Elefánttetemekkel való találkozás adatai
Az afrikai elefánttetemek adatait az elefántok illegális gyilkolásának megfigyelése (MIKE) program részeként gyűjtötték, amelyet a veszélyeztetett fajok nemzetközi kereskedelméről szóló egyezmény (CITES) indított el 2002-ben, és azóta Afrika-szerte vadvédelmi hatóságokkal együttműködve vadőrökön alapuló megfigyelési programot hajtott végre. A program a szubszaharai Afrika 29 országában 53 helyszínen (többnyire védett területeken, de gyakran a szomszédos, nem védett övezetekben is) évente összeállítja a tetemek számát. A megfigyelési módszerek részletes leírása máshol12 található, de lényegében a rendszeresen járőröző vadőrök rögzítik minden egyes elefánttetem helyét, és megállapítják, hogy az elpusztulás természetes pusztulás, gazdálkodás vagy illegális gyilkosság (szinte mindig elefántcsontért folytatott orvvadászat, de nagyon ritkán az ember-elefánt konfliktusban elkövetett megtorlás eredménye) miatt következett be. 2002 és 2017 között a program 18 007 tetemet rögzített Afrikában, amelyek közül 8860-at illegális gyilkosságként azonosítottak, ami 16 év alatt 53 helyszínről 607 megfigyelést jelentett (a 2018 februárjáig beérkezett összes feljegyzést tartalmazza). Számos helyszín nem minden évben jelentett tetemeket, vagy 2002 után csatlakozott a programhoz.
Meg kell jegyezni, hogy ezek a MIKE program által összeállított tetemekkel való találkozási adatok néhány lehetséges korlátozást12 mutatnak: (a) a háttérpusztulás (azaz a természetes pusztulásból vagy gazdálkodásból származó tetemek) változása ismeretlen, de befolyásolja a PIKE-t, mivel azt az évek és helyszínek között állandónak feltételezik. A háttérpusztulás (itt a természetes pusztulás) aszályos és csapadékszegény időszakokban49,50 megnő, ezért a változó természetes pusztulást úgy igyekeztünk figyelembe venni, hogy megbecsültük a helyspecifikus éves csapadék PIKE-re gyakorolt hatását, és ezt a hatást a modell előrejelzéseihez nullára állítottuk. (b) A PIKE kiszámítása a helyszínek és évek között azon a feltételezésen alapul, hogy az illegális tevékenységből, gazdálkodásból vagy természetes okokból származó tetemek esetében a felderítési valószínűség azonos. Ez valószínűtlen feltételezés lehet, mivel az adatokat az orvvadászat elleni járőrök gyűjtik az illegális tevékenységek megakadályozása céljából. Valószerűnek tűnik azonban az a feltételezés, hogy ez a torzítás térben és időben meglehetősen állandó, ami a tendenciák és a kovariánsokkal való kapcsolat pontos becslését teszi lehetővé. (c) Az Afrika 53 helyszínéről származó adatok alapján az orvvadászat mértékének előrejelzése nem feltétlenül fedi le a kontinentális becslések teljes bizonytalanságát, ugyanakkor a vizsgált terület lefedi az afrikai szavannaelefántok élőhelyeinek 25%-át51 és Afrika szavannaelefánt-populációjának mintegy 50%-át6,15.
Kovariánsok
Az orvvadászat intenzitását potenciálisan befolyásoló tényezőknek tekintett kovariánsok (1. kiegészítő táblázat) kiválasztását korábbi tanulmányok7,12 és szakértői ismeretek52 vezérelték. Olyan kovariánsokat vontunk be, amelyekről úgy véltük, hogy az elefántcsont iránti kereslettel vagy kínálattal kapcsolatosak, beleértve az időbeli és térbeli szinten változó tényezőket és a szegénység két külön mutatóját: a csecsemőhalandósági rátát és a szegénység sűrűségét. A szegénység összetett, többdimenziós probléma, amelyet nem könnyű egyetlen változóval mérni53 , de a szegénységnek az illegális vadvilági tevékenységekre gyakorolt negatív hatását már korábban is kiemelték18 , ezért fontos a szegénység több szempontját figyelembe venni. Nem minden kovariáns állt rendelkezésre a legmagasabb helyenkénti felbontásban. Az alábbiakban a következő sorrendben mutatjuk be őket: helyenkénti, országonkénti, helyszintű, éves. Az elemzés előtt minden kovariátort központosítottunk és standardizáltunk, hogy az átlag 0 és a szórás 1 legyen. A prediktorok közötti kollinearitást is vizsgáltuk. Minden kombináció Spearman-féle ρ2 becslést mutatott <0,5, amit nem problémás korrelációnak tekintettünk (lásd az 1. kiegészítő ábrát).
Szülöttkori halálozási ráta: A csecsemőhalandósági ráta (IMR) az egyévesnél fiatalabb gyermekek 1000 élveszületésre jutó halálozásának számát méri, és egy közösség fejlettségi és társadalmi-gazdasági státuszszintjének durva mutatója54. Megjegyzendő, hogy az IMR kizárólag a szegénység egyik tengelyének helyettesítőjeként szerepel55: ha az IMR erősen előrejelzi az elefántvadászat arányát, akkor ezt nem úgy értelmezzük, hogy az egészségügyi beavatkozások önmagukban várhatóan hatással lennének az orvvadászat arányára.
Az IMR becslések a 2000. évre vonatkozóan a Centre for International Earth Science Information Network (CIESIN56) által készített helyszíni szintű becslések voltak elérhetők. Az éves IMR becsléseket országonkénti bontásban az Egyesült Nemzetek Szervezetének (ENSZ) gyermekhalandósági becslésekkel foglalkozó ügynökségközi csoportja tette hozzáférhetővé57. Mivel mind a területi, mind az időbeli változékonyság nagy, a két adathalmazt kombináltuk, hogy minden évben minden helyszínre vonatkozóan IMR-becsléseket kapjunk. A valóságban a vidéki és városi területek javulási arányai eltérhetnek, de az országos változások valószínűleg inkább a vidéki területeken bekövetkezett nagyobb javulást tükrözik, ahol az elefántok a leggyakoribbak és az IMR magasabb, mint az urbanizációból eredő kisebb változásokat58.
Nem mindegy, hogy az átlagos IMR területi különbségei jobban tükrözhetik a helyszínek közötti különbségeket a szegénységben, mint az éves IMR-mérések. Az éves IMR idővel csökken, mivel a sikeres orvosi és közegészségügyi intézkedések sokkal gyorsabban javították az egészségügyi ellátást, mint a szegénységgel összefüggő egyéb tényezők javulása, ami potenciálisan gyengíti az éves IMR értékét az általános szegénység közvetítőjeként. Ezért a helyszintű IMR56 és a PIKE korrelációját külön modellben vizsgáltuk, amelyben az IMR időbeli változásait teljesen elhanyagoltuk. E kiegészítő elemzés eredményei alátámasztják azt a feltételezést, hogy az IMR területi változása jobb mutatója a szegénységnek, mint az időbeli változás (lásd az 5. kiegészítő táblázatot).
Süllyedés: Az éves csapadékmennyiséget helyenként a Climate Hazards Group InfraRed Precipitation with Station (CHIRPS59) adataiból származtattuk. Az elemzésben ennek a változónak a természetes logaritmusát vettük, mivel eloszlása balra ferde. Ezt az éghajlati változót azért vettük figyelembe, hogy figyelembe vegyük a természetes elefántpusztulás változását. A változás két folyamatból eredhet. A nagyobb csapadékkal rendelkező helyszínek sűrűbb élőhelyeket jelölhetnek ki, ahol a természetes pusztulás miatt nehezebb megtalálni a tetemeket, és így a PIKE magasabb lehet az alulbecsült természetes pusztulás miatt. Másodszor, az alacsonyabb csapadékmennyiség (a helyszíneken belül vagy azok között) növelheti a természetes pusztulást49,50 , és így az alacsonyabb PIKE-értékek miatt alulbecsült orvvadászati arányokhoz vezethet.
Korrupciós érzékelési index: A korrupció érzékelési indexet (CPI) a Transparency International60 minden országra és minden évre vonatkozóan kiszámította. Ez egy ország közszféra korrupciójának szakértők és üzletemberek által érzékelt szintjét mutatja. Az index egy 0-tól 100-ig terjedő skálát használ, ahol a 0 az “erősen korrupt” és a 100 a “nagyon tiszta”. A CPI-t a közszféra és a politikai korrupció helyettesítőjeként vettük figyelembe, amely bizonyítottan befolyásolja az illegális vadvilági tevékenységek jelenlétét27.
Szegénységi sűrűség: A szegénységi sűrűség a napi 1,25 USD-nél kevesebbet kereső emberek számát határozza meg km2 -enként. Ez a relatív szegénység mérőszáma, és így a többdimenziós szegénység problémájának egy másik közelítője. Ezeket a területi szintű adatokat 2005-re vonatkozóan a HarvestChoice61 szolgáltatta.
Települési terület: A MIKE telephelyek62 területe km2 -ben. Az elemzésben ennek a változónak a természetes logaritmusát vettük, mivel eloszlása balra ferde. A terület nagyságának az orvvadászat intenzitására gyakorolt várható hatása némileg ambivalens. Egyrészt a nagyobb védett területek talán kevésbé mutatják a negatív peremhatást, másrészt a kisebb ökoszisztémák talán könnyebben járőröznek.
Law enforcement adequacy: Estimates of the adequacy of law enforcement provision. A MIKE-szakértők minden egyes helyszín esetében a MIKE programcsoporttól (https://cites.org/eng/prog/mike/tools_training_materials/leca) kapott képzés után visszaküldenek egy űrlapot, amelyben becslést adnak a bűnüldözés megfelelőségéről. Azt vártuk, hogy a magasabb bűnüldözési megfelelőséggel rendelkező ökoszisztémák alacsonyabb PIKE-értékeket fognak mutatni.
Nagyszabású elefántcsont-foglalás: A nagy mennyiségben lefoglalt elefántcsont éves súlya (≥500 kg)63,64. Azokban az esetekben, amikor a szállítmány része volt a megmunkált elefántcsont, az értékeket nyers elefántcsont-egyenértékre számították át, figyelembe véve a feldolgozás során bekövetkező 30%-os veszteséget.
Elefántcsont ára: A fő kínai piacokon (Kína, Hongkong és Makaó) az éves mamutelefántcsont-árakat az ENSZ Comtrade adatbázisából65 származtatták. Ezt a kovariátort az elefántcsont iránti kereslet helyettesítőjeként vettük fel, mivel feltételezzük, hogy a mamut elefántcsont ára korrelál a feketepiaci elefántcsont árakkal (amelyekre vonatkozóan nem állnak rendelkezésre adatok). Érdemes azonban megjegyezni, hogy az elefántcsont árát valószínűleg nemcsak a piaci kereslet, hanem a gazdaság általánosabb feltételei is befolyásolják. Ahhoz, hogy a kapott kereskedelmi értékeket korrigáljuk a változó inflációs rátákkal, a Világbank fogyasztói árindexeit66 használtuk. A korrigált kereskedelmi értékeket a piaci sajátos nettó súly figyelembevételével átlagoltuk. Megjegyzendő, hogy Makaó csak a 2006-09-es és a 2014-es évekre vonatkozóan jelentette a mamut elefántcsont árakat.
Az elefántcsont ára és a lefoglalásoknak a keresletre és a kínálatra gyakorolt hatása többféle időskálán is befolyásolhatja az orvvadászat mértékét. Bár az afrikai orvvadászok tisztában lehetnek a nemzetközi tendenciákkal, lehetséges, hogy a piacokra vonatkozó információk lassan jutnak el a terepre. Következésképpen az ökonometriai elemzésekben szokásos módon67 minden elemzésünket megismételtük úgy, hogy e két változót legfeljebb kétéves késleltetéssel vettük figyelembe. A fő eredményekben a nulla késleltetésű modellt mutatjuk be.
Statisztikai elemzés
Az elefántvadászat intenzitására való következtetés a tetemekkel való találkozás adataiból nehéz, ha, mint itt, a mintavételi erőfeszítés ismeretlen. Az illegálisan megölt elefántok arányának becslése (PIKE), egy relatív mérőszám, némileg csökkenti ezt a problémát, feltételezve, hogy a mintavételi erőfeszítés változatlan a természetes és illegális okokból származó tetemek esetében egy adott évben és helyszínen.
A PIKE becsléséhez minden egyes i megfigyelésre vonatkozóan feltételeztük, hogy az illegális gyilkosságként azonosított tetemek száma (nillegal) binomiális véletlen változó az elefánttetemek teljes száma (ntotal) és p valószínűség mellett, úgy, hogy
ahol a pi valószínűség (=becsült PIKE) az a priori kiválasztott környezeti és társadalmi-gazdasági kovariánsok és az év-, ország- és helyszintű, normális eloszlású \(({\cal{N}})\) véletlen intercepts függvénye, szint-specifikus átlagokkal (μ) és standard eltérésekkel (σ), a kanonikus logit kapcsolat segítségével transzformálva:
Az adatok térbeli és időbeli szerkezetének figyelembevétele érdekében a hely (μsite) és az év (μyear) hierarchikus szintű átlagait részletesen modelleztük úgy, hogy
βn a regressziós együtthatókat, CPI az éves országszintű korrupcióérzékelési index, PovDens (a szegénység sűrűsége), Area (a helyszín területe) és LawEnf (a bűnüldözés megfelelősége) a helyszínszintű kovariánsok, Seizures (nagyszabású elefántcsont-foglalás) és IvoryPrice (elefántcsont ára) éves szintű kovariánsok, Precip (csapadék) és IMR (csecsemőhalandósági ráta) pedig éves szintű kovariánsok.
A modell illesztése Markov Chain Monte Carlo (MCMC) mintavételezéssel történt a JAGS68 szoftver segítségével, amely az R2jags70 R69 csomagon keresztül érhető el. A paraméterek utólagos becsléseit három független láncban vezettük le, amelyek mindegyike 100 000 iterációból, egy 50 000 iterációból álló beégetési fázisból és minden 50. mintára történő ritkításból állt. A becsült \(\hat R\)71 és az effektív mintanagyságok alapján az alkalmazott MCMC-algoritmus teljes mértékben konvergált (lásd a 2. kiegészítő táblázatot).
Azzal a céllal, hogy a PIKE nagy előrejelző képességgel rendelkező, értelmezhető modellt hozzunk létre, a modellt a Bayes-lasso72 segítségével szabályoztuk a részhalmaz-szelekció alkalmazása helyett. A regressziós együtthatók abszolút értékeivel arányos büntetés (L1-norm büntetés) előírásával a lasso73 automatizálja a változók kiválasztását folyamatos zsugorítással, és ritka modellreprezentációhoz vezet. A Bayes-féle következtetésben ezt a regressziós paraméterek βn Laplace prioraival érjük el, úgy, hogy
ahol a regularizációs paraméter, λ, a Laplace-eloszlás skálaparaméterének inverzét jelenti (vagy a sebességet egy exponenciális eloszlásban), ami λ növekedésével erősebb zsugorodást eredményez. Lehetővé tettük a modell számára, hogy λ-t az adatokból becsülje meg azáltal, hogy hiperparaméterként állítottuk be. Az implicit becsléséhez a konjugáltság fenntartása érdekében egy diffúz gamma hiperpriort írtunk elő λ2-re:
r = 1 alakkal és δ = 1 rátával, ami λ = 1 medián poszterior becslést eredményezett.64 (90% CI: 1,00-2,42). Az év-, ország- és telephelyszintű véletlen hatások standard eltéréseire is gamma priort használtunk r = 1 és δ = 1 értékekkel. Megvizsgáltuk az előzetes eloszlások megválasztásának érzékenységét a λ, σsite, σyear és σcountry értékekre. A regressziós együtthatók alig mutattak különbséget, amikor a gamma előzetes eloszlások helyett egyenletes eloszlásokat alkalmaztunk (vö. 2. és 3. kiegészítő táblázat).
A modellek előrejelző képességének a lehetséges időbeli függőségeket figyelembe vevő értékeléséhez31 először a képzési és tesztkészletek időbeli blokkjaira szeleteltük az adatokat. A képzési adatok a 2002 és 2013 közötti időszak összes rekordját tartalmazzák (ntraining = 447, azaz ~75%). A tesztadatok a 2014 és 2017 közötti összes megfigyelést tartalmazzák (ntest = 160, azaz ~25%). A modell validálása érdekében a PIKE-t a 2014-17 közötti időszakra a képzési adatokra illesztett modell 3000 MCMC-s húzásából becsültük meg. Ezeket a becsléseket összehasonlítottuk a tesztkészlet megfelelő PIKE-megfigyeléseivel (2b. ábra). Az előrejelző képesség mértékeként kiszámítottuk az R2 súlyozott ntotal
Az éves orvvadászati arányok becslése
Míg az illegálisan leölt elefántok aránya (PIKE) megoldja az ismeretlen mintavételi erőfeszítés problémáját, az illegális gyilkosságok aránya (azaz az illegálisan leölt elefántok aránya a teljes populáción belül) intuitívabb. Burnham52 egyszerű átváltást javasolt a PIKE-ről az orvvadászat arányára (mp), egy előre meghatározott természetes halálozási arány (mn) mellett:
Az így levezetett orvvadászati ráta tökéletes 1:1 kapcsolatot tart fenn a PIKE-vel. A Wittemyer et al.7 által összeállított becslések alapján 3%-os (mn = 0,03) állandó természetes mortalitást feltételeztünk, de az eredményeket összehasonlítottuk a 2%-os (mn = 0,02) és 4%-os (mn = 0,04) természetes mortalitású becslésekkel (lásd a 3. kiegészítő ábrát). Érdemes megjegyezni, hogy ahogy a PIKE az 1-hez közelít, a becsült orvvadászat mértéke exponenciálisan nő, ami valószínűtlenül magas orvvadászati arányokhoz vezethet. Ezért a kontinentális éves orvvadászati arányok becslésénél a helyspecifikus éves orvvadászati arányok mediánját ábrázoltuk. A helyspecifikus értékelést (lásd Kiegészítő eredmények) a becsült PIKE alapján végeztük, mivel egyes helyeken a PIKE-értékeket közel 1-re becsültük. Megjegyzendő, hogy nem szabtunk felső határt a becsült PIKE-re, mivel az orvvadászat mértéke még a nagy elefántpopulációkban is rendkívül magas lehet74.
A kontinens éves orvvadászati arányának előrejelzéséhez (szürke vonalak a 2a. ábrán) 3000 mintát vettünk az utólagos eloszlásból a PIKE becsléséhez az összes vizsgált területre és évre, ezeket lefordítottuk a helyenkénti orvvadászati arányokra, és az éves mediánértéket vettük. A megfigyelt éves kontinentális orvvadászati arányhoz (fekete keresztek a 2a. ábrán) először összeadtuk az összes megfigyelt tetemet a helyszíneken, levezettük az éves kontinentális PIKE-értékeket, és éves kontinentális orvvadászati arányokká alakítottuk őket. Megjegyzendő, hogy ez utóbbi lefelé torzíthat, mivel azok a helyek, amelyek több tetemet jelentenek (pl. a jobban felszerelt vadőrök járőrözése miatt), és így dominálnak a kontinensenként összesített PIKE-megfigyelésekben, általában alacsonyabb orvvadászati rátával rendelkeznek, mint a kevesebb megfigyeléssel rendelkező helyek.
A védelmi célok meghatározása
A lehetséges védelmi célok meghatározása érdekében megbecsültük a becsült orvvadászati ráta érzékenységét a figyelembe vett társadalmi-gazdasági tényezők javulására. Az illesztett modellből 3000 MCMC-mintát használtunk a kontinentális éves orvvadászati arányok (vagy a régió- és helyspecifikus PIKE; lásd Kiegészítő eredmények) előrejelzésére úgy, hogy a prediktorértékeket egymás után a legjobb (azaz leginkább elefántbarát) megfigyelt értékre állítottuk be mind az 53 helyszínen és 15 évben. Ezek a következők voltak: IMR = 17,73 halálozás/1000 csecsemő (Tarangire és Manyara Nemzeti Parkok, Tanzánia 2016); CPI = 65 (Botswana 2012); szegénységi sűrűség = 4,85 fő km-2 , < 1 USD.25/nap (Lopé Nemzeti Park, Gabon); terület = 81 046 km2 (Selous és Mikumi Nemzeti Parkok, Tanzánia); a bűnüldözés megfelelősége = 0,83 (Etosha Nemzeti Park, Namíbia); nagy mennyiségű elefántcsont lefoglalás = 790 kg (2002); mamut elefántcsont ára = 23,72 USD kg-1 (2002). Így a helyszínek és országok közötti különbségek (lásd Kiegészítő eredmények) egyszerűen annak a következményei, hogy egy adott helyszínen vagy országban a 2002 és 2017 közötti legjobb helyzethez képest egy adott helyszínen vagy országban a jelenlegi helyzet a legjobb, és nem jelentenek eltérő hatásméreteket a helyszínek és országok között.
Térbeli és időbeli reziduális autokorreláció
A térbeli és időbeli reziduális autokorrelációt az ncf R csomag75 Sncf funkciójával ellenőriztük, amely lehetővé teszi a térbeli-időbeli strukturált modell elemzését. A maradékokat a becsült és a megfigyelt PIKE különbségeként számoltuk ki. Ezt a továbbiakban nem vettük figyelembe, mivel a reziduumok nem mutattak sem konzisztens térbeli, sem időbeli autokorrelációt (2. kiegészítő ábra).
Beszámolói összefoglaló
A kutatási tervvel kapcsolatos további információk a cikkhez kapcsolódó Nature Research Reporting Summary-ban találhatók.
A cikkhez kapcsolódó Nature Research Reporting Summary-ban.