《Ecology and Evolution》：Ringed Seal (Pusa hispida) Haul-Out Behavior and Emergence Timing in the Bering, Chukchi, and Beaufort Seas
编辑推荐：
本文利用隐马尔可夫模型（HMM）分析了2005-2021年间白令海、楚科奇海和波弗特海携带卫星标签的环斑海豹的离水时间线数据，创新性地估算了其从雪巢（lair）向冰面暴露（emergence）行为转变的时序。研究发现，成体海豹的出巢概率与日长增长和气温升高显著相关，中位出巢日期为5月12日，且出巢日期随纬度升高而推迟。亚成体海豹的离水行为季节性变化较弱，HMM模型适用性可能不如成体。该研究为理解环斑海豹行为生态学、优化种群空中调查（aerial surveys）计划与校正可得性偏差（availability bias）提供了关键信息，并为监测变暖北极中的物候变化提供了新方法。
1 引言
环斑海豹（Pusa hispida）是冰缘海洋哺乳动物，冬季会在海冰的雪堆中挖掘巢穴（lair），用于休息和产仔。春季巢穴融化前，海豹会从主要在巢穴内离水转变为主要在冰面离水以进行日光浴和换毛，这一转变被称为“出巢”（emergence）。出巢时间目前知之甚少，这阻碍了用于种群监测的空中调查的计划制定和结果解读。理解这一知识空白对于预测未来气候变暖如何影响环斑海豹至关重要。环斑海豹于2012年被列入美国《濒危物种法案》的“受威胁”物种名单，主要原因是对气候变化的预期影响，特别是担心积雪深度下降和提前融化可能阻碍巢穴建造或迫使海豹在幼崽能够承受极端温度或捕食者暴露之前就离开巢穴。
空中调查是监测环斑海豹种群规模的常用方法，但准确的估计受到可得性偏差（availability bias）的阻碍，即种群中未知比例的个体无法被探测到。对于环斑海豹，只有在水外、暴露于海冰表面的个体才能被视觉或红外方法计数，而在水中或隐藏在雪巢内的海豹无法被探测和计数。解释的复杂性还在于离水行为的季节性变化增加了环斑海豹被探测到的可能性。出巢后，不仅更少的海豹被雪覆盖，而且海豹离水的时间也更长。此外，它们的昼夜行为（diel behavior）也发生转变，在太阳正午前后花费更多时间离水。这些变化被认为有助于换毛（molting），这是一个能量密集型过程，需要皮肤温度升高以进行组织再生。
先前仅有两项研究比较了巢穴内和出巢后的离水行为，但该方法劳动密集型且仅限于近岸固定冰区域。相比之下，带有干湿传感器的卫星链接发射器（标签）可以在整个活动范围内提供信息。然而，当前的标签技术无法区分海豹是离水于冰面还是隐藏在雪巢内。但基于先前VHF无线电追踪研究识别的行为转变，我们提出巢穴使用情况或许可以从海豹每日离水时间比例和离水时间点来估算。进而，通过识别环斑海豹从一种离水模式切换到另一种模式的时机，可以估算出巢时间。
本研究通过分析带有卫星标签的环斑海豹离水行为的季节性变化，作为一种估算出巢时间的新方法，并量化出巢前后的离水行为。我们应用隐马尔可夫模型（HMMs）来分析2005-2021年间白令海、楚科奇海和波弗特海的环斑海豹离水数据集，以确定海豹何时将其离水行为从在巢穴内离水（“巢穴状态”）转变为在冰面上暴露（“出巢状态”），并识别与此转变相关的环境变量。
2 材料与方法
2.1 环斑海豹离水数据
环斑海豹离水数据来源于美国国家海洋和大气管理局（NOAA）、阿拉斯加鱼类与游戏部（ADF&G）和北坡自治区（NSB）先前在2005年至2019年间进行的标记项目。海豹在楚科奇海和波弗特海沿岸捕获，部分海豹随后进入白令海。海豹被捕获后安装了由Wildlife Computers制造的SPLASH标签和SPOT标签。SPOT标签永久附着于后鳍足，SPLASH标签用胶水粘在头部或背部的毛发上，并在次年春季换毛期脱落。所有标签类型都提供了位置估计和每小时标签干燥时间百分比的数据。本研究包括了在2月1日至6月15日期间有数据传输的所有环斑海豹（n = 64），预计这段时间涵盖了巢穴使用和出巢的特征性离水行为。
根据体重和爪部年轮（claw bands）数量，将海豹分类为成体（n = 48）和亚成体（n = 16）。大多数成体海豹（73%）佩戴SPOT标签，而大多数亚成体（81%）佩戴SPLASH标签。
2.2 出巢概率建模
2.2.1 数据准备与环境协变量
为了从呼吸等水面行为中分离出离水行为，对每小时干燥百分比数据应用了标准：如果某小时≥50%干燥，或<50%干燥但相邻小时≥95%干燥，则认为该小时代表离水时间百分比。将不符合条件的小时的离水百分比设为0%。此过程将原始的“每小时干燥百分比”数据转换为“每小时离水百分比”。
对于每个海豹-年份组合（共71个，包括55个成体和16个亚成体），将每小时离水记录汇总为两个日变量：1) “每日离水比例”，即24小时内离水时间百分比之和除以24；2) “离水高峰时刻”，即海豹离水的加权平均太阳时（以弧度表示，太阳正午为0弧度）。
为了将离水数据与环境变量关联，为每只海豹估算了每日位置。首先对原始Argos位置应用速度-距离-角度过滤器以移除异常值，然后取每日内剩余位置的加权平均值（按Argos误差半径倒数加权）。由于数据传输间隙，填充了每个时间序列中缺失的日期，使得每只海豹在给定年份内从其首次到最后一次传输日期之间有连续的每日记录。缺失的离水观测值保留为“NA”。缺失的每日位置估计使用海豹前一个每日位置的坐标填充。对于没有位置估计的情况，使用了该年第一个可用位置或前一年的平均位置（基于其繁殖地忠诚性）。
选择的环境变量包括海冰浓度、日均气温（2米高处）、累积解冻度日（自4月1日起日均温≥0°C的天数）、7日滚动平均气温、以及融雪开始日期（早期融雪和持续融雪）。通过空间插值填补融雪数据的缺失值。将每个海豹离水位置与对应网格单元的融雪开始日期匹配，并将离水日期减去融雪日期作为融雪进程指数。
2.2.2 隐马尔可夫模型
使用隐马尔可夫模型（HMM）分析环斑海豹离水数据。HMM是由一个未观测的（“隐藏的”）状态序列和一个观测序列组成的离散时间序列模型，其中观测变量的概率分布依赖于底层状态。状态序列本身是一个马尔可夫链。给定一组观测序列和用户设定的隐藏状态数量，HMM框架可以估计：1) 每个观测变量的状态依赖概率分布参数；2) 状态间的转移概率；3) 任何协变量对那些转移概率或状态依赖概率分布的影响。最可能的状态序列可以使用Viterbi算法进行估计。
该框架适用于研究环斑海豹离水行为。我们将HMM结构设置为包含两个行为状态：1) 巢穴状态；2) 出巢或日光浴状态。2月份的所有离水记录被标记为属于“巢穴”状态。将保持在出巢状态的概率设为1，因此海豹不能从出巢状态切换回巢穴状态。观测变量包括每日离水比例和离水高峰时刻。两个观测变量都假定具有状态依赖的概率分布。基于先前研究，预期巢穴状态下的行为包括更多时间在水中（即较低的离水比例）和更多在夜间离水（即较晚的离水高峰时刻）。初始参数值基于Kelly等人（2006）的报告估计，并通过最大似然法进行优化。由于“离水比例”数据界于0和1之间，并包含精确的0和1，因此对该观测变量使用了零一膨胀贝塔分布（zero–one-inflated beta distribution）。对于“离水高峰时刻”观测变量，使用了冯·米塞斯分布（von Mises distribution），这是一种适用于圆形数据（如一天24小时）的分布。
HMM使用R程序中的momentuHMM包构建和拟合。对成体和亚成体海豹分别建立了HMM。在每个年龄组内，所有个体海豹的观测序列用于估计单个HMM的共享参数。探索性图表支持年龄组之间的行为差异，但未发现性别间的显著差异。
对于两个年龄组，我们考虑了几个候选模型来探索协变量对从巢穴状态转移到出巢状态的每日概率（即“出巢概率”）的影响。考虑的协变量包括年积日（DOY）、DOY与性别的交互作用、DOY与纬度的交互作用、日长、日长与纬度的交互作用、DOY与年份的交互作用、海冰浓度、融雪指数、日均气温、日均气温+日长、7日滚动平均气温、7日滚动平均气温+日长、累积解冻度日等。在每个候选模型中，协变量对出巢概率有logit线性影响，并且对每日离水比例或离水高峰时刻的状态依赖概率分布没有影响。使用Akaike信息准则（AIC）评估哪个模型对成体和亚成体的支持度最好，选择AIC值最低的模型作为最佳模型。
2.2.3 出巢日期
通过将Viterbi状态解码算法应用于我们拟合的HMM，估计了每只个体海豹最可能的行为状态序列。如果海豹的Viterbi解码状态序列识别出从巢穴状态到出巢状态的转变，则认为该转变的日期即为该海豹的出巢日期。还计算了分配给巢穴状态和出巢状态的所有记录的平均每日离水比例，以便与Kelly等人（2006）的估计进行比较。
在每个年龄组内，对个体海豹的Viterbi估计出巢日期进行了留一法敏感性分析，以评估估计的出巢日期对包含特定个体的稳健性。
为了进一步探讨出巢时间随纬度和年份的时空趋势，我们对成体海豹最佳HMM的Viterbi估计出巢日期进行了事后回归分析。测试了出巢日期与纬度或年份的线性模型，并使用校正AIC（AICc）确定最简约的模型。由于纬度和年份高度相关，未测试同时包含两者的模型。然后使用最佳线性模型预测在普拉德霍湾（70.49°N）附近环斑海豹的出巢日期，以便与Kelly等人（2006）先前记录的出巢日期进行比较。
3 结果
3.1 成体
成体环斑海豹最佳支持的HMM包括日均气温和日长作为出巢概率的协变量。气温和日长对日出巢概率有正向影响。当气温低于约-10°C且日长短于约10小时时，出巢概率接近0%。当气温高于约0°C且日长长于约15小时时，概率迅速增加。
估计的巢穴状态和出巢状态的离水行为分布显示，HMM估计巢穴状态的海豹离水时间比例较小（平均值=18.8%，标准差=22.0%），有时整日呆在水中。相比之下，出巢状态的海豹离水时间比例显著更高（平均值=55.1%，标准差=25.2%）。巢穴状态的平均离水高峰时刻为夜间（晚上10:48太阳时），而出巢状态为昼间（上午11:48太阳时）。巢穴状态下海豹离水的时间点变异性更大，而出巢状态则高度集中。
Viterbi算法为30只成体环斑海豹估计了出巢日期，中位出巢日期为5月12日（平均值=5月6日，标准差=21.8天）。有4只海豹在整个2月至6月期间被识别为始终处于巢穴状态，它们未表现出其他成体观察到的强烈的季节性离水时间增加。对于有估计出巢日期的30只成体，出巢时的平均气温为-2.1°C（标准差=3.0°C），平均日长为20.2小时（标准差=4.2小时），但高纬度海豹倾向于在更长的日长时出巢。留一法敏感性分析表明，个体海豹的估计出巢日期对从用于拟合HMM的数据集中移除单个海豹具有稳健性。
对于出巢日期趋势的事后评估，出巢时间的差异最好由纬度而非年份解释。纬度每增加一度，出巢时间估计推迟6.2天。该回归的残差与年份没有明显相关性。我们的纬度对出巢日期的回归预测，Kelly等人（2006）研究区域的海豹平均出巢日期为5月16日。
3.2 亚成体
对于亚成体，最佳支持的HMM包括日长作为出巢概率的协变量。日长对出巢有正向影响，当日长超过约18小时前，出巢概率为零。HMM将巢穴状态表征为海豹每日离水比例为0%的概率很高，而出巢状态的离水时间比例更高。然而，HMM将大多数（91%）亚成体离水记录分配给巢穴状态，只有少数（9%）记录分配给出巢状态。巢穴状态和出巢状态都显示出离水时间点的分布较为分散。Viterbi算法为16只亚成体中的6只估计了出巢日期，中位出巢日期为5月27日（平均值=5月28日，标准差=7.9天）。出巢时的平均日长为19.1小时（标准差=1.3小时）。至少另有4只亚成体有全季节的离水数据，但模型未识别到向出巢状态的转变。对于有估计出巢日期的6只亚成体，留一法分析表明其出巢日期对模型中包含的其他亚成体相对不敏感。由于识别出出巢日期的个体数量较少，未对亚成体出巢日期进行事后回归分析。
4 讨论
我们将HMM应用于带标签环斑海豹的离水数据，以估算从使用雪巢到在冰面上沐浴（即出巢）的转变时间，并量化出巢前后离水行为的差异。对于成体，我们的HMM估计的巢穴状态和出巢状态的离水行为模式与先前研究一致。出巢概率与日长和气温升高相关。我们估计的成体海豹出巢日期变化很大，可能反映了我们数据集的广泛纬度范围。估计的中位出巢日期与先前基于空中调查的估计一致。成体出巢概率的最佳预测因子是日均气温和日长。出巢概率在日长较长和气温较暖时最高。与气温升高的地理模式一致，我们发现成体出巢日期与纬度呈正相关，位于更北部的海豹在春季更晚出巢。
从长期来看，更暖的春季预计会导致巢穴在幼崽能够承受暴露于冰面之前坍塌，由于捕食和体温过低而对幼崽存活产生负面影响。然而， concurrently with warming air temperatures, the proportion of pups in the subsistence harvest was higher during 2000–2023 than during 1960–1984, suggesting that warming has not had negative population-level effects on pup survival in the region。目前尚不清楚在何时更早的融雪开始对幼崽存活产生种群水平的负面影响，或者何种融雪时间对环斑海豹是最佳的。
4.1 年龄组间的差异
亚成体的离水行为与成体不同，包括离水时间的季节性增加较小，并且没有昼夜模式的季节性转变，大多数亚成体在整个2月至6月似乎保持无节律性。离散状态模型如HMM可能不太适合亚成体离水数据，因为它们在状态间差异显著时表现最佳。亚成体HMM仅对行为季节性模式最显著的6只亚成体识别了出巢日期。出巢后，这些个体离水时间比例更高，并且更集中在太阳正午前后离水，与成体海豹相似。亚成体表现出的较弱离水行为季节性变化可能是由于样本量、栖息地差异、在巢穴使用、觅食和生理方面的差异。如果栖息在南缘 pack ice 的亚成体不使用雪巢，或对巢穴的依赖程度低于成体，那么观察到的亚成体离水行为的季节性变化可能代表向沐浴（即换毛）的转变，而非从雪巢中出巢。无论亚成体是否使用巢穴，冬季持续获取猎物的机会可能导致亚成体离水行为的季节性模式较弱。
4.2 不确定性与未来研究方向
将HMM应用于环斑海豹离水数据时，我们将巢穴和出巢状态视为离散的，而实际动物行为更为复杂。我们选择将出巢建模为离散、单向的过程，只有两种行为状态，这增加了结果的可解释性。我们的方法假设离水行为的季节性变化与从主要在巢穴内离水转变为更频繁的冰面沐浴行为同时发生。未来研究可以通过补充空中或冰面观测来验证这种行为转变与巢穴使用的共现性。与北极原住民猎人的合作应予考虑。部署带有光和温度传感器的标签可以提供更多信息。成体和亚成体季节性模式的比较部分受到栖息地差异的混淆。在相同越冬地点对成体和亚成体部署标签有助于确定观察到的行为差异是由于栖息地还是年龄相关的因素。使用的环境数据分辨率较粗，可能无法完全代表个体海豹经历的局部条件。对于有连续两年数据的海豹，个别行为的一致性难以评估。未来的标记研究部署SPOT标签（有可能收集多年数据）对于调查行为的年际变异性很有价值。我们没有研究离水行为的短期变异性（即天气的日际或日内影响）。我们的HMM可以与短期离水概率模型相结合来解决这个问题。动物移动是另一个使空中调查解释复杂化的因素，我们的模型未涉及。
4.3 对空中调查的启示
尽管存在海豹移动和短期天气变异性的复杂性，本研究识别出的更广泛的行为和物候模式为处理空中调查中的可得性偏差提供了一个框架。利用空中调查期间的日期、位置、气温和日长记录，我们的模型结果可用于预测：a) 可能暴露在冰面上（相对于在雪巢中或水中）的环斑海豹比例；b) 这些海豹在调查窗口内的典型离水行为。本研究的结果正被用于确定近期在白令海、楚科奇海和波弗特海进行的空中调查中遇到的环斑海豹的校正因子。此外，我们的结果可以直接为空中调查计划提供信息。我们发现平均出巢日期与纬度之间的关系表明，高纬度地区的调查应在春季晚些时候进行，以与环斑海豹可得性高峰期同步。通过使调查时间与当地出巢物候同步，基于调查的种群监测计划可以最大化可计数的海豹比例，并最小化与隐藏在巢穴中的环斑海豹相关的偏差。
5 结论
本研究使用一种新方法，根据卫星标签提供的离水数据估算环斑海豹的出巢时间。我们的模型确定，成体海豹的出巢概率与气温和日长的变化相关，我们推测这是由于换毛的适宜条件和继续使用巢穴的不适宜条件共同作用的结果。我们发现亚成体海豹的离水行为季节性模式可能弱于成体，可能表明巢穴使用较少，但这需要进一步研究。这些发现增进了我们对环斑海豹在产仔和换毛期间行为生态学的理解，这一时期被认为易受气候变化影响。来自带标签环斑海豹的离水数据将继续对于监测变暖北极中的出巢时间具有价值。
