摘要: 理解动物的营养生态位是充分理解其整个生态学的基础 ,对于害兽控制和物种保护也很重要。食肉动物的小肠很发达 ,这可能与对食物的高消化能力有关 ;杂食性动物有更复杂的胃肠器官 ,其后端有可进行发酵的盲肠 ,消化物的平均滞留时间 (meanretentiontimes ,MRTs)更长 ;最长的平均滞留时间见于食草动物 ,其消化道内高密度的微生物种群对不同滞留区内的消化物进行发酵。但是 ,并不是所有的食草动物都能够最大程度地消化植物纤维 ,只有反刍动物、骆驼和个体较大的后肠发酵动物 (hindgutfermenter)能够具有这种能力。对比而言 ,许多其它的食草动物 ,如前肠发酵的有袋类和小型的后肠发酵动物如兔子、田鼠和负鼠等 ,它们具备可以使植物纤维消化效率最大的消化系统 ,可以在食物中的纤维素含量非常高的情况下仍能处理大量的食物。这些不同的消化策略使哺乳动物具有广幅的营养生态位

摘要: 利用稳定碳同位素数据(δ13C)分析了南非克鲁格国家公园混食性黑斑羚(Aepyceros melampus)时间和空间尺度上的食性变化,验证了两个假说,即有蹄类食性变化是由生境中木本植物与草本植物的相对配比导致;降雨控制有蹄类生态。结果表明:黑斑羚的食性涵盖了精食者-粗食者采食谱系,且食性中木本与草本比例在不同月间、季节、年度和区域间存在很大变化。栖息于开放性热带稀树草原和草原中的黑斑羚通常采食比生境中更高比例的草本,但在时间尺度上并不恒定。在克鲁格北部的一个区域(Punda Maria) ,黑斑羚采食的草本比克鲁格国家公园中其它任何区域都多。与其它生境相比,在河边的黑斑羚采食草本数量更少,尤其是在食性空间变化更为明显的旱季。因此,我们的数据不支持有蹄类食性组成变化是由生境中木本与草本比例不同造成的假说,食性与降雨量间也无明显的关系。我们的结果支持草本中蛋白含量增加引起黑斑羚采食比例的增加这一模型。粪便中氮含量在时间和空间上的变化很小,揭示在可利用食物中,无论木本还是草本,黑斑羚进行选择采食以保证最好的食物质量。基于这些结果,我们认为更具体的食物选择和可利用性最适采食理论能够更好地解释这种生态学变化。

摘要: 粪便显微组织分析法是研究食草动物食性的主要方法,其常规装片技术需要使用Hoyer’s装片介质对植物碎片进行封片,而Hoyer’s封片液的粘性易导致植物碎片在装片过程中发生卷曲和重叠,影响植物碎片的识别效果。本文提出的新装片技术采用没有粘性的饱和NaCl溶液代替Hoyer’s装片介质,结合特定的定量取样方法和装片程序,可以有效地减少植物碎片的卷曲率和重叠率。对比试验显示,新装片技术可使植物碎片卷曲率从10.4%下降至3.8%,重叠率从25%下降至8.1%,说明新装片技术在减少植物碎片卷曲和重叠方面明显优于常规装片方法。

摘要: 应用无人机进行动物调查的研究越来越多,但是缺乏有效的自动处理图像方法,使得目视解释的工作量较大。为研究快速与准确估算三江源区域大型食草动物数量的方法,本文使用两种无人机进行7个站点的遥感影像采集。首先对无人机影像进行灰度化,使矩阵维数下降但梯度信息仍然保留,使运算速度大幅度提高;其次对影像开展高斯滤波,高斯滤波将数据进行能量转化,排除掉属于低能量部分的噪声;第三开展阈值处理得到二值化图像;采用样本中动物形态学特征开展形态运算,先用开运算消除小物体尽可能排除干扰,同时不误删牲畜,再用闭运算排除小型黑洞将同一对象连通不重复计数;最后从二值图像中检索轮廓,并返回检测到的轮廓的个数;从而自动获得主要大型食草动物物种数量与空间分布。精度检验方法为手工计数与自动计数结果比较,相对误差3.1%～6.5%,大多数情况均可达到此水平。采用计算机自动处理图像后,每张图像处理和计数的平均时间小于3 s。无人机影像的自动处理方法可为今后大规模进行藏羊、牦牛、西藏野驴和藏原羚等动物调查提供一种有效、可靠的技术途径。

摘要: 本研究以2009年1月和2010年1月小兴安岭大沾河湿地自然保护区二可河林场内驼鹿冬季食性的数据作为原始数据,分别以对应分析(CA)、去趋势分析(DCA),并将数据以样本为单位进行标准化后,再进行去趋势分析(DCA_std)3种排序方法,对驼鹿冬季取食模式进行了研究,后通过普鲁克分析,比较了不同排序方法对大型有蹄类取食模式研究的效果。结果表明,3种排序法的1轴和2轴均能涵盖绝大多数信息量,CA涵盖79.27%,DCA涵盖66.65%,DCA_std涵盖68.22%;3种方法均能够在1轴上区分针叶树和落叶乔木类食物,在2轴上,3种方法主要能够达到针叶树种与除落叶乔木外的其他植物类别的区分。虽三者均能够展现有蹄类取食模式,但在图形可视化后,仅DCA_std无明显的弓形效应。普鲁克分析结果表明,DCA_std样本位移平方和与CA和DCA均有很大差异,即将数据先进行标准化再进行DCA分析能够有效去除弓形效应。因此,由多度组成的食性数据在进行标准DCA分析前,应对数据进行前期处理会得到更好的效果。同时,以样本为单位的标准化将使排序分析结果生态学意义更明确。