生态与行为实验¶

生态与行为实验从真实环境中的个体、种群和群落取得证据。研究者面对的对象往往能够移动、选择环境、相互作用并随季节改变，样地也存在坡位、基质、微气候和历史差异。一次计数、一次捕获或一段录像只是复杂过程留下的局部记录；只有把研究对象、空间与时间范围、取样或操纵方式、观测误差和分析模型连在一起，读数才会成为可以解释的生态证据。

学习路径从标本辨认、样方调查、标记重捕、时间序列手算和行为录像进入问题，同时纳入现代实验设计、模型检验、动物福利与数据管理。五个专题共享一条证据链：由自然史观察提出问题，以标准化取样或操纵获得数据，再用数量分析和因果推断限定结论。

研究对象、尺度与观测过程¶

生态问题首先要写清希望推断的对象。比较两类叶片时，目标可能是同一物种在不同光环境中的叶片可塑性，也可能是多个物种的耐阴策略；调查潮间带动物时，目标可能是某段岸线在一次退潮中的组成，也可能是跨季节的区域群落；研究鱼类温度响应时，又要区分鳃盖运动、位置选择、临界功能状态和死亡率。对象、地点、时段和反应量一旦改变，实验单位与结论范围也随之改变。

空间尺度包含取样单元的粒度和研究覆盖的范围，时间尺度包含一次观察的持续时间、重复访问的间隔和整个研究的长度。小样方能分辨局部聚集，却未必代表整片生境；一分钟行为记录能描述当时的活动预算，却可能漏掉罕见求偶或捕食事件。因而记录“看到多少”时，还要记录在多大面积、多少时间和何种可探测条件下观察。未观察到某物种或行为，只在既定目标类群、方法、努力和检出能力范围内才支持缺失判断。

生态数据还包含一个容易被忽略的观测过程。真实个体数、行为状态或环境暴露先经过捕获概率、观察距离、分类能力、仪器响应和记录规则，才成为表格中的数值。标记重捕模型显式处理再次捕获，行为谱规定什么算一次动作，样方和样带规定搜索边界，温度记录则决定动物实际经历的暴露。把观测过程写入设计，能够区分生态变化与方法变化。

自然史问题与可检验设计¶

自然史观察提供对象身份、行为序列、生境结构和候选机制，是提出问题的起点。一个可检验问题随后要指出比较对象、主要反应量和预期方向。例如“阳叶是否具有更高的单位面积质量”需要控制物种、植株与叶位；“巢内幼体数量是否改变穴蜂投食次数”需要先定义巢、雌蜂和一次投食；“两种草履虫是否竞争”则需要单独培养与共同培养来分开密度反馈和种间作用。问题越明确，现场记录越容易区分必要变量与事后感兴趣的线索。

观察研究、比较研究和操纵实验提供不同强度的证据。分层取样、标记重捕和行为录像能够描述自然状态及变量共变；跨地点或跨年份比较扩大环境范围，却也引入更多历史差异；操纵温度、资源、竞争者或信号并设置适当对照，能够更直接检验因果预测。无法或不宜操纵的尺度仍可利用重复测量、自然实验、配对地点和竞争模型缩小替代解释，但相关关系本身不会自动变成因果关系。

随机抽样帮助样本代表目标总体，随机分配帮助处理组在已纳入的实验单位间保持可比。二者都不能替代独立重复。若温度处理施加给整只水箱，水箱是处理层面的实验单位，箱内多条鱼和每条鱼的多次鳃盖计数属于嵌套观察；同一样方内许多叶片也不能替代多个独立样地。Hurlbert 用“伪重复”指出处理缺少独立重复、却以子样本检验处理效应的问题；区组、处理交错和层级模型可以利用空间结构，但不能凭分析技巧制造不存在的独立处理单位。¹

五条实验路径¶

五个专题页按照研究对象和推断任务分工。它们共享样品身份、实验单位、观测过程、原始记录和不确定性，却不会把不同层级的读数压成一个通用指标。

第一条路径由个体所经历的环境进入表型和功能，第二、三条路径分别处理种群状态的估计与变化过程，第四条把多个分类单元组织成可比较的群落，最后一条回到个体动作及其生理、发育和社会背景。实际研究常跨越这些层级：温度选择会改变空间分布，个体行为会改变捕获概率，密度会改变争斗与警戒，群落组成又会改变种间相遇。跨页连接时应保留原始层级，不把个体反应直接当作种群增长，也不把群落相关性直接写成行为机制。

取样、操纵与模型的闭合关系¶

取样设计规定哪些自然单位有机会进入数据。概率取样为目标总体中的单位赋予已知且非零的入样机会，分层、系统或成簇设计则适应环境梯度与现场成本；便利样本仍可用于探索，但推断范围要相应收窄。现代统计生态学把“先定义问题，再规划取样与分析”置于首位，同时要求用效应大小及其不确定性表达生态意义，并完整报告方法与结果。²

操纵设计规定处理施加在哪一级、与什么对照比较。野外实验要防止处理与坡位、日期、笼具、观察者或装置完全重合；行为实验中的模型物、播放刺激、位移和假处理也要经历相同的非目标步骤。随机化、区组、配对、盲法和处理顺序各自控制不同偏倚，不能用一个笼统的“设置对照”替代。详细的单位、分配和记录规则见实验设计、记录与数据质量。

模型把问题压缩为状态量、参数、观测误差和边界条件。有效积温、Lincoln–Petersen 估计、Neyman A 分布、logistic 增长、Lotka–Volterra 竞争、Hill 多样性和层次聚类都保留了经典手算训练；它们各自只回答特定问题。拟合良好说明数据与模型相容，不证明假设真实；未拒绝拟合检验也不证明模型唯一正确。残差、参数不确定性、替代模型、独立数据预测和实验操纵共同决定结论能走多远。

行为记录与生态量的共同数据链¶

行为观察应在取样前建立行为谱，定义状态、事件、起止和个体身份，再选择焦点个体、扫描、连续或事件取样。Altmann 的经典综述把这些取样方法与偏倚问题系统连接起来；摄像、定位和计算机视觉可以延长记录，却仍依赖明确定义和验证过的编码规则。³ 同样地，生态调查必须固定样方、样带、捕捉或搜索方案，并保存取样努力。方法改变后得到的数量差异，可能来自真实生态变化，也可能来自检出范围变化。

每次现场活动都应有稳定的事件标识符（event identifier，event ID），并记录日期与时间、地点及坐标基准、目标类群、方法版本、面积／体积／时长、人员、环境条件、处理偏离和样品去向。全球生物多样性信息机构（Global Biodiversity Information Facility，GBIF）的采样事件框架把 eventID、samplingProtocol、样本尺度和采样努力作为连接地点、方法与物种记录的关键字段；这些字段同样适合本科课程的现场数据表。⁴ 原始计数、照片、音视频、标记历程和环境读数保持只读，分类订正、单位换算与模型输入另存整理层，使每个图表都能回到具体取样事件。

长期或多地点项目还要保存变量定义、单位、缺失代码、空间与时间范围、处理方法和数据使用条件。生态元数据语言（Ecological Metadata Language，EML）为数据包、方法、时空与分类范围以及表结构提供了可共享的描述框架；课堂记录不必从一开始就写成完整的可扩展标记语言（Extensible Markup Language，XML），但应具备这些信息，避免数据脱离现场人员后失去含义。⁵

伦理、许可与研究完整性¶

野外采集和动物观察在取样前就受到伦理与许可约束。研究者要确认土地与保护地准入、物种采集或标记许可、保护物种和敏感地点信息的处理、样品保存与归还、非目标捕获以及现场人员安全。能由照片、脱落材料、既有录像或非侵入观察回答的问题，不应为了课堂展示额外捕捉动物或使其受伤、死亡。行为研究的福利评估还要覆盖干扰、追逐、隔离、播放、诱饵、捕捉、标记、释放与长期后果；动物行为研究协会（Association for the Study of Animal Behaviour，ASAB）的伦理框架同时强调减少动物痛苦与保护所研究的种群。⁶

合法和低干扰的设计也必须保持数据完整。未知标本、意外层位、零捕获、失败对照和偏离方案都属于证据，不能因“不符合预期”而丢弃、借用他组材料补数、暗改温度或事后重写条件。分类暂不能确定时可保留为形态种或较高阶元，附照片、凭证和置信度；动物达到福利停止条件时应立即处置并如实记录缺失原因。具体放行条件见实验安全、伦理与风险管理。

学习次序¶

学习可以从同一地点的一次标准化观察开始：先画出样地或行为场景，定义单位和分类项目，再记录努力、环境与原始观察。随后用样方、样带或焦点个体取样练习把连续自然过程变成数据，并用重复观察估计方法变异。种群抽样和群落矩阵适合训练“未观察到”与“真实不存在”、数量与努力、距离与组成之间的区别。

在此基础上进入时间序列和操纵实验。先用经典手算看清参数怎样由数据产生，再用图形、残差和替代拟合检查模型；处理实验则从独立单位、假处理和停止规则开始。最后把行为案例、环境梯度、种群动力和群落差异放在一张因果图中，标出哪些连线由观察支持，哪些来自模型假设，哪些仍需操纵或跨地点重复。这样，传统野外辨认和计算训练便与现代证据标准形成连续路径，而不会互相取代。

参考资料与延伸阅读¶

• Sutherland WJ, ed. Ecological Census Techniques: A Handbook. 2nd ed. Cambridge University Press; 2006.
• Bateson M, Martin P. Measuring Behaviour: An Introductory Guide. 4th ed. Cambridge University Press; 2021.
• Popovic G, et al. Four principles for improved statistical ecology. Methods in Ecology and Evolution. 2024;15:266–281.
• Global Biodiversity Information Facility. Guide for publishing biological survey and monitoring data to GBIF.