歐亞猞猁在中國的分布現狀與適宜棲息地預測

劉軻 劉炎林 李晟*

（1 北京大學生命科學學院，北京 100871）（2 青海師范大學生命科學學院，西寧 810016）（3 中國貓科動物保護聯盟，北京 101121）

歐亞猞猁 (Lynx lynx) 是我國12 種野生貓科動物 (Felidae) 之一 (魏輔文，2022)，性喜寒，對北溫帶以及高海拔山地的寒冷氣候具有很強的適應性，主要棲息在高海拔森林、河谷、草原、荒漠等生境 (阿布力米提·阿布都卡迪爾等，1998；國家林業局，2009；劉少英等，2022)。歐亞猞猁在分類上隸屬于貓亞科，屬于“小貓 (small cats)”的一員，但其成體體重一般在15 kg 以上(15 ～30 kg)，具有捕獵大中型獵物的能力 (Hunter and Barrett, 2019；劉少英等，2022)，因此通常被列為大型食肉動物 (large carnivores) 之一 (Rippleet al.,2014)。歐亞猞猁具有優秀的捕獵能力，且分布范圍廣闊，在許多地區都是其所在生態系統中的頂級捕食者 (apex predator)，可以通過捕食和建立恐懼地景 (landscape of fear) 調控生態系統中食草動物，例如狍 (Capreolus pygargus)、巖羊 (Pseudois nayaur)、灰尾兔 (Lepus oiostolus) 的種群數量，對于維持生態系統結構與功能的穩定和平衡具有重要意義 (Sergioet al., 2008)。

1995 年啟動的全國第一次陸生野生動植物資源調查的結果表明，全國歐亞猞猁種群總數約27 000只，其中西藏、甘肅兩省 (自治區) 占全國種群總數的一半以上，青海、新疆、內蒙古和四川也各有1 000 只以上 (國家林業局，2009)。除此之外，我國局部地區也在不同時期對歐亞猞猁的種群數量與分布開展了研究：1994—1996年在新疆維吾爾自治區進行的研究表明，該區內野生歐亞猞猁總數約為1 532 只 (密度為100 km20.502 只) (阿布力米提·阿布都卡迪爾等，1998)；1985—2009 年在吉林長白山國家級自然保護區的調查結果估計該保護區內2009 年歐亞猞猁僅有3 只左右 (樸正吉等，2011)；2011 年甘肅北部鹽池灣國家級自然保護區的調查顯示，當地歐亞猞猁密度約為100 km23.22 只 (趙忠等，2011)；2011—2012 年和2014—2017年在內蒙古賽罕烏拉國家級自然保護區開展的研究表明，當地歐亞猞猁種群至少分別有5 只和20 只個體 (周許偉等，2015; Tanget al.,2019)。盡管缺乏全面、系統的科學評估，但我國歐亞猞猁的種群及分布范圍在區域和全國尺度上可能都曾經歷嚴重下降 (Yanget al., 2017；張睿，2017)。

相比于廣受關注的虎 (Panthera tigris)、豹 (P.pardus)、雪豹 (P.uncia) 等大型貓科動物，我國對歐亞猞猁的研究相對較少，尤其是在野生種群與野外生態方面。目前已有的研究集中于疾病、遺傳以及生態等領域，其中關于疾病的研究大部分來自動物園的圈養個體，涉及寄生蟲、消化道疾病等 (田欣田等，1992；趙金鳳等，2007；趙玲玲，2015; Xieet al., 2020)；遺傳方面主要關注歐亞猞猁與貓科其他物種在演化和系統發育上的關系 (鄭濤等，2005；王金鳳等，2012; Ninget al.,2016)；在生活史與生態方面，已有研究主要以某個地區或保護區內的歐亞猞猁種群為研究對象，探討歐亞猞猁的獵物和棲息地偏好，以及局地種群的動態變化 (周許偉等，2015; Guoet al., 2017;Yanget al., 2017; Tanget al., 2019)。

20 世紀70 年代以前，我國的歐亞猞猁曾經歷較高的人類捕獵壓力，皮毛交易十分廣泛。根據歷史收購信息，新疆北部阿勒泰、塔城、伊犁地區和南部的巴音郭楞地區在1955—1970 年共收購歐亞猞猁皮張237 張；20 世紀80 年代，隨著《中華人民共和國野生動物保護法》頒布實施，以及歐亞猞猁被列為國家二級重點保護野生動物，針對該物種的捕獵逐漸減少，以上地區在1970—1994年每年收購皮張在5 ～ 10張左右，呈現明顯下降趨勢 (阿布力米提·阿布都卡迪爾等，1998)。近年來，歐亞猞猁遭到偷獵的事件仍偶有發生，但人類直接捕殺已不是威脅其生存的主要因素；而人類活動對歐亞猞猁棲息地的破壞以及由此帶來的棲息地破碎化和種群隔離問題，成為該物種目前面臨的首要威脅 (鮑偉東，2014)。在2021 年頒布更新的《國家重點保護野生動物名錄》中，歐亞猞猁仍舊被列為國家二級重點保護野生動物 (國家林業和草原局和農業農村部，2021)，其在我國的生存現狀和分布范圍需要得到進一步關注。

綜合以上，20世紀中期以來，我國歐亞猞猁的種群與分布區可能經歷了劇烈縮減，但對其分布現狀與動態的了解十分缺乏，相關的研究較為匱乏，成為開展針對性保護規劃與行動的主要障礙。為了改善這一現狀，為歐亞猞猁的保護規劃提供參考，本研究通過系統檢索紅外相機調查數據、文獻、目擊記錄和其他多源信息，匯總2010—2022 年歐亞猞猁在我國的分布記錄，同時根據收集到的歐亞猞猁分布位點數據，利用物種分布模型 (species distribution model) 預測該物種在我國的適宜棲息地，并基于分布位點的空間分布格局探討不同區域種群的劃分方式。本研究更新了歐亞猞猁在我國的分布現狀，可以為該物種的野外監測、生態研究、保護地建設、廊道規劃等提供基礎數據與信息支持。

1 研究方法

1.1 數據收集和處理

通過多源渠道系統檢索2010—2022 年歐亞猞猁在我國的分布記錄，數據來源包括學術論文、新聞報道、攝影作品以及其他零星報告。具體數據來源與檢索方式包括：在中國知網 (http://www.cnki. net/) 中分別使用“猞猁”、“Lynx lynx”作為檢索詞檢索中英文學術論文，并使用“紅外相機”、“相機陷阱”、“紅外觸發相機”作為檢索詞，檢索使用紅外相機調查技術開展野生動物本底調查或多樣性編目調查的中英文學術論文，從中篩選出有歐亞猞猁記錄的文獻；在Web of Science(https://www. webofscience. com/) 中使用“Lynx lynx”、“China”作為關鍵詞檢索英文學術論文，并使用“camera trap”、“camera-trapping” 和“wildlife”、“China”作為檢索詞，檢索使用紅外相機調查技術開展野生動物調查與研究的英文學術論文，從中篩選出有歐亞猞猁記錄的文獻；使用百度 (https://www. baidu. com/)、谷歌 (https://www. google. com. hk/)、 必應 (https://cn. bing.com/) 網絡搜索引擎，并在微博 (https://weibo.com/)、抖音 (https://www.douyin.com/)、嗶哩嗶哩彈幕網 (https://www. bilibili. com/) 網站中，使用“中國”“猞猁”“中國猞猁”進行檢索。然后審核檢索到的論文、報道、影像及其他零星報告，選取2010—2022 年中國范圍內歐亞猞猁的野外確認記錄，從中提取地點 (行政區與小地名)、位置 (經緯度坐標)、年份等信息；剔除重復報道記錄，對于同時出現在多個數據來源的確認記錄，優先選取文獻報道中的原始確認記錄；舍去位置信息缺失、模糊或存疑的記錄，舍去缺乏實證性證據 (如照片、視頻、實體或殘骸等) 的不可靠新聞報道。對于研究論文，如果文中沒有明確說明野外確認事件的具體時間，則取該研究的起始年份作為文獻中歐亞猞猁的野外確認年份。本研究還基于“中國西南山地紅外相機監測網絡”(李晟等，2020) 與“中國貓科動物紅外相機監測平臺”(劉炎林等，2020) 獲得2010—2022年監測網絡覆蓋區域內的歐亞猞猁紅外相機拍攝數據，從中提取每條記錄的拍攝年份以及精確坐標信息。另外，本研究還通過全球生物多樣性信息網絡 (Global biodiversity information facility, GBIF. https://www. gbif.org/) 的數據平臺，檢索了中國周邊國家和地區 (蒙古國、俄羅斯、烏茲別克斯坦、吉爾吉斯斯坦、哈薩克斯坦、克什米爾地區) 歐亞猞猁的分布記錄。

對于原始文獻或報道未提供精確經緯度坐標的記錄，根據記錄中小地名、地塊單元 (如自然保護區、林場等) 等信息，參照同類研究 (Shenet al., 2021；孔玥嶠等，2021)，通過百度地圖或Google Earth 進行地點查詢，提取發現地點的大致經緯度坐標。為了統一記錄格式，所有經緯度坐標信息均保留到小數點后四位，不代表實際的精確度。根據數據定位將數據集整理為中國歐亞猞猁分布點數據和中國及周邊國家和地區歐亞猞猁分布點數據；對于同一地點上不同時間出現的多條記錄 (例如同一紅外相機位點上的多次拍攝記錄)，僅保留距今時間最近的一條。使用ArcGIS 10.8 建立歐亞猞猁在中國的分布位點圖層。同時，在IUCN 受威脅物種紅色名錄 (IUCN Red List of Threatened Species) 網站 (https://www. iucnredlist.org/) 下載歐亞猞猁物種分布范圍圖層 (species range map) 作為參照。

1.2 聚類分析

受自然地理與人類活動區 (如大片農業區、建成區等) 等阻隔因素的影響，歐亞猞猁在中國的分布可能被分隔為若干區域性的地理種群；這些地理種群的空間分布及其相互關系可以為各亞種分布范圍的劃分和區域性管理單元的劃分提供參考(Shenet al., 2021)。對于按照地理位置分布聚集的物種來說，同一地理種群分布位點之間的平均距離小于種群之間分布位點的平均距離。根據地理位置對歐亞猞猁分布位點進行聚類分析，有兩種處理方法：僅使用中國境內的分布位點，以及使用中國及周邊地區的分布位點。在R 4.2.0 (R Core Team, 2022) 中使用NbClust 包 (Charradet al.,2014) 對數據集進行K 均值聚類分析，計算最佳聚類數K，將分布數據聚類結果繪制在中國地圖上。

1.3 適宜棲息地預測

1.3.1 樣本數據篩選

使用R 4.2.0 中的spThin函數包 (Aiello-Lammenset al., 2015) 對中國境內的歐亞猞猁分布位點進行自疏化處理，用于構建物種分布模型。疏化距離為5 km，155個原始記錄位點經過疏化后得到112個位點。

1.3.2 環境變量選取

研究選取4大類可能影響歐亞猞猁棲息地適宜度和分布概率的環境變量 (表1)，分別是：(1) 全球范圍當代 (1950—2000 年) 的氣候變量，共19 個(Bio1 ～ Bio19) (Fick and Hijmans, 2017)；(2) 地形變量，包括全球海拔 (Fick and Hijmans, 2017)、全球地形崎嶇度指數 (Terrain ruggedness index, TRI)和坡度指數；(3) 人類活動變量，使用人類足跡指數 (Venteret al., 2018)；(4) 土地類型變量，使用土地覆蓋類型 (ESA, Land Cover Maps - v2.0.7,2015)。使用ArcGIS 10.8提取以上變量的中國范圍內的圖層并將數據精度重采樣到5 km × 5 km 的像元大小。使用MaxEnt 3.4.1 (Phillipset al., 2006)初步運行模型，得到每個環境變量的重要值，計算24 個環境變量的Pearson 相關性系數，相關性系數大于0.8則認為環境變量之間存在顯著相關性，保留具有更高重要值的環境變量。最終獲得11個環境變量用于后續的模型構建，分別是年平均氣溫(Bio1)、晝夜溫差月均值 (Bio2)、晝夜溫差與年溫差比值 (Bio3)、溫度變化方差 (Bio4)、最濕月降水量 (Bio13)、最干月降水量 (Bio14)、濕度變化方差(Bio15)、海拔、人類足跡指數、土地覆蓋類型與坡度。

表1 中國歐亞猞猁棲息地預測中使用的環境變量Table 1 Environment variables used in the habitat prediction of Eurasian lynx in China

1.3.3 模型參數設置

使用MaxEnt 3.4.1 對歐亞猞猁在中國的適宜棲息地進行預測，設置重復數為10，重復運行類別選擇交叉驗證 (Crossvalidate)，環境特征參數設置為自動。在模型中選擇刀切法 (jackknife) 功能來分析影響歐亞猞猁分布的環境變量因子，使用受試者工作特征曲線 (receiver operating characteristic curve, ROC) 下面積 (area under curve, AUC) 評價模型預測結果的優劣。

MaxEnt 模型設置中的正則化乘數 (regularization multiplier, RM) 會影響模型輸出分布的聚焦程度，RM 值的選擇對MaxEnt 模型的預測結果存在一定影響 (Radosavljevic and Anderson, 2014)。為了得到合適的RM 值，防止過擬合，本研究以0.5 為間隔，將RM 設置為0.5 ～ 4.0 共8 個水平，重復數 (replicates) 設置為10，一共得到80 個模型，使用R 4.2.0中的ENMeval函數包計算以上80個模型的AICc值，對每個RM 值水平下10個模型的AICc值取平均，選擇AICc 值最小的RM 值用于構建最終模型 (Akaike, 1973)。

1.3.4 適宜棲息地模擬

使用ArcGIS 10.8 中的自然間斷點分級法，將中國歐亞猞猁適宜棲息地預測結果按照各個像元的棲息地適宜度數值劃分為4類，分別定義為：不適宜區 (0 ～ 0.137)、低度適宜區 (0.137 ～ 0.365)、中度適宜區 (0.365 ～ 0.647)、高度適宜區 (0.647 ～1.000)。將中度適宜區和高度適宜區定義為歐亞猞猁在中國的適宜棲息地，從而得到中國境內歐亞猞猁的適宜棲息地范圍。將IUCN 給定的中國歐亞猞猁分布范圍圖與模擬適宜棲息地范圍圖疊加，對比評估模型預測分布范圍與IUCN 給定分布范圍之間的差異。

2 結果

2.1 中國猞猁分布現狀

共收集到155條中國境內具有可信地理位置的歐亞猞猁確認分布記錄，其中紅外相機數據83 條，其他來源數據72 條，如表2 和圖1 所示。歐亞猞猁野外確認記錄分布于中國9 個省級行政區，其中新疆維吾爾族自治區的記錄最多 (n=28)，其次為黑龍江省 (n= 27)、青海省 (n= 25) 和內蒙古自治區 (n= 25)；云南省僅有1 條歐亞猞猁野外確認記錄。

圖1 2010—2022年歐亞猞猁在中國的確認分布位點Fig. 1 Confirmed occurrence sites of Eurasian lynx in China from 2010 - 2022

紅外相機數據和新聞報道是中國歐亞猞猁分布記錄的主要來源，分別占所有確認記錄數的42.9%和42.3% (圖2a)。在所有66 條新聞報道記錄中，80.3%的記錄為歐亞猞猁1 只個體單獨行動，1.5%為2只成對活動，18.2%為3只及以上個體 (3 ～ 4只) 共同出現 (均為成體歐亞猞猁與幼仔伴行) (圖2b)。

圖2 中國歐亞猞猁分布記錄的數據來源 (a) 與新聞報道中每次觀察記錄中的歐亞猞猁個體數量 (b)Fig. 2 Sources of Eurasian lynx occurrence record in China (a) and numbers of Eurasian lynx individuals reported in each observation from news reports (b)

2.2 聚類分析

僅使用中國境內歐亞猞猁分布位點數據得到的聚類分析結果顯示：中國東北部地區的分布位點為聚類1，包括黑龍江、吉林和內蒙古東部部分地區；中國西北部地區的分布位點為聚類2，包括新疆北部與東部、甘肅北部和內蒙古西部；中國西南部地區的分布位點為聚類3，包括西藏、青海、四川西部和云南西北部 (圖3a)。使用中國及其周邊地區歐亞猞猁分布位點數據得到的聚類分析結果同樣分為東北、西北、西南3個片區 (圖3b)，其中西北地區的分界線向北移動到新疆中部，以新疆北部的天山至阿爾泰山地區為一個聚類；西南地區的分界線向北擴張到包含整個青藏高原 (包括西藏、青海、新疆東南部、甘肅、四川西部和云南西部) 及祁連山和內蒙古西部地區。

圖3 歐亞猞猁分布位點的不同聚類模式. a：僅使用中國境內數據；b：使用中國及其周邊地區數據 (1：聚類1；2：聚類2；3：聚類3)Fig. 3 Different clustering patterns of Eurasian lynx occurrence sites. a: based on data within China; b: based on data in and around China (1: cluster 1; 2: cluster 2; 3: cluster 3)

2.3 歐亞猞猁在中國的適宜棲息地分布

當RM = 0.5 時模型變量數大于位點數，無法計算AICc 值，因此本研究舍棄RM = 0.5 的分類。當RM = 4.0 時，模型平均AICc 值最小?；赗M = 4.0運行得到的10個模型的ROC顯示，模型組的測試AUC 值最大為0.854，最小為0.723，平均值為0.814，標準差為0.050，0.8 ≤ AUC ＜ 0.9，表明模型擬合良好 (表3)。

表3 基于不同RM值下的MaxEnt模型AICc值Table 3 AICc value of MaxEnt model based on different RM values

MaxEnt 模型的刀切法檢驗結果顯示：年平均氣溫對歐亞猞猁在中國的地理分布預測影響最大，移除年平均氣溫變量之后模型損失最大，說明在年平均氣溫變量中存在其他變量不存在的最多信息；最干月降水量和土地覆蓋類型的影響次之；對模型影響最小的是濕度變化方差、人類足跡指數和晝夜溫差與年溫差比值 (圖4)。

圖4 MaxEnt模型中對于環境變量重要性的刀切法檢驗Fig. 4 Jackknife test of the importance of environmental variables in the MaxEnt model

將MaxEnt 模型預測中國歐亞猞猁分布適宜棲息地的結果劃分為不適宜區 (249.24 × 104km2)、低度適宜區 (337.02 × 104km2)、中度適宜區(201.54 × 104km2)、高度適宜區 (127.21 × 104km2)(圖5a)。歐亞猞猁在中國的適宜棲息地 (即中度適宜區及高度適宜區) 總面積為328.74 × 104km2，大部分位于我國胡煥庸線 (胡煥庸，1935) 以西地區，包括黑龍江北部、內蒙古東北部、四川西北部、西藏南端、阿爾泰山地區、天山地區、昆侖山地區、祁連山地區 (圖5b)。

圖5 MaxEnt模型預測的歐亞猞猁在中國的適宜棲息地分布范圍 (a) 以及歐亞猞猁確認分布位點和IUCN物種分布圖層范圍的重疊 (b)Fig. 5 MaxEnt Model predicted suitable habitat of Eurasian lynx in China (a) and its overlap with the confirmed occurrence sties and IUCN’s species range map (b)

將IUCN 給定的中國歐亞猞猁分布范圍與本研究收集到的歐亞猞猁分布位點和模型預測的適宜棲息地疊加 (圖5b)，顯示前者缺少阿爾泰山—天山地區、內蒙古東北部與中部、四川西部部分地區以及祁連山部分地區，而后者沒有包含西藏中部及北部、青海西部以及新疆南部的部分地區。

3 討論

本研究結果得到的歐亞猞猁適宜棲息地既包括海拔相對較低 (500 ～ 2 000 m) 的東北地區，也包括海拔更高 (2 000 ～ 5 000 m) 的西部高原與山地，但都表現出對年均溫這一變量的依賴性，表明歐亞猞猁是一種喜寒的貓科動物。從全球來看，歐亞猞猁是北半球分布緯度最高的貓科動物，中國的歐亞猞猁分布區位于其全球分布區的南端，因此在中國境內的歐亞猞猁更偏向于在高山高原生境中生存，從而滿足其對于較低環境溫度的需求，使得年平均氣溫成為模型中影響權重最大的環境變量。人類足跡指數作為人類活動變量對于歐亞猞猁的適宜棲息地預測貢獻極低，從側面表明在較大空間尺度上，人獸沖突、偷獵等人類的直接活動可能不是威脅該物種生存與分布的主要因素。然而，MaxEnt 模型結果顯示，主要由人類生產、生活活動形成的土地覆蓋類型，對歐亞猞猁的適宜棲息地構建具有重要影響。后續研究可以進一步深入探討20 世紀以來中國土地覆蓋類型的變化與歐亞猞猁適宜棲息地變化之間的關聯，揭示土地覆蓋類型變化在該物種適宜棲息地縮減中的影響程度與作用機制。

本研究的結果顯示，歐亞猞猁在我國的適宜棲息地主要分布在胡煥庸線以西地區；從影響其棲息地適宜度的環境因子來說，歐亞猞猁更傾向分布于寒冷干燥的地區。已有研究表明，中國生態用地在空間上的分布格局呈現沿胡煥庸線“東南低、西北高”的特點，胡煥庸線以西地區生態用地總量更大，為生物多樣性保護提供了更大的支持 (喻鋒等，2014)。同時，胡煥庸線以西地區以溫帶大陸性氣候和高原高山氣候為主，大部分是年降雨量500 mm 以下的干旱及半干旱地區或海拔較高的高原高山地區。本研究結果，從氣候變量和土地類型變量都較好地解釋了歐亞猞猁適宜棲息地在我國主要分布在胡煥庸線以西地區的格局。

自20 世紀70 年代以來，歐亞猞猁在我國的分布范圍和種群數量均呈縮減趨勢 (張睿，2017)。以東北地區為例，對縣志以及目擊記錄等統計數據的整理發現，2000—2014 年期間東北地區的歐亞猞猁總記錄不及20 世紀70 年代的15% (Yanget al., 2017)。遼寧省歷史上有過歐亞猞猁分布(Yanget al., 2017)，但本研究沒有收集到歐亞猞猁的分布記錄；而在20 世紀還存在歐亞猞猁分布的陜西省、山西省 (張睿，2017)，本研究中都沒有發現新的野外確認記錄。由于棲息地破壞、人獸沖突、散放家養動物的干擾等原因，許多野生大中型食肉動物的野外生存環境持續惡化。已有研究發現，相較于狼 (Canis lupus)，歐亞猞猁引起的人獸沖突案例更少，同時歐亞猞猁通常對人身安全不具威脅，因此其分布區內的居民對歐亞猞猁的負面看法與抵觸也更弱 (陳鵬舉，2017；程一凡等，2019)。本研究收集到的除紅外相機數據以外其他來源的72 條記錄中，僅有2 條跟人獸沖突有關，表明人獸沖突可能不是歐亞猞猁目前面臨的主要威脅因素。在本研究收集到的歐亞猞猁目擊記錄中，存在流浪狗 (藏獒) 攻擊歐亞猞猁的現象，表明散放家狗對歐亞猞猁的生存可能產生一定的威脅?？紤]到在青藏高原地區流浪狗已經成為破壞生態平衡不可忽視的重要問題 (楊樂等，2019)，后續研究應進一步關注流浪狗與歐亞猞猁的種間競爭機制以及二者共存的可能性。

本研究使用的歐亞猞猁分布位點主要來自紅外相機數據和各類新聞報道，在信息來源和空間分布方面可能存在取樣偏差 (sampling bias)。新聞報道記錄多為目擊事件的網絡報道，大多位于人類活動區附近和道路沿線，而紅外相機數據通常來自保護地，對全國的覆蓋取樣并不均勻。在缺少人類活動和紅外相機調查的歐亞猞猁分布區，相應的分布位點記錄也是缺乏的。在本研究適宜棲息地模擬結果中，青藏高原中部和西部的大片地區沒有被預測為歐亞猞猁的中高度適宜區，而在IUCN 給定的物種分布圖中，整個青藏高原都被劃為歐亞猞猁的分布范圍。我們推測，可能是因為該區域地廣人稀，收集到的分布位點極為稀疏，導致該區域的模型預測出現低估。后續工作中，需進一步推進青藏高原中西部和北部地區歐亞猞猁的野外調查，更全面地收集分布位點數據。本研究適宜棲息地的模擬結果還表明，許多當前確認有歐亞猞猁分布的地區沒有被劃入IUCN 的物種分布范圍，包括阿爾泰山—天山地區、內蒙古東北部、四川西部以及祁連山部分地區。IUCN 的物種分布范圍主要是基于專家知識，可能存在時效性不及時、分辨率較粗糙等局限 (Shenet al.,2021)。本研究可以為該物種分布現狀的后續評估與分布范圍圖層更新提供參考，以補充、完善當前圖層的疏漏和空缺。

我國境內歐亞猞猁的地理種群和亞種的劃分一直存在不同看法 (Smith 和解焱，2009；鮑偉東，2014)。通常認為我國有2 個歐亞猞猁亞種，即分布在我國中部、西部以及西南地區的中國亞種L.l.isabellinus(亦稱青藏亞種)，與分布在我國北方地區的東北亞種L.l.stroganovi(魏輔文，2022)；亦有研究者認為我國分布的歐亞猞猁均為L.l.isabellinus(高耀亭，1987；王應祥，2003)；此外，部分文獻把分布在我國新疆北部阿爾泰山地區的歐亞猞猁列為單獨的阿爾泰亞種L.l.wardi(Smith和解焱，2009)。本研究中，聚類分析結果將中國歐亞猞猁的分布位點分為3部分，其中東北亞種的分布基本與聚類1吻合。但是無論是僅使用中國境內數據或是綜合使用中國以及周邊地區數據，所得到的聚類2 和聚類3 都無法與歐亞猞猁在中國的阿爾泰亞種、青藏亞種地理分布區劃完全吻合(Smith 和解焱，2009；魏輔文，2022)。據文獻記載，阿爾泰亞種分布在阿爾泰山地區，天山地區分布的亞種為青藏亞種 (Smith 和解焱，2009)，而本研究結果顯示二者無法根據地理分布位置的聚類區分開，說明青藏亞種與阿爾泰亞種的棲息地可能存在交疊，其重疊區域可能主要在新疆準葛爾盆地周邊地區。對該地區的歐亞猞猁進一步開展形態學、行為學、演化基因組學以及相關的地質歷史、古氣候研究，將有助于我們厘清該區域歐亞猞猁種群的演化歷史與分類地位。

歐亞猞猁在與中國交界的俄羅斯、蒙古國以及中亞多國均有分布，其境外分布位點數據與中國境內分布位點在空間上是連續的。受限于境外數據的獲取，本研究僅以中國國界線作為歐亞猞猁適宜棲息地預測的邊界，因此對于邊境附近地區的預測結果可能存在相應的偏差。對于跨國分布的歐亞猞猁，已經有相關研究使用MaxEnt 模型對中國、哈薩克斯坦、吉爾吉斯斯坦、烏茲別克斯坦邊境地區的歐亞猞猁分布范圍進行了預測，評估了該地區歐亞猞猁跨境保護現狀與前景 (Bizhanovaet al., 2022)。許多物種的分布研究往往以人為劃定的政治邊界作為分割線，這與物種的自然分布往往不甚相同，尤其是在國家尺度上進行物種保護規劃時。有效保護跨境分布的受威脅物種，需要多個國家的協同合作 (王利繁等，2015; Vitkalovaet al., 2018; Wanget al., 2018)。歐亞猞猁在中國東北地區的分布與俄羅斯的西伯利亞和遠東地區相連，在中國西北新疆地區的分布與俄羅斯和多個中亞國家相連，在中國西南喜馬拉雅地區的分布則與印度、巴基斯坦、尼泊爾等國家相連。今后非常有必要同這些國家與地區聯合開展歐亞猞猁的跨境調查與監測，以全面了解跨境種群的狀況與動態。

在以往對全國歐亞猞猁分布狀況的評估中，研究人員更多使用保護區本底物種名錄、地方志記載等數據來源 (Yanget al., 2017；張睿，2017)，其數據精度與可靠性較低，同時也存在數據更新不及時、時效性低的問題，可能對分布現狀的評估產生較大影響。2010 年以來，隨著智能手機的全面普及，中國網民數量激增，大量社交平臺不斷涌現，為普通人分享生活提供了便利的平臺。由互聯網構建的大型平臺使得不同來源的信息快速傳播、交流變得觸手可及，這其中也包括許多野生動物的觀察記錄。在本研究收集的網絡數據中，也不乏一定數量的由個人上傳至社交平臺的歐亞猞猁目擊記錄。這些記錄往往具有較為精準的定位，傳播時效性更高，獲取方式更加便捷，為數據收集提供了更多來源和渠道 (Diet al.,2015)。但是，社交平臺傳播的野生動物視頻，也經常出現“張冠李戴”的現象，研究者需要對其實際拍攝地點、日期等信息進行多方仔細核實。當地居民使用社交媒體記錄下的野生動物文字、影像、視頻等資料也可以反映人們與野生動物的互動關系，是了解當地居民對野生動物態度的重要渠道，對于保護工作的開展具有重要意義 (Gaoet al., 2023)。相比社交媒體，更全面地構建面向大眾的公民科學 (citizen science) 數據收集平臺，對野生動物研究者和管理者來說是一種更加省時省力且覆蓋范圍廣、收集數據量大的數據收集方法，能夠為動物保護提供寶貴并且精確可信的原始數據 (Silvertown, 2009)。在中國進一步推動公民科學平臺的建設，對歐亞猞猁以及其他野生動物的監測、研究和保護都將具有重要意義。

致謝：感謝祁連山國家公園青海管理局對歐亞猞猁調查的支持。感謝北京大學生命科學學院段菲、朱淑怡和中國貓科動物保護聯盟 (貓盟) 及其志愿者在本研究數據收集過程中提供的數據資料支持。