← 最新论文
🧬 biology

City-specific or generalisable resistances? An urban animal connectivity model performs better when parameterised from two cities

通过分析慕尼黑和昂热黑鹂的常见移动模式,本研究表明,尽管不同城市之间的绝对生境阻力值存在差异,但结合来自多个城市环境的数据可以显著提高连通性模型在识别相对障碍重要性方面的预测准确性和可迁移性。

原作者: Lisa Merkens, Meret Pundsack, Anne Mimet, Damien Gourmelon, Wolfgang W Weisser

发布于 2026-08-12
📖 1 分钟阅读☕ 轻松阅读

原作者: Lisa Merkens, Meret Pundsack, Anne Mimet, Damien Gourmelon, Wolfgang W Weisser

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

想象一下,城市不仅仅是人类居住的地方,更是一个巨大的、繁忙的动物迷宫。对于鸟类、松鼠或刺猬来说,从一个公园移动到另一个公园不仅仅是飞翔或行走的问题;这是一场充满障碍的高风险导航游戏。有些事物,比如一片安静的草地或一棵高大的树,就像是开阔的高速公路——易于穿越且充满了食物。而另一些事物,比如一座摩天大楼或一条轰鸣的公路,则像是巨大的墙壁或深邃的护城河,让旅程变得危险甚至无法完成。科学家们将这些障碍称为“阻力”。为了帮助动物在我们的水泥丛林中生存,城市规划者使用计算机模型来绘制最佳路径,希望能连接起绿地,让动物能够找到食物、配偶和安全的筑巢地。但问题的关键在于,这些模型需要一本“规则手册”。它们需要准确知道特定动物穿越特定建筑或街道的“难度”究竟有多大。

科学家们一直苦恼的大问题是:这本规则手册是通用的,还是专门为每座城市编写的?对于在慕尼黑的一只鸟来说,一座“中型建筑”带来的恐惧感,是否与在昂热的一只鸟所感受到的相同?或者说,城市的局部氛围、布局和历史,是否会改变动物看待世界的方式?如果我们不能信任一本为一座城市编写的规则手册能在另一座城市发挥作用,我们可能会建造错误的桥梁,或者错过最重要的路径。这种不确定性使得在大规模范围内保护野生动物变得困难,因为我们不能简单地将一个地方的保护计划“复制粘贴”到另一个地方,而不去检查它是否真的适用。

这项研究决定通过扮演“侦探”的角色来测试这个想法,研究对象是普通的乌鸫(blackbird)——一种已成功适应在欧洲城市生活的鸟类。研究人员利用来自两个截然不同的欧洲城市——德国慕尼黑和法国昂热的数据,提出了一个简单但深刻的问题:我们能否将在一座城市中学到的“阻力规则”应用到另一座城市,还是说我们每次都需要从头开始?他们还想知道,如果将两座城市的数据混合在一起,是否会创造出一本比其中任何一本都更好的“超级规则手册”。

为了找出答案,他们把这两座城市当作两个不同的电子游戏关卡。首先,他们观察了黑鸫在慕尼黑和昂热实际移动和飞行的轨迹。他们观察了鸟类在避开什么,以及在寻求什么。他们发现,鸟类理想家园的“购物清单”在两座城市中都非常一致:无论在哪座城市,它们都喜欢由树木、灌木和草地组成的混合区域,所以它们的“栖息地需求”是易于迁移的。

然而,当他们观察障碍物时,故事变得更有趣了。他们发现,虽然障碍物的“排序”在两座城市中是一致的(高层建筑总是最可怕的,其次是中型建筑,然后是街道),但实际的“恐惧强度”却不同。在慕尼黑,一座低层建筑带来的阻碍感比一条街道更大;但在昂热,街道带来的恐惧感与低层建筑几乎一样。这就像是在说,在某座城市里,一面10英尺高的墙是一个彻底的阻断,而在另一座城市里,它仅仅是一个小小的麻烦。绝对数值并不完全匹配,这意味着你不能直接把一座城市的阻力值“复制粘贴”到另一座城市,并期望它能完美运作。

但转折点就在这里:当研究人员将两座城市的数据结合起来,创建一个单一的共享模型时,它的表现竟然比仅使用慕尼ach数据来预测慕尼黑境内的移动要好得多。这就像是通过倾听两组不同鸟类的声音,他们比仅通过一组鸟类的声音,更准确地掌握了黑鸫对城市生活的整体“感觉”。这个组合模型预测慕尼黑鸟类行踪的能力,甚至略微超过了仅基于慕尼黑数据的模型。这表明,虽然每座城市都有其独特的怪癖,但存在着只有通过观察大局才能显现出来的潜在规律。

那么,结论是什么?论文指出,我们不能盲目地将一座城市的精确阻力数值“复制粘贴”到另一座城市并期望完美。街道或建筑的特定“恐惧系数”会根据当地环境而变化。然而,我们确实可以迁移关于“什么是可怕的、什么是安全的”这一通用的等级排序。更重要的是,这项研究暗示,如果我们想要为未来绘制最准确的地图,我们不应该孤立地研究单座城市。通过汇集多座城市的数据,我们或许就能创造出一个更聪明、更可靠的指南,来帮助动物在不断变化的城市世界中穿行。这并不是解决一切问题的灵丹妙药,但它有力地建议:城市之间的协作,可能会为我们这些有羽毛的邻居带来更好的保护计划。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →