研究

专家和大象:当地生态知识预测了一个涉及人类与野生动物冲突的物种的景观用途

• 摘要
• 简介
• 方法
  • 研究区域
  • 环境变量
  • 当地的生态知识
  • 遥测
  • 基于地方生态知识的资源选择
  • Telemetry-based资源选择
  • 探讨互补和相关性
• 结果
  • 基于地方生态知识的资源选择
  • Telemetry-based资源选择
  • 探讨互补和相关性
• 讨论
• 对本文的回应
• 致谢
• 数据可用性声明
• 文献引用

介绍

多学科的科学方法依赖于不同类型的数据和知识，有可能产生新的和更全面的方法来理解和解决保护挑战。当地生态知识(LEK)是“特定群体所拥有的关于当地生态系统的知识”(Olsson和Folke 2001)，广泛地包括通过资源使用和与当地环境的相互作用而获得的经验知识。认识到在社会科学中关于这一主题的丰富研究领域，LEK作为社会环境系统的宝贵知识来源越来越多地被纳入生态学研究(Brook和McLachlan 2008)。此外，政府和非政府组织经常依靠科学专家的报告和文章来做出管理决策，这些专家可能是当地的，也可能不是当地的。吸纳当地专家的生态研究知识，只是认识到LEK的价值，并将其纳入保护和管理决策过程中的一小步。

LEK可以为回答生态问题提供有价值的贡献。LEK是复杂的，可以包含了解的方式是独特的，从典型的生态研究方法论分离。虽然不同的世界观是宝贵的知识来源，有助于理解人与环境之间的关系，但也有LEK的元素可以很容易地纳入“西方”科学的视角下的生态研究。例如，LEK已被用于为加勒比海的景观保护优先级建立稀有有蹄类动物分布模型(Turvey et al. 2015)，以确定西班牙陆龟的丰度(Anadón et al. 2010)，并估计大西洋渔业物种丰度的变化(Bender et al. 2014)。此外，研究发现，基于lek的数据与使用传统生态学方法(如遥测或相机陷阱)收集的数据是一致的(Meijaard等人2011年，Turvey等人2014年，Parry和Peres 2015年)。诸如此类的研究往往依赖于接触野生动物物种的人们的经验知识，以更多地了解野生动物如何利用它们的环境。

在生态模型中，了解野生动物如何利用它们的环境通常是通过使用资源选择功能方法来完成的。资源选择函数对野生动物使用的区域和未使用的区域进行排名或比较，这些模型通常基于从GPS或对单个动物的无线电传输设备收集的遥测数据(Boyce et al. 2002)。然而，关于野生动物使用或未使用的地区的知识不仅可以通过遥测获得;事实上，许多资源选择函数的参数化是基于生态学家所说的“专家意见”(Zeller et al. 2012)。专家意见通常是指研究人员或土地管理者等人所掌握的知识或做出的建模决策。通过LEK的透镜，那些对特定物种有广泛经验知识的个体因此可以作为专家提供符合资源选择功能框架的完整信息。该框架由当地专家和专家意见组成，此前曾在加拿大使用特定类型的LEK、传统生态知识和遥测数据进行驯鹿资源选择(Polfus等，2014年)。

这两种基于遥测和leki的方法都有许多方法有助于理解野生动物如何利用它们的环境，并且可以在收集的信息的类型和相关规模上起到互补作用。遥测技术可以提供特定时间内单个动物的轨迹数据;这些数据的一个可能用途是用于资源选择函数模型，以找到统计模式，允许研究人员根据跟踪范围内的这些个体推断模式。相反，一群人可能在一个熟悉的区域内接触到许多动物，其中一些人会随着时间的推移在各种环境和互动中积累关于这些动物的知识。在这种情况下，知识可以形成资源选择功能的基础，根据野生动物种群的当地行为预测当地的资源使用模式。根据研究问题、目标和规模的不同，这两种方法可能会为野生动物如何利用环境提供互补的模型。

野生动物资源的利用问题尤为重要，因为人类和野生动物在空间和资源上的互动和竞争日益加剧。人类发展和野生动物活动范围的重叠可能会导致负面互动，或人类与野生动物冲突(HWC)。HWC是一个重要的保护挑战(Madden 2004, Nyhus 2016)，影响野生动物数量和人类福祉。冲突的影响范围很广，从机会成本和财产损失到牲畜或农作物损失以及动物或人的死亡。为了更好地了解HWC的驱动因素，遥测技术已被广泛用于跟踪动物和了解在农村和城市地区与人类重叠的物种。然而，许多动物会随着人类活动和发展而改变自己的行为(Gaynor等人，2018年)，因此，在试图确定与冲突相关的行为时，观察当地景观的使用至关重要。由于基于遥测技术的动物运动研究是基于个体在不同感兴趣地点移动的频率，因此所得到的模型在与HWC相关的局部尺度上是否准确，取决于特定的带项圈个体的行为。这种情况为不同的方法提供了条件，通过在广泛和局部范围内描述野生动物运动来相互补充。这些发现反过来可以为保护工作和减少人类与野生动物之间消极互动的缓解战略提供信息。

以当地经验知识为基础，LEK可以提供关于野生动物如何应对靠近人类住区和人们日常生活中穿过的空间的信息。LEK可以包括关于动物对特定栖息地特征或植物物种的偏好的信息，这些信息可能比从卫星图像收集的数据更详细。因此，这些不同类型的知识可能在两个互补的空间尺度上提供洞见:来自遥测的范围范围尺度和来自LEK的人类位置中心尺度。

经常与野生动物互动的人特别适合建立关于这些物种的知识和洞察力。经历HWC的人经常被调查以量化冲突事件和影响(例如，Gusset等人2009年，Karanth等人2012年)，他们对人类与野生动物冲突的具体态度和感知(例如，Oli等人1994年，Naughton-Treves等人2003年，Kansky和Knight等人2014年)，以及他们的缓解行为(例如，Treves等人2006年，Graham和Ochieng 2008年，Tshering和Thinley 2017年)。然而，到目前为止，LEK作为涉及冲突物种的自然历史和动物行为知识的来源尚未得到充分利用。解释人们对野生动物的态度对冲突研究很重要(Dickman 2010, Kansky et al. 2014, 2016)。然而，如果这样做，就可能只把人们视为冲突的受害者，而忽视他们是当地生态系统的自然历史专家。频繁接触与冲突有关的野生动物物种，往往是负面的，可以让人们密切关注该物种的运动和行为，建立详细的知识。这种知识是在人们活跃的特定地方范围内获得的。反过来，这也是一个非常相关的规模，以回答关于野生动物接近人类和人类发展的生态问题。

我们的目的是测试LEK关于冲突物种的景观利用如何在资源选择框架中补充基于遥测的数据，以及在什么尺度上这些类型的知识是最有信息的。我们关注的是非洲草原象(非洲象)，它可以携带GPS项圈，用于卫星追踪和遥测数据。了解大象在不同空间尺度上的行为和运动，包括在其活动范围内的广泛运动，在生态学上具有重要意义。草原大象也很适合人们对它们有经验知识;该物种可被高度检测到，并对人们的生活和生计产生了显著影响。大象的存在可以被认为是危险的，它会造成各种各样的后果，从轻微的财产损失到整个农作物的损失，到觅食，最严重的是，会造成人员伤亡。人们竭尽全力保护自己和庄稼不受大象的伤害;它们可能会改变白天的活动，以避开有大象的区域，并整夜不睡，试图把大象从它们的地里吓跑。因此，除了了解大象与环境之间广泛的生态关系外，了解村庄周围局部尺度的大象生态也很重要，因为村庄是人与大象冲突发生的地方。这些信息可以用来缓解和管理冲突;例如，预测大象经常使用的区域与村庄周围的人类资源使用重叠(Buchholtz等，2019年b)可协助规划土地用途及发展野生动物走廊，以减少负面互动。

我们的目标是利用LEK来确定博茨瓦纳西部奥卡万戈狭长地带大象对植被、栖息地类型和景观特征的利用。我们从社区定义的当地专家那里收集数据，并使用这些数据在两个空间尺度上参数化资源选择模型。我们预计，如果基于lek的模型对大象在景观中的存在具有较高的预测能力，我们将发现基于现有GPS项圈数据的栖息地选择类别的排名和该类别中大象位置的数量之间的相关性。我们还建立了一个基于遥测的资源选择模型，以测试LEK和基于遥测的方法的预测能力在多个分析尺度上的差异。

方法

研究区域

西部的奥卡万戈狭长地带(以下简称狭长地带)位于博茨瓦纳北部，以奥卡万戈河及其湿地为特征，为生活在那里的人们和野生动物提供了永久的水源(图1)。该地区的北部和西部与纳米比亚接壤。接下来，我们用“区域”来参考奥卡万戈西部狭长地带项目研究区域的分析和结论。

我们在项目范围内的5个村庄进行了LEK调查。从北到南，沿河分布着Samochima、Nxamasere、Ikoga和Etsha 6等村庄。Tsodilo位于该地区的中心，靠近文化上重要的、被联合国教科文组织认定为世界遗产的Tsodilo山。BaHambukushu和BaYei是这些村庄和该地区的主要部落。自给自足的农业和畜牧业是主要的生计。有搬迁的历史;巴汉布库舒内战的难民在20世纪60年代末从纳米比亚和安哥拉移民过来，重新定居在狭长地带南部，包括焦点村庄Ikoga和Etsha 6 (Potten 1976)。我们关注的是这些部落个体掌握的LEK，而不是土著或传统的生态知识，以获取这些个体对大象目前生活的地区的知识。

狭长地带的大象在整个地区迁徙，这里没有正式的野生动物保护区，只有围栏等半渗透屏障。据估计，2012年大象数量为2242头(博茨瓦纳野生动物和国家公园部门，2013年)，尽管取样强度较低(只有1.56%)。大象与该地区的HWC有关，包括作物袭击、财产损失和人员伤亡。从2010年到2017年调查期间，项目地区的博茨瓦纳野生动物和国家公园部门平均每年收到390起与大象有关的独特HWC事件。

环境变量

我们考虑了三大类环境变量:植被物种、栖息地类型和景观特征(附录1中的表A1)。我们根据现有文献(和平公园基金会2005年，Vanderpost et al. 2014)和我们在该领域的经验，制定了一个包含15种植被物种的清单，并在LEK参与者的建议下增加了4种。根据我们的知识，Vanderpost等人(2014)的工作，包括了11个分类栖息地类别，以及现有的卡万戈-赞比西河陆地类别分类(和平公园基金会2005年，250米分辨率)。我们基于2017年谷歌地球图像手工数字化了农业区域。基于我们对景观的认识，考虑了11个景观特征。基于2000年航天飞机雷达地形测绘任务数据，计算地形地貌特征和地形位置指数，坡度< 1%的地面为平地。坡度和离水距离被认为是连续变量，并被缩放以改善模型拟合。

当地的生态知识

面试部分和参与式排名活动获得了美国德州农工大学(College Station, Texas, USA;协议IRB2016-0279D)、博茨瓦纳旅游和环境部、野生动物和国家公园部(EWT 8/36/4 XVII(79))。所有参与者都提供了口头同意。这项研究的结果已提供给负责管理和缓解博茨瓦纳人象冲突相关问题的野生动物和国家公园部区域政府办事处。研究结果也与博茨瓦纳的各种教育和政府机构共享，正如我们的研究许可所述。

2017年6月至7月，我们在5个重点村庄进行了25次专家访谈。我们选择了奥卡万戈河附近的四个村庄和一个内陆村庄，以涵盖具有代表性的大象栖息地范围以及大象与人类发生冲突的地区。根据村长和村庄发展委员会(每个村庄设立的地方代表团体)的意见，为每个重点村庄挑选当地专家，以遵守与村庄合作时的适当礼仪和礼仪。根据当地代表的建议，没有向与会者提供酬金。我们要求代表们从他们的村庄里推荐五个人，他们被认为是最了解大象这个话题的人。然后，我们联系了这些由社区定义的专家，确定了进行采访的日期和时间。只有一个人不同意面谈，当时主任推荐了另一位专家。专家的年龄从22岁到75岁不等，23名是男性，他们代表四个部落，其中巴汉布库舒族占多数。有些采访是用英语进行的，但大多数是通过一名翻译在塞茨瓦纳或辛布库舒进行的。译者的选择是基于他的语言能力和对调查中包括的景观和植物物种的广泛知识。 He was trained on the interview and survey methods, and the same translator was used for all 25 interviews.

与遥测和其他科学方法一样，社会研究需要严格的设计和实施，以获得有效和有用的结果(St. John et al. 2014)。我们努力以一种一致的、合乎道德的方式进行调查和排名活动，并将偏见降到最低。我们的研究地点是根据生态环境信托基金(http://www.ecoexistproject.org/)是一个非政府组织，自2011年以来，该组织一直在该地区工作，并与当地、地区和国家政府合作，讨论人象共存的问题。在这项研究之前，该项目的首席研究员已经与当地政府和重点村庄的成员合作和互动了两年，并与社区成员建立了信任、尊重和融洽关系。

排名活动用于提供标准化和可比的反应规模。此外，所有专家讨论的进一步回答都被记录下来，以鼓励和验证知识共享。除了排名活动之外，记录人们提供的信息的目的是记录知识，表明我们在倾听。最后，我们为专家们创造了一种简单的方法来选择不回答他们不确定或不熟悉的变量或问题，这使它成为每一个问题的一个可能的答案。在这个过程中，多位专家确实使用这个选项来表示他们不了解某个物种，这让我们有信心，我们已经成功地创造了一种氛围，让专家们可以轻松地分享他们的全部知识。

我们对三个参与式排名活动进行了半结构式访谈(见附录1)，并以书面形式记录了所有的回答和附加评论。采访的第一部分包括一般的人口统计问题和有关专家了解大象的经验的问题。访谈的第二部分涉及参与式排名活动，基于大象对植物物种、栖息地和景观特征的使用情况(附录1中的表A1和图A1)。在这三个类别中，专家被要求按照大象使用情况的5个等级对特定的植物、栖息地类型或景观特征进行排名。其中1为“大象从不吃这种植物/从未在这个栖息地/景观特征中发现过”，5为“大象总是吃这种植物/总是在这个栖息地/景观特征中发现”。专家们只被要求对他们知道或熟悉的大象与这些物品之间的关系进行排序。这些问题的设计是为了获取受访者对当地生态系统中大象的整体专业知识，然后可以应用到不同尺度的植被、栖息地和景观特征。这种方法与参与式测绘或职业相关活动相反，参与式测绘或职业相关活动将采取更具体的方法来描述受访者直接看到或体验过大象的地方。

根据我们和译者对该地区的了解，调查的植物种类包括19种，以及每一种植物的常用英文名称和塞茨瓦纳和/或辛布库舒的名称。生境调查以研究区常见生境为基础，划分了12种生境类型，并纳入景观分类图。为清楚起见，生境调查还包括生境类型的插图。经过最初的访谈，专家们一致认为研究区域内不存在蒿属植物的栖息地，因此，除了查阅现有的栖息地地图外，排除了蒿属植物的栖息地类型，调查中只剩下11种栖息地类别。景观调查包括11个景观特征，我们可以根据地形和现有的景观分类识别。采访的最后一部分包括关于大象资源使用、水源、进入村庄、掠夺农作物以及大象活动障碍的问题。一旦完成了结构问题，请专家们分享任何额外的资料。

遥测

我们使用了15头大象的GPS定位数据，这些大象是由Ecoexist Trust在奥卡万戈西部的狭长地带戴上GPS项圈的。单个大象被圈起来的目的是代表不同区域的独立群落和资源使用。2014年7月，八头公牛被“非洲野生动物追踪”项圈套住，每四小时记录一次方位。2016年，使用非洲野生动物追踪项圈为另外6头公牛和1头母牛戴上项圈，记录每小时的位置(附录2)。项圈的部署由一名经验丰富的兽医监督，该兽医获得了博茨瓦纳政府的研究许可EWT 8/36/4 XVII(79)和固定许可2014 WP/RES 15/2/2 XXIII(169)。我们过滤了所有的跟踪数据以排除虚假的GPS定位和错误读数。

基于地方生态知识的资源选择

我们使用参与式排名活动的排名来整理每种植被物种、生境类型和景观特征的得分。我们计算了每个变量的平均值和标准差，以及基于每个村庄以及包括所有村庄的所有专家在内的整个地区的专家回答的中位数和四分位数。我们将两种LEK得分的空间解释纳入资源选择模型，一种是基于村庄中心专业知识的解释，另一种是基于综合平均分的解释。村庄中心法使用每个村庄的平均分，并将其应用于与村庄中心设定距离区域内的景观变量。这种方法可以捕捉到专家的知识是否在他们自己的村庄附近最相关。如果距离导致了村庄之间的重叠区域，那么这些村庄的得分将被平均为重叠部分。我们使用25公里和50公里的距离来代表专家可能拥有的访问、经验和知识的区域。综合平均分方法综合了所有重点村庄的专家的得分，并在整个景观中取平均值。这种方法将捕获是否所有专家都有大象在该地区移动的相关知识。我们再次在25公里和50公里的距离以及整个狭长地带应用了这种方法。 For both approaches, scores were then incorporated into a traditional resource selection regression model by multiplying the scores by associated spatial values of habitat and landscape features (Boyce et al. 2002). This analysis resulted in selection surfaces at three scales: within 25 km of focal villages, within 50 km of focal villages, and the entire Panhandle region. These and all further calculations and analyses were conducted in R version 3.5.1 (R Core Team 2018).

我们利用15头大象所有可用的GPS项圈数据来评估基于lek的资源选择模型的预测能力。我们使用“classInt”R包(Bivand et al. 2019)中的k-means聚类对每种方法的选择表面进行分类k= 10类。然后，我们提取每个大象位置的类值。在目标区域(25公里、50公里或区域)之外发生的大象位置被排除在预测测试之外。我们使用斯皮尔曼等级相关性(Spearman rank correlation)来比较10个选择类中每个选择类中大象的位置数量，并对区域进行归一化，基于这样的预测:选择值较高的类中大象的位置数量会更多。

Telemetry-based资源选择

我们使用了一步选择法(Thurfjell et al. 2014)来模拟大象对栖息地和景观特征的利用。我们使用“amt”包计算大象运动轨迹的步长和转弯角度(Signer et al. 2018)。根据这些步长和转弯角度的分布，然后我们使用“amt”包为每个真实步骤生成10个可能的步骤(Signer等人，2018)。我们使用“coxme”包(Therneau 2019)，用Cox logit回归比较了真实步骤和可能步骤，这也让我们能够解释单个大象的随机效应。我们在2016年至2018年期间对7头戴项圈的大象进行了整个活动范围的训练，并将每小时大象数据子集到4小时间隔，以减少时间依赖性。所有具有环境数据并与LEK排序活动相关的变量都包含在模型中(表1)。为了创建最终的资源选择面，我们根据模型系数和环境变量的值预测选择。

我们使用相同的方法来评估基于遥测的资源选择表面和基于lek的表面的预测能力。我们使用来自7个人的遥测数据来训练模型，以留下大量的测试数据集。这个过程留下了来自八头大象的数据，以测试基于遥测的资源选择表面的预测能力。

探讨互补和相关性

我们以多种方式评估方法的互补性、一致性和差异性。首先，我们认识到基于这两种方法可以收集到不同类型的信息。遥测和基于lek的方法产生了不同类型的发现，它们可以单独用于回答特定的研究问题，也可以结合起来提供对系统的更全面的理解。接下来，我们通过比较模型在区域尺度上对生境和景观变量的排序来评估这些方法之间的一致性。我们采用Spearman秩相关方法，根据LEK得分和步长选择函数模型系数对两类变量的秩进行比较。我们期望，如果模型彼此一致，我们将发现这些变量的相似排名模式。

然后，我们通过比较遥测表面和基于lek的表面的预测能力来评估它们之间的空间尺度互补性。我们使用斯皮尔曼秩相关测试表面如何很好地预测保留训练大象的GPS位置。这个过程让我们看到这两种方法是否在不同的量表中有相似的预测能力，或者它们是否最适合不同的量表，从而相互补充。最后，我们绘制了选择表面，以直观地评估在区域尺度上的相似性和差异性。

结果

基于地方生态知识的资源选择

排名活动产生了445个反馈，平均25个受访者中有23个为每个功能打分。在49个例子中，专家转述说他们不知道这个特征，也不知道大象使用这个特征。专家的知识以一种预期的方式反映了与其村庄相关的景观特征;例如，来自内陆最远的Tsodilo村的专家报告说，他们不熟悉大象如何利用洪泛区。

高和矮的mopane (Colophospermum mopane), jackalberry (Diospyros mespiliformis)和骆驼刺(Vachellia erioloba)是大象觅食能力排名最高的物种(图2)。Burkea africana)、野生咖啡豆(紫荆花petersiana)和喀拉哈里苹果叶(Lonchocarpus nelsii)在大象觅食方面排名最低。所有村庄的专家都一致认为大象经常在高大的mopane上觅食(平均得分±SD = 4.4±0.91)，中等程度上在镰刀灌木上觅食(Senegalia nigrescens;3.6±1.1)，不常采食卡拉哈里苹果叶(2.8±1.1)。可以理解的是，对于一般的植被类别有更广泛的答案，比如CombretumSpp .(3.6±1.5)或其他Vachellia或Senegaliasp .(3.4±1.6)。

所有村庄的专家都一致认为，大象经常出现在有一些树木的密集灌丛地区(均分±SD = 4.3±1.1)和高林地和灌木(4.2±0.99)，在有灌木的低林地中更多地出现(3.4±1.1)，最少出现在有灌木的裸露地面地区(1.7±0.75)。所有村庄的专家都一致认为，大象更喜欢待在永久性河道中(4.4±0.89)和岛屿上(4.2±0.96)。关于大象不太可能出现在山顶或沙丘顶部这一观点有很强的一致性(1.3±0.62)。

我们计算了所有方法和尺度的选择面(区域尺度见图3A)。联合模型和以村庄为中心的LEK模型都积极且显著地预测了25公里和50公里范围内大象的存在。基于rho值，以村庄为中心的LEK选择模型在预测25和50公里尺度上的大象位置方面优于组合LEK模型(表2)。

Telemetry-based资源选择

步长选择分析发现，大象每4 h的步长平均为1.644 km (SD = 1.86 km)，平均极低角度转弯(SD = 1.31±88.1°)。

基于遥测的大象资源选择模型预测，大象强烈地选择靠近水的地方(表1)。大象还显示出与树木栖息地、开阔草原和沙丘山谷正显著的关联。大象与坡度和沙丘峰的增加呈负相关，但不显著。

基于遥测的模型在所有尺度上都能很好地预测大象在测试数据集中的位置(rho > 0.90;表2)25公里尺度的预测能力最低。

探讨互补和相关性

每一种方法的一些发现都是该方法独有的。根据遥测数据，对大象的运动和步数进行描述性统计。LEK方法允许我们对大象对不同植被物种的偏好进行排序，这是我们无法根据遥测和遥感图像的分辨率进行排序的。

在区域尺度上，我们利用生境和景观变量得分的等级相关检验来评估模型之间的一致性。通过比较LEK模型和遥测步长选择模型计算的系数，我们发现它们之间存在显著正相关(Spearman秩相关:S = 22, rho = 0.74，P= 0.046)。裸地和开放草地生境均最低，林地和灌丛生境最高。两种方法的景观特征排名不相关(S = 42, rho = 0.50，P= 0.22);然而，在两个模型中，沙丘顶和山坡的选择都是低的，而三角洲和靠近水的选择在两个模型中都是高的。平原、古河床和沙丘山谷都聚集在两种模式选择值的中心范围内。岛屿在遥测模型中排名较低，但在LEK模型中排名较高。

然后，我们通过比较遥测模型和基于lek的模型的预测能力来评估空间尺度的互补性。在最广的空间尺度上，基于遥测的模型具有高度的预测能力，且具有统计学显著性，而使用LEK方法在该尺度上没有统计显著性的预测模型(表2，图4)。在50 km尺度上，遥测模型比LEK方法具有更高的预测能力，尽管两种方法都产生了正的rho值和统计显著的秩相关。在局地25公里尺度上，以村落为中心的LEK方法模拟的大象景观选择比遥测方法具有更强的预测能力(表2和图4)。这一结果说明了不同空间尺度上的互补性:基于遥测的模型在更大的空间尺度上更具有预测能力，而基于LEK的模型在局地空间尺度上更具有预测能力。

我们绘制了LEK(图3A)和遥测(图3B)两种方法预测的大象景观使用的区域范围，发现它们在视觉上非常相似。我们没有衡量选拔强度的差异，因为它们是基于等级的，因此不太可能具有可比性。

讨论

这是第一个使用社区鉴定专家的LEK来预测非洲大象景观使用情况并使用遥测技术证实这些结果的研究。LEK被用来描述大象使用的植被种类，以及它们喜欢的栖息地类型和景观特征。在区域尺度上，当地专家对栖息地和景观特征的平均得分充分预测了大象的存在。当我们将专家的本地化知识应用到他们家乡周围地区时，对大象存在的预测更加强烈。当分析区域受到局部限制时，LEK村庄中心模型在大象位置预测方面优于遥测模型。基于遥测的模型在尺度上表现良好，两种方法对大象栖息地选择的相对优势得出了相似的估计。虽然LEK本身就很有价值，但这些互补的发现强化了LEK数据的价值，以及通过在相关尺度上结合不同的知识来源可以获得的潜在见解。此外，这些结果突出了当地专家对非洲象已有的自然历史知识，非洲象是他们通过HWC经常遇到的物种。

大象对不同植物种类的偏好排序使我们能够利用当地的专家知识，而不需要广泛的植被和采集样本。我们使用LEK分数来估计大象对不同植物物种的偏好。值得注意的是，在专家排名的19个物种中，没有一个物种的平均得分低于2.7分(满分5分)。这一结果反映出大象的饮食是多种多样的，包括各种各样的植物(Sukumar 2003)。当地专家对大象最喜欢的植被种类达成了一致。大象喜欢的三种顶级物种也被人类使用;樟子树被用于建筑，骆驼刺树被保留下来用于遮阳，而紫茉莉树被用于木工和水果。大象和人类重叠的偏好和使用可能表明，在这些自然资源有限的地方，冲突的潜在来源。中低等级植被的专家评分差异较大，高等级植被的专家评分差异较小。这一结果可能表明，大象对一些物种有强烈的偏好，而对其他各种物种则无特定偏好;大象个体的觅食偏好存在差异;专家对植物种类的熟悉程度也存在差异。 Moreover, few experts identified any species of vegetation that elephants avoided or rarely used. This result is in line with elephants’ capacity for digesting even fibrous and low-quality materials (Sukumar 2003, Owen-Smith and Chafota 2012), but also alludes to people’s understanding that elephants are pervasive and affect all aspects of the environment.

这种方法的一个优点是，我们能够非常迅速地描述大象对多种植被的偏好，而且能够详细地描述，这是使用1到4小时的遥测间隔和250米遥感植被数据所不可能做到的。由于大象遥测数据的这些局限性，收集觅食数据的替代方法包括直接观察(Ruggiero 1992)、粪便分析(Codron et al. 2011)或评估喂养轨迹(Owen-Smith和Chafota 2012, Vogel et al. 2019)。这些方法可以更详细地了解基于植物特性的季节性饮食变化和选择。为了评估植被偏好模式，LEK提供了一种有效的方法来识别村庄周围地区大象选择的顶级物种，并突出它们的多种植被类型的饮食。

通过参与式排名活动，我们能够收集LEK，并评估大象对栖息地和景观特征的偏好。当地专家对生境和景观特征的评分具有很强的一致性，当地专家的评分差异甚至小于植被的评分差异。沙丘峰顶和山顶是专家意见最一致的变量，但它们的得分也最低。因此，专家们一致认为，大象最不常在山丘和沙丘上爬行或爬上山顶，这与大象在斜坡上运动需要消耗大量能量是一致的(Wall et al. 2006)。潮湿的洪泛区得分中等，但专家反应的变异较大。在这种情况下，我们建议迭代并与专家交谈，以评估为什么会有如此大的差异。尽管我们试图提供尽可能清晰和标准化的栖息地描述，但对于什么构成潮湿的洪泛区栖息地的解释可能存在差异。

专家对生境特征的排序与遥感模型的系数相关。这一结果证实了大象通过不同种类的知识对某些栖息地类型的相对选择。这两种方法都高度重视靠近水。在奥卡万戈西部，旱季的水仅限于奥卡万戈河和相关湿地，旱季对大象来说非常重要(Buchholtz等人，2019年)一个)．在村庄、发展以及与人类的潜在互动的背景下，专家们一致认为，大象通常生活在茂密的灌木和森林栖息地。大象可以在村庄附近找到这些栖息地，当地专家很可能会在那里遇到它们。对大象来说，树木栖息地在生理上很重要，因为它们需要树荫来调节体温(Sukumar 2003, Mole et al. 2016)，它们还为躲藏提供了保护罩，为觅食提供了食物。因此，对树木栖息地的偏好在生态学上是重要的，并得到了LEK和基于遥测的方法的支持。

水体和林地在两种方法中都很重要，而开放草地在遥感模型中具有显著的正系数，但在LEK模型中是第二低的生境变量。这一结果建立了从我们的研究中可以明显看出的抽样和规模的根本差异。在距焦点村25公里的范围内，开阔的草地不是常见的生境类型。因此，专家们可能只有有限的经验，在这些栖息地看到大象或象spoor。然而，该地区确实存在开放的草原，而且根据我们基于遥测的模型，大象积极而显著地选择了它们。此外，通过绘制整个地区LEK和遥测预测之间的差异图，我们发现山坡和沙丘山谷周围的地区在选择强度方面存在一些最大的差异。这一结果的部分原因可能是这些景观特征在整个景观中的分布相对较细和较长，这可能与大象的GPS定位间隔1或4小时不协调。

LEK提供了地方尺度的信息，这是用遥测技术无法捕捉到的。实际上，通过对当地专家的调查，我们能够对焦点村庄居民生活经历中所有大象的行为进行采样。我们能够模拟每个村庄周围的大象景观，以及不同村庄之间的差异。与我们有GPS项圈数据的大象相比，当地专家在他们自己的村庄附近接触了更多的大象，接触的时间更长。未来的工作可以专注于探索与大象长期行为模式相关的LEK，以了解环境的变化与它们的行为之间的关系。这些信息将让科学家更好地了解大象运动的反应和驱动因素，并设计保护策略，减少可能由变化因素导致的负面互动。此外，通过只将专家的分数应用到他们自己村庄周围的地区，而不是将所有专家的知识组合在一个区域模型中，我们能够更好地预测当地的大象景观使用情况，而不是在整体平均区域水平上。未来的工作应该确保考虑LEK适用的领域。在我们的案例中，了解大象迁移到村庄附近的地方，为当地野生动物官员和保护组织提供了有用的输出，以确定大象喜欢减少和预防HWC的地区。在资源有限的情况下，野生动物管理人员必须优先考虑各个地区，以集中精力，从而在减少冲突方面发挥最大作用。

基于遥测的模型允许我们在不同规模的资源选择功能建模，具有较高的预测能力。由于数年来每天多次对大象的活动进行采样，这些数据反映了它们在不同栖息地类型和景观中的代表性分布。我们发现，在受限于重点村庄周围的局部规模下，它的预测能力最低。我们预计，如果将局部规模限制在戴项圈大象经常使用的地区，而不是村庄位置，预测强度可能会提高。这反映了遥测数据的一个局限性，即有时我们感兴趣分析的规模和区域与有项圈的动物个体的活动范围和运动不一致。

这项工作的目的之一是支持环保人士和政策制定者，他们正在试图了解大象如何利用该地区的景观，以及如何管理和缓解人象冲突。我们希望我们的研究能够强调，经常与野生动物接触的人不仅仅是冲突的受害者;相反，他们是知识、经验和专业知识的持有者，他们非常适合为HWC分析提供输入。我们的工作只是让当地专家参与研究过程的一个步骤。我们鼓励未来的研究人员在整个研究过程中吸纳本地专家，以更全面地了解生态模式和过程。这一过程将导致我们无法仅通过生物数据获得的洞见。它也将有助于承认经验HWC的人的知识和经验的价值。最后，参与和接触科学工作背后的过程可以对保护工作的治理、参与和支持产生积极影响(McCall和Minang 2005, Treves等人2006,Hoare 2015)。

找到在生态研究中引用LEK的方法，是认可当地社区与大象生活在一起并承受HWC首当其冲的人们的专业知识的一种方式。在西部的Panhandle地区，就像世界上许多偏远和农村地区一样，人们没有机会接触到制定管理决策的机构，他们的经验相对于外部的科学和技术可能被忽视。我们发现，绝大多数接受调查的人都希望分享他们的知识和经验。为此目的，这项研究的结果已提供给博茨瓦纳的地方理事机构、非政府组织、野生动物和国家公园部的区域办事处以及各教育和政府机构。我们的目标是，这些发现和西部狭长地带的个体贡献的知识，可以用来为该地区的大象保护政策和缓解人象冲突的策略提供信息。

我们的目标是测试和强调基于LEK和遥测的方法的互补性，同时认识到两者的价值。这个过程的关键是，我们测试了每种方法的预测能力，而不是使用一种方法的结果来测试另一种方法的有效性。LEK方法使我们能够理解大象的植被偏好，并在局部尺度上比在区域尺度上更好地预测大象的存在。当地社区专家的生活经验为非洲象资源选择和景观利用提供了有效和相关的信息来源。相比之下，基于遥测技术的方法让我们能够更好地预测大象在更大范围内的存在，而不是在局部范围内。因此，LEK可以在相关规模上为某些保护挑战(如HWC)提供有用的信息，因为尽管人类和野生动物在共享景观时面临的挑战可能有广泛的模式，但HWC的解决方案必须是地方性的。将LEK和遥测技术作为最相关尺度上的互补方法，可以对生态做出有意义的贡献，并为人类和野生动物应对HWC的保护挑战。

文献引用

Anadón, J. D.， A. Giménez, R. Ballestar. 2010。将本地生态知识和栖息地模拟联系起来，以预测大尺度上的绝对物种丰度。生物多样性和保护19(5): 1443 - 1454。https://doi.org/10.1007/s10531-009-9774-4

本德尔，M. G.， G. R. Machado, P. J. de Azevedo Silva, S. R. Floeter, C. Monteiro-Netto, O. J. Luiz, C. E. L. Ferreira. 2014。当地的生态知识和科学数据显示，大西洋西南部的多齿手工渔业过度捕捞。《公共科学图书馆•综合》9 (10): e110332。https://doi.org/10.1371/journal.pone.0110332

比凡德，R.， H. Ono, R. Dunlap, M. Stigler和B. Denney, 2019年。包“classInt”。R分析包。(在线)网址:https://CRAN.R-project.org/package=classInt

博茨瓦纳野生动物和国家公园部，2013年。2013年旱季，博茨瓦纳北部动物空中普查。野生动物和国家公园研究和统计司，哈博罗内，博茨瓦纳。

博伊斯，m.s.， P. R. Vernier, S. E. Nielsen和F. K. A. Schmiegelow 2002。评估资源选择函数。生态模型157(2 - 3): 281 - 300。https://doi.org/10.1016/s0304 - 3800 (02) 00200 - 4

布鲁克，R. K.和S. M.麦克拉克兰。2008.生态与保护研究与监测的地方知识趋势与展望。生物多样性和保护17日(14):3501 - 3512。https://doi.org/10.1007/s10531-008-9445-x

布赫茨、E. K.、L.菲茨杰拉德、A.桑赫斯特、G.麦卡洛克和A.斯特龙扎一个。奥卡万戈西部狭长地带大象和人类对景观的重叠利用:冲突和保护的意义。景观生态学34(6): 1411 - 1423。https://doi.org/10.1007/s10980-019-00856-1

布赫兹、e·K、l·雷德莫尔、l·a·菲茨杰拉德、a·斯特龙扎、a·桑赫斯特和g·麦卡洛克。2019b。人类和大象对共享自然资源的时间分割和重叠使用。生态与进化前沿7:117。https://doi.org/10.3389/fevo.2019.00117

柯德龙，J.， D.柯德龙，J. A.李-索普，M. Sponheimer, K. Kirkman, K. J. Duffy和J. Sealy。2011。从非洲象粪便碳同位素分析推断的景观尺度的进食模式。环境科学165(1): 89 - 99。https://doi.org/10.1007/s00442-010-1835-6

迪克曼，A. J. 2010。冲突的复杂性:考虑社会因素对有效解决人类与野生动物冲突的重要性。动物保护13(5): 458 - 466。https://doi.org/10.1111/j.1469-1795.2010.00368.x

盖纳，K. M.， C. E. Hojnowski, N. H.卡特，J. S.布拉夏尔斯。2018。人类干扰对野生动物夜间活动的影响。科学360(6394): 1232 - 1235。https://doi.org/10.1126/science.aar7121

Graham博士和T. Ochieng, 2008。采用以农场为基础的措施，减少大象对农作物的掠夺非洲象在肯尼亚莱基皮亚区的小农农场中。大羚羊42(1): 76 - 82。https://doi.org/10.1017/S0030605308000677

古塞特、M、M. J.斯沃纳、L. Mponwane、K.凯莱蒂和J. W.麦克纳特。2009.博茨瓦纳北部的人类与野生动物冲突:濒临灭绝的非洲野狗捕食家畜吕卡翁pictus和其他食肉动物。大羚羊43(1): 67 - 72。https://doi.org/10.1017/S0030605308990475

霍尔,r . 2015。20年来非洲缓和人象冲突的经验教训。野生动物对人类的影响20(4): 289 - 295。https://doi.org/10.1080/10871209.2015.1005855

堪萨斯，R.， M.基德和A. T.奈特，2014。对造成损害的哺乳动物野生动物态度的元分析。保护生物学28(4): 924 - 938。https://doi.org/10.1111/cobi.12275

堪萨斯，R.， M.基德和A. T.奈特，2016。理解人类野生动物冲突的野生动物容忍模型和案例研究。生物保护201:137 - 145。https://doi.org/10.1016/j.biocon.2016.07.002

堪萨斯，R.和A. T.奈特，2014。推动人们对与人类冲突的大型哺乳动物态度的关键因素。生物保护179:93 - 105。https://doi.org/10.1016/j.biocon.2014.09.008

Karanth, K. K.， A. M. Gopalaswamy, R. DeFries和N. Ballal, 2012。在印度中部保护区，评估人类与野生动物的冲突模式和补偿。《公共科学图书馆•综合》7 (12): e50433。https://doi.org/10.1371/journal.pone.0050433

马登,2004年成立。创造人类与野生动物之间的共存:从全球角度看待解决人类与野生动物冲突的地方努力。野生动物对人类的影响9(4): 247 - 257。https://doi.org/10.1080/10871200490505675

M. K. McCall和P. A. Minang, 2005。为社区自然资源管理评估参与式地理信息系统:在喀麦隆申领社区森林。地理杂志171(4): 340 - 356。https://doi.org/10.1111/j.1475-4959.2005.00173.x

梅雅德，E.， K. Mengersen, D. Buchori, A. Nurcahyo, M. Ancrenaz, S. Wich, S. S. U. Atmoko, A. Tjiu, D. Prasetyo, Nardiyono, Y. Hadiprakarsa, L. Christy, J. Wells, G. Albar和A. J. Marshall. 2011。我们为什么不问呢?一种评估类人猿地位的辅助方法。《公共科学图书馆•综合》6 (3): e18008。https://doi.org/10.1371/journal.pone.0018008

Mole, m.a.， S. Rodrigues DÁraujo, R. J. van Aarde, D. Mitchell, A. Fuller, 2016。应对热:草原象在自然栖息地的行为和生理反应。保护生理学4 (1): cow044。https://doi.org/10.1093/conphys/cow044

诺顿-特里夫斯，L.， R. Grossberg和A.特里夫斯，2003。宽容的代价:农村公民对狼的掠夺和补偿的态度。保护生物学17(6): 1500 - 1511。https://doi.org/10.1111/j.1523-1739.2003.00060.x

Nyhus, P. J. 2016。人类与野生动物的冲突与共存。环境与资源年度回顾41(1): 143 - 171。https://doi.org/10.1146/annurev-environ-110615-085634

奥利，M. K, I. R.泰勒和M. E.罗杰斯1994。雪豹豹属uncia牲畜的捕食:对尼泊尔安纳普尔纳自然保护区当地看法的评估。生物保护68(1): 63 - 68。https://doi.org/10.1016/0006 - 3207 (94) 90547 - 9

Olsson, P.和C. Folke, 2001。生态系统管理的地方生态知识和制度动态:瑞典拉肯湖流域研究。生态系统4(2): 85 - 104。https://doi.org/10.1007/s100210000061

Owen-Smith, N.和J. Chafota, 2012。巨型食草动物非洲象的选择性进食(非洲象)．哺乳动物学杂志》93(3): 698 - 705。https://doi.org/10.1644/11-MAMM-A-350.1

Parry, L.和C. A. Peres, 2015。评估在大空间尺度上利用当地生态知识监测被猎杀的热带森林野生动物。生态和社会20(3): 15。https://doi.org/10.5751/ES-07601-200315

和平公园基金会，2005。2005年喀纳斯土地覆盖。ArcGIS中心。世界野生动物基金会，Gland，瑞士。(在线)网址:https://hub.arcgis.com/datasets/b82b036653df4ef8abf184f1c4c656ec?geometry=-4.235%2C-24.265%2C51.883%2C-9.599

Polfus, j.l.， K. Heinemeyer, M. Hebblewhite和Taku River Tlingit First Nation. 2014。比较传统生态知识与西方科学的林地北美驯鹿生境模式。野生动物管理杂志78(1): 112 - 121。https://doi.org/10.1002/jwmg.643

Potten, d . 1976。Etsha:成功的安置方案。博茨瓦纳笔记和记录8:105 - 119。(在线)网址:https://hdl.handle.net/10520/AJA052550590_446

R核心团队。2018。R:统计计算的语言和环境。统计计算基金会，维也纳，奥地利。

鲁杰罗，1992年。非洲中部大象对饲料的季节性利用。非洲生态学杂志30(2): 137 - 148。https://doi.org/10.1111/j.1365-2028.1992.tb00487.x

Signer, J.， J. Fieberg和T. Avgar, 2019年。动物运动工具(amt):用于管理跟踪数据和进行栖息地选择分析的R包。生态学与进化9(2)。https://doi.org/10.1002/ece3.4823

圣·约翰、f·a·V、a·m·基恩、j·p·g·琼斯和e·j·米尔纳·古兰。2014.在应用生态研究中，稳健的研究设计在社会方面和生态方面一样重要。应用生态学杂志51(6): 1479 - 1485。https://doi.org/10.1111/1365-2664.12352

Sukumar, r . 2003。活象:进化生态学、行为和保护。牛津大学出版社，英国牛津。

泰诺，汤姆逊，2019。包装“考克斯”:混合效应考克斯模型。R分析包。(在线)网址:https://CRAN.R-project.org/package=coxme

Thurfjell, H.， S. Ciuti, M. S. Boyce. 2014。阶梯选择函数在生态与保护中的应用。运动生态2(1): 4。https://doi.org/10.1186/2051-3933-2-4

特里维斯，A.， R. B.华莱士，L.诺顿-特里维斯和A.莫拉莱斯，2006。人类与野生动物冲突的共同管理:综述。野生动物对人类的影响11(6): 383 - 396。https://doi.org/10.1080/10871200600984265

Tshering, K.和P.廷利，2017年。评估不丹西部农牧民的牲畜放牧做法:牲畜遭受捕食的脆弱性和对牲畜管理政策的影响。田园主义7(1): 5。https://doi.org/10.1186/s13570-017-0077-1

特维，S. T.， C. Fernández-Secades, J. M. Nuñez-Miño, T. Hart, P. Martinez, J. L. Brocca, R. P. Young. 2014。在加勒比海的多元文化景观中，当地的生态知识是保护小型哺乳动物的有用工具吗?生物保护169:189 - 197。https://doi.org/10.1016/j.biocon.2013.11.018

杜伟，s.t.，钟崇棠，Quyet, H. V. Nhu, D. V. Thoai, V. C. a Tuan, D. T. Hoa, K. Kacha, T. Sysomphone, S. Wallate, C. T. T. Hai, N. V. Thanh, N. M. Wilkinson. 2015。基于访谈的观察历史可以为高度濒危的隐种的区域保护提供依据。应用生态学杂志52(2): 422 - 433。https://doi.org/10.1111/1365-2664.12382

Vanderpost, C.， S. Ringrose和M. Murray-Hudson。2014.利用现有植被数据估算偏远地区的生物多样性:Ngamiland地区。博茨瓦纳笔记和记录45:14。(在线)网址:https://journals.ub.bw/index.php/bnr/article/view/400

沃格尔，s.m.， W. F. de Boer, M. Masake, A. C. Songhurst, G. McCulloch, A. Stronza, M. D. Henley和T. Coulson。非洲草原象(非洲象)吃庄稼，因为他们渴望微量营养素?bioRxiv673392.https://doi.org/10.1101/673392

沃尔，J.， I.道格拉斯-汉密尔顿和F.沃拉斯，2006。大象不喜欢昂贵的登山。当代生物学16 (14): R527-R529。https://doi.org/10.1016/j.cub.2006.06.049

Zeller, K. A.， K. McGarigal和A. R. Whiteley, 2012。景观运动阻力估算综述。景观生态学27(6): 777 - 797。https://doi.org/10.1007/s10980-012-9737-0