期刊：Science

英文题目：North American bird declines are greatest where species are most abundant

中文题目：北美鸟类数量的下降在物种最丰富的地区最为显著

作者前三：Alison Johnston, Amanda D. Rodewald, Matt Strimas-Mackey

发表日期：2025年5月1日

摘要：这是一篇关于北美洲鸟类数量变化趋势的研究报告，主要通过使用eBird平台的公民科学数据，利用因果机器学习模型，该研究以27×27公里的高分辨率评估了2007年至2021年14年北美洲495种鸟类的种群变化趋势。文章揭示鸟类种群变化的高度空间异质性，并讨论了这些变化对保护工作的启示。

研究背景与方法

背景：全球鸟类种群面临危机，北美洲自1970年以来失去了超过四分之一的繁殖鸟类。缺乏详细的空间信息来了解种群变化，限制了保护工作的有效性。

数据来源：利用eBird平台从2007年到2021年收集的3600万份观察记录，覆盖北美洲、中美洲和加勒比地区的495种鸟类。这样一个大规模的参与式科学项目，很难保证每份数据的采样都是规范的，鸟类真实的种群变化与人们观察鸟类的方式变化会有相当的偏差。每条记录包含时间、地点、观察时长、物种数量及观察者信息等关键元数据。为了避免重复或非完整观测记录干扰建模，研究团队对原始数据进行了严格筛选与标准化，确保结果具有代表性与一致性。

趋势估计：采用因果机器学习模型，确保了在地理尺度上的可比性，并提供了横跨14年时间跨度的高分辨率数据基础。在27×27平方公里的空间分辨率下估计鸟类种群的年平均变化率，并考虑了观察者行为的变化。控制观测过程中的混杂变量（如观测地点选择、搜索努力和效率的变化），以分离鸟类种群的真实变化与观测情况的偏差。

可靠性评估：在模型结构中，作者引入了协变量权重处理机制（weighted trend estimation），以补偿观测强度差异。此外，采用高斯过程（Gaussian Process）对空间自相关进行建模，有效提升了趋势估计的空间连续性与解释力。在模型结构中，作者引入了协变量权重处理机制（weighted trend estimation），以补偿观测强度差异。此外，采用高斯过程（Gaussian Process）对空间自相关进行建模，有效提升了趋势估计的空间连续性与解释力。

研究结果：

不同空间尺度下的种群变化揭示局地异质性

Fig. 1. High trend resolution reveals complexity of population changes from 2007 to 2021. 图 1. 高趋势分辨率揭示了 2007 年至 2021 年种群变化的复杂性。列表示整个分布区、区域（鸟类保护区）和景观尺度。行分别大蓝鹭（Ardea herodias）、林鸳鸯（Aix sponsa）和莺鹪鹩（Troglodytes aedon）的变化趋势。每张地图都显示了从 2007 年到 2021 年整个物种分布区、生物多样性保护区（BCRs）内或地貌景观内丰度变化的年百分率平均值。所有趋势均采用相同的数据和模型进行估算，并根据不同的空间尺度汇总输出。

图1显示75%的物种数量在下降，其中65%的物种数量显著下降。其中97%的物种在其分布范围内同时经历了数量增加和减少，67%的物种在其分布范围的一半以上地区数量减少，说明种群动态具有很强的地理异质性。许多物种在国家尺度看似稳定，实则在小尺度上已显现剧烈衰退（红色）或增长（蓝色）趋势。例如，林鸳鸯在区域尺度呈轻微上升，但在景观尺度下东南部局部出现下降带，这种分辨率提升为精准保护提供了基础。

Fig. 2. Most of the 495 species show areas of both increase and decline across their ranges. 图2. 495 个物种中的大多数在其分布范围内既有增加也有减少。

每个横条代表一个物种，按 27 千米分辨率的中位趋势依次排列。每个横条的水平范围显示了物种在其分布范围内 27 千米分辨率趋势的最大值和最小值。图2显示，97%的物种在其分布范围内的不同地点都出现了减少和增加的情况，67%的物种在其分布范围的一半以上出现了减少。

Fig. 3. Most species have a negative correlation between abundance and trend, indicating population declines in areas with highest abundance. 图3大多数物种的丰度与趋势之间呈负相关，表明丰度最高地区的种群数量在减少。A柱状图显示了27千米分辨率下相对丰度与趋势之间拟合关系的特定物种斜率。出现负相关的物种示例，威氏吸汁啄木鸟（Sphyrapicus thyroideus）和黄嘴美洲鹃（Coccyzus americanus）关系的物种示例。垂直黑线表示斜率为零或丰度与趋势之间无关联。丰度与趋势之间的关系。83%的物种具有负斜率，73%的物种具有明显的负斜率（在零线右侧的深蓝色）。73%的物种具有明显的负斜率（零线左侧的深蓝色）。B在27千米分辨率下，大多数物种（灰色细线）和在每个生物群落中繁殖的所有物种的所有群落平均值（黑色粗线）的种群变化与丰度之间呈负相关。淡粉色水平线表示种群变化为零。

这项研究揭示，83%的物种在其丰度最高的核心区域反而呈现下降趋势，73%具有统计显著性（图3A）。图中两个典型案例为：威氏吸汁啄木鸟在高丰度区持续衰退；仅少数物种（如黄嘴美洲鹃）在高丰度区增加，是少数反例。进一步的生态群落分析（图3B）表明，这种“核心区衰退最快”的模式在不同栖息地物种群中普遍存在，六大繁殖生境群落中，草原、湿地、北极苔原等生态群体下降最严重，平均10年下降幅度达16%–30%，而且这种负相关几乎在所有生境中普遍存在。

Fig. 4. Landscape- scale patterns of population change were shared among breeding biome communities. 图4.繁殖生物群落的种群变化具有共同的景观尺度模式。(A) 红-蓝地图显示了2007年至 2021年期间每个27×27平方公里网格单元内的平均趋势（即丰度的年百分比变化率），该趋势是北美六个繁殖生物群落中每个群落所有物种的平均值。(B）粉色-绿色地图显示了每个繁殖生物群落中呈下降趋势的物种百分比（粉色，大多数物种呈下降趋势；绿色，大多数物种呈上升趋势；颜色越深表示物种越多）。

       研究发现物种繁殖群落存在空间趋同趋势。草地物种核心分布区显著减少，仅美国上中西部及西部干旱区有小幅增加。美国东南部、密西西比河谷、加州中央谷地及太平洋西北部的大多数群落数量和物种数均下降。相反，阿巴拉契亚山脉（尤其南部高海拔）和西部山区呈现群落增加模式。干旱地区鸟类在墨西哥的表现好于北美其他地区。这些模式有助于识别威胁区域和潜在避难所，但需注意群落组成变化对结果的影响。这部分总体来说强调了对鸟类的保护机会，因为多数下降物种仍存在局部增长区域，这说明在适宜条件下它们的种群可能恢复。

研究意义：

       北美鸟类种群趋势存在高度空间异质性，多数物种在其数量最多的区域下降明显，不同繁殖生物群落受影响程度不同。结合公民科学数据和先进分析方法，提供高分辨率鸟类种群趋势，揭示了以往未发现的空间异质性，为鸟类保护提供新视角。高分辨率趋势数据有助于确定需要优先保护的区域，指导资源的有效配置。这些趋势数据对国际和多部门合作、政府机构和非营利组织等都有重要价值，有助于制定针对性的保护策略。

创新之处：

1、 有效利用了公民科学数据并结合机器学习模型，对不同空间尺度的鸟类种群变化趋势进行了比较。

2、 揭示高丰度物种在生态压力下的脆弱性，挑战传统“丰度即稳定性”的假设，为优先保护区域划定和气候变化适应性管理提供科学依据。

文献来源：https://doi.org/10.1126/science.adn4381

声明：以上中文翻译为译者个人对于文章的概略理解，论文传递的准确信息请参照英文原文。

撰稿：田盼立

初审：任  杰

复审：杜  军

终审：鲁  鹏