(高清版)GBT 37364.4-2024 陆生野生动物及其栖息地调查技术规程 第4部分：鸟类

陆生野生动物及其栖息地调查技术规程2024-03-15发布2024-07-01实施GB/T37364.4—2024前言 I Ⅱ 2规范性引用文件 13术语和定义 4调查内容 l5调查方法 15.1预调查 15.2抽样要求 25.3分布区域调查方法 25.4种群数量调查方法 5.5栖息地调查方法 55.6受威胁因素调查方法 55.7保护现状调查方法 5.8调查季节及频次 55.9新技术应用 56数据处理和统计分析方法 56.1原始数据的记录、校正、保存 56.2分布面积计算 66.3栖息地面积计算 6.4种群密度及数量计算 66.5受威胁因素分析 6.6保护现状分析 7调查成果 67.1成果材料 67.2成果要求 8质量控制 8.1基本方法 78.2补充调查 78.3重新调查 附录A(资料性)记录表格式 附录B(规范性)水鸟同步调查法 附录C(资料性)应用物种分布模型计算野生动物栖息地面积的方法——以最大熵模型为例 附录D(资料性)应用距离抽样模型计算野生动物种群密度的方法示例 附录E(资料性)应用物种分布模型计算野生动物种群数量的方法示例 I本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。本文件为GB/T37364《陆生野生动物及其栖息地调查技术规程》的第4部分。GB/T37364已经发布了以下部分：——第1部分：导则；——第2部分：调查区划；——第4部分：鸟类。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由国家林业和草原局提出。本文件由全国野生动物保护管理与经营利用标准化技术委员会(SAC/TC369)归口。本文件起草单位：国家林业和草原局林草调查规划院、中国科学院动物研究所、中国科学院昆明动物研究所、中国科学院地理科学与资源研究所、中国林业科学研究院、北京师范大学、安徽师范大学。ⅡGB/T37364旨在确立陆生野生动物及其栖息地调查的基本方法。GB/T37364拟由9部分构成。——第1部分：导则。目的在于提供陆生野生动物及其栖息地调查的基本术语和一般要求。——第2部分：调查区划。目的在于提供陆生野生动物及其栖息地调查的区划方案及各单元的名——第3部分：兽类。目的在于提供兽类调查的基本方法。——第4部分：鸟类。目的在于提供鸟类调查的基本方法。——第5部分：爬行类。目的在于提供爬行动物调查的基本方法。——第6部分：两栖类。目的在于提供两栖动物调查的基本方法。——第7部分：昆虫。目的在于提供昆虫调查的基本方法。——第8部分：无脊椎动物(除昆虫外)。目的在于提供无脊椎动物(除昆虫外)调查的基本方法。——第9部分：人工繁育及利用调查。目的在于提供野生动物人工繁育及利用调查的基本方法。1陆生野生动物及其栖息地调查技术规程第4部分：鸟类本文件规定了鸟类野生种群及其栖息地调查的调查内容、调查方法、数据处理和统计分析方法、调查成果、质量控制等技术要求。本文件适用于鸟类野生种群分布、数量、栖息地状况、受威胁因素、保护现状调查。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。GB/T37364.1陆生野生动物及其栖息地调查技术规程第1部分：导则GB/T37364.3陆生野生动物及其栖息地调查技术规程第3部分：兽类GB/T38590森林资源连续清查技术规程3术语和定义GB/T37364.1和GB/T37364.3界定的以及下列术语和定义适用于本文件。同步调查法synchoronoussurvey按照统一的调查方法和技术标准，多人多点在同一时期内对不同区域或同一区域不同地点的某种(类)野生动物进行调查。注：直接计数法的一种特殊形式。观测点watchingsite调查队员观测鸟类的地点。4调查内容5调查方法5.1预调查正式调查前宜对各调查地点进行初步调查，收集自然地理及社会经济的有关信息，初步了解调查地点的地形地貌、植被以及调查对象的分布和活动规律等，并对拟选定的调查方法进行实地检验。25.2抽样要求应符合GB/T37364.1的规定。5.3分布区域调查方法应对鸟类的分布地点、分布范围、分布面积进行调查，调查按照GB/T37364.1的方法。5.4种群数量调查方法适用种类按照GB/T37364.1的规定。宜根据调查对象的生态生物学习性，选择鸟类活动的高峰期进行调查。对于多物种(类群)的调查，一般宜在日出前半小时至日出后3h以内以及日落前2h至日落期间进行。样线长度宜根据调查目标、调查对象、交通工具及调查地点的具体情况确定。样线长度以一个调查小组在一个调查时段内能完成的行进距离为宜。对于多物种(类群)调查，步行调查时，在平缓区域及一般山区，样线长度一般不少于3km;在陡峭山区，样线长度一般不少于2km;在特别陡峭山区，样线长度一般不少于1.5km。乘用交通工具调查时，样线长度应适当加长。对于单物种(类群)的调查，样线长度可根据调查对象具体确定。森林景观中样线间距应不少于1km,草原、草甸、荒漠等开阔景观内的样线间距应不少于5km。样线上行进的速度根据行进方式确定，步行宜为1km/h～2km/h,车(船)行宜为10km/h~到达样线起点后，调查人员沿样线行进，记录样线调查的行进轨迹(可以用手机、平板电脑、北斗终端、全球定位仪等电子仪器记录，存储为gpx、kml等通用文件格式),仔细观测样线两侧及前方，发现鸟类实体或痕迹时，记录鸟类名称、实体数量或痕迹种类及数量、距离样线中线的垂直距离、各发现位点的地理坐标、影像等信息(见附录A中表A.1)。适用种类按照GB/T37364.1的规定。3以调查人员所在地为样点中心，观察并记录周围发现的鸟类，记录鸟类的名称、数量、距离样点中心距离、影像等信息(见表A.2)。每个样点的计数时间为10min。每个个体仅记录1次，确认是离开样点后又返回的鸟类不重复计数。5.4.3直接计数法适用种类按照GB/T37364.1的规定。对于调查区域较大或者多个区域的集群水鸟进行数量调查时，宜采用同步调查法，具体方法应符合附录B的规定。宜在调查对象的集群期间进行调查。调查对象的集群时间、地点、范围可通过访问调查、历史资料、预调查等确定。在每一个观测点上对鸟类个体进行直接计数，并进行信息记录。当鸟类数量较多或处于群体飞行状态时，可以5、10、20、50、100等为基数估计鸟类的数量，也可结合现场影像估计鸟类数量。记录观测点的位置以及鸟类名称、数量、影像等信息(见表A.3)。注：自动记录法的一种，也称红外相机法或相机陷阱法，按照统计学要求布设能够自动触发拍摄野生动物的自动相机，对自动相机获取的影像信息进行分析，获取野生动物种类、数量、生态习性、行为和栖息地类型等的调查方法。适用种类按照GB/T37364.1的规定。宜按照相机组布设自动相机。相机组的数量及布设方法宜根据项目区域面积、项目目标、栖息地类型等确定。每个相机组宜至少包括20台自动相机，并按照以下方法布设自动相机。——进行多物种(类群)调查时，宜按照以下方法布设自动相机：●在森林生态系统，宜按照1km×1km的网格布设自动相机。在不适合按照网格布设相机的陡峭山区，可根据海拔梯度布设，海拔每增高100m～200m宜布设1台自动相机，相机之间水平间距宜为1km～2km。●在其他生态系统，宜根据具体情况确定网格大小。—进行单物种(类群)调查时，布设相机的网格大小宜依据调查对象具体确定。多物种(类群)调查时，每台自动相机的拍摄时间宜不少于30d;单物种(类群)调查时，宜根据调查对象确定相机拍摄时间。对极度濒危物种调查时，每台自动相机的拍摄时间宜不少于100d。4在同一项目中，各相机的设置一致，主要参数设置如下：——时区：应为东8区；——拍摄时间：宜为全天；——连拍张数：宜为≥3张； ——触发间隔：宜为≥1min;在事先确定的安装地点附近，选择合适的位点安装相机。选择相机安装位点时考虑以下因素：——宜安装在鸟类可能经常出现的地点，如水源地、集群地、求偶地、取食地等处；——相机前面宜具有相对较大的空间；——镜头前没有遮挡(在植物生长季节需要特别注意植物生长的枝条、叶片等可能遮挡镜头);——宜避开阳光直射相机镜头；——距离鸟类可能活动的位置远近合适。相机高度宜根据主要调查对象的大小、安放地点的视野开阔度、拍摄角度等确定。相机应固定在树干、岩石等自然物体上或支架上，确保相机不易脱落。相机固定后，应进行测试，确保相机正常工作。相机安装完毕后，应对现场进行清理，还原当地自然环境。对于没有连接互联网的自动相机，宜每3个月～6个月检查一次相机、存储卡、电池的工作状态，更换存储卡。当电池电量不足30%时，更换电池。对于已经连接互联网的自动相机，根据接收到的相机工作状态及时进行检查维护。进行相机安装、检查、更换存储卡、取回相机时，应记录有关信息(见表A.4、表A.5)。取回存储卡后，应将影像文件及时传输到计算机中，进行物种鉴定，填写物种鉴定记录表(见表A.6)。5.4.5录音回放法适用种类按照GB/T37364.1的规定。5应结合样线法或样点法进行。在样线行进过程中或在样点上播放事先录制的目标物种的声音，有注：也称鸣声定位法，根据动物发出的声音确定动物种类、数量及地点的调查方法。适用种类按照GB/T37364.1的规定。应结合样线法或样点法进行。在样线行进过程中或在样点上仔细倾听或通过仪器获取鸟类鸣(叫)5.5栖息地调查方法调查方法及栖息地类型的划分按照GB/T37364.1的规定。地貌类型、坡向、坡位的划分及坡度的测量按照GB/T38590的规定。5.6受威胁因素调查方法对鸟类及其栖息地受到的威胁因素进行调查，调查方法、受威胁因素及强度的划分按照GB/T37364.1的规定。5.7保护现状调查方法对鸟类及其栖息地受到的保护状况等进行调查，调查方法按照GB/T37364.1的规定，记录表见5.8调查季节及频次5.8.1对于迁徙鸟类，至少应在繁殖期、越冬期、春季迁徙期、秋季迁徙期分别进行调查；对于留鸟，至少应在繁殖期和越冬期分别进行调查。繁殖期和越冬期调查均应在调查对象的种群数量相对稳定的时期进行。5.8.2应根据当地的物候特点以及主要调查对象的习性确定繁殖期和越冬期。对于大部分地区，繁殖期为每年4月至7月，越冬期为每年12月至翌年2月。5.9新技术应用宜在不违背基本抽样原则、基本调查方法的基础上，采用新技术、新手段、新方法进行调查。6数据处理和统计分析方法6.1.1外业调查结束后，应及时检查原始调查记录表，无错误后录入计算机或相应信息系统。6.1.2可采用电子设备进行实时记录，及时传输，并应留有备份文件。66.2分布面积计算宜采用公里网格法、核密度法、地形图勾绘法、物种分布模型或最小凸多边形法等方法，确定物种的分布面积。6.3栖息地面积计算宜充分利用地理信息系统，采用遥感判读、物种分布模型等方法，确定物种的栖息地面积(见附录C)。6.4种群密度及数量计算抽样调查的，宜采用距离抽样模型、物种分布模型等方法，进行种群密度及数量计算(见附录D、附录E)。但抽样调查中鸟类发现位点较少、没有达到数理统计要求的或没有达到模型应用条件的，不宜进行种群数量推算。采用直接计数法、同步调查法进行调查的，应将各观测点的记录数量直接累加作为种群数量的结果。6.5受威胁因素分析宜根据外业记录及有关资料，进行受威胁因素分析。6.6保护现状分析宜根据外业记录及有关资料，进行保护现状分析。7调查成果7.1成果材料调查成果包括有关表格材料、图面材料、文字材料、影像(音频)材料以及上述材料的电子文档。7.2成果要求应符合GB/T37364.1的规定7.2.2文字材料与表格材料文字材料宜按A4版面印刷，表格材料宜按A4版面或A3版面印刷。符合专题图的制图标准及精度要求，具有准确完整的制图投影参数。7.2.4影像(音频)材料宜尽可能获取各种鸟类的照片或视频。每一新种、新记录种应提供至少3张照片或10s长的视频。录音音频应完整、清晰。文字材料应为WORD格式或WPS文字格式，表格材料为EXCEL格式或WPS表格格式，图面材7料为shp文件，样地坐标、航迹为具有空间信息的通用文件，如shp、gpx、kml等格式文件，照片、影像(音频)等材料为未经任何编辑的原始文件。8质量控制8.1基本方法按照GB/T37364.1的规定。经统计分析，样地数量未达到GB/T37364.1要求的，应进行补充调查。8.3重新调查有下列情况之一的重新调查：——调查人员不能准确识别和记录调查对象；——调查样地不符合规定；——调查方法不符合规定；——调查时间段(指一天中的时间段)不符合要求；——缺乏原始记录或原始记录中缺乏关键内容；——观测仪器不符合规定。(资料性)记录表格式表A.1～表A.8分别给出了各记录表的格式，包括样线法调查记录表，样点法调查记录表，直接计数法调查记录表，自动相机安装记录表，自动相机检查、换卡、回收记录表，自动相机照片(视频)物种鉴定记录表，保护现状调查记录表，水鸟同步调查记录表。表A.1样线法调查记录表m鸟类名称实体数量/只痕迹种类及数量/个距离样线中线垂直距离/m经度纬度发现时间(时、分)栖息地类型坡度坡位坡向受威胁因素备注粪便足迹链巢穴其他因素程度GB/TGB/T37364.4-2024鸟类名称数量/只距样点中心距离/m发现时间(时、分)备注台表A.3直接计数法调查记录表鸟类名称鸟类数量/只备注相机地点： "存储卡编号：□倒木，□其他坡位：□山脊，□上坡，□中坡，□下坡，□山谷，□平地坡向：□东，□东北，□东南，□南□西南，□西，□西北，□北，□无坡向坡度：°距离居民点距离(km):居民点类型：□散户，□村屯，□乡镇，□城市，口其他距离水源地距离：□<100m□≥100m水源类型：□河流，□溪流，□湖泊，□水库，□水塘，□其他植被类型：乔木平均高度(m):□5～9,□10～19,森林类型：□原始林，□次生林，□人工林，□无10m范围内最粗5棵树的胸径(cm):郁闭度：□>20%,□10%～20%,灌木高度(m):□0～1,□1～3,□3～5,□>5覆盖度：□0%～24%,□25%～49%,□50%～74%,□75%～100%类型：□常绿针叶，□常绿革叶，□常绿阔叶，□落叶阔叶，□灌草丛，□其他，□无优势物种：草本覆盖度：□0%～24%,□25%～49%,□50%～74%,□75%～100%类型：□竹子为主，□其他禾本为主，□其他，□无受威胁因素(距离相机位点50m半径内):备注相机地点：省县乡村小地名：保护地名称：相机状态：□正常，□损坏，□丢失，□脱落，□停止工作，□其他处理方式：□未做处理，□修复，□取回相机，□报告项目负责人电池状态：□正常，□损坏，□丢失，□脱落，□其他处理方式：□未做处理，□更换电池，□取回相机，□报告项目负责人存储卡状态：□正常，□损坏，□丢失，□脱落，□其他处理方式：□未做处理，□更换存储卡，□取回存储卡，□报告项目负责人原存储卡编号：新存储卡编号：表A.表A.6自动相机照片(视频)物种鉴定记录表影像为野生动物时，填写物种名称;影像不是野生动物时，根据拍摄到的影像，分别填写"家禽"家畜"工作人员""其他人员"植物""其他情况"天气状况以数字表示，其中,0表示未知,1表示睛,2表示雨,3表示阴,4表示雪?积雪以数字表示，其中,0表示无,1表示有。受威胁程度以数字表示，其中,0表示受威胁程度为"无",1表示受威胁程度为"低",2表示受威胁程度为"中",3表示受威胁程度为"高"影像类别以数字表示，其中,0表示照片,1表示视频。物种鉴定复核物种鉴定复核<照物种数量/只蚩物种名称或其单物种名称或其地华日纬度纬度经度果紫长表A.7保护现状调查记录表调查地点：省县乡村_村民小组小地名保护地名称：动物名称种群保护栖息地保护救护繁育年度调查研究次数/次监测次数次巡护次数次保护地名称面积/hm²类型年度救护数量只繁育数量只死亡数量只放归数量只GBGB/T37364.4-2024表A.8水鸟同步调查记录表观测分区编号；观测分区位置：乡村栖息地类型(湿地类型)受威胁因素受威胁程度中文名发现数量/只备注'成体*亚成体幼体成幼不明“成体和幼体形态明显不同，宜识别的，应分别填写成体、幼体数量；不易识别的，可以不区分成幼，其数量直接填写到“成幼不明”一栏。b不能识别到种的，在备注中填写可识别到的类群名称及数量。示(规范性)水鸟同步调查法全国冬季水鸟同步调查宜在1月份进行，全国春季水鸟同步调查宜在3月至5月进行，全国秋季水鸟同步调查宜在9月至11月进行。流域性的、区域性的、单物种(类群)的水鸟同步调查可根据各地、各主要调查对象的集群时间确定，宜与全国性的或区域性的水鸟同步调查时间一致。B.2调查日期同一调查项目各调查地点的调查日期应基本一致，同一调查地点的调查应在同一天完成。沿海地区水鸟同步调查应在海水潮汐的近高潮期间进行。B.3调查方法B.3.1调查地点确定应根据调查对象的分布情况确定调查地点，并根据具体地形、地貌和调查对象的集群情况，确定每个调查地点的调查范围。B.3.2观测分区划定宜将每个调查地点的调查范围划分为一个或多个观测分区，并确定各观测分区的范围和面积。观测分区宜覆盖调查地点的所有调查对象的集群地。一个观测分区的面积以一个调查小组当天能够完成调查工作为限，各分区边界宜具有明显的地物标志。B.3.3观测点选定应根据调查对象的集群及分布状况具体选定观测点。一个观测分区内可以选择一个或多个制高点作为观测点，可通过这些观测点观测并计数观测分区内的所有鸟类个体。观测点的选择应尽量使观测分区内所有调查对象的个体均能够被发现和记录，但每个观测点的观测范围应相对独立，以避免对水鸟个体的重复计数。B.3.4观测计数在每一个观测点上对水鸟个体进行直接计数，并进行信息记录。当水鸟数量较多或处于群体飞行B.3.5信息记录(资料性)应用物种分布模型计算野生动物栖息地面积的方法——以最大熵模型为例C.1步骤C.1.1数据收集收集与目标物种分布相关的数据，包括物种记录、生态调查数据、地理信息系统数据、地形数据等。C.1.2数据处理对收集的数据进行处理，使其与物种分布模型使用的数据格式相匹配。具体步骤包括数据清洗、空C.1.3物种分布模型选择选择合适的物种分布模型。使用准备好的数据对选择的物种分布模型进行训练。在训练过程中，模型将学习物种与环境因素之间的关联关系，并生成一个预测模型。C.1.5模型验证将一部分数据保留为验证集，然后将模型的预测结果与验证集中的数据进行比较，评估模型在验证集数据上的表现。C.1.6面积计算使用训练好的物种分布模型对整个研究区域目标物种的分布进行预测，得到目标物种的潜在分布范围。然后，根据设定的阈值将分布范围转化为二进制栖息地分布图，其中1代表适宜栖息地，0代表不适宜栖息地。最后，通过对适宜栖息地的像素进行计数或面积测量，得到栖息地面积的估计值。注：物种分布模型只能提供预测和估计，而实际的栖息地面积可能受到其他因素的影响，如土地利用变化、人类活动等。因此在应用物种分布模型进行栖息地面积估计时，需要对模型进行验证和评估，并需要结合其他数据和专家知识进行综合分析。C.2以最大熵模型计算动物栖息地面积的R代码注2:R包版本为：base≥4.3,stats≥4.3,dismo≥1.1—4,raster≥3.6—20,sp≥1.6—0。注3:代码包含模型灵敏性指标。如果随机选择一些对照点，可以计算模型特异性指标，以及Kappa指数、ROC/AUC、混淆矩阵等指标。#导入所需的包library(dismo)#读取R包dismo的物种分布数据(R包dismo的ex目录下的动物分布点bradypus.csv)occurence<-paste(system.file(package="dismo"),'/ex/bradypus.csv',sep='")occ<-read.table(occurence,header=TRUE,sep=’,’)[,-1]#只有经纬度两列#读取目标物种的分布数据occ<-read.csv("my_data.csv")#读取R包dismo的环境变量数据#R包dismo的ex目录下的9个环境变量是grd格式的栅格图层fnames<-list.files(path=paste(system.file(package="dismo"),'/ex',sep='')pattern='grd',s=TRUE)predictors<-stack(fnames)#把图层叠加在一起plot(predictors)#显示环境数据#读取目标物种的环境变量数据library(raster)predictors<-brick('my_variables.grd’)#划分训练集和测试集train_index<-sample(1:nrow(occ),nrow(occ)*0.8)#train_data<-occ[train_index,]test_data<-occ[-train_index,]#构建最大熵模型maxent_model<-maxent(predictors,train_data,factors=’biome’)##指定为factor使用80%的数据作为训练集maxent_model#显示模型结果#预测每个栅格的物种存在的概率predictions<-predict(maxent_model,predictors)plot(predictions)#显示物种分布概率的空间异质性#根据设定的阈值(比如0.6)将预测结果转化为二进制栖息地分布图threshold<-0.6num_cells<-sum(values(predictions)〉threshold,na.rm=T)#计算适宜栖息地面积resolution=1#适用于公里网格的图层suitable_area<-num_cells*resolution#resolution为栅格单元的面积cat("估计的栖息地面积：",suitable_area,"面积单位")check<-extract(predictions,test_data)checkout<-cbind(test_data,p=check,presence=check>threshold)#模型敏感性(sensitivity)sum(checkout$presence)/length(checkout$presence)(资料性)应用距离抽样模型计算野生动物种群密度的方法示例D.1步骤D.1.1数据收集根据距离抽样法(样线法、样点法)调查结果，收集整理每一个动物个体或群体的位置数据，包括发现位点经纬度、动物到观测者之间的距离等。D.1.2建立探测函数根据动物发现位点数和动物到观测者之间的距离，量化随着野生动物与观察者之间距离增加，动物发现位点数减少的程度。D.1.3密度估计根据探测函数估计动物的密度和置信区间。D.1.4结果解释和评估根据置信区间评价距离抽样的可靠性。D.2应用距离抽样模型计算种群密度的R代码注1:应用距离抽样模型的假设前提包括发现位点独立分布、可观测到的个体具有代表性、没有距离偏差等。注2:代码应用了R包abundanceR中示例物种的监测数据，这些数据仅作为示例。数据中的关键字段是species、size、distance、Lat和Lon。关键字段的名称和大小写已经固定。其中size是每个群体的个体数，distance是动物到观测者的距离，单位是米。注3:distanceSampling比较了3个探测函数和3个矫正项共9个组合的拟合优度，并按顺序进行排列。后面ds函数是选择第一个也是最优组合来进行探测函数建模。注4:示例中观测半径设为500m,样线宽度设为1000m,是根据该示例物种的大小、栖息地环境、调查时的环境透视度等确定的，不一定适合其他物种。注5:R包的版本为：base≥4.3,stats≥4.3,Distance≥1.0.7,mrds≥2.2.8,geosphere≥1.5-10,randomForest≥library(abundanceR)#调用动物数量估计的R包data(kiang)#调用目标物种数据head(kiang)#查看目标物种数据(前6行)mean(kiang$size);sd(kiang$size)#平均群体大小和标准差sum(kiang$size[kiang$distance<=500])#500m内观测到的目标物种的个体总数length(kiang$size[kiang$distance<=500])#500m内观测到的目标物种的总群数set.seed(1)#固定随机化过程library(Distance)#调用距离抽样的R包#拟合探测函数和矫正项的所有组合AICs=distanceSampling(kiang[kiang$distance<=500,])#需要1min～5minAICs=AICs[!is.na(AICs$AIC),]#去掉空值#应用最佳参数(探测函数和矫正项)进行距离抽样的计算ds.kiang<-ds(kiang,key=AICs$Key[1],adjustment=AICs$Adjustment[1],truncation=500)#显示结果，包含探测率及其标准误、目标物种的个体数量及其标准误(results=summary(ds.kiang))#估计密度data(shape)#调取样线数据(shape文件)plot(shape)#library(rgdal)points(kiang$Lon,kiang$Lat)lon_range=max(kiang$Lon)-min(kiang$Lon)#经度范围lat_range=max(kiang$Lat)-min(kiang$Lat)#纬度范围DIS_degree=lon_delta=DIS_degree*cos(theta)#根据样线长度矫正的经度范围lat_delta=DIS_degree*sin(theta)#根据样线长度矫正的纬度范围library(geosphere)#样线长度，单位为公里DIS=distm(c(min(kiang$Lon),min(kiang$Lat)),c(min(kiang$Lon)+lon_delta,min(kiang$Lat)+lat_delta),fun=distHaversine)/1000detection_depth=0.5#0.5kmAREA=DIS*detection_depth*2#两侧density=results$ddf$Nhat/AREA#图示探测函数plot(ds.kiang,main=paste("Key:",AICs$Key[1],"\n","Adjustment:",AICs(资料性)应用物种分布模型计算野生动物种群数量的方法示例E.1步骤E.1.1整理数据根据样线法调查结果，整理动物分布位点数据和样线轨迹数据。E.1.2计算探测率计算距离抽样的探测率。E.1.3建立物种分布模型应用动物分布位点和环境变量，建立物种分布模型。E.1.4估计动物数量应用物种分布模型估计整个区域的动物数量。E.1.5获取样线点位信息通过样线轨迹，获取样线点位信息，宜每公里取1个点位。E.1.6提取动物数量的预测值利用样线点位提取样线上动物数量的预测值。E.1.7计算预测偏差对比预测值和实际观测值，得到预测偏差。E.1.8准确估计动物数量利用预测偏差矫正预测数据，得到动物数量的准确估计。E.1.9计算空间异质性计算预测偏差的空间异质性。E.1.10计算置信区间汇总距离抽样、物种分布模型和预测偏差的不确定性，计算动物数量的置信区间。E.2用物种分布模型计算种群数量的R代码注1:该示例方法适用于对在开阔区域容易发现的大型动物调查结果的计算。注2:代码应用了R包abundanceR中示例物种的调查数据，这些数据仅作为示例。数据中的关键字段是species、size、distance、Lat和Lon。关键字段的名称和大小写已经固定。其中size是每个群体的个体数，distance是动物到观测者的距离，单位是米。注3:distanceSampling比较了3个探测函数和3个矫正项共9个组合的拟合优度，并按顺序进行排列。后面ds函数是选择第一个也是最优组合来进行探测函数建模。注4:需要提前下载环境变量栅格数据。29个全球环境变量数据的下载地址为：/s/1noU8A7WcsuYx0MSiQq6CeQ,提取码为1234。注5:R包的版本要求为：abundanceR≥100,base≥4.3,stats≥4.3,Distance≥1.0.7,raster≥3.6—20,mrds≥2.2.8,geosphere≥1.5—10,randomForest≥4.6—14,rgdal≥1.5—16。library(abundanceR)#调用动物数量估计的R包data(kiang)#调用目标物种的数据head(kiang)#查看目标物种的数据(前6行)mean(kiang$size);sd(kiang$size)#平均群体大小和标准差sum(kiang$size[kiang$distance<=500])#500m内观测到的目标物种的个体总数length(kiang$size[kiang$distance<=500])#500m内观测到的目标物种的总群数set.seed(1)#固定随机化过程library(Distance)#调用距离抽样的R包#拟合探测函数和矫正项的所有组合AICs=distanceSampling(kiang[kiang$distance<=500,])#约需要1min～5minAICs=AICs[!is.na(AICs$AIC),]#去掉空值#应用最佳参数(探测函数和矫正项)进行距离抽样的计算ds.kiang<-ds(kiang,key=AICs$Key[1],adjustment=AICs$Adjustment[1],truncation=500)#显示结果，包含探测率及其标准误、目标物种的个体数量及其标准误summary(ds.kiang)SM=summary(ds.kiang)#平均探测率Average.p=SM$ds$average.p;Average.p#距离抽