通过将数据与BirdFlow集成，对北美洲鸟类的群体迁移模式进行建模

《Movement Ecology》：Population-level migration modeling of North America’s birds through data integration with BirdFlow

　　

摘要

背景

关于迁徙动物种群水平移动的准确信息对于理解迁徙行为以及制定在变化世界中的有效保护策略至关重要。然而，由于收集这些数据需要耗费大量时间和成本，因此对于大多数迁徙物种而言，此类信息仍然十分匮乏。BirdFlow 是一个概率建模框架，它通过参与式科学项目 eBird 生成的每周物种分布图来推断种群水平的移动情况。然而，BirdFlow 模型目前仅针对少数使用高分辨率个体追踪数据的物种进行了调整，而大多数迁徙物种并未具备此类数据。

方法

在这里，我们引入了一个通用的 BirdFlow 调整和评估框架，该框架首次实现了分布数据和个体数据的规模化整合，从而能够推断出跨越大陆和数百种迁徙物种的动物移动情况，无需依赖任何单一的个体追踪数据来源。通过推广 BirdFlow 模型的参数化方法，我们可以利用多种互补的数据来源（包括 GPS 跟踪数据、环志回收数据以及 Motus 野生动物追踪系统的无线电遥测数据）来进行调整和验证。我们通过以下方式检验了这种方法的有效性：（1）将模型的预测性能与空白模型进行比较；（2）通过比较模型生成的路线与实际移动轨迹之间的路线直线度、中途停留次数和迁徙速度等移动特征，来验证 BirdFlow 模型的生物学合理性；（3）比较基于物种特定移动数据调整的模型与使用从其他物种转移的超参数调整的模型的性能。

结果

我们的研究结果表明，新的调整框架生成的 BirdFlow 模型即使在数千公里和数月的预测范围内也能实现生物学上合理的预测效果。当特定物种的数据不可用时，仍可以利用其他系统发育上相近物种的数据来调整模型，从而提高预测性能。

结论

通过将 eBird 的物种分布与趋势数据、环志回收数据、无线电遥测数据和 GPS 跟踪数据相结合，我们将 BirdFlow 模型应用到了 153 种北美迁徙物种上，这标志着首次实现了大陆范围内的种群水平移动数据和预测模型的集合。针对特定物种的调整提高了种群水平移动的预测准确性，而基于分类学信息的超参数转移则有助于对数据有限的物种进行建模。总体而言，我们的工作为生态学、保护研究、疾病监测、航空领域以及公众科普提供了更准确预测的基础。