下载掌阅APP，畅读海量书库
立即打开
图2-1 调查区域的分布示意，按照顺时针方向在图上标出序号：① 天峻；② 鸟岛；③ 青海湖北部地区；④ 青海湖东部地区；⑤ 切吉；⑥哇玉。前面4个地区属于青海湖盆地，后两个地区属于共和盆地。右上角小图中红色星形代表北京，红色三角形代表调查区域。调查区域的基本信息见表2-1。
我们在所有已知的普氏原羚分布区进行了调查（n=6，图2-1和表2-1）。这些区域分布在位于青藏高原东北角的青海湖盆地和相邻的共和盆地（E98°24′—E100°54′，N36°12′—N37°36′）。青海湖海拔3200米，共和盆地平均海拔3000米，两个盆地以青海南山相隔。青海湖周边地区年平均气温在0℃左右，年降水量约400～500毫米。共和盆地相对更加温暖而干燥，年平均气温在2℃左右，年降水量约200毫米（张忠孝，2004）。青海湖周边的主要植被类型为高寒草原、高山草甸和高山灌丛（张忠孝，2004）。在湖的北部和东部地区分布有农场和村庄，靠近湖边还有小片沙地，从而使湖区的地表呈现不同景观的组合。共和盆地的主要植被为沙漠灌丛（张忠孝，2004）。
表2-1 对普氏原羚的分布和种群数量调查区域（2008—2009）
注：植被类型信息来源于《青海地理》（张忠孝，2004）。各地区的编号与图2-1的序号相对应。
研究区域涉及4个县：海晏县、刚察县、天峻县和共和县，以及一个国家级自然保护区——青海湖国家级自然保护区。海晏县和刚察县属于海北藏族自治州（以下称“海北州”），天峻县属于海西蒙古族藏族自治州（以下称“海西州”），共和县属于海南藏族自治州（以下称“海南州”）。三个州都是多民族聚集地区，世居民族有藏、汉、回、蒙古、撒拉、土等民族。汉族人口仍占主体，在海北州占42％，在海西州占85％，在海南州占36％；藏族人口在海北州占21.3％，在海西州占11.4％，在海南州占56％，为第二大人口组成。
青海湖自然保护区成立于1975年，并于1997年升级为国家级自然保护区，保护面积为4952平方千米（包括湖面面积）。保护区以环湖的三条公路为界（315国道，109国道和环湖东路），除了鸟岛保护站内的核心区外，其他区域内均有牧民生活，在草地上放牧牛羊。同时，保护区内还有几个著名的旅游景点。
自2007年10月至2009年11月，根据文献记载（叶润蓉，等，2006；章克家，等，2007），我们在所有已知的普氏原羚分布区进行了调查（图2-1）。在青海湖保护区工作人员的帮助下，我们先对附近社区进行走访，以确定普氏原羚的大致分布范围；然后布设覆盖整个区域的平行样线。首先在每个分布区内生成一个随机点（使用ArcGIS 9.2的Create Random Points功能），布设一条经过该点并垂直于附近主要公路的样线，其他样线平行于该条样线，并以1000米的间隔均匀覆盖整个预计的分布区域。在青海湖北部和哇玉的部分区域，由于人力有限，平行样线的间隔为2000米。在青海湖的北部和东部区域，另布设了一套与已有样线垂直的平行样线，以确定这些分布小区在垂直方向上的边界（图2-1）。所有样线均以步行实施。通常每天有3支调查队伍（每队至少2人）同时调查相邻的样线。在整个调查期间，调查队伍的数量变化从1～5支不等，根据人力情况进行调整。当发现普氏原羚群体时，使用GPS记录观察者在样线上的位置，估计普氏原羚群距该点的距离，并使用罗盘测量群体所在位置的角度。同时，如在样线上左右各2米之内发现普氏原羚粪便，使用GPS记录其位置。普氏原羚的粪便很容易与绵羊和山羊粪便相区分，与家羊粪便相比，普氏原羚的粪便形状较不规则，颗粒更细长，一头较尖细，且粪便颗粒多聚集成堆，而家羊的粪便颗粒多散布。对于不能确定种类的粪便，不予记录。平行样线调查共进行了3次：2009年4月13日至6月3日，8月4日至24日以及10月31日至11月22日，覆盖了除鸟岛以外的所有普氏原羚分布区。
除天峻县外，其他地区均使用样线上记录的普氏原羚粪便位点及种群调查中记录的普氏原羚实体位点来确定各分布小区的边界。天峻县是唯一一个有普氏原羚和藏原羚同域分布的区域。因为普氏原羚和藏原羚的粪便在野外无法区分，只使用实体的位置点来显示普氏原羚在天峻县的分布。相对而言，普氏原羚较大且毛色发红，藏原羚较小且毛色发灰（MacKinnon，2008），此外，两者的雄性具有不同形状的角，因而通常我们能够很好地区分普氏原羚和藏原羚实体。
图2-2 在天峻县普氏原羚与藏原羚栖息地有重叠。通常普氏原羚活动在河滩平地，藏原羚在山坡，但偶尔会靠近甚至混群。本图片右下为3只普氏原羚雄性个体，其余为藏原羚（王大军 摄）
将2007年10月至2009年11月间所有调查中得到的普氏原羚实体位点和粪便位点在ArcGIS 9.2中合并成一个图层（天峻只使用实体位点），按区域分别使用Hawths tool里的Fixed Kernel Density Estimator计算相对分布范围。Fixed Kernel Density一般用于计算动物个体的家域（home range）及对家域内各处的使用强度，这里我们将这一概念扩大为一群动物的分布范围（Utilization Distribution）。考虑到两条平行样线间的距离为1000米，我们将所有区域的smoothing parameter（h）（也称为window width或bandwidth）都设为1000米。选择95 percent volume contours（95 PVC）作为每个区域的分布范围，计算面积。因为h对计算结果的影响比较大（Horne，Garton，2006），最后所得各分布区的面积更适用于各区域之间的比较，而非给出每个分布区的绝对面积。
所有分布区都需要确认是否存在如铁路、公路之类的可能障碍物，这些障碍物可将分布区分隔成相对独立的小片区域。因为在天峻县同域分布着普氏原羚和藏原羚，为了区分两者之间在栖息地利用上是否存在差异，我们还比较了两种原羚群体位置的坡度和海拔差异（使用SPSS 15.0的Mann-Whitney U 检验）。海拔和坡度数据来自30米的DEM（Digital Elevation Model，数字高程模型），下载自中国科学院国际科学数据服务平台（http：//datamirror.csdb.cn）。
（1）直接计数（Total Count）
我们在每个分布区内进行直接计数，以得到普氏原羚种群的最小存活估计（minimum number alive）。调查队一般由2～3人组成，在早晨（自日出至上午11时左右）进行路线调查（步行或者乘车），记录所遇见的普氏原羚群体大小和位置。路线布设时参考我们的前期工作和当地牧民的经验，以便记录到尽量多的普氏原羚个体。调查者使用双筒或单筒望远镜寻找普氏原羚，使用GPS记录观察者的位置，使用罗盘记录观察角。普氏原羚群的观察距离则是估计的。所有调查人员在开始调查之前要对距离估计进行统一训练，利用测距仪调整每个人对距离的估计，提高调查人员对距离判断的准确性。调查过程中尽量避免重复计数，如在短时间内遇到同样数量和组成的群体，后一群普氏原羚将不被记录。如果一个分布区面积太大，一个调查队不能在一天之内完成调查，则将该区域划分成小片区域，组成多个（至多4个）调查队伍（每队至少2人）同时进行调查。每个分布区计数2～4次（1次计数在1天内完成），共进行4次调查：2008年1月10日至25日，2008年2月27日至3月2日，2008年7月10日至8月5日，2008年12月4日至2009年1月4日。2月份进行的是不完全调查，主要关注天峻县的种群。7月和12月的调查覆盖范围比1月大：青海湖北部的哈尔盖火车站以西，以及哇玉村以西部分区域在1月调查中没有涉及，但包含在另两次调查中。对于每一个分布区，选取样线调查中得到的单日最大计数作为该种群的最小存活估计。
将2008年12月调查所得到的各小种群数量除以95 PVC面积，可以得到每个分布区内的普氏原羚个体密度。统计2009年春季调查进行的平行样线落在各分布区95 PVC范围内的长度和样线上记录的普氏原羚粪便数量，两者相除得到每个分布区的相对粪便密度，然后比较个体密度与粪便密度之间的相关性。因为同域分布的藏原羚可能产生干扰，天峻县区域的普氏原羚相对粪便密度不能与其他区域做对比，因此不列入分析。另外，为检验步行和乘车是否对调查结果产生影响，我们还比较了在95 PVC内的路线上两种调查方式所得结果的遇见率（encounter rate）（每千米路线上记录到的普氏原羚个体数）。
（2）截线法
使用DISTANCE软件（Thomas，et al，2009）分析青海湖北部区域（包括哈尔盖-甘子河_北，哈尔盖-甘子河_南，以及塔勒宣果）平行样线上所得的普氏原羚实体数据，并与直接计数得到的种群数量相比较。将野外记录到的普氏原羚群体的观察距离在软件Perpendicular Distance Calculator 1.2.2（Ersts，2005；美国自然历史博物馆，http：//biodiversityinformatics.amnh.org/open_source/pdc/）里转换成到样线的垂直距离，并导入DISTANCE 6.0，使用CDS（Conventional Distance Sampling）方法进行分析。首先对记录进行截断处理（Buckland，et al，1993），垂直距离大于600米的记录都被去除，去除率为8％。因为在野外以50米的间隔记录观察距离（例如，记录距离为50米，100米，150米），故在进行距离分析时把垂直距离分成了6个100米的区段（0～100米，100～200米，200～300米，300～400米，400～500米，500～600米），以减少距离估计带来的误差。将群大小的自然对数与垂直距离做回归分析，如果回归在0.15的显著性水平上显著，则使用距离校正的群大小；如果回归不显著，则使用平均群大小来计算个体密度。Buckland等（1993）提供了几种可能描述探测概率的模型，基于三个指标（Robustness，Desired Shape，Efficiency）对这几种模型进行了试验比较。因为Akaike信息标准（Akaike’s Information Criterion，AIC）（Akaike，1973）和卡方拟合优度检验（Chi-square Goodness-of-fit）结果都显示几种模型对数据具有相似的拟合优度，遂以AIC加权平均建立组合模型。