《Global Ecology and Conservation》:Land cover and public perception impacts on recorded butterfly occurrence across a subtropical megacity
编辑推荐:
城市化通过景观改变影响生物多样性,导致物种组成重组。生态信息规划,结合社区科学参与和贡献,有助于促进和维持城市生物多样性。社区科学(community science)是一种新兴方法,便于记录物种出现,同时让公众参与城市生物多样性的监测和保护。蝴蝶等具有魅力和
城市化通过景观改变影响生物多样性,导致物种组成重组。生态信息规划,结合社区科学参与和贡献,有助于促进和维持城市生物多样性。社区科学(community science)是一种新兴方法,便于记录物种出现,同时让公众参与城市生物多样性的监测和保护。蝴蝶等具有魅力和多样性的动物群体在社区科学中很受欢迎,为探索景观特征和公众感知如何相互作用以影响通过社区科学记录的城市生物多样性模式提供了机会。在本研究中,研究人员整合了亚热带特大城市深圳的土地覆盖信息、物种出现数据和公众对城市蝴蝶物种的感知。研究人员调查了景观特征如何影响蝴蝶组成和分布,并探索了公众感知是否以及如何影响不同城市景观类型中城市蝴蝶物种的记录分布。研究人员的发现表明:1)不同景观类型支持不同的蝴蝶组合;2)具有更高美学价值(如鲜艳颜色和图案)的蝴蝶往往被更多观察者报告;3)常见物种在森林覆盖更多的城市景观中更频繁地被记录,无论公众偏好如何。这些结果强调了整合生态数据和社会见解以制定实用的、生物多样性友好的城市规划策略的重要性。通过将保护目标与公众参与相结合,研究人员可以通过信息化的设计和社区参与更好地支持城市生物多样性。
**研究背景与问题**
城市化通过栖息地破碎化、污染和热岛效应显著影响生物多样性,导致物种丧失和生态相互作用改变。生态信息规划与社区科学(community science)参与的结合,有助于促进和维持城市生物多样性。蝴蝶因其分类和功能多样性、可检测性及生态意义,在城市生物多样性中扮演关键角色,但近年来因栖息地丧失、光污染和农药过度使用而快速衰退。尽管已有研究探讨了景观变化对蝴蝶分布的影响,以及公众对蝴蝶形态特征的偏好,但很少有研究整合景观变异和公众感知来指导亚热带和热带地区的城市蝴蝶保护。深圳作为一个快速城市化的亚热带沿海特大城市,兼具高强度开发、生态倡议和多样化景观,为探索城市景观特征与社区视角如何共同影响蝴蝶多样性提供了理想场所。
**研究内容与结论**
研究人员整合了深圳的土地覆盖数据、蝴蝶出现记录(来自全球生物多样性信息设施GBIF,包含社区科学数据和科学调查数据)以及公众对蝴蝶特征的偏好(基于东南亚和东亚大城市的问卷调查),开展了以下研究:(1)通过景观聚类分析,识别蝴蝶出现地点的景观特征;(2)使用非度量多维尺度分析(Non-metric Multidimensional Scaling, NMDS)和置换多元方差分析(PERMANOVA)检验不同景观集群是否支持不同的蝴蝶群落组成;(3)通过线性回归模型,分析公众偏好得分、观察者数量、当地限制性等级和景观类型对蝴蝶记录数的影响;(4)通过热图展示常见蝴蝶物种在不同景观集群中的分布频率。研究得出以下结论:不同景观类型支持不同的蝴蝶组合;具有更高美学价值(如鲜艳颜色和图案)的蝴蝶被更多观察者报告,但公众偏好通过增加观察者数量间接影响记录数,而非直接导致记录偏差;常见物种在森林覆盖更多的景观中更频繁地被记录,无论公众偏好如何。这些结果强调了保护城市森林以维持蝴蝶多样性,以及在利用社区科学数据时考虑公众偏好的重要性。该研究论文发表在《Global Ecology and Conservation》。
**主要关键技术方法**
研究人员从GBIF(全球生物多样性信息设施)获取深圳2009–2023年蝴蝶出现记录(共3,853条),并筛选出社区科学数据(约53%来自iNaturalist平台)和科学调查数据;使用中国土地覆盖数据集(CLCD,30米分辨率)计算每个记录点1公里半径缓冲区内的九类土地覆盖覆盖率;采用Ward最小方差聚类和K-means聚类算法对记录点进行景观聚类,识别出四个主要景观集群;通过问卷调查(Lim et al., 2022)中公众偏好的关键词(如“彩色”、“黄色”、“蓝色”、“图案”),计算每个蝴蝶物种的偏好加权得分;运用NMDS和PERMANOVA分析群落组成差异,使用线性回归模型分析偏好得分、观察者数量、当地限制性等级和景观类型对记录数的影响。
**研究结果**
**3.1 蝴蝶出现分布的景观特征**
通过聚类分析,基于3,853条蝴蝶记录及其周围土地覆盖类型,识别出四个景观集群(C1–C4)。C1、C2、C3记录主要位于不透水面面积较大的城市区域,C4记录主要来自森林覆盖高的乡村公园。蝴蝶记录主要集中在南山、福田和罗湖区。
**3.2 不同景观集群中蝴蝶组合的组成**
NMDS分析表明,不同集群间的物种组成存在显著差异(R2 = 0.200, P = 0.002)。社区科学数据也呈现类似显著差异(R2 = 0.219, P = 0.001),而科学调查数据未显示显著差异(R2 = 0.391, P = 0.808)。
**3.3 公众偏好对蝴蝶观察数量的影响**
线性回归结果显示,偏好得分对蝴蝶记录数无显著直接效应(P = 0.975),但对观察者数量有显著正向效应(P < 0.001)。此外,C4集群的观察者数量显著高于C1集群(P < 0.001)。
**3.4 蝴蝶物种在景观中的分布频率**
热图分析(基于所有记录中至少出现10次的63个物种)显示,不同物种在不同集群中的分布模式各异,但常见物种在森林覆盖高的C4集群中更集中记录,而审美偏好得分高的物种并未表现出对特定集群的偏好。
**讨论与结论**
**讨论**
研究结果表明,景观特征和公众感知共同塑造了社区科学数据库中蝴蝶记录的分布。不同景观支持不同的蝴蝶组合,其中森林覆盖高的景观(C4)是大多数常见物种的记录热点,这得益于城市森林提供的丰富植被和花蜜资源。公众偏好通过吸引更多观察者间接增加了蝴蝶记录数,但常见但低审美偏好的物种(如Junonia iphita)仍被大量记录,而一些不显眼的物种可能被低估。保护策略应优先保护城市森林,并通过增加绿地连通性(如深圳“山海连城”计划)来维持蝴蝶多样性。社区科学数据存在局限性,如记录不全、观察者偏差等,需通过专业培训、标准化方法和鼓励关注不显眼物种来减少偏差。
**结论翻译**
我们的研究强调了城市中与蝴蝶出现相关的关键景观特征,揭示了不同景观支持不同的蝴蝶组合。森林覆盖较高的景观是大多数常见蝴蝶物种记录的地方,突出了它们在城市中的关键生态角色以及保护这些栖息地的优先性。此外,公众对颜色和图案等魅力特征的感知可能影响社区科学家参与生物多样性观察。通过整合生态分析与社会见解,我们展示了社区科学数据如何增强对城市生物多样性分布模式的理解,同时也识别了在解释这些模式时必须考虑的潜在偏差。我们的发现强调了将深思熟虑的城市景观规划与积极的公众参与相结合以支持热带大都市生物多样性的重要性。最终,本研究通过整合城市景观规划与社区科学倡议,为设计和管理生物多样性友好型城市提供了路线图。