图/表详细信息

城市道路特征及自然景观对动物路杀的影响: 以南京为例

吴琼, 赵梓羲, 孙桃柱, 赵雨梦, 于丛, 祝芹, 李忠秋

生物多样性 2024, 32 (8): 24141-. DOI: 10.17520/biods.2024141

摘要（408）

HTML （11）

PDF（pc）（1097KB）（685）

随着道路网络的快速扩张, 交通发展和生态保护的矛盾日益严重, 并逐渐受到生态学家的关注。道路网络的扩张导致动物栖息地破碎化和种群间的交流减少, 严重威胁生物多样性; 而道路交通所造成的动物道路死亡(即路杀), 是道路对动物最直接且最重要的影响。本研究以华东地区的特大城市南京市为例, 于2020年11月至2021年10月, 采用样线法对其不同行政等级道路的动物路杀情况进行调查, 使用回归分析探究路杀事件的发生概率, 并建立动物路杀探究模型, 以进一步明确道路及其周边环境因素对动物路杀发生概率的影响。结果表明: (1)调查期间共记录到21种293只路杀动物。其中兽类136只, 占比46.42%, 以猫(Felis catus)和狗(Canis lupus familiaris)最为常见; 鸟类143只, 占比48.81%, 以乌鸫(Turdus mandarinus)和麻雀(Passer montanus)最为常见。(2)自然景观特征中的耕地(旱作农田及灌溉农田)及建筑(建筑物及构筑物)的面积占比影响路杀事件的发生几率。道路周围250 m范围内, 耕地和建筑的面积占比与动物路杀的发生概率呈显著负相关关系: 其中, 随耕地面积占比的增加, 鸟类的路杀发生概率降低, 而兽类的路杀发生概率升高。(3)道路特征影响动物路杀事件的发生几率: 当道路中有隔离带时, 路杀事件的几率增加。(4)线性特征(到最近河流距离、到最近高架桥距离、到最近主干道距离)影响鸟类路杀的发生概率: 离河流越远, 鸟类相关的路杀事件越少; 而离高架桥及主干道越远, 鸟类相关的路杀事件则越多。本研究明确了南京市动物路杀的自然景观和道路特征影响因素, 相关结果可为区域内路网优化、道路升级改造、生态廊道建设和管护等提供实践性的科学依据。

响应变量 Response variable	自变量类别 Independent variable category	所选模型 Selected model
每个取样单元内动物/鸟类/兽类路杀事件数量 Number of animal/bird/mammal roadkill incidents in each sampling unit	自然景观 Natural landscape	250 m缓冲区内耕地面积占比 + 250 m缓冲区内建筑面积占比 + 250 m缓冲区内林地面积占比 + 500 m缓冲区内草地面积占比 + 1,000 m缓冲区内草地面积占比 + 1,000 m缓冲区内林地面积占比+ 1,000 m缓冲区内耕地面积占比+ 1,000 m缓冲区内建筑面积占比 + (1 \| 取样单元所在调查样线) P_farm250 + P_build250 + P_forest250 + P_grass500 + P_grass1000 + P_forest1000 + P_farm1000 + P_build1000 + (1 \| ID)
	道路特征 Road features	海拔高度 + 道路曲折度+ 取样单元道路长度 + 车道数目 + 道路最高限速 + 道路隔离带 + 道路类型+ (1 \| 取样单元所在调查样线) Ele + Sinu + Length + Lane + Speed + Iso + Roadtype + (1 \| ID)
	线性特征 Linear features	到最近河流(线状水体)的距离 + 到最近湖泊湿地(面状水体)的距离 + 到最近高架桥的距离 + 到最近城市次干道的距离 + 到最近城市主干道的距离 + 到最近道路的距离+ (1 \| 取样单元所在调查样线) D_river + D_lake + D_trunk + D_subarte + D_arte + D_road + (1 \| ID)

View table in article

表1 南京市动物路杀事件的回归模型信息表

正文中引用本图/表的段落

根据每个取样单元内路杀事件数据的计数特点, 构建符合Poisson分布的广义线性混合模型(generalized linear mixed model)、负二项式模型(negative binomial model)、零膨胀负二项式模型(zero expansion negative binomial model)。分别以路杀动物事件数量、路杀鸟类事件数量、路杀兽类事件数量作为响应变量, 以自然景观、道路特征、线性特征作为3类自变量, 以样线名称(ID)作为随机变量。接着以3类自变量(自然景观、道路特征、线性特征)中显著的因素作为自变量构建3个综合模型, 分别以路杀动物事件数量、路杀鸟类事件数量、路杀兽类事件数量作为响应变量。使用Akaike信息准则(AIC)值进行模型评价, 选取AIC值最低的模型作为该组的最佳解释模型, 回归模型详细信息如表1所示。

缩写含义见表1。Abbreviations see Table 1.

本文的其它图/表