《Global Ecology and Conservation》：Habitat Suitablility Analysis Through Cluster Optimization Based on Wild Boar Location and DNA Data
编辑推荐：
本研究针对非洲猪瘟(ASF)在韩国野猪种群中持续传播的防控难题，创新性地将野猪的时空定位数据与DNA遗传信息相结合，通过优化ST-DBSCAN聚类算法的参数，显著提升了栖息地适宜性模型的预测准确性。研究团队开发了专门的用户界面(UI)进行参数优化，并应用MaxEnt模型比较了三种数据处理方式（原始数据、文献参数聚类、DNA优化聚类）的效能。结果表明，DNA优化聚类(Type 2)的模型可靠性最高(AUC=0.883)，能更精准地识别野猪高适宜性区域(概率≥0.8的面积为409 km2)，为ASF的精准防控和野生动物管理提供了科学依据。
非洲猪瘟(ASF)自2019年传入韩国以来，对养猪业造成了巨大冲击，而野猪作为主要传播媒介，其栖息地管理成为防控关键。然而，传统的栖息地适宜性模型存在局限性——野外调查数据可能将短暂出现的个体误判为常住居民，导致模型可靠性不足。更棘手的是，韩国多山地形和野猪强大的移动能力使得围栏等物理防控措施效果有限，政府甚至已停止新建围栏。面对这一困境，清州大学环境景观建筑系的研究团队在《Global Ecology and Conservation》上发表了一项创新研究，通过融合遗传学与空间分析技术，为ASF防控提供了新思路。
研究团队创造性地将野猪的DNA遗传信息与时空定位数据相结合，开发了一套优化的分析方法。他们收集了2021年韩国生物资源国家研究院的野猪调查数据，包括地理位置信息和从肌肉组织中提取的DNA样本。通过分析线粒体DNA标记和微卫星位点，研究人员能够评估个体间的遗传亲缘关系，这为验证野猪的社会群体结构提供了独立标准。
技术方法上，研究团队主要运用了三种关键技术：一是ST-DBSCAN时空聚类算法，通过空间距离阈值(eps1)、时间窗口(eps2)和最小点数(MinPts)参数识别野猪群体；二是开发了专门的用户界面(UI)进行参数优化，将聚类结果与DNA验证的群体信息进行比对；三是应用MaxEnt(最大熵)模型进行栖息地适宜性分析，比较三种数据类型（Type 0原始数据、Type 1文献参数聚类、Type 2 DNA优化聚类）的预测效果。
野猪聚类分析结果显示，基于DNA验证的最优参数组合为：空间距离0.06 km、时间范围10个月、最小群体数量3个个体。与传统文献参数相比，DNA优化聚类将准确率从22%提升至68.2%，增幅达46%。这一优化显著改善了群体识别的生物学合理性，使聚类结果更能反映具有遗传关联的个体群体，而非单纯基于空间邻近性的分组。
栖息地适宜性分析结果表明，DNA优化聚类(Type 2)的模型可靠性最高，AUC值达到0.883，明显优于原始数据(Type 0，AUC=0.777)和文献参数聚类(Type 1，AUC=0.814)。空间分布上，Type 2模型在江原道北部和庆尚北道东部山区显示出更高的栖息地适宜性，如雪岳山和五台山等大型林区被识别为重要栖息地。
环境变量贡献度分析揭示了影响野猪栖息地选择的关键因素。在分析的19个环境变量中，与围栏的距离(21.7%)、果园距离(8.8%)、工业区距离(17.3%)和海拔高度(11.5%)贡献最大。值得注意的是，围栏距离的高贡献度表明野猪会主动避开这些障碍物，但韩国复杂地形导致的围栏不连续性限制了其防控效果。
适宜栖息地定量评估发现，在0.8的高适宜性概率阈值下，Type 2识别的面积最大(409 km2)，而Type 0和Type 1分别为227 km2和390 km2。这表明DNA优化聚类能更精确地锁定核心栖息地区域，避免过度预测。土地覆盖分析显示，森林贡献了63.2%的栖息地增加，农业用地和草地各占约15%和11%，这与野猪偏好林缘觅食的生态习性一致。
研究结论强调，整合DNA验证的聚类优化方法显著提升了栖息地适宜性模型的可靠性，为ASF精准防控提供了科学基础。相比传统方法，DNA优化的Type 2模型不仅能更准确地识别高风险区域，还能反映野猪群体的生物学关联性，这对理解疾病传播动态至关重要。讨论部分指出，尽管该研究聚焦韩国案例，但其方法学框架具有全球适用性，特别是在ASF流行地区，如欧洲和亚洲其他国家的野猪管理中可以借鉴。未来研究方向包括扩大遗传数据集、验证不同景观下的群体结构，以及开发现实时监测系统动态更新栖息地模型。
该研究的创新点在于首次将DNA验证的群体结构信息系统性地整合到野猪栖息地建模中，突破了传统仅依赖空间数据的局限。这不仅为野生动物疾病管理提供了新范式，也为景观规划中的生态保护与人类活动平衡提供了科学依据。随着ASF在全球范围内的持续蔓延，这种基于多源数据融合的精准防控方法将发挥越来越重要的作用。
