通过结合环境和狩猎数据来改进野猪相对数量模型：来自市级尺度景观分析的见解

野猪种群数量研究显示，整合狩猎变量与环境因素（如农用地、建成区、人口密度）的GLMM模型能提升预测精度，减少绝对误差2.9和均方根误差6.4，边际R2增加34.8%。人类活动密集区（农业/建成区）及猎人数量多的市镇野猪数量更高，建议加强人类主导景观的针对性管理策略。

　　

摘要

了解并量化影响快速扩张物种（如野猪 Sus scrofa）数量的人为因素，对于实施有效的监管、有针对性的控制措施和可持续的种群管理至关重要。基于狩猎统计数据，我们评估了将狩猎相关变量与环境因素结合使用，通过广义线性混合模型（GLMM）来提高野猪数量预测能力的潜力。我们使用2015年至2019年间摩洛哥五个地区838个市镇的野猪捕猎次数（MWBS）作为野猪相对数量的代理指标。研究结果表明，纳入狩猎变量后，MWBS的预测性能得到提升：平均绝对误差降低了2.9，均方根误差降低了6.4，边际R2值增加了34.8%。GLMM显示，在人类活动频繁的市镇中，尤其是农业活动广泛（三个地区）、建成区较多以及人口密度高的地区（两个地区），野猪捕猎次数更高。此外，具有大面积冬青栎覆盖和大量猎人的市镇中，野猪捕猎次数也较高。野猪捕猎次数与狩猎活动区域的范围呈正相关，与开阔森林用地的比例呈负相关。我们建议采取有针对性的管理和监测策略，并改进模型方法，以（i）通过整合环境和狩猎变量来提高野猪相对数量模型的预测准确性；（ii）支持在人类主导的景观中有效管理野猪种群；（iii）深入理解环境和狩猎变量在预测自然和城市化景观中物种数量时的综合影响。

图形摘要