传统管理模式下的牲畜系统中生物多样性与病原体动态

《Journal of Environmental Management》：Biodiversity and pathogen dynamics in traditionally managed livestock systems

　　阿尔贝托·佩雷略（Alberto Perelló）、帕特里夏·巴罗索（Patricia Barroso）、豪尔赫·拉蒙·洛佩斯-奥尔韦拉（Jorge Ramón López-Olvera）、大卫·雷林皮奥（David Relimpio）、安赫拉·马林-罗霍（ángela Marín-Rojo）、玛丽亚·埃斯科瓦尔（María Escobar）、弗朗西斯科·鲁伊斯-丰斯（Francisco Ruiz-Fons）、何塞·华金·塞隆（José Joaquín Cerón）、安娜·巴尔塞罗（Ana Balseiro）、克里斯蒂安·戈尔塔萨尔（Christian Gortázar）
来自CSIC-UCLM-JCCM野生动物资源研究所（SaBio），西班牙雷阿尔城（Ciudad Real），邮编13071

**摘要**
在诸如草原生态系统这样的复杂宿主群落中，广食性病原体的动态变化是生态学和流行病学研究的前沿领域。全球范围内，反刍动物养殖数量的增加与传染病的爆发以及受威胁物种数量的上升密切相关，这给公共卫生和生物多样性保护带来了挑战。然而，传统管理的欧洲草原和未施肥的开放区域代表了一种具有高生物多样性和额外社会生态效益的再生性放牧方式，包括提高生态系统恢复力和适应性。

为了评估传统畜牧放牧、生物多样性和病原体传播之间的关系，我们分析了伊比利亚半岛18个研究地点中野猪（Sus scrofa）这一指示物种的哺乳动物群落生物多样性及其相互作用，以及病原体暴露情况和免疫系统激活的间接指标。研究结果表明，在存在家养反刍动物的情况下，野猪的物种丰富度和多样性更高，而多重病原体共感染的比例较低。当没有畜牧放牧时，则会出现明显的病原体传播放大效应。总体而言，研究结果表明，传统畜牧放牧与更高的生物多样性和更平衡的群落结构相关，同时能够改善生态系统健康状况，通过潜在的易感替代宿主机制影响病原体传播动态。这些发现突显了传统畜牧系统在通过增强生物多样性来支持全球健康方面的潜在作用，同时降低疾病风险。此类系统还有助于减少野生动物-家畜-人类界面上的病原体溢出，从而促进更具恢复力的社会生态系统。

**1. 引言**
作为生态系统组成部分的病原体会在复杂的群落中循环，这些群落中脊椎动物与其环境之间的相互作用决定了它们的持续存在和传播（Dobson和Hudson，1986；Tompkins等，2011）。由病原体、宿主群落及其环境共同构成的结构可以被视为“次生态系统”，即特定地理和时间尺度上的生物、环境和流行病学要素的集合（Tabachnick，2010；Hassell等，2021）。在生物多样性丰富的次生态系统中，广食性病原体的动态变化仍是疾病生态学的重要研究方向，对管理具有重大意义。土地利用变化和人类对自然环境的压力增加会影响脊椎动物的生物多样性、分布和数量，进而影响病原体的出现、传播和持续存在，这对生物多样性保护和健康都带来影响（Isbell等，2017；Schmeller等，2020；Shepon等，2023）。

全球范围内，随着家养反刍动物数量的增加，野生动物中的传染病爆发和受威胁野生动物物种的数量也在增加（Morand，2020），这凸显了畜牧养殖、病原体和生物多样性之间的紧密联系。然而，部分经过改良的自然放牧区域为全球数百万人提供了资源，同时促进了生态和社会健康（Godde等，2020）。欧洲传统管理的未施肥草原、灌木丛和低盈利性的开阔森林属于再生性放牧区，其特征是动植物物种丰富（Envall等，2021）。在地中海干旱地区，畜牧放牧可以通过创造和维护静水水体（Thiere等，2009）、防止森林入侵（Derner等，2009）以及与野生有蹄类动物之间的直接资源竞争来促进生物多样性（Chaikina和Ruckstuhl，2006），从而对生物多样性产生积极影响。因此，欧洲的反刍动物放牧既符合《2030年欧洲生物多样性战略》（欧盟委员会，2020）的目标，也有利于人类福祉（Godde等，2020）。

这些传统的畜牧系统与生态系统共同演化，形成了复杂的社会生态系统，将决定生态系统健康的因素与决定人类福祉的社会文化因素联系起来（Berkes，2017；Manzano等，2021）。在这些系统中，管理政策和决策决定了这些联系的形成方式，必须基于科学证据、地方知识和最佳实践来合理利用资源，以构建高度恢复力的生态系统（Berkes，2017）。尽管畜牧放牧不仅有助于生物多样性，还影响草原上的宿主-病原体动态，但对其对病原体传播的具体影响仍研究不足。因此，研究宿主群落对疾病的反应时，应考虑包括畜牧放牧在内的人为土地利用方式（Barrile等，2021）。在草原次生态系统中，少数关键因素（如反刍动物和野生有蹄类动物）可以显著影响病原体传播，其中易感宿主物种会推动疾病动态（Power和Mitchell，2004；Tanner等，2019）。这表明宿主群落结构在决定广食性病原体动态方面起着关键作用（Dobson，2004）。因此，控制共通感染通常需要针对多个宿主，甚至需要管理整个宿主群落及其栖息地（即次生态系统）（Crispell等，2019）。尽管在大型畜牧放牧背景下对环境和宿主群落组合对脊椎动物和生态系统健康的影响研究较少，但这主要是由于对这些复杂次生态系统中多样化脊椎动物宿主健康影响的争议性（Barroso等，2023；Barroso和Gortázar，2024）。目前还缺乏广泛认可的生态系统健康监测指标物种；然而，在伊比利亚次生态系统中，欧亚野猪（Sus scrofa）因其数量众多、分布广泛且容易采样，且能产生针对多种循环病原体的抗体，被建议作为生态系统健康的关键指示物种（Barroso等，2024）。关于哪些病原体或标志物能更好地反映生态系统健康，目前尚无共识（Barroso等，2023）。通过分析宿主群落结构和多样性、筛查多种病原体和标志物，并测量共感染比例，可以克服这些挑战。

需要进一步的研究来制定管理政策，以增强生态系统的恢复力，并在“同一健康”框架下支持农村社会生态系统的长期可持续性。我们研究了反刍动物放牧、生物多样性和广食性病原体动态之间的相互作用，从而填补了生态学和流行病学领域的知识空白（Dobson，2004）。我们假设反刍动物放牧可以通过限制野生有蹄类动物的数量来增加哺乳动物多样性，从而可能减少病原体传播。

**2. 方法**
**2.1. 研究地点**
本研究在伊比利亚半岛的18个监测点进行，其中15个位于西班牙，3个位于葡萄牙，这些地点参与了综合野生动物监测试点网络（Barroso等，2023）。选择这些地点是为了代表西班牙野生动物健康监测计划中认定的五个生物区域：（1）大西洋沿岸西班牙；（2）谷物平原；（3）大陆地中海生态系统；（4）内陆山区；（5）南部和东部海岸（Mu?oz等，2010）。在18个地点中有10个存在家养反刍动物（绵羊、山羊和/或牛）（55.6%；图1a）。

**2.2. 样本采集**
2020年至2024年间，在18个研究地点捕获的1109只野猪中采集了10毫升血液（Arenas-Montes等，2013），采集方法为穿刺海绵窦。样本在1500克离心机上离心10分钟以分离血清，随后在-20°C下保存，直至进行抗体检测和间接健康状态指标测试。

**2.3. 健康状态评估**
选择了以下病原体进行综合监测：布鲁氏菌属（Brucella spp.）、沙门氏菌属（Salmonella spp.）、伯内特柯克斯体（Coxiella burnetii）、红癣菌（Erysipelothrix rhusiopathiae）、结核分枝杆菌复合体（Mycobacterium tuberculosis complex）、肺炎支原体（Mycoplasmata hyopneumoniae）、奥耶兹基病毒（Aujeszky disease virus）、猪圆环病毒2型（PCV2）、犬瘟热病毒（CDV）、戊型肝炎病毒（HEV）、流行性出血病病毒（EHDV）和弓形虫（Toxoplasma gondii）。这些病原体涵盖了人畜共患病、与家畜相关的病原体以及特定于野生动物的病原体，反映了多种生态界面（Zlotowski等，2009；Meng，2010；Roest等，2011；Barasona等，2019；Ruiz-Fons等，2024）。选择野猪作为指示物种，是因为它分布广泛、生态适应性强，并且与家养动物和人类频繁互动，是生态系统健康的关键指标（Barroso等，2023，2024）。表S1列出了用于通过酶联免疫吸附测定（ELISA）检测这些病原体的方法。

**2.4. 哺乳动物群落监测**
在每个研究地点，每年10月至5月期间（2020年至2024年），部署了平均每处18个诱饵相机陷阱（Browning Strike Force HD ProX 1080型号，Browning Arms公司，美国犹他州Morgan）的随机网格，持续约两个月。相机陷阱朝北放置，距离地面约40厘米，并保持与地面平行。陷阱设置为24小时连续工作，每次触发拍摄八张照片，触发间隔至少为1秒。因技术问题运行时间不足五天的陷阱数据被排除在外。调查力度标准化为每地点450个相机日。相隔超过2分钟的物种捕获被视为独立事件。标准化的事件频率（相机数量和天数）构成了可靠的相对丰度参数（Wearn和Glover-Kapfer，2017）。

根据家养反刍动物的存在情况，将18个生态群落分为有无反刍动物的两类。在本研究中，所有有家养反刍动物的地区都属于自由放牧系统，放牧密度较低至中等。图1a和表S1也报告了每个研究站点关于是否有牲畜的存在情况。为了获得哺乳动物多样性的相对估计，使用了相机陷阱网格的数据来列出哺乳动物物种（总体丰富度和野生动物丰富度），并计算哺乳动物的香农多样性指数（H′）。这些指标分别基于每个物种的相机陷阱出现/未出现数据以及每次遇到的次数，使用的是R语言版本4.4.1的ggvegan包。香农多样性指数（H′）是使用2022年至2023.2.5年的数据计算得出的。

- 生态网络
我们将时空一致性定义为在同一24小时时间窗口内，相同相机陷阱检测到的一对物种。这是基于目标病原体的环境生存能力而言（Kukielka等人，2013年；Niedballa等人，2019年）。利用这些数据，使用R语言的igraph包构建了18个静态网络，每个站点一个。在生态网络分析中，节点代表物种，而链接则对应于同一相机在每个站点24小时内记录到的物种对的频率。每个链接的权重是两个物种在每个站点的共现次数除以每个物种在该站点的总出现次数之和。这种校正方法考虑了物种丰度的差异，从而能够识别真正的共现情况，而不仅仅是某些物种较高丰度导致的连接。所有研究站点的节点和网络级别的中心性指标都是使用R语言的igraph包v.4.4.1计算的（Martínez-López等人，2009年）。生态网络是使用2022年至2023.2.5年的数据进行的。

- 病原体网络
在病原体网络分析中，节点代表病原体，而链接对应于每个站点中每对病原体共暴露的野猪数量。每个链接的权重是共暴露的野猪数量除以每个站点中每种病原体阳性个体的总数之和。这种校正方法是为了减少血清阳性率差异的影响，更好地反映真实的共暴露模式，而不仅仅是某些病原体在群落中的高流行率造成的连接。所有研究站点的病原体强度和网络级别中心性指标都是使用R语言的igraph包v.4.4.1计算的（Martínez-López等人，2009年）。

- 统计分析
进行了双变量分析，以探索生物多样性指标、病原体血清阳性率、ADA浓度以及病原体和生态网络指标之间的关系，同时将牲畜的存在与否作为自变量。使用R语言中的Wilcoxon秩和检验评估了由牲畜存在定义的不同研究站点组之间的差异（表S1、S2和S3）。
开发了两个广义线性混合模型（GLMMs），以评估牲畜存在和生物多样性对社区健康状况的综合影响。第一个模型以直接健康指标（个体共暴露率）作为响应变量，而在第二个模型中选择了间接健康指标ADA作为响应变量，因为它被公认为是猪类免疫激活和生理压力的生物标志物（Tecles等人，2018年；Cerón等人，2022年）。两个模型的解释变量包括野生动物丰富度、牲畜存在（是/否）、它们的交互作用以及纬度。研究站点作为随机效应纳入两个模型中。纬度被作为一个协变量纳入，以考虑潜在的地理差异，因为有无牲畜的社区在研究区域的南北梯度上分布不均（图1a）。通过使用car R包的方差膨胀因子（VIF）评估了预测变量之间的相关性。统计显著性设为p < 0.05。模型选择基于使用MuMIn R包的修正Akaike信息准则（AICc）进行（模型选择的详细信息见表S8和S9）。所有模型都是使用R软件v.4.4.1中的lme4包进行的。

- 结果
3.1. 生物多样性
表S2显示了每个研究站点的多样性率和物种丰富度。有牲畜的站点的野生动物多样性（香农指数）显著更高（W = 4；p = 0.001；图1a和b；表S2）。
3.2. 疾病标志物
表S5显示了ADA的平均血清浓度。在双变量分析中，有牲畜和无牲畜的站点之间的值没有显著差异。然而，GLMM将ADA确定为一个显著因素（见3.5部分“牲畜作为生物多样性和疾病关系的调节剂”；图4b；表2）。
表S1显示了每个站点每种病原体的血清阳性率、共暴露率和样本大小。与有牲畜的社区相比，没有反刍动物牲畜的社区中PCV2（W = 69；p < 0.01）、ADV（W = 65；p = 0.03）、CCHFV（W = 65；p = 0.03）、E. rusiopathiae（W = 63；p = 0.04）和沙门氏菌属（W = 64；p = 0.03）的血清阳性率显著更高（图1c；表S1）。此外，没有牲畜的社区中同时暴露于多种病原体的野猪百分比（W = 71，p < 0.01）以及共暴露程度（W = 71，p < 0.01）也更高（表S1）。
3.3. 生态网络
每个研究站点的生态网络显示在图2中。网络指标和节点中心性指标汇总在表S3中（doi: https://doi.org/10.5281/zenodo.15881912）。总体而言，马鹿（Cervus elaphus）、狍子（Capreolus capreolus）、兔形目动物、野猪和红狐（Vulpes vulpes）是连接性最强的物种，即中心性指标最高的物种。有牲畜和没有牲畜的站点之间的中心性指标存在显著差异。没有牲畜的社区中马鹿的连接强度显著更高（W = 41，p = 0.03），而狍子的连接强度（W = 0，p < 0.01）和共暴露程度（W = 3，p = 0.03）在两种社区类型之间有显著差异（表S4）。在所有情况下，这些广食性物种在有牲畜的站点中连接性较低。

- 病原体共现网络
图3显示了病原体共现网络，表S6（doi: https://doi.org/10.5281/zenodo.15881912）总结了网络和节点中心性指标。没有牲畜的站点的病原体网络在密度、聚类系数和平均病原体强度方面显著更高（W = 68，p = 0.01；W = 72，p < 0.01；W = 5954.5，p < 0.01）。在有牲畜和没有牲畜的社区之间，以下病原体与其他病原体的共现情况存在显著差异（即，在没有牲畜的社区中病原体强度更高）：PCV2（W = 56.5；p = 0.05）、布鲁氏菌属（W = 62；p = 0.05）、ADV（W = 61.5；p = 0.05）、HEV（W = 27；p = 0.03）、EHDV（W = 16；p = 0.03）、CCHFV（W = 28；p = 0.02）和MTC（W = 19.5；p = 0.03；表S7）。

- 讨论
本研究提供了新的见解，探讨了反刍动物牲畜的存在、社区组成和多样性以及相互作用模式如何影响共享病原体的循环以及随之增加的免疫系统反应和炎症。我们的发现显示，牲畜放牧对野生动物和病原体社区有多方面的影响，影响生态相互作用、病原体暴露率和生理反应。这突显了开发基于社区的野生动物健康指标的必要性和优势，这些指标有助于识别高风险区域和物种，并为管理策略提供信息。
牲畜放牧和野生动物数量 drives 宿主-病原体动态（Barrile等人，2021年）。在没有牲畜的站点中，野猪与更多哺乳动物物种的个体共暴露率的增加（图4a）可能与生物多样性增加条件下的疾病风险增加相吻合，这被称为生物多样性的放大效应（Dobson，2004年；Keesing等人，2006年）。然而，我们的结果来自观察性设计，这限制了确认可能的放大效应。在伊比利亚半岛，野生有蹄类动物的过度繁殖是农村废弃的结果，可能会促进病原体的维持和传播（Gortázar等人，2006年；Barroso和Gortázar，2024年）。然而，家养反刍动物的存在似乎影响了病原体循环与生物多样性之间的相关性（图4a），增加了生物多样性（图1b）并减少了病原体流行率（图1a）和病原体共现（图3，表1）。与牲畜共生的野猪的ADA浓度不受野生动物多样性和牲畜相互作用的影响，而仅受牲畜存在的影响（表2；图4b；表S9）。与牲畜共生的野猪的ADA浓度较低。
3.5. - 生牲畜作为生物多样性和病原体关系的调节剂
在没有牲畜的生态系统中，野生动物物种丰富度的增加与更高的个体共暴露率相关，这表明了一种与明显放大效应一致的流行病学模式。然而，在有牲畜的系统中则没有这种效应，这表明牲畜可能会影响野生动物-病原体的动态（图4a；表S8）。此外，我们发现了一个显著的南北纬度梯度，即病原体丰富度在较高纬度下降（表1）。野猪的血清ADA浓度不受野生动物多样性和牲畜相互作用的影响，而仅受牲畜存在的影响（表2；图4b；表S9）。此外，本研究中探讨的一些病原体的治疗、管理和根除方案也被应用于家养反刍动物，这些措施可能有助于减少易感动物数量（Horan等人，2008年），并可能对观察到的模式产生轻微影响。总体而言，研究结果与一种趋势相符：在存在家畜的情况下，由于减少了宿主之间的接触，病原体的传播得到了缓解（Keesing等人，2006年；Barroso和Gortázar，2024年）。并非所有病原体都起源于野生动物。管理政策可以解释人类对环境的改变所产生的净效应和整体影响，例如传统畜牧系统的建立。然而，在管理这些系统时必须考虑到，家养动物本身有时是某些病原体（如C. burnetii）的主要宿主，因此可能是这些病原体在生态系统中的传播媒介（Roest等人，2011年）。因此，减少野生动物中的病原体流行率并不一定直接转化为更低的人畜共患病风险，这突显了进行综合性和特定病原体风险评估的必要性。

野猪个体中病原体共暴露与纬度之间的负相关关系很可能是由多种环境因素共同造成的，例如温度随纬度降低而增加病原体多样性（Guernier等人，2004年；Becvarik等人，2023年），以及管理措施（如围栏和补充喂食）在伊比利亚南部增加了宿主的数量、密度和聚集程度（Vicente等人，2004年、2005年、2007年；Cuadrado-Matías等人，2022年）。间接的血清炎症标志物已被用于监测野生动物种群的健康状况，而无需对每种潜在疾病进行单独检测（Ráez-Bravo等人，2015年；Barroso等人，2023年）。具体而言，ADA被认为是识别猪类免疫系统激活和炎症的可靠生物标志物（Tecles等人，2018年；Contreras-Aguilar等人，2020年；Cerón等人，2022年）。病原体既可能抑制也可能刺激宿主的免疫反应，从而相互影响（Lello等人，2004年；Telfer等人，2010年）。研究中无家畜区域的野猪血清ADA浓度较高（图4b-表2），这可能是由于这些地区的病原体暴露更严重（图1、图3、图4a；表1），导致整体免疫系统激活程度更高和/或伴有炎症的疾病更为常见。

本研究存在若干局限性。通过添加额外的方法（如足迹管和活捕陷阱）来评估小型哺乳动物、两栖动物、爬行动物和鸟类的生物多样性，可以扩展本研究的结果和结论。然而，相机陷阱对小型哺乳动物和具有恐惧行为的物种的捕捉效果较差，可能导致对哺乳动物群落特征描述不完整（Glen等人，2013年）。鉴于小型哺乳动物可能是一些病原体（如C. burnetii或CCHFV）的宿主（Pascucci等人，2015年；Celina等人，2025年），它们的代表性不足可能会影响对病原体动态的社区层面理解。虽然野猪已被提议作为研究生态系统的指示物种（Barroso等人，2023年），但它并不是监测如EHDV等病原体的最佳指标物种（Ruiz-Fons等人，2024年）。因此，扩大研究的病原体范围和指示物种种类将使结论更加可靠。尽管血清学数据反映的是过去的暴露情况而非当前感染状态，但通过在多年内采样以及考虑到狩猎活动导致的野猪种群部分更新，这些血清学数据仍可能相对可靠地反映当前病原体的传播情况。本研究使用时空重合作为物种相互作用的代理指标。要评估物种之间的直接相互作用，需要采用其他方法，如GPS标记（Barasona等人，2014年）。所选的18个研究地点是基于建立健康监测网络的需要而确定的，并非专门为此项研究而选（Barroso等人，2023年），其中一些无家畜的区域与中部和南部地区的狩猎区重叠，在这些地区野生有蹄类动物数量过多，从而可能引入地理偏差，不过通过将纬度作为解释变量纳入所有模型中对此进行了控制。由于缺乏特定地点的家畜管理数据（如饲养密度或季节性移动模式），研究结果仅限于家畜存在对研究地点的影响。此外，本研究未考虑家畜对不同物种的特定影响；已知小型家养反刍动物对生态系统的影响可能与牛不同，主要体现在放牧行为上的差异（Rook等人，2004年）。

家畜放牧基于传统知识形成的社会生态系统，牧民不仅是生态系统中的参与者，还拥有通过长期共同进化形成的适应性生态知识。这些知识促进了增强生态系统韧性、生物多样性和资源效率的管理实践（Berkes等人，2017年；Manzano等人，2021年；Varela等人，2022年；Per等人，2025年）。这些实践将放牧置于更广泛的农业生态和循环经济框架内，强调了其在可持续食品系统建立中的重要性。总体而言，我们的结果表明，无家畜放牧地区的野生哺乳动物多样性较低，病原体群落结构更为复杂，导致指示物种中病原体的共存和流行率更高。这种情况也可能出现在北半球的其他地区，可能反映了生态相互作用的不平衡，进而影响生态系统的健康。

作者贡献声明：
Alberto Perelló：撰写、审阅与编辑、初稿撰写、数据可视化、验证、资源管理、方法学设计、调查实施、数据分析、概念构建。
Patricia Barroso：撰写、审阅与编辑、初稿撰写、数据可视化、验证、资源管理、方法学设计、调查实施、数据分析、概念构建。
Jorge Ramón López-Olvera：撰写、审阅与编辑、数据可视化、验证、资源管理、方法学设计、调查实施、数据分析。
David Relimpio：撰写、审阅与编辑、数据可视化、验证、资源管理、方法学设计、调查实施、数据分析。
ángela Marín-Rojo：撰写、审阅与编辑、方法学设计、调查实施。
María Escobar：撰写、审阅与编辑、方法学设计、调查实施。
Francisco Ruiz-Fons：撰写、审阅与编辑、验证、方法学设计、资金筹集。
José Joaquín Cerón：撰写、审阅与编辑、验证、方法学设计、调查实施、资金筹集。
Ana Balseiro：撰写、审阅与编辑、方法学设计、调查实施、资金筹集。
Christian Gortázar：撰写、审阅与编辑、初稿撰写、数据可视化、验证、监督、项目管理、资金筹集、数据分析、概念构建。