物种分布模型（species distribution models, SDMs）是获取物种时空分布、支撑保护决策的重要工具。但传统模型多依赖博物馆标本、公民科学观测等机会性记录，数据本身带有采样偏差，难以真实反映物种的生境选择；随着GPS追踪技术走向成熟，研究人员已能对大型哺乳动物、迁徙鸟类及珍稀陆生动物获取高频、高精度的定位数据。然而，高频GPS数据同时存在强烈的时间和空间自相关，为满足观测独立性的统计假设，通常要对数据进行“空间稀释”（spatial thinning）。稀释虽然降低了自相关，却造成严重的信息损失——在高强度利用的核心生境中定位点被大量剔除，在利用较少的边缘区域反而被相对保留，从而系统性低估核心生境的重要性。如何在满足统计独立性假设的同时，充分利用高频追踪数据中蕴含的丰富生态信息，是当前物种分布建模面临的重要难题。

针对这一问题，研究团队以国家一级重点保护野生动物、IUCN近危物种黑颈鹤（Grus nigricollis）为研究对象，对云贵高原越冬地和四川若尔盖繁殖地捕获的42只个体、2017—2024年间采集的65,548条有效高频GPS定位数据进行分析，提出了一套新的建模框架：先通过核密度估计（kernel density estimation, KDE）将离散定位点转化为连续的空间利用强度表面，再以随机森林（random forest, RF）回归对连续强度值建模（即KDE + RF），将模型的响应变量由“二元的出现/不出现”升级为“连续的空间利用强度”。为区分数据处理方式与算法本身的影响，研究团队同时构建了两种基于稀释的对照框架——稀释 + 随机森林、以及国际上广泛使用的稀释 + MaxEnt，并在9种环境变量组合（气候、遥感、地形、土地覆盖的不同搭配）下进行了系统比较，每套模型重复运行50次。

结果显示，该框架在多个层面优于传统方法。在参数选择上，与黑颈鹤定位步长中位数（107 m）相对应的100 m带宽总体优于500 m带宽，在纳入遥感变量的组合中优势尤为明显。在同一算法（随机森林）下，KDE + RF在全部9种变量组合中的AUC和连续Boyce指数（CBI）均显著高于稀释 + RF（Holm校正后P < 0.001）；而CBI的提升尤为重要，因为它反映的是生境质量排序能力，而非仅仅是判别“有无”。例如在气候+土地覆盖组合下，KDE + RF的CBI达0.989 ± 0.007，高于稀释 + RF的0.947 ± 0.042，两者AUC相当（0.989 ± 0.006 与 0.984 ± 0.007）。与传统的稀释 + MaxEnt框架相比，KDE + RF在9种组合中有7种的AUC、5种的CBI更优。研究还给出了稀释代价的量化证据：采用黑颈鹤研究中常用的1 km稀释阈值，原始约1.5万条定位仅保留约1%（116—192条，中位数150条），大量有效信息被丢弃。

在独立野外验证中，研究团队于云南大山包和贵州草海两个主要越冬地设计了覆盖全部生境质量等级的样带，共记录72个鹤群位置。KDE + RF预测的生境质量图与野外观测的鹤群分布吻合度更高：高质量生境的存在度/可获得性比值（Ri）均值在大山包和草海分别达8.28和3.05，明显高于稀释 + MaxEnt的2.28和1.46；Ri随生境质量等级由低到高呈单调上升（6个案例中5个），趋势检验均达显著水平（χ² = 10.86—18.90，P ≤ 0.001）。此外，追踪数据还识别出了四川省布拖县乐安湿地。该研究将高频GPS数据的处理从“稀释后的二元出现”推进到“连续空间利用强度”，避免了传统稀释带来的信息损失和核心生境低估，为保护地边界调整、缓冲区划定、人类活动时空管控与栖息地修复优先区识别提供了更精细的空间依据；随着追踪数据与遥感环境变量持续积累，该框架可定期重建，支持生境利用格局的动态监测，并与越冬种群计数等监测数据结合，服务于更适应性的保护管理。论文同时指出，该框架对追踪样本量与代表性要求较高，且对核函数与带宽等参数较为敏感，更适用于越冬、繁殖等个体活动范围相对稳定的生活史阶段。

该研究由中国科学院昆明动物研究所、大理大学、全国鸟类环志中心、贵州省生物研究所、云南大山包黑颈鹤国家级自然保护区管护局、云南会泽黑颈鹤国家级自然保护区管护局、云南省生态环境监测中心等单位合作完成。相关研究成果已发表于国际著名学术期刊Ecological Indicators. 昆明动物所博士伍和启和大理大学硕士研究生侯鑫磊为论文的共同第一作者，大理大学研究员任国鹏为论文通讯作者。本研究得到了国家自然科学基金（32260251）、国际鹤类基金会、中国鸟类多样性观测网络（1102100002）、云南会泽黑颈鹤国家级自然保护区等项目的资助，并获得多家自然保护区在野外工作中的支持。

论文链接：https://doi.org/10.1016/j.ecolind.2026.115669

图1：黑颈鹤栖息地质量建模分析框架

图2：大山包和草海越冬地，基于KDE + RF和稀疏化 + MaxEnt框架，在三种环境变量组合（数据+全部、气候+全部、遥感+全部）下预测的四种栖息地质量类别中黑颈鹤群落的存在-背景比。颜色表示建模框架，线型表示变量组合。

图3：佩戴卫星追踪器的黑颈鹤