解，在假设不受限制地访问所有资源的情况下，RSF通过线性回归类型方程，计算资源单元特性与一个单元的相对选择概率的相关性。考虑到景观中所有资源单位的特征，假定动物对所有动物具有不受限制的访问，RSF可以预测在研究的时间段内能选择特定单位的相对概率。虽然存在许多关于资源单元的有用的定义，但是通用定义和这里使用的定义都指定资源单元是固定大小的地理区域，诸如GIS中的像素。GIS中的像素通常是小方形区域（例如，边长为30m），但是如果地理单元被定义为圆形，矩形等图形时，我们的方法也同样适用。

图1.一维中的风险指数图示

我们的风险指数定义为资源选择函数下的体积减去原始资源选择函数下的体积。在所描述的情况下，我们的风险指数将是负的，表示损害。

为了正式定义与特定栖息地变化相关联的风险指数，我们假定研究区域内有n个资源单位，px 1矢量beta;包含估计的RSF的所有系数，并且在n单位内nxp矩阵X₁包含所测量的所有协变量的值。 所有像素的估计选择概率的向量，以及因此在栖息地变化之前的RSF表面的估计值是S₁ = exp（X₁beta;）（Manly等人1993）。在整个过程中，对元素方面的expO的评估（即自然反对数e）为exp（X_Ibeta;）= [exp（x₁beta;）exp（x₂beta;）... exp（x_nbeta;）]，其中x_i是X₁的第i行。 进一步假定在规定变化之后的所有资源单元的景观协变量的值被收集在nx中p矩阵X₂。栖息地变化后的估计资源选择表面为S₂ = exp（X₂beta;）。注意，X₁和X₂包含相同的协变量，但是对于某些资源单位的特定协变量的值是不同的。通常的做法是缩放S₁，使其元素的总和等于1.0。如果S₁通过常数的乘法或加法被缩放，则也必须对S2应用相同常数的乘法或加法。无论如何缩放，S₁和S₂通常都不会集成到相同的数字。

我们定义导致协变量从X₁变为X₂的估计相对风险值是估计的相对概率的差的和，

R = J（S₂-S₁）= Jrsquo;（exp（X₂beta;）-exp（X₁beta;）），（2）

其中J是1的1times;n向量，R是风险指数。如果相对概率选择了一定资源单位且在操纵特征之后不改变，它们对R的贡献将为零。在许多情况下，识别协变量在操纵后改变的资源单位还受识别区域的影响。注意，对于具有高选择概率的小区域，由R测量的风险可能高于具有低选择概率的大区域。

如果计划被影响或预期的意外影响，研究人员可能幸运地足以在资源变化之前和之后获得适用的数据。在其他情况下，数据可能仅在影响之前或之后存在。在这些情况下研究人员有三种方法来计算风险指数。研究者可以在变化前后假设相同的beta;^rsquo;s，在变化前后假设单独的beta;^rsquo;s，或者通过假设beta;的元素中的最坏情况变化来构造最坏情况风险情形。如果在估计或假设之前有独立的beta;^rsquo;s，资源变化后，风险指数可以定义为：

R = J^rsquo;(S₂-S₁）= J^rsquo;（exp（X₂beta;₂）-exp（X₁beta;₁）），（3）

其中beta;₁是变化之前的RSF，beta;₂是变化之后的RSF。在这种情况下，矩阵X₁和X₂可能不包含相同的协变量。如果X₁和X₂不包含相同的协变量，我们建议S₁和S₂都被缩放到最大值1.0，来计算R（即，将S₁和S₂中的所有值除以相应矢量的最大值）。

我们提出通过在RSF表面自适应内核下积分来计算相对危害或风险的指数，以便计算在发生变化之前和之后的相对体积。为了进行这样的计算，景观变化必须通过包含在RSF线性方程中的协变量的变化来量化。如果无法量化横向更改，则无法应用此方法。

在变化之后，RSF下的体积可能比以前更小,这种负风险指数将表明有损害。改变后RSF下的体积也可以更大，这种积极的风险指数将显示效益。如所定义的，计算的风险值是无量纲指数，其大小仅在彼此比较时是可解释的。

示例

1998年夏天，在俄勒冈州尤金附近约40英里的俄勒冈沿海地区开始进行一项无线电遥测研究，对一对北部斑点猫头鹰（Strix occidentalis caurina）的觅食行为进行研究（图2）。该次研究的主要研究者E.Forsman博士（美国森林局，太平洋西北研究站，科瓦利斯，俄勒冈州）将标准VHF无线电附加到特定猫头鹰对的两个成员，并获得这对猫头鹰一年的夜间迁移数据。 在这里将夜间猫头鹰的所在的每个位置认为是觅食位置，共有328个觅食位置可用于分析。 一些位置（三角测量）误差存在于无线电定位中，但假定具有零均值向量并被忽略。

图2.研究区域图

该图是北部斑点猫头鹰的巢地点网络图，其中包括95%的自适应核活动范围的估计，以及在俄勒冈州印第安契克霍米尼部族小溪附近的三个假想木材采伐地。

在这个例子中，我们通过检查在猫头鹰巢周围地区找到的木材采伐单位来说明风险指数方法。需要特别说明的是，我们清除了对两个成员的组合觅食行为的影响评估。我们通过计算3个假设的收获单位的相对风险来研究这个问题（图2）。第一次和第二次提出明确的在相同大小和位置离巢处进行清除。第三个清除的大小是前两个大小的一半，同时清除的包含巢的位置，所有3个收获单位在该对的95％自适应内核原始范围估计（Wand和Jones 1995）。

资源单位被定义为覆盖该区域30mtimes;30m像素的各种GIS层中。每个像素被分为4种可能的栖息地类型之一：“老”森林、“阔叶”（树苗和阔叶）森林、“年轻”（杆和年轻）森林或“该清除的森林”。在GIS中还测量了每个像

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140400]，资料为PDF文档或Word文档，PDF文档可免费转换为Word