拉萨市区藏乌鸫栖息地选择

阎雪玉, 米玛旺堆

(西藏大学 生态环境学院,西藏 拉萨850000)

栖息地或生境是关系着鸟类生存和种群延续场所,也是为动物提供生物和非生物需求的空间[1]。鸟类对栖息地的选择是一个特殊的搜索过程,是基于曾经的经验、遗传因子或综合这两点形成的后天获得性机制[2]。鸟类在选择栖息地之前会先获取栖息地的信息,然后根据栖息地的信息和生理状况综合考虑找到适宜自己生活的栖息场所,以确保生存和繁殖。了解鸟类的生活史、适应性及演化过程,必须定性或定量了解该种鸟类的栖息地[3]。因此,对鸟类栖息地的研究是鸟类生态研究的一个基础而又重要的研究领域。

近几年来,国内对鸟类栖息地的研究多集中在栖息地结构[4]与人类关系[5]等方面。随着国家对濒危物种保护的重视、科技在相关领域的应用以及生物学家对鸟类栖息地研究的重视,鸟类栖息地的研究逐渐成为热门研究领域[5-7]。

乌鸫(Turdusmerula)是鸟纲鸫科鸫属的鸟类,在我国主要分布于西北、华北、西南、华中、东南和华南的广东大区域[8]。藏乌鸫(Turdusmerulamaximus)是乌鸫西藏亚种,藏乌鸫在我国属于留鸟,常分布于西藏地区的东部和南部[9]。近年来城市化的发展使许多生活在城市中的鸟类的栖息地呈现岛屿化、破碎化[10],对鸟类的生活和繁殖造成了严重影响[11]。

因此,本研究旨在探索拉萨市区的发展对藏乌鸫栖息地产生的影响。通过构建栖息地选择模型预测物种潜在的适宜栖息地分布,同时,为其他鸟类群落及其栖息环境的保护提供参考[12-14]。

1 研究区域

西藏拉萨市平均海拔约3 650 m,属高海拔城市,地处中国西部边陲地区(91°06′E、29°41′N)、喜马拉雅山脉北侧、雅鲁藏布江支流拉萨河中游河谷平原,年平均日照数在1 475～3 555 h之间,有“日光城”的美誉,受经纬度、地形和光照等相关因素影响,拉萨市属高原温带半干旱季风气候,气候主要特征为夏季温暖且降水较多,冬季干燥寒冷,年平均气温7.4 ℃,降水时间基本集中在6—9月,年降水量200～510 mm[15]。拉萨市的气候条件也影响着拉萨市园林景观的植物分布和占比,拉萨市园林植物中乔本、灌木和草本的比例为1.17∶1∶1.30[16],其中草本的占比比较大,而大面积的草地可以给动物提供栖息场所[17]。本研究在拉萨市内共选取6处具有代表性的样点:色拉寺、哲蚌寺、罗布林卡、宗角禄康公园、西藏大学河坝林校区和西藏大学纳金校区(图1)。

图1 研究地点位置示意图Figure 1 Schematic diagram of research sites

2 数据采集及处理

本研究主要采用了直接观察法和无距离样线法[18],在4—9月随机选取时间,以6处地点及一定的道路路线作为观察藏乌鸫栖息地选择的主要样点[19],观察者沿固定路线匀速行走或在固定样点,利用口径为50 mm、10倍率的双筒望远镜和20 MP 4∶3的相机来对藏乌鸫进行识别、观察并记录样线两旁的藏乌鸫数量及位置[20]。

自然界中,鸟类对栖息地的选择往往受多种因素的影响,通过构建栖息地选择模型可以更好地知道鸟类对栖息地的利用和需求[21]。AIC准则是统计学领域的重大发现之一,是一种对多种模型作选择的判别方法。AIC值越小则认为拟合度越好,AIC准则的定义为:AIC=2(参数的数量)-2ln(似然函数)。因此,可通过AIC准则筛选出最优模型[22]。检验该数据集中的栖息地之间的相关性,是判断栖息地选择偏好的基础[23]。根据样本数据来源的地点的分组进行主成分分析[24]。然后,将在样线内观察到的不同栖息物的藏乌鸫数量进行汇总,将得到的总数作为因变量,不同栖息物作为自变量构建多元回归模型,基于AIC准则对所构建的模型进行检验,对AIC值最小的前10个模型进行进一步检验,对AIC值最小的模型进行多元回归分析[22,25],所有统计分析在R4.2.1中完成[26]。

3 结果与分析

3.1 主成分分析

由表1可知,PCA分析得到3个主成分值大于1,累计方差贡献率达97.02%,说明这3个主成分能反映12个指标的绝大部分信息。PC1方差贡献率为78.59%,其中草本的贡献最大,载荷值为0.97,PC2方差贡献率为11.45%,其中柳树的贡献最大,载荷值为0.78,PC3方差贡献率为6.98%,其中杨树的贡献最大,载荷值绝对值为0.79,PCA分析中的3个主成分反映了藏乌鸫对栖息地选择的大部分信息。由表2可知,不同栖息物的指标权重前3个栖息物依次是草地、柳树和杨树。

表1 栖息地主成分分析Table 1 Analysis of resident landlord composition

表2 主成分分析指标权重表Table 2 Index weight table of principal component analysis

3.2 基于AIC准则检验模型及检验结果

以12个栖息物为自变量构建多元线性回归模型并对所构建的模型以AIC准则为基础进行检验,对10个AIC值最小的模型进行进一步的检验(表3),结合模型的检验结果分析,各个模型出现最多的自变量包括“草地”“杨树”“柳树”,而且AIC值最小的模型也是这几个自变量,结合主成分分析结果将“总数”作为因变量,“草地”“杨树”“柳树”为自变量构建多元线性回归模型并进一步检验。

表3 藏乌鸫栖息地选择模型选择检验Table 3 Test results of habitat selection model selection for Turdus merula maximus

3.3 对多元回归模型检验

对得到的最优多元线性回归模型以草本、柳树和杨树为预测变量进行检测可得到R2为0.977(表4),说明草本等3项自变量能解释卡方值的97.7%,这表明草本等3项自变量能较好地解释总数的变化,模型的拟合度很好。Durbin-Watson值等于1.763(表4),接近“2”,说明残差具有独立性。最优模型各自变量多重共线性检验(见表5),方差膨胀系数(VIF)均小于5,说明自变量之间不存在多重共线性,具有相互独立性。ANOVA表是模型显著性的检验,表中F值=1 215.811(表6),为F检验的结果,P值小于0.001,达到极显著水平,也说明回归方程拟合度很好。

表4 最优模型摘要Table 4 Summary of optimal model

表5 模型回归系数表Table 5 Regression coefficients of the model

进一步分析,从表5我们可以看出,对因变量(总数)影响最大的是柳树。通过对各自变量偏回归系数显著性水平检验可知,所有因变量的显著性值均小于0.05,达到极显著水平,因此回归模型为:总数=0.372+0.912*杨树+1.086*柳树+1.067*草本。

表6 最优模型ANOVA表Table 6 ANOVA table of optimal model

4 讨论与结论

4.1 城市草地对鸟类的影响

本研究选择西藏拉萨市具有代表性的地点作为研究区域,研究藏乌鸫的栖息地选择。这一研究结果表明,藏乌鸫在西藏拉萨市内主要栖息物是草地,杨树和柳树次之。研究显示,南昌市与北京市麻雀的主要栖息地类型也是草地[27-28]。这种麻雀为了获取更多的食物经常出现在人类活动区域的现象,说明食物资源是影响鸟类栖息地选择的重要因素。藏乌鸫的食物主要包括一些无脊椎动物和浆果,草地可以为藏乌鸫提供食物和筑巢材料。杨树和柳树这种高大的乔木能够为生活在城市中的鸟类提供很好的隐蔽性,例如生活在圆明园中的鸟类多会选择较为高大的乔木作为栖息场所[29]。栖息地的隐蔽性和食物丰富度几乎决定着鸟类的分布。藏乌鸫对栖息物的选择能够反映出决定鸟类生存的主要影响因子。

4.2 藏乌鸫潜在适宜分布区预测

人类活动对生活在城市中的藏乌鸫干扰较大,基于藏乌鸫栖息地的选择是食物因子和捕食风险之间的一种权衡,我们可以推测昆虫丰富度较高的草地上、一些蔷薇科的灌木丛中和枝繁叶茂的高大乔木上均可能是藏乌鸫潜在的栖息场所。此外,生活在城市中的鸟类会取食人类的厨余垃圾,因此会在一些垃圾箱或垃圾处理场地看到一些鸟类的身影,这些鸟类有可能会将巢筑在附近。这些鸟类的栖息地选择是高原地区鸟类的一种生存策略[30-31]。

4.3 城市绿化建议

近年来,随着工业的迅速发展和人类城市化进程的加快,人类的活动范围逐渐增大,对自然环境的影响也日渐增大,导致生活在城市中的动物的栖息地日渐破碎化[32]。鸟类为城市带来生机和活力,是联系城市居民与自然的使者,但鸟类的多样性会随着城市的发展而降低[11]。所以人类想要与自然界和谐共处,就要加强对动植物栖息地的保护,加强对动植物栖息地的研究和科学管理。首先,城市绿化时在植物的选择上,可适当增加种植适宜本土生长的高大乔木,例如杨树和柳树等适应性强且可以为鸟类提供居住场所的城市绿化树种,同时增加草地覆盖面积,从而为生活在城市中的鸟类提供更多的生存空间。其次,对一些捕杀鸟类的行为进行制裁,同时有关政府部门应加强宣传力度,提高城市居民保护鸟类意识[33-34]。