ecoTolerance: An R package for Assessing Road and Human Footprint Tolerance in Wildlife Species

本文介绍了开源 R 包 ecoTolerance，该工具通过计算道路耐受指数（RTI）和人类足迹耐受指数（HFTI），为量化物种对人类活动压力的耐受性、识别脆弱物种及指导保护行动提供了高效、自动化的评估方案。

要点

这篇论文介绍了一个名为 ecoTolerance 的免费电脑软件工具（R 语言包），它的核心任务很简单：给野生动物做一个“抗压能力体检”。

想象一下，地球上的野生动物正生活在人类不断扩张的“包围圈”里。有些动物很娇气，一见到公路或人类就躲得远远的；而有些动物很“皮实”，甚至能在公路边或农田里安家。这个工具就是用来量化这种“皮实”程度的。

下面我用几个生动的比喻来解释这篇论文的核心内容：

1. 为什么要发明这个工具？（背景）

以前，科学家想研究动物怕不怕人类，得像个手工裁缝一样，自己找数据、自己画地图、自己算距离。这既费时又容易出错，就像每个人都要自己造一把尺子来量衣服，结果大家的尺码标准都不一样。

ecoTolerance 就像是一个全自动的“智能裁缝机”。它把复杂的测量过程打包好了，科学家只要把动物的“住址”（出现记录）放进去，机器就能自动算出它们对人类活动的适应程度。

2. 它是怎么工作的？（两个核心指标）

这个工具主要给动物打两个分数，就像给学生考两门课：

• 第一门课：公路耐受指数 (RTI) —— “离马路有多近？”

  • 比喻：想象动物住在一个大房子里，马路是房子外面的噪音源。
  • 怎么算：工具会测量动物住的地方离最近的一条马路有多远。
    • 如果动物总是住在马路边（比如离马路只有几百米），它的分数就很高（接近 1），说明它是个“马路通”，不怕噪音和车流。
    • 如果动物总是躲在深山老林，离马路几公里远，它的分数就很低（接近 0），说明它是个“避世者”，很怕人类。
  • 注：科学家可以调整“参考距离”，比如对于飞得很快的鸟，可能设定得远一点；对于爬得很慢的树懒，设定得近一点。

• 第二门课：人类足迹耐受指数 (HFTI) —— “周围有多热闹？”

  • 比喻：这不仅仅是看马路，而是看整个“社区”的热闹程度。这里有没有灯光？有没有农田？有没有高楼？
  • 怎么算：工具会查看动物周围 1 公里内的“人类改造程度”。
    • 如果动物生活在灯火通明、全是农田和城市的区域，分数就高，说明它适应人类改造的环境。
    • 如果动物生活在原始森林，周围一片漆黑、无人打扰，分数就低。

3. 它是怎么“体检”的？（工作流程）

想象你有一堆散乱的动物照片（数据），这个软件会做以下几步：

1. 大扫除（数据清洗）：把重复的照片、位置明显错误的照片（比如把海里的鱼标在陆地上）扔掉。
2. 去重（空间稀疏化）：如果同一个地方有 100 张照片，它不会让这个地方“霸占”结果，而是适当减少，保证公平。
3. 测量（计算距离）：自动连接地图上的公路和人类足迹数据，算出每个动物离人类有多近。
4. 打分（生成报告）：最后算出每个物种的平均分，并画出漂亮的地图和图表，告诉你哪些动物是“马路杀手”，哪些是“隐居达人”。

4. 实际案例：谁怕谁不怕？

作者用这个工具测试了巴西的几种动物，结果很有趣：

• 树懒 (Bradypus variegatus) vs. 野兔 (Sylvilagus brasiliensis)：
  虽然树懒爬得慢，野兔跑得快，但在这个测试中，它们对公路的适应程度差不多。这说明，只要树上有足够的树荫（栖息地），慢吞吞的树懒也能在路边生存。

• 两种青蛙的对比（关键发现）：

  • Boana faber：这种青蛙有很多被车压死的记录。软件算出它的分数很高（很耐受），因为它确实喜欢住在路边。
  • Boana boans：这种青蛙很少被车压死，软件算出它的分数很低（很敏感），因为它总是躲得远远的。
  • 启示：这个工具能迅速帮科学家识别出哪些物种最容易因为修路而灭绝，从而优先保护它们。

• 同一种树，不同的命运：
  作者测试了同一种树（Copaifera langsdorffii），发现它在“塞拉多”草原和“大西洋森林”里的适应程度不一样。这说明，即使是同一个物种，在不同的地方，面对人类的压力，表现也会完全不同。

5. 总结：这个工具有什么用？

ecoTolerance 就像是一个野生动物界的“压力测试器”。

• 对科学家：它省去了几个月写代码的时间，让他们能专注于思考生态问题。
• 对保护者：它能快速指出哪些动物是“脆弱组”，需要紧急保护；哪些动物是“适应组”，可以在人类活动区共存。
• 对决策者：在规划修路或开发土地时，可以参考这些数据，避开那些“脆弱组”动物的家，或者在必要的地方建立动物通道。

简单来说，这个软件让保护野生动物变得更科学、更快速、更公平，帮助我们在人类发展和自然保护之间找到更好的平衡点。

技术摘要

论文技术总结：ecoTolerance R 包

1. 研究背景与问题 (Problem)

在人类世（Anthropocene），人类活动（如城市化、道路建设）导致栖息地改变和破碎化，严重影响了野生动物的分布。虽然部分敏感物种因此消失，但一些耐受性强的物种能在受干扰环境中生存。
目前，生态学研究中缺乏一个统一、标准化的工具来量化不同物种对道路和人类足迹（Human Footprint）的耐受性。现有的指标往往难以在不同分类群间转移，或者计算过程繁琐，涉及数据清洗、空间缓冲、距离提取和统计汇总等多个步骤，容易在不同研究间产生不一致性。因此，亟需一个开源、自动化且可扩展的工具来评估物种对人类压力的耐受程度，从而识别脆弱物种并指导保护行动。

2. 方法论 (Methodology)

作者开发了 ecoTolerance，这是一个基于 R 语言的开源软件包，旨在通过标准化的工作流计算两个互补的连续指标：

核心指标定义

1. 道路耐受指数 (Road Tolerance Index, RTI)

   • 原理：基于物种出现记录与最近道路的距离。
   • 计算逻辑：
     • 设定一个参考距离（reference_distance，默认 3.5 km），代表道路影响的“零效应”阈值。
     • 计算每个观测点的个体道路指数 ($RI_i$)：
       $$RI_i = \frac{\text{reference\_distance}}{\text{reference\_distance} + \text{Distance to nearest road}_i}$$
     • 该公式将距离归一化为 0 到 1 之间的值（距离越近，值越高）。
     • 物种级 RTI：取该物种所有观测点 $RI_i$ 分布的中位数。
   • 含义：RTI 接近 1 表示物种耐受道路（常出现在道路附近）；接近 0 表示回避道路。

2. 人类足迹耐受指数 (Human-Footprint Tolerance Index, HFTI)

   • 原理：基于全球人类足迹栅格数据（Mu et al., 2022），该数据整合了建筑、人口密度、夜间灯光、农田等 8 个变量（范围 0-50）。
   • 计算逻辑：
     • 在每条观测记录周围建立 1 km 缓冲区，提取平均人类足迹值。
     • 进行归一化处理（除以 50），得到归一化人类足迹指数 ($NHFI_i$)，范围 0-1。
     • 物种级 HFTI：取该物种所有观测点 $NHFI_i$ 分布的中位数。
   • 含义：HFTI 接近 1 表示物种耐受高人类干扰；接近 0 表示偏好荒野或低干扰区域。

软件包工作流与功能

ecoTolerance 提供了一套自动化的处理流程，主要包含以下核心函数：

• 数据预处理：process_occurrences 用于去除重复记录，并基于用户定义的半径（默认 1 km）进行空间稀疏化（spatial thinning），防止采样偏差。
• 数据加载：load_roads 和 load_human_footprint 支持加载全球或特定区域（如巴西）的道路矢量数据和人类足迹栅格数据。
• 指数计算：
  • calculate_RTI 和 calculate_HFTI：分别计算个体指数和物种级中位数。
  • compute_indices：一键式管道函数，整合数据清洗、空间连接和指数计算。
• 可视化与报告：generate_all_reports 自动生成物种分布图（按指数着色）、密度分布图以及包含指数结果的 CSV 文件。

技术依赖

该包依赖于 R 生态系统的核心空间和数据操作包：sf（矢量数据处理）、raster（栅格数据处理）、dplyr（数据操作）和 ggplot2（绘图）。

3. 关键贡献 (Key Contributions)

1. 首个专用工具：填补了现有 R 包生态的空白，提供了首个专门用于同时评估道路和人类足迹对物种影响的标准化工具。
2. 自动化与可重复性：将复杂的空间分析步骤（去重、稀疏化、距离计算、栅格提取、统计汇总）封装为简单函数，显著减少了编码时间，降低了人为错误，提高了科学研究的透明度和可重复性。
3. 灵活性与可扩展性：
   • 支持从局部保护区到全球尺度的分析。
   • 允许用户根据特定物种的生态特征（如扩散能力、生活史）自定义参考距离和缓冲区大小。
   • 输出格式标准化，可无缝对接其他 R 包进行进一步分析。
4. 多尺度分析能力：不仅能比较不同物种间的耐受性，还能分析同一物种在不同地理种群（如不同生物群落）中的耐受性差异。

4. 结果 (Results)

作者利用 ecoTolerance 处理了 5 个物种的 3782 条记录（包括植物、哺乳动物和两栖动物），验证了工具的有效性：

• 物种差异：
  • 树懒 (Bradypus variegatus) 和 棉兔 (Sylvilagus brasiliensis)：尽管生活史特征不同（树懒移动缓慢，棉兔为奔跑型），两者均表现出中等的道路耐受性（RTI 分别为 0.520 和 0.599）和人类足迹耐受性。
  • 雨蛙 (Boana faber vs Boana boans)：具有显著差异。B. faber（有 183 起路杀记录）表现出高耐受性（RTI = 0.654, HFTI = 0.392），而 B. boans（路杀记录极少）表现出低耐受性（RTI = 0.183, HFTI = 0.111）。这表明 RTI 可作为快速筛选易受道路撞击物种的指标。
• 种群差异：
  • 油楠 (Copaifera langsdorffii)：在巴西塞拉多（Cerrado）和 Atlantic Forest（大西洋森林）两个生物群落的种群表现出不同的耐受谱（RTI: 0.321 vs 0.419），反映了不同区域土地利用历史和道路密度的差异。
• 性能：该包成功处理了高达 35,000 个观测点的数据集，计算效率高，且生成的空间输出（sf 对象）可直接用于绘图和进一步分析。

5. 意义与展望 (Significance)

• 保护决策支持：ecoTolerance 为识别对道路和人类活动高度敏感的脆弱物种提供了快速、量化的依据，有助于优先规划保护区域和缓解措施（如建立生态廊道）。
• 科学实践标准化：通过开源代码和标准化流程，促进了生态学研究中关于人为影响评估的可重复性和透明度。
• 未来潜力：该工具不仅适用于全球评估，还可用于探索不同生物群落间种群适应性的差异，以及人为变化如何重塑景观中的功能冗余。
• 局限性：目前高度依赖精确的地理空间数据；未来版本计划整合更多数据层（如森林砍伐、破碎化指标）并增强数据质量自动检查功能。

总结：ecoTolerance 是一个强大的、用户友好的 R 包，它通过自动化计算 RTI 和 HFTI，极大地简化了评估野生动物对人类干扰耐受性的过程，为生物多样性保护和土地利用规划提供了重要的技术支撑。