Игнорирование сезонных изменений экологической ниши у немигрирующих видов может привести к искажениям при моделировании ареалов: пример летучих мышей
// Ignoring seasonal changes in the ecological niche of non-migratory species may lead to biases in potential distribution models: lessons from bats: Smeraldo S., Di Febbraro M., Bosso L., Flaquer C., Guixe D., Lison F., Meschede A., Juste J., Pruger J., Puig-Montserrat X. & Russo D. Biodiversity and Conservation, https://doi.org/10.1007/s10531-018-1545-7, 2018. |
Фенология является ключевой особенностью описания ниши видов для учета сезонности в использовании ресурсов и климатических условиях. Моделирование ареалов (Species distribution modeling, SDM) является широко распространенным инструментом для оценки потенциального распределения того или иного вида и определения его широкомасштабных предпочтений местообитаний. Несмотря на их ключевое значение, данные фенологии часто игнорируется при SDM. Немигрирующие рукокрылые умеренных широт представляют собой хорошие модельные виды для проверки влияния сезонности на результаты моделирования из-за их различных предпочтений в выборе убежищ в периоды зимней спячки и размножения. Мы предположили, что (1) модели, построенные для немигрирующих европейских видов летучих мышей, буду различаться для периодов гибернации и репродукции; (2) модели, построенные на данных, охватывающих оба периода, будут работать лучше, чем модели, построенные на сезонных данных. В качестве модельных объектов были взяты Myotis emarginatus, M. myotis, Miniopterus schreibersii, Rhinolophus euriale, R. ferrumequinum и R. hipposideros. Мы использовали данных о 470 зимних убежищах и 400 летних материнских колониях модельных видов, и для каждого из шести видов построили модели по зимним находкам, летним и по объединенным данным. «Сезонные» и «смешанные» модели ареалов отличались друг от друга, и характер этих различий был видоспецифичным. В целом, смешанные данные во всех случаях показали заметно большую площадь предполагаемого ареала, чем каждые из «сезонных». «Смешанные» модели лучше чем «сезонные» отражают особенности видовых экологических ниш. Наше исследование подчеркивает важность учета сезонности данных при моделировании ареалов для летучих мышей, а также для многих других организмов, в том числе не мигрирующих видов. В противном случае анализ приведет к значительным искажениям модели, что в дальнейшем может негативно сказаться при планирования природоохранных мероприятий и управлении ландшафтами.
Phenology is a key feature in the description of species niches to capture seasonality in resource use and climate requirements. Species distribution models (SDMs) are widespread tools to evaluate a species’ potential distribution and identify its large-scale habitat preferences. Despite its chief importance, data phenology is often neglected in SDM development. Non-migratory bats of temperate regions are good model species to test the effect of data seasonality on SDM outputs because of their different roosting preferences between hibernation and reproduction. We hypothesized that (1) the output of SDMs developed for six non-migratory European bat species will differ between hibernation and reproduction; (2) models built from datasets encompassing both ecological stages will perform better than seasonal models. We employed a dataset of 470 independent occurrences of bat hibernacula and 400 independent records of nursery roosts of selected species and for each species we developed separate winter, summer and mixed (i.e. generated from both winter and summer occurrences) models. Seasonal and mixed potential ranges differed from each other and the direction of this difference was species-specific. Mixed models outperformed seasonal models in representing species niches. Our work highlights the importance of considering data seasonality in the development of SDMs for bats as well as many other organisms, including non-migratory species, otherwise the analysis will lead to significant biases whose consequences for conservation planning and landscape management may be detrimental.
|