本文于年发表在国际期刊《LandscapeandUrbanPlanning》上，作者为Laliberté等。

摘要

在改变的景观中对景观连通性进行建模是景观生态学的研究热点，许多团队提出了不同的方法对各物种进行评估。但是，几乎没有人凭借经验验证这种模型在将实际存在的廊道与理论上的廊道区分开的效率。未经验证的模型或仅基于结构连通性的模型可能会导致管理决策失灵。此外，验证工作还可能揭示在不同目标物种和空间尺度下功能连通性是不同的。文章选取了两个物种（驼鹿美洲驼和白尾鹿）和两种常用的景观连通性模型进行了经验验证。对于两种物种，分别使用CircuitScape和LinkageMapper进行了功能连通性制图。通过四个指标（动物与车辆的碰撞密度、与最近的越冬地的距离、摄像机观察到的动物经过频率和沙坑采集到的动物经过频率）对制图结果进行评估并在不同空间尺度上（，，，0，和2m）进行了验证。CircuitScape在识别麋鹿的功能连通性廊道方面表现更佳。所使用的四个指标之间的验证强度差异很大，而不同空间尺度对相关性强度影响不大。

我们的研究强调了验证功能连通性模型以提供最佳决策工具的重要性。

1研究方法

1.1研究区

加拿大魁北克东南部的Bas-St-Laurent地区，该处85/高速公路经常发生野生动物与车辆碰撞事故。在新一期公路扩建项目中，亟需解决这一安全问题。

1.2景观连通性分析

文章使用两种不同的方法来评估研究区域中的功能连通性：CircuistScape和LinkageMapper，数据需求为核心区和迁徙阻力。阻力定义基于资源选择函数（RSF），捕捉目标物种，为其佩戴定位项圈后放生，通过定位数据确定物种分布位置。在此基础上，构建物种分布与环境变量（包括土地覆被类型、坡度、海拔、到最近水体的距离和到最近道路的距离，两种物种环境变量有所差异）之间的相关关系。通过负线性变换并乘，获得景观阻力的数值。

根据每个物种的相对RSF，使用相对发生概率图创建核心区。选择RSF排名前2.5%的栖息地，驼鹿的最小面积为公顷，白尾鹿的最小面积栖息地为80公顷。

1.3经验验证

文章采用了四个指标对景观连通性制图结果进行了经验验证。

（1）动物与车辆的碰撞密度。该研究是在道路扩建背景下进行的，解决动物与车辆碰撞的安全隐患是现实需求。文章使用了魁北克兴业汽车公司的碰撞数据（以下称SAAQ）建立数据库，该数据库记录了年至年沿85/高速公路驼鹿和白尾鹿发生的野生动物与汽车相撞的情况。将其按照物种分为两类，通过ArcMap10.1对其进行空间分布制图。

（2）与最近的越冬地的距离。文章使用越冬地来代替某些密度，希望两个物种在深秋朝着越冬地移动，并在初春时从冬天越过。由于一年中大部分时间降雪是我们研究区域动物活动的主要限制因素，因此我们也不希望鹿科动物从这些越冬地散开。驼鹿和白尾鹿越冬场的位置通过年进行的航空测量获得。针对道路的每个1公里路段，计算了动物与车辆的碰撞密度和到最近的越冬地的距离。该路段的中点用于测量到最近的越冬地的距离，计算了整个1公里路段发生碰撞的总和。

（3）摄像机观察到的动物经过频率和（4）沙坑采集到的动物经过频率。文章认为廊道应该是物种通行频率较高位置，因此将连通性制图结果划分为十个等级。年夏季在沿道路轴线1公里的缓冲区随机分配了80台自动摄像机和59个沙坑。为了评估动物运动，对每台设备进行每两周一次的检查，更换照相机中的存储卡，检索照片并重置沙坑。通过将检测到的动物数量除以该设备运行的天数，计算出两个物种的出现频率。

文章通过Spearman的rho值验证指标与连通性之间的相关性，如果观察到的rho值介于2.5％和97.5之间，则认为相关是偶然的；如果不是，观察到的相关性是真实的。此外，还在不同空间尺度（、、、0、和2m）下对以上相关关系进行了检验。

2.研究结果

2.1景观连通性制图

CircuitScape和LinkageMapper制图结果有所不同。CircuitScape产生了更分散、稀疏和复杂的廊道，而LinkageMapper产生了更多的线性连通廊道。两种模型在研究区周边位置都体现出连通性降低的情况。

通过对比两种制图结果，CircuitScape提供较高连接性的位置更为明显，因为它的输出显示出低连接性和高连接性之间的对比度更大。基于这个结果，CircuitScape对阻力值的波动更为敏感。比较两个物种的连通性格局时，麋鹿连通性廊道集中在研究区域的中部，而白尾鹿廊道主要位于/85高速公路以北。

2.2经验验证

验证的强度在不同物种、连通性模型、指标和缓冲区大小之间存在差异，其中九个相关性是显著的（p＜0.05）。对于驼鹿，在使用CircuitScape和LinkageMapper进行连通性建模时，与连通性最相关的验证变量是到最近的越冬地的距离。对于白尾鹿来说，与连通性相关性最大的验证变量是沙坑捕捉到的频率。

文章评估了两个物种的不同模型的缓冲半径对相关强度的影响。在不同缓冲区半径下，驼鹿的连通性值与到最近的越冬地的距离之间的相关性略有不同，使用m的缓冲区半径可获得最高的相关性。对于白尾鹿，在缓冲区半径为2m时相关性强度最大。Spearman检验表明，显著的相关性是真实的，而不是由随机效应引起的（表3）。

3.讨论

3.1验证方式

解决野生动物与车辆碰撞的安全问题是研究的重点，因此文章将物种的碰撞、通行频率作为重要的指标。在对两个物种的研究中，白尾鹿的连通性制图结果与指标的相关性更高。对于一些指标呈现出的相关性不显著的情况，可能由摄像机和沙坑采集数据时的局限性导致。首先，布点密度可能不够高。其次，摄像机采集数据受到物种体型限制，受速度的限制减小，更适合于监视较大的有蹄类动物的运动。此外，调查时间可能还不够长，无法解释鹿类在春季和秋季离开并进入各自的越冬地时发生的长距离运动。最后，沙坑采集数据在准确识别物种和排除天气影响的时面临一些问题。

通过相关性分析可知，LinkageMapper与指标的相关性相对较低。对于研究区鹿类而言，CircuitScape是更好的连通性建模软件。

3.2空间尺度

对不同空间尺度的分析表明，空间尺度对验证指标和连通性之间的关系影响很小。这可能是由于连通性对空间尺度不敏感，或者文章没有识别出鹿类对连通性敏感的尺度。

3.3连通性建模

CircuitScape生成分散、曲折的廊道，而LinkageMapper生成线性廊道，这可以通过模型采用的不同算法解释。LinkageMapper使用成本最低的路径算法，该方法假设动物对整个研究区域都具有充分的认识，因此可以做出从A点移到B点的最佳选择。相比之下，基于电路的CircuitScape模型使用随机游走算法，认为物种只能感知到1个单元半径内的景观并据此做出移动选择。在文章道路建设项目的背景下，使用CircuitScape的连通性模型被认为是一个更好的选择，因为它可以识别可能横穿道路的高连通性的夹点。

声明：

本推送内容为个人对文章的理解，所用图片均引用自原文（如下），不是对原文的翻译，想深入探究的同学请搜索原文。个人水平有限，难免出现错讹，也请各位专家、同学批评指正。

原文请见：

Laliberté,Jér?me,andMartin-HuguesSt-Laurent."Validationoffunctionalconnectivitymodeling:TheAchilles’heeloflandscapeconnectivitymapping."LandscapeandUrbanPlanning():.

扫码