The wintering distribution of Great Grey Shrike Lanius excubitor in Poland: predictions from a large-scale historical survey

• Autorzy: Kuczynski L. , Rzepala M. , Golawski A. , Tryjanowski P.

Warianty tytułu

PL

Predyktywne rozmieszczenie populacji srokosza zimującego w Polsce: analiza danych historycznych

• Języki publikacji: EN

Abstrakty

EN

The wintering Great Grey Shrike Lanius excubitor was censused in Poland more than two decades ago (during the winters of 1988/89 and 1989/90). Single censuses were made during each winter on sample plots varying from 4.1 to 35.1 km2 (mean: 16.4 km2). Altogether, data from 404 plots, covering in total more than 6.6 thousands km2 were used for the analysis. Based on this data and environmental information gathered in GIS databases (Corine land cover "CLC1990" database, digital elevation model "GTOP030" dataset) we modelled habitat- and spatial-related variation in shrike distribution. Birds were recorded on 45% of study plots. The mean density was 4.8 individuals/100 km2. In both seasons density in meadows was roughly two times higher than in arable fields. We modelled spatial distribution of wintering birds using combination of GLM and three-dimensional local regression. Models were cross-validated to check their temporal consistency. Repeatable spatial pattern of population distribution allowed to make predictive distribution maps. As a general rule, wintering shrikes avoid regions with severe, continental climate and prefer lowlands dominated by agriculture. On the basis of our models, population of the Great Grey Shrike wintering in Poland during late 1980s can be roughly estimated at about 7.7 thousands of individuals.

PL

Dla wielu gatunków ptaków zimowanie jest krytycznym okresem ich cyklu życiowego, decydującym o późniejszych zmianach liczebności populacji. Srokosz jest gatunkiem osiadłym lub podejmującym niewielkie wędrówki. Z dotychczasowych badań wynika, że wielkość populacji zimującej przede wszystkim zależy od pogody i dostępności pokarmu. Zatem, te właśnie czynniki są uważane za decydujące o wyborze miejsca zimowania. Do tej pory informacje dotyczące zimowania srokosza pochodziły jednak z niewielkich powierzchni badawczych. Brak informacji z dużych obszarów wynikał z faktu, iż ich pozyskanie jest niezwykle pracochłonne i wymaga bardzo dobrze zaplanowanych badań. Wymagania dotyczące odpowiedniej wielkości próby i metodycznie poprawnego sposobu zbierania danych nie zawsze jednak są spełnione, co w szczególności dotyczy prac wykonywanych (w niedalekiej nawet) przeszłości. Błędy takie powodują, że często dane te nie nadają się bezpośrednio do analizy. Z drugiej strony takie historyczne źródła informacji są niezwykle cenne, gdyż umożliwiają porównania i śledzenie procesów zachodzących na przestrzeni wielu lat. W przypadku srokosza ma to szczególne znaczenie, gdyż gatunek ten wykazuje spadki liczebności na terenie całej zachodniej Europy Stabilne lub nawet wzrastające liczebnie populacje utrzymują się w krajach Europu Środkowej, co pozwala przypuszczać, iż przyczyn zmian liczebności należy dopatrywać się w zmianach zachodzących w krajobrazie rolniczym. Praca niniejsza jest próbą zastosowania stosunkowo nowych technologii (teledetekcja satelitarna, modelowanie predyktywne) do analizy danych zebranych przed ponad 20 laty. Starano się w niej pokazać, że nawet niezbyt dobrej jakości dane historyczne mogą posłużyć do modelowania wybiórczości środowiskowej i zmienności przestrzennej rozmieszenia populacji. Zaprezentowano predyktywne mapy rozmieszczenia, a także oszacowania dotyczące zagęszczeń i wielkości zimującej populacji srokosza w Polsce na przełomie lat 80. i 90. XX wieku. Dane terenowe zostały zebrane podczas dwóch zim (1988/1989 i 1989/1990). Łącznie policzono ptaki na, odpowiednio, 192 i 212 powierzchniach pokrywających obszar 3073.5 i 3551.0 km2. Średnia wielkość powierzchni wynosiła 16.4 km2 (zakres: 4.1-35.1). Powierzchnie były zlokalizowane w całym kraju (Fig. 1). Obserwatorzy wybierali je samodzielnie w krajobrazie rolniczym i wykonywali pojedyncze liczenia między połową grudnia a połową stycznia. Zastosowano dane teledetekcyjne o pokryciu terenu pochodzące z bazy Corine "CLC1990" oraz numeryczny model terenu z bazy "GTOP030". Wszystkie analizy były wykonywane w rozdzielczości 4 km2. Dla każdej powierzchni dane były: liczba ptaków oraz powierzchniowe udziały klas pokrycia terenu. Zagęszczenie na każdej powierzchni może być więc opisane jako średnia ważona zagęszczeń w poszczególnych środowiskach (równanie 1). Estymacja parametrów modelu (równanie 2) wykonana została metodą największej wiarygodności przy wykorzystaniu logarytmicznej funkcji wiążącej i założeniu, że rozkład błędów jest rozkładem Poissona. Przedziały ufności zostały obliczone metodą bootstrap. Następnie, dla każdej powierzchni obliczono zagęszczenie resztowe (RD), czyli różnicę między zagęszczeniem obserwowanym a oczekiwanym. Wielkość ta mówi, o ile zagęszczenie na danej powierzchni badawczej różni się od zagęszczenia oczekiwanego jedynie na podstawie struktury środowisk. Przestrzenna zmienność RD była modelowana poprzez dopasowanie do trójwymiarowych współrzędnych (współrzędne geodezyjne i wysokość n.p.m.) modelu regresji lokalnie ważonej (loess). Zdolność modeli do generalizacji była oceniana na podstawie testów krzyżowych: dla każdego sezonu był budowany model i jego skuteczność była sprawdzana na znanych wartościach z innego sezonu. Według tego samego algorytmu wyprodukowane zostały mapy rozmieszczenia. Dla każdego sezonu oddzielnie, w kwadratach 4x4 km oszacowano RD na postawie współrzędnych geodezyjnych i wysokości. Potem, predykcje z modelu przestrzennego zostały dodane do predykcji z modelu środowiskowego. Tak powstałe predykcje z obu sezonów zostały uśrednione, czego efektem jest mapa zaprezentowana na Fig. 3. Wszystkie obliczenia wykonano w środowisku R 2.8.1. Srokosz był obserwowany na 45% powierzchni ze średnim zagęszczeniem 4.8 (95% CI: 4.1-5.6) os./100 km2. Średnie zagęszczenia nie różniły się między latami badań, natomiast stwierdzono istotne różnice między środowiskami (Tab. 1). Wielkość zimującej populacji została oszacowana na 7670 osobników (95% CI: 5700-10600, Tab. 2). Stwierdzono istotne interakcje między położeniem geograficznym a wysokością (Fig. 2). Modele dopasowane niezależnie do danych z dwóch różnych sezonów wykazują podobne wzorce, co wskazuje na spójność predykcji. Także mapy predyktywne dla obu sezonów są podobne. Generalnie, srokosz unika zimą miejsc o surowym klimacie kontynentalnym (NE Polska oraz wyżyny, pogórza i góry). Preferuje łagodny klimat morski i nisko położone równiny, zwłaszcza doliny rzeczne (Fig. 3). Informacje na temat wybiórczości miejsc zimowania srokosza, a zwłaszcza wiedza o rozmieszczeniu odpowiednich środowisk w krajobrazie rolniczym, mogą pozwolić na opracowanie skutecznych metod ochrony tego gatunku w większej skali przestrzennej.

Słowa kluczowe

EN

wintering distribution; modelling; farmland; habitat selection; Great Grey Shrike; Lanius excubitor; Poland; history

• Wydawca: -
• Czasopismo: Acta Ornithologica
• Rocznik: 2009
• Tom: 44
• Numer: 2
• Opis fizyczny: p.159-166,fig.,ref.

Twórcy

autor

Kuczynski L.

• Department of Avian Biology and Ecology, Adam Mickiewicz University, Umultowska 89, 61-614 Poznan, Poland

autor

Rzepala M.

• Wildlife Society “Stork”, Sokolowska 74, 08-110 Siedlce, Poland

autor

Golawski A.

• Department of Zoology, University of Podlasie, Prusa 12, 08-110 Siedlce, Poland

autor

Tryjanowski P.

• Institute of Zoology, Poznan University of Life Sciences, Wojska Polskiego 71C, 60-625 Poznan, Poland

Bibliografia

• Antczak M., Hromada M., Grzybek J., Tryjanowski P. 2004. Breeding biology of the Great Grey Shrike Lanius excubitor in W Poland. Acta Ornithol. 39: 9-14.
• Antczak M., Hromada M., Tryjanowski P. 2005. Research activity induces change in nest position of the Great Grey Shrike Lanius excubitor. Ornis Fennica 82: 20-25.
• Atkinson E. C. 1993. Winter territories and night roosts of Northern Shrikes in Idaho. Condor 95: 515-527.
• Atkinson P. W., Fuller R. J., Vickery J. A. 2002. Large-scale patterns of summer and winter bird distribution in relation to farmland type in England and Wales. Ecography 25: 466-480.
• Bylicka M., Ciach M., Wikar D., Bylicka M. 2007. Density changes and habitat shift of great grey shrike Lanius excubitor during the non-breeding season. Biologia 62: 617-621.
• Carrascal L. M., Seoane J., Palomino D., Alonso C. L., Lobo J. M. 2006. Species-specific features affect the ability of census- derived models to map winter avian distribution. Ecological Research 21: 681-691.
• Cleveland W. S., Devlin S. J. 1988. Locally-weighted Regression: An Approach to Regression Analysis by Local Fitting. J. Am. Statist. Assoc. 83: 596-610.
• Cody M. L. 1985. Habitat selection in birds. Academic Press, London.
• Concise Statistical Yearbook of Poland 2000. GUS, Warszawa.
• Cramp S., Perrins C. M. (eds). 1993. The Birds of the Western Palearctic. Vol. VII. Oxford University Press, Oxford.
• Efron B., Tibshirani R. J. 1993. An Introduction to the Bootstrap. Chapman & Hall, London.
• Grünwald H. 1994. [Observations on pair-bond in Great Grey Shrike Lanius excubitor in winter habitats of northern Sauerland]. Charadrius 30: 36-43.
• Gusev B. M. 1952. [Importance of snow cover for birds foraging on small mammals]. Zool. Zhurnal 31: 471-473.
• Harris T., Franklin K. 2000. Shrikes & bush-shrikes. Christopher Helm, London.
• Hastie T., Tibshirani R. J., Friedman J. 2008. The Elements of Statistical Learning (2nd edition). Springer, New York.
• Hromada M., Kuczyński L., Skoracki M., Antczak M., Tryjanowski P. 2003. Importance of the bird collections and metadata in regional museums: a case of great grey shrike Lanius excubitor specimens from Šarišske Museum, Bardejov, Slovakia. Bull. Brit. Orn. Cl. Suppl. 123: 226-233.
• Karlsson S. 2001. Selection of habitat and perches by the Great Grey Shrike Lanius excubitor and the effects of snow layer and prey type. Ornis Svec. 11: 7-18.
• Kerr J. T., Ostrovsky M. 2003. From space to species: ecological applications for remote sensing. Trends Ecol. Evol. 18: 299-305.
• Kery M., Schaub M., Bolliger J. 1996. [Remarkable winter density of Great Grey Shrikes (Lanius excubitor) in the Drugeon Basin (Doubs, France)]. Nos Oiseaux 43: 453-465.
• Lefranc N., Worfolk T. 1997. Shrikes. The guide to the Shrikes of the World. Pica Press, Sussex.
• Lorek G. 1995. Breeding status of the Great Grey Shrike in Poland. Proc. West. Found. Vert. Zool. 6: 98-104.
• Lübcke W. 1987. [Phenology and population dynamics of Great Grey Shrike Lanius excubitor in north-west Hesse]. Vogelkd. Ederthal 13: 38-50.
• Olsson V. 1984a. [The winter habits of the Great Grey Shrike Lanius excubitor. I. Habitat]. Vår Fågelvärld 43: 113-124.
• Olsson V. 1984b. [The winter habits of the Great Grey Shrike, Lanius excubitor. II. Territory]. Vår Fågelvärld 43:199-210.
• R Development Core Team 2008. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
• Ristow D., Braun M. 1977. [Great Grey Shrike (Lanius excubitor) in Eifel and Westerwald mountains]. Charadrius 13: 33-59.
• Ryszkowski L., Goszczyński J., Truszkowski J. 1973. Trophic relationships of the common vole in cultivated fields. Acta Theriol. 18: 125-165.
• Schön M. 1995. Habitat structure, habitat changes, and causes of decline in the Great Grey Shrike (Lanius excubitor) in southwestern Germany. Proc. West. Found. Vert. Zool. 6: 142-149.
• Tryjanowski P., Hromada M., Antczak M. 1999. Breeding habitat selection in the Great Grey Shrike Lanius excubitor — the importance of meadows and spring crops. Acta Ornithol. 34: 59-63.
• Tucker G. M., Heath M. F., Tomiałojć L., Grimmet R. F. A. 1994. Birds in Europe. Their conservation status. Cambridge University Press, Cambridge.
• Turner W., Spector S., Gardiner N., Fladeland M., Sterling E., Steininger M. 2003. Remote sensing for biodiversity science and conservation. Trends Ecol. Evol. 18: 306-314.
• Venables W. N., Ripley B. D. 2002. Modern Applied Statistics with S (Fourth Edition). Springer, New York.

Identyfikatory

DOI

10.3161/000164509X482731