世界の鳥の個体数を監視する新しい方法

世界中の鳥の数が減ってるんだ。欧州連合では、過去40年間で約5億6000万から6億2000万羽の鳥が失われていて、全体の17%から19%くらいになるんだ。鳥の数や傾向を理解するためには、定期的なモニタリングプログラムが必要で、これが正確な個体数の推定を提供してくれる。これらの推定値は、保護活動を最も必要とする種に集中させるのに役立つし、私たちの保護活動がどれくらい効果的かを確認するのにも役立つ。そして、意思決定者や一般の人々に生物多様性の重要性について教えてくれるんだ。

でも、多くのモニタリングプログラムはいくつかの課題に直面していて、それがデータの信頼性を低下させることがあるんだ。その結果、分析が偏ったり、推定するトレンドの正確さに影響を与えたりすることがある。

#鳥のモニタリングの主な課題

このモニタリングプログラムには、主に2つの問題の原因がある。まず、プログラムの設計によって、サンプルの取り方を扱うために複雑な分析ツールが必要なことがある。これを適切に行わないと、鳥の個体数の推定にエラーが出る可能性がある。また、観察者のスキルの違いから、データ収集にランダムなエラーが生じることもある。最後に、小さなサンプルサイズが問題を悪化させることがある。

次に、鳥のカウントデータを見るときは、データの分布について考えなければならない。時間や空間にわたる測定値の関連性を考慮しなきゃいけないし、鳥がそこにいるのに検出されないケースも考慮しなきゃいけないんだ。

この記事では、3つの重要な問題、つまり偏ったサンプリング、観察者の影響、データ分布の特性に焦点を当てるよ。

#偏ったサンプリング

偏ったサンプリングは、モニタリングされる地域や生息地のタイプが、実際の存在を反映していないときに起こる。特定の生息地が研究に過剰に代表されていると、鳥の個体数について歪んだ見方をすることになる。例えば、木がたくさんある場所だけで鳥を数えたら、開けた野原や湿地帯の傾向を見落とすかもしれない。

時間が経つと、特定の景観や生息地が正しく代表されないと、全体の推定がその偏りを反映することになるんだ。

#観察者の影響

観察者の専門知識は、収集されるデータの質に大きく影響する。スキルの違いが結果に変動をもたらすことがある。訓練された鳥類学者でも、鳥を観察して数える方法が異なると、鳥の個体数の推定に影響を与えることがある。

新しい観察者がプログラムに加わると、調査地域や方法に慣れるまでに時間がかかることが多い。この学習曲線の影響で、初めの数年間は鳥の個体数が過小評価されることがある。また、観察者が年を取るにつれて、特定の鳥の鳴き声を検出する能力が低下することも、結果に影響を与える。

#データ分布の特性

鳥のカウントデータは、しばしば過剰分散やゼロカウントが多いといったパターンを示す。過剰分散は、カウントの変動が予想以上に多いときに起こる。この問題に対処するために、標準的なポアソンモデルではなく、負の二項モデルのような別の統計モデルを使用することがある。

ゼロカウント、つまり構造的ゼロは、調査した地点に鳥がいないときに発生する。たとえそれらの地点がその種に適しているように見えても、結果を歪めないために、これらのケースを別々にモデル化する必要があるんだ。

#モニタリングにおけるソフトウェアの役割

現在、TRIMソフトウェアがモニタリングデータの分析に広く使われている。このソフトは、トレンドや年次個体数指数を計算し、過剰分散や欠測値の問題をいくつか修正してくれる。でも、特に年ごとに調査地点の入れ替わりが激しい場合、限界があるんだ。

TRIMは、ほぼ毎年同じ観察者が同じ場所を調査するときに最も効果を発揮する。もし調査から半分以上のデータが欠落していたら、このソフトは信頼できる推定を提供できない。また、TRIMはカテゴリ情報を必要とするため、気候や生息地の変化のような連続データの分析を複雑にすることがある。

#新しい分析アプローチ

これらの問題に対処するために、数年ごとにしか訪れないローリングサーベイに依存した新しいモニタリングデザインを開発した。この方法は、時間の経過とともに幅広い生息地を研究できるけど、観察者の交代や欠測データの問題も引き起こすことがある。

私たちのアプローチは、観察者の入れ替わり、欠測値、空間的偏り、過剰分散、ゼロインフレーションのような要素を含めて、より正確な鳥の個体数の推定を生み出すことに焦点を当ててる。この方法を、ドイツのノルトライン＝ヴェストファーレン州のモニタリングプログラムのデータを使って検証した。

#研究地域とデータ

私たちの分析は、ノルトライン＝ヴェストファーレン州の長期的な生物多様性モニタリングプログラムであるエコロジカルエリアサンプリング（EAS）のデータを使用している。この研究では、地域の平均的な景観を反映する170のサイトを含んでいて、2つの生物地理学的エリアと6つの自然地域に分布している。追加の大都市サイトは、都市の生息地の特徴を捉えるのに役立ってる。

各サイトは、毎年複数回訪問される。この研究では、特定のエリアにおける個体数を理解するのに重要な鳥のテリトリーに関するデータが収集された。

#研究サイトの特性

地域や主要な環境要因（標高や気候パターン、温度、降水量、日照など）に基づいてサイトを分類した。また、森林、農地、都市開発の面積を測定して土地利用も考慮した。

データ収集初期にいくつかの地域が過剰に代表されていたため、実際の景観カバーをよりよく反映するようにデータに重み付けをして分析を調整した。

#観察者の影響に対処する

観察者のスキルがデータ収集に与える影響を考慮して、観察者の影響で結果が歪んでいる年を特定することに焦点を当てた。経験豊富な観察者と未経験の観察者のカウントを比較することで、鳥の全体的な個体数をより正確に測定することを目指した。

鳥のカウントで異常に高いまたは低い値が見られたデータを分析することで、観察者の影響を考慮した修正システムを開発し、より一貫性のある信頼できるトレンドを得ることができた。

#トレンドの統計分析

ゼロの視認数が90%未満のすべての鳥種のトレンドを分析した。明確さを保つために、個体数分布やゼロカウントの範囲を示すために、より小さなグループの種を選んだ。

データの柔軟な分析を可能にする高度な統計モデルを使用した。これらのモデルは、過剰分散や多くのゼロカウントの問題に対処するのにも役立つ。

#個体数トレンドの推定

使用したモデルは、年ごとの個体数の変化を考慮しながら、環境要因が個体数に与える影響を探った。最近のデータに基づいて、地域や観察者の影響といった変数をコントロールして推定を行った。

個々の年ではなく、全体的なトレンドに焦点を当てることで、個体数のダイナミクスや時間の経過に伴う変化をよりよく観察できるんだ。

#他のプログラムとの比較

私たちの発見が一貫しているか確認するために、ドイツの一般鳥類モニタリング計画で観察されたトレンドと比較した。これによって、新しい分析アプローチが信頼できるトレンド推定を提供しているか検証することができた。

#結論

私たちは、現在のモニタリングアプローチで見られる一般的な問題に対処する鳥の個体数トレンドを分析する新しい方法を開発した。このアプローチは、偏ったサンプリング、観察者の影響、データ分布など、多様な要因を考慮して、時間の経過とともに鳥の個体数のより正確で信頼性のある推定を提供する。

確立されたモニタリングプログラムに対して私たちの発見を検証することで、私たちのモデルが信頼できるトレンドを生み出し、保護活動を指導し、鳥の個体数の状態についての意識を高めることができることを保証できる。これらの方法をさらに洗練させていくことで、他の生物多様性モニタリングプログラムにも適応して、野生動物の個体数の変化を追跡し理解する能力が向上することが期待される。