中国猛禽覆羽形态特征量化的判别分析

刘昌景 周用武 喻 雷

(1.南京森林警察学院，南京，210023；2.国家林业局森林公安司法鉴定中心，南京，210023；3.绍兴市公安局柯桥分局，绍兴，312030)

猛禽，位于自然界物质、能量循环的顶端，其种类、数目、保留现状和繁衍状况能够直接反映出当地生物种类多样性的丰富程度、猛禽食物资源缺乏与否以及人为干扰自然生态平衡的程度[1]。然而，伴随着社会经济的持续发展和先进科学技术的研发，我国保护野生动物的形势仍旧非常严峻。因为栖息地缩水、割裂、品质下降以及人为干扰等原因，众多野生动物种群的生存空间遭到不断挤压，无数濒危物种的重要栖息地、鸟类集群活动区域及迁徙通道面临着土地建筑开发、农业生产开垦、环境严重污染等威胁[2]，稳定的生物圈遭受日益猛烈的冲击，大量生物物种濒临灭绝，位于食物链顶端的猛禽更是无法幸免。曾经的百年猛禽巢——新疆卡拉麦里山因为人类采石工作的爆破烟雾不断逼近、保护面积的不断缩小、采矿淘金的频次剧增，使得这座百年鹰山只留下一座空巢[3]。由于人类乱捕滥猎、非法买卖野生动物的现象不同程度地存在着，对它们生存造成了严重的威胁。

在非法捕猎、贩卖、走私野生鸟类的案件中涉及猛禽的占了很大一部分，比如河南“大学生掏鸟案” 闫啸天、王亚军二人因非法猎捕、售卖名贵、濒危野生动物阿穆尔隼和猎隼，最终被判处有期徒刑10年零6个月，在网上引起一番争议[4]；再比如温州20岁少年胡某职高毕业后，在家里养起了野生的鹰隼，利用淘宝网、微信做起了贩卖猛禽的中间商，经他手已经卖出了数百只各类珍稀猛禽，最终获刑10年[5]。然而猛禽物种的相似度高，快速识别鉴定难度大，且此类知识未在执法人员中充分普及，因此对于猛禽物种的快速识别鉴定技术亟待提升。

目前对于鸟类羽毛的研究分类主要有通过扫描电镜及光学显微镜等技术手段观察羽毛的各个部位，比如羽枝、羽小枝等显微结构；二是利用分析化学或者生物分子化学的方法来进行研究和鉴定[6]。然而对于利用鸟类羽毛的形态特征进行量化判别分析，尚未充分研究，且未与案件中司法鉴定技术相结合。事实上，羽毛作为鸟类动物所特有的结构，经常被作为侦破该类案件的重要线索[7]。同时在作案过程中，其覆羽是较易脱落也容易被发现提取的。随着科学技术的发展，人们已经不单单依据羽毛来对鸟类进行分类与鉴定，而是要求在更多场合利用零散的羽毛来识别其所属鸟的种类。Chandler首先研究证明了鸟类羽毛微观特征的重要性，并将其应用到了各种各样的研究中去[8]。比如在各类刑事案件调查过程，服装中的羽绒有很大可能会通过身体接触留下羽毛证据，为案件提供具体的线索。

本文通过对国内外的鸟类羽毛研究鉴定现状的认识了解，在此基础上对研究较缺乏的宏观量化鉴定手段进行实验，因此本人观察测量雕鸮(Bubobubo)、褐林鸮(Strixleptogrammica)、黄腿渔鸮(Ketupaflavipes)、蛇雕(Spilornischeela)、苍鹰(Accipitergentilis)和大鵟(Buteohemilasius)6种猛禽覆羽的羽长、羽面积、松散面积以及非松散面积，并记录其量化数据，继而对数据进行检验、判别分析，得出线性判别方程的表达式。本文旨在为我国常见猛禽的鉴定提供一定的参考价值，并呼吁尽早解决数据收集积累不全的问题[9]，建立起我国规范化、标准化以及全面化的鸟类宏观羽毛特征量化数据库。

1 材料与方法

1.1 实验材料

本实验所用的猛禽羽毛均取自南京森林警察学院的动物标本室所保存的鸟类标本，实验对象是鸮形目(Strigiformes)的3种猛禽(雕鸮属的普通雕鸮和黄腿渔鸮、林鸮属的褐林鸮)以及隼形目(Falconiformes)的3种猛禽(鹰属的苍鹰、鵟属的大鵟和蛇雕属的蛇雕)的翼部覆羽。

实验所用标本为6个物种，每个物种标本选取1～2个样本，每个物种标本的左右双翼均有取样，取样点如图1所示，大覆羽、中覆羽、小覆羽及翼角部位小覆羽分别取样，即每个物种标本取样点为8个，每个取样点随机取2根羽毛，共64个样本，128次测量，每个样本均测量其羽长、羽面积、松散面积、非松散面积，共计获得512条数据。

由于采集下来的覆羽会存在个别羽枝粘连，羽面褶皱不平的现象，因此将采集下来的实验覆羽放入常温清水中浸泡清洗，并适当用手轻轻梳理整齐，后将其取出平铺自然干燥实验备用。

1.2 羽毛量化方法

取处理过的羽毛样本轻轻放于带比例尺的黑色底板上，捋平，放置于水平底板上，利用单反相机(日本株式会社尼康Nikon D40)在底板上方垂直向下拍摄摆放好的羽毛样本。

图1 实验采集猛禽覆羽样本位点Fig.1 The sample site of raptor’s coverts 1号为实验采集猛禽大覆羽位点；2号为实验采集猛禽中覆羽位点；3号为实验采集猛禽小覆羽位点；4号为实验采集猛禽翼角部位小覆羽位点 Figure legend：No.1 area is greater covert；No.2 area is medium covert；No.3 area is lesser covert；No.4 area is lesser covert of upturned roof-ridge

利用水平位点拍摄的实验猛禽覆羽图像，统一设置照片比例尺，计算每张图中覆羽整体面积和非松散部位面积(图2)。本人运用两种方法，一种是图像自动分割法，利用ImageJ图像处理系统自动区分，对于个别界限模糊、区分不准确的位点进行人工修正。另一种是手工描点分割法，直接由本人手工描点框选[10]。

图2 实验采集猛禽覆羽松散面积(箭头外部)界定示意图Fig.2 Area of loose on raptor’s coverts

图3 实验鸟种各覆羽正面照Fig.3 Frontal views of coverts of experimental samples 蛇雕大覆羽(A1)、中覆羽(A2)、小覆羽(A3)和翼角小覆羽(A4)，大鵟大覆羽(B1)、中覆羽(B2)、小覆羽(B3)和翼角小覆羽(B4)，苍鹰大覆羽(C1)、中覆羽(C2)、小覆羽(C3)和翼角小覆羽(C4)，褐林鸮大覆羽(D1)、中覆羽(D2)、小覆羽(D3)和翼角小覆羽(D4)，黄腿渔鸮大覆羽(E1)、中覆羽(E2)、小覆羽(E3)和翼角小覆羽(E4)，雕鸮大覆羽(F1)、中覆羽(F2)、小覆羽(F3)和翼角小覆羽(F4) Figure legend：A1，A2，A3，A4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Spilornis cheela，respectively.B1，B2，B3，B4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Buteo hemilasius，respectively.C1，C2，C3，C4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Accipiter gentilis，respectively.D1，D2，D3，D4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Strix leptogrammica，respectively.E1，E2，E3，E4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Ketupa flavipes，respectively.F1，F2，F3，F4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Ketupa flavipes，respectively

表1 实验鸟类标本样本量

Tab.1 Experimental sample and sample size

1.2.1 图像自动分割法

导入待测覆羽图像序列，图像原始格式为16位像素，为了在后期能够得到较好的分割效果，首先选择Image-﹥Type-﹥8-bit将待测图像的灰度值由16位降低为8位，然后采用Process-﹥Enhance Contract对图像进行增强处理，Process-﹥Smooth进行图像平滑处理。选择Image-﹥Adjust-﹥Threshold，对待侧图像进行阈值处理，选择1～200区间内的合适阈值，使待测区域内的像素点最完整的显现出来。最后进行Analyze-﹥Analyze Particles操作，获得待测区域面积。

1.2.2 手工描点分割法

通过ImageJ图像处理软件导入待测图像，利用区域选择工具，采用手工描点的方法框选待测区域，首尾相连形成一个封闭区间。后进行Analyze-﹥Measure操作，获得待测区域面积。

1.3 数理统计方法

实验数理统计使用的是统计分析软件SPSS 20.0(Statistical Product and Service Solutions)，分析方法为Fisher判别分析，也称为典则判别。判别分析的统计模型可抽象概括的描述为：有m个P维总体g1，g2，…，gm，分别服从一定的分布y1，y2，…，ym。而实验样本为一个新的样品x=(x1，x2，…，xp)，它可能来自这m个总体中的某一个。目的是要依据该样品的P项指标，判别它最可能来自m个P维总体中的哪一个总体，想要完成这项工作，就可以采用Fisher判别分析法[11]。

其根本思维是运用投影，即将原本位于R维空间内的自变量组合投影到低维度的D维空间去，而后在D维空间中再进行分类。投影的原则是控制每一类的差异尽可能小，而使不同类间投影的差要尽可能大[11]。实验是依据线性Fisher函数值进行判别，运用此判别方法首先要求各组变量的均值之间存在显著性差异。

对于实验涉及的两个不同目科猛禽覆羽的判别，利用independentttests 来检验实验测量的4项量化数据的均值是否存在显著性差异；对于实验涉及的5个不同属别猛禽覆羽的判别，利用单样本K-S检验来验证测量所得数据是否符合正态分布，当测量数据满足正态分布时，再利用One-way ANOVA分析猛禽覆羽羽长、羽面积、非松散面积以及松散面积在猛禽的5个不同属别之间是否存在显著性差异。

检验完实验数据便可将其进行判别分析，选用的自变量筛选方法为一起输入自变量，进而得到分析软件输出的判别结果。对输出结果进行以下处理：

设有n个样本个体，分别归属于第1判别函数至第m判别函数，每个样品有P个变量可供判别分析的，那么该线性判别函数的方程表达式就为：

y=a1x1+a2x2+…+apxp

式中：a1，a2，ap均为判别函数的待定系数[11]。

2 结果

2.1 覆羽形态特征

预实验首先对采集的覆羽进行整体的系统观察，观察实验覆羽的正面发现隼形目的蛇雕覆羽均呈棕褐色，且具两列灰白色点状斑纹分布羽轴两侧，羽廓较圆滑；大鵟的大覆羽呈白色扁圆状，在羽毛上端分布若干枚棕褐色横向斑纹，中覆羽及小覆羽整体呈白色，顺着羽轴分布有浅褐色鱼骨状横斑，小覆羽上半部分呈棕褐色，下半部分为白色；实验室苍鹰样本为亚成体，其覆羽均呈上半部分灰褐色，下半部分灰白色，大覆羽呈三角锥状，中覆羽呈扁圆形，小覆羽及翼角部位覆羽呈栗状。鸮形目褐林鸮的覆羽呈灰白色，且具有棕褐色连贯的横向斑纹；黄腿渔鸮大覆羽整体为黄褐色，顶端具有棕褐色斑纹自上而下逐渐变淡，至底端近不可见，中、小覆羽在羽轴附近具有不连贯的棕褐色波浪状斑纹；雕鸮的覆羽呈黄褐色，大覆羽及翼角部位的小覆羽在羽毛上端常出现棕褐色斑点。继而观察实验猛禽覆羽的反面花纹形态特征，发现该6类猛禽覆羽的反面花纹仅有整体的色彩会淡化泛白，其他相较其正面没有太大变化(图3)。

2.2 覆羽量化特征

表2 实验覆羽外观形态特征量化结果

Tab.2 Quantitative results of morphological characteristics of coverts

2.3 t检验结果

研究分析independentt-test结果表明，实验涉及不同目科猛禽覆羽的t检验，仅有覆羽松散面积存在极显著的组间差异，且t=3.341，P=0.004；其余3项数据差异均不显著，且羽长t=0.006，P=0.995、羽毛面积t=0.663，P=0.513、非松散面积t=-0.896，P=0.377。

2.4 单因素方差分析结果

研究分析One-way ANOVA结果表明，在量化的4个特征数据中仅有松散羽毛面积的P值小于0.05，表明实验测量的覆羽松散面积数据在实验标本所涉及的5个猛禽属别之间有较为显著的差异，且松散面积F4，27=2.860，P=0.043；而其余3项数据(覆羽羽长、羽面积、非松散面积)并不存在组间差异，且羽长为F4，27=0.061，P=0.993、羽毛面积为F4，27=0.388，P=0.815、覆羽非松散面积为F4，27=0.428，P=0.787。

2.5 Fisher判别分析及结果

2.5.1 不同目科的判别分析

以实验覆羽的羽长、羽面积、非松散面积以及松散面积为变量对实验猛禽的科目归属进行判别分析，即可得到y1、y2两个典则判别函数。

表3 判别函数结果

Tab.3 Results of discrimination equation

表3判别函数结果表中给出了第1和第2判别函数的若干系数项以及常数项，从而分别进行判别分析能够得出以下判别函数：

y1=3.363x1-1.136x2-0.133x3+0.904x4-5.823

(1)

y2=2.938x1-0.721x2-0.012x3+0.189x4-5.259

(2)

(1)、(2)式中，x1、x2、x3和x4分别代表了实验覆羽的羽长、羽面积、非松散面积以及松散面积。

表4 判别函数方差及其意义

Tab.4 The variance of discriminant equation and its significance

注：a.分析中使用了前1个典型判别式函数

Note：a.First 1 canonical discriminate functions were used in the analysis

从Fisher判别分析所得表4中可以看出，判别分析函数方差的百分比为100%，即判别函数y1、y2能够解释100%的方差变化，包含了实验覆羽羽长、羽面积、非松散面积以及松散面积的所有信息，仅利用此函数就能够完成所有覆羽样品的判别。能够准确地描述实验猛禽各部位覆羽羽长、羽面积、非松散面积以及松散面积之间的联系与差异。

表5 Wilks的Lambda检验结果

Tab.5 Lambda test result of Wilks

通过对目科判别函数判别结果的方差分析，判别函数y1、y2的显著性水平均小于0.05，即对于不同目科猛禽覆羽的判别能力是极显著的(P<0.05)，且实验所得判别方程的交叉验证正确率为71.9%。

2.5.2 不同属别的判别分析

表6 判别函数方差及其意义

Tab.6 The variance of discriminant equation and its significance

注：a 分析中使用了前4个典型判别式函数

Note：a First 4 canonical discriminate functions were used in the analysis

表7 Wilks的Lambda检验结果

Tab.7 Lambda test result of Wilks

针对不同属别的猛禽覆羽外观形态量化数据进行Fisher判别分析，分析得到表6、表7。分析结果的P值均是大于0.05，说明实验数据的属间差异不显著无法继续分析，也就是没有统计学意义。

3 讨论

本研究对实验所采集的覆羽样本进行定性和定量分析，对覆羽的羽长、羽面积、非松散面积以及松散面积进行测量并利用t检验对实验覆羽特征数据进行不同目科之间的显著性水平检验，发现实验涉及的两类目科猛禽之间，羽长、羽面积及非松散面积3项数据不存在显著差异，而覆羽的松散面积则存在极显著差异。利用单因素方差分析对实验覆羽特征数据进行不同属别之间的显著性水平检验，发现实验覆羽羽长、羽面积及非松散面积3项数据均不存在显著差异，而覆羽的松散面积则存在显著差异。对实验猛禽覆羽的4项外观形态特征量化数据进行Fisher判别分析，发现实验猛禽覆羽在不同目科之间以实验覆羽的羽长、羽面积、非松散面积以及松散面积为变量对实验猛禽的科目归属进行判别分析，即可得到两个典则判别函数，而在不同属之间无法得到有效判别函数。该结果可充分应用于目科级别的分类，起到很好的分类效果；但是在不同属别间，不具备统计意义。

本研究所发现鸮形目猛禽覆羽相较隼形目猛禽覆羽的主要区别在于羽廓松散化，两者具有显著的差异，鸮形目猛禽覆羽普遍存在一定的松散面积，而隼形目猛禽覆羽基本没有松散部分。究其根本，可能因为隼形目猛禽均属于昼行性鸟类；而鸮形目猛禽多为夜行性鸟类，覆羽羽廓松散化有利于消声，能够使得鸮形目猛禽在夜间捕食时无声飞行[12]，增强隐蔽性，从而提升捕食成功率。此一特点具有良好的鉴定应用前景，特别可应用于破坏野生动物资源的违法犯罪案件中的猛禽快速鉴定。在森林公安、海关、工商部门以及野生动物保护部门等的实际工作中，经常遇到需送检鉴定的羽毛残体[6]，这些样本很难运用宏观完整形态的鉴定手段来进行鉴定。在案发现场，常可采集到鸟类羽毛，然而此羽毛经常并非完整，或者是已经人为损坏，或是颜色及宏观结构已经发生了变化，该鉴定样本的破损直接影响鉴定工作的顺利进行。本研究中发现猛禽不同目之间覆羽松散面积的区别，可应用于残破羽毛的鉴定，通过猛禽覆羽判定其所属目科。

羽毛是鸟类物种识别中的一个重要指标[6]，通过显微微观技术手段，观察采集到的已脱落鸟羽的显微结构，并将其与数据库中已知鸟种羽毛的显微结构进行对比分析，从而区分、识别、鉴定未知鸟类的物种归属，可为案件的处理提供线索和帮助[13]。对于森林公安的日常业务而言，利用此种方式进行鉴定的硬件设施相对要求较高，难以在案发后的第一时间内给出鉴定意见。因此，从羽毛鉴定技术的推广可行性而言，仍需全面加强对森林公安等执法部门的基础能力建设。此外，有关猛禽羽毛研究相对缺乏，没有形成系统的标本资料库，亦对该技术的推广形成阻力。但羽毛显微鉴定技术作为野生动物鉴定依据在森林公安业务工作上具备很好的应用前景，其对样本的损伤性极小，对比鉴定快速，能最大限度地缩短在鉴定上所需花掉的时间和金钱成本，为案件的定性提供牢靠的线索，进而助力案件的后续处理工作。

综上所述，就当前的研究进程来看，鸟类羽毛的分类鉴定研究在国内外都是以显微鉴定技术为主[14]，其独特、准确的量化标准都是需要我们花大量时间去完成的基础工作，系统的收集整理羽毛的相关数据，建立起全面准确的数据库，这才能使鸟类羽毛的鉴定分类工作更具有意义，应用面更为广泛。