本文的研究结果已发表于鸟类学期刊Avian Research上，题目为：
Detour for the inexperienced? Migration count data suggest mostly juvenile Greater Spotted Eagles appear in coastal peninsulas in China.作者：师旭，王小平，危骞，林琦玮，朱磊。文章链接可点击文末阅读原文。如需联系作者，请联系xu.shi@uqconnect.edu.au
或微信：lylanji
谁不想看雕呢？
猛禽迁徙，是候鸟迁徙季节最壮观的景象之一。在全国各地的猛禽观测点，大家最想看到的都是大型且罕见的雕，期盼着乌雕，草原雕，白肩雕，短趾雕…通常时近中午，一群猛禽匆忙来到，打头阵的是常见的普通鵟，凤头蜂鹰，灰脸鵟鹰。它们在空中汇集，盘旋，轻快地前行，记录表上的猛禽数量快速增加，你预感到这一天，乃至这一个季节的迁徙高峰就要到来。
乌雕（上）和短趾雕（下）这样的大型猛禽总是关注的焦点 摄影：欧若风
很快，望远镜里出现了一个不怎么扇翅膀的大家伙。大得多的翼展和长长的翼指让所有人摒住了呼吸。它的飞行更加沉稳，强大的气场使其他猛禽看起来仿佛只是陪衬。终于，它飞得近了一些，高了一些，再一次盘旋，巨大的体型，宽阔的翼展显露无疑，观测员们情不自禁高声惊呼：雕来了！第一次看到雕的人欢呼雀跃，错过的人扼腕叹息。这就是大型雕类的魅力。
乌雕（中）的气场和其他猛禽截然不同 摄影：邓世林
在中国稳定分布的雕里，乌雕（Clanga clanga）是分布较广，也是迁徙季较容易见到的一种大型雕类。乌雕虽然在欧亚大陆广泛分布，但其种群数量并不多，近年来也有下降的趋势，因此被世界自然保护联盟（IUCN）评估为易危级别，在我国也被列为国家一级保护动物。
相较欧洲大量的环志，追踪和迁徙监测工作，东亚地区的乌雕研究寥寥无几，最基础的数量和分布都鲜有报道，也很难对于其种群动态做出准确的评估。因此，通过基础的监测，记录下当前的情况作为本底和基线就更加重要，并且随着监测年份的增加，监测范围的扩大，我们能够逐渐对乌雕的生存状况做出相对准确的估计。
乌雕分布示意图，深黄色为繁殖区域，浅黄色为迁徙经过和越冬区域。注意其在东亚的分布范围是很不全面的 数据来源：iucnredlist.org
四大监测点，记录了多少乌雕？
2022年，在SEE基金会的支持下，我们初步建立了由全国十余个监测点组成的全国猛禽监测网络。各个监测点之间数据的交流，汇总，也使得我们能够从更大的地理尺度来研究乌雕和其他猛禽迁徙的相关规律。我们使用了全国乌雕记录较多，监测较为完整的四个监测点的观测记录（图1），其中有两个沿海监测点：辽宁大连老铁山，广西北海冠头岭，两个内陆监测点：成都龙泉山，重庆平行岭（包括数个邻近的监测点）2020年至2023年间的乌雕记录。我们通过照片对比，进行了严格的重复记录的筛除，从而能够对迁徙经过的我国的乌雕数量进行初步的抽样统计。
图一：全国四个监测点的地理位置示意，红点为监测点位置
表一：四个监测点统计到的乌雕数量。
年份 | 冠头岭 | 老铁山 | 龙泉山 | 平行岭 |
2020 | 13 | 22 | ||
2021 | 15 | 7 | 19 | |
2022 | 6 | 72 | 10 | 31 |
2023 | 3 | 108 | 20 | 14 |
整体来看，大部分监测点平均每年记录到的乌雕数量在10到20只，并且年际波动较大，有的年份一天就能看到两位数的乌雕，而有的年份全年才只有个位数的记录。相比之下，老铁山的乌雕数量遥遥领先，甚至超过了其他监测点的总和：2022至2023年，老铁山平均每年的乌雕记录达到了90只，迁徙高峰期常常一天记录两位数的乌雕。查阅公开资料显示，老铁山是东亚地区乌雕数量最多的迁徙监测点，在整个欧亚大陆的猛禽监测点内也能名列前茅。
老铁山的乌雕群 摄影：关翔宇
乌雕乌雕你几岁了？
除了最基本的数量统计以外，我们还能通过识别每个个体的年龄，更好地了解猛禽迁徙的规律。乌雕和其他大型雕类一样，换羽的程度体现了每个个体的年龄的大致范围。夏天出生的乌雕幼鸟在秋季第一次迁徙时，整体羽毛显得新鲜，整齐，没有太多的磨损，很多时候还能看到明显的浅色的飞羽边缘。幼鸟的翅型也比较独特，呈现出一定的弧形。
典型的乌雕幼鸟，有着整齐而新鲜的羽毛 摄影：李苞
对于乌雕来说，越年轻的个体下腹部和尾下覆羽的白色范围通常越明显。
乌雕幼鸟的下腹部和尾下覆羽的羽毛通常是浅色 摄影：邹滔
这只幼鸟的飞羽腹面上有细密的横斑，和草原雕，白肩雕等的粗横斑不同，是乌雕的重要识别特征 摄影：王小平
乌雕幼鸟的背部特征则更明显：幼鸟的翼上覆羽，背部的羽毛和尾上覆羽有整体排列的浅色羽缘，仿佛精心雕刻的花纹，这在通常显得斑驳暗淡的大型猛禽的羽毛中十分特别。
乌雕幼鸟极具辨识度的背部羽毛 摄影：三牛
在完成第一次迁徙，度过第一个冬天后，我们称此时的乌雕为第二年的亚成鸟。这个年龄的乌雕在秋迁时通常已经更换了几枚内侧的初级飞羽（翼指），以及靠近初级飞羽的几枚次级飞羽还有中间一两枚次级飞羽，这些新的飞羽通常颜色较深，并且由于没有磨损也比旧的飞羽长一些，显得整体的羽毛长短和深浅不一。
第二年的乌雕，能看到外侧几枚磨损较严重的旧的飞羽，以及内侧几枚新换的飞羽，另外也更换了部分次级飞羽 摄影：胖麻雀
更年长的乌雕会逐渐替换掉所有的幼鸟羽毛，部分飞羽和体羽已经经历了多轮换羽。下腹部和尾下的白色逐渐减少，体色变得暗淡，翼上和背部的覆羽的浅色羽缘也逐渐消失，整体更偏深褐色。
较老的乌雕基本上所有羽毛都经历了至少一次换羽，尾下的浅色逐渐减少 摄影：邹滔
成鸟几乎是完全的深褐色，成了真正的“乌”雕 摄影：邹滔
至少4-5年后，乌雕才能达到成鸟的羽色。这时的乌雕整体深褐色，翅型宽大，光线较差时显得翼下一片漆黑，只有标志性的翼指根部的浅色“月牙”还勉强可见。亚成鸟和成鸟的具体年龄不太好判断，需要清晰的照片来检查换羽的情况，但是区别幼鸟和包括亚成鸟、成鸟在内的“非幼鸟”就相对容易得多：只要有换羽，就不是幼鸟。因此即使是非常抽象的纪录照，也能准确地判断其年龄范围。
本研究中所使用的幼鸟和非幼鸟的定义示意图
沿海监测点为何成为“幼儿园”
我们统计了沿海和内陆迁徙监测点的乌雕的幼鸟和非幼鸟的比例，发现了巨大的差别（图2）：内陆监测点的幼鸟比例只占20%左右，而沿海监测点的幼鸟比例达到了82%（冠头岭）和61%（老铁山），均超过了一半。
图2：各监测点的乌雕年龄比例
大型猛禽通常需要数年才能性成熟并参与繁殖，乌雕每窝通常只能繁殖1-2只幼鸟。因此不难推测，在“正常”的情况下，当年出生的幼鸟占整个种群的比例是比较低的，绝对不应该达到超过一半的数量，而内陆监测点的幼鸟比例显然更接近种群内部完全随机抽样的比例。
老铁山的乌雕以幼鸟为主 摄影：王小平
为什么沿海两个监测点的乌雕幼鸟比例这么高呢？从地形上看，这两个监测点都属于半岛的末端。冠头岭位于北海市所在的向西南方向延伸的半岛的末端，而老铁山同样是朝西南方向延伸的辽东半岛的末端。对于迁徙猛禽来说，最省力的飞行方式是借助山谷和山峰之间由于热空气上升带来的上升气流获得高度然后滑翔前行，最大的挑战来自于穿过缺乏上升气流大的水体，比如海洋和湖泊，在这种环境中，猛禽需要全程振翅飞翔，对于体能和导航是极大的考验。
沿海两个监测点均位于半岛地形的顶端
以老铁山为例，这里记录的乌雕幼鸟的繁殖地在我国东北，朝鲜半岛和俄罗斯远东地区，越冬地在我国长江中下游乃至东南亚。如果能横跨渤海湾，从大连、旅顺直飞威海、青岛，就能抄近路到达华东地区，省得从锦州，山海关和华北地区绕行。然而即使是不到一百公里宽的渤海海峡，对于乌雕和其他大型猛禽也是极大的挑战。在欧洲，哪怕是距离只有二三十公里的直布罗陀海峡，都有不少兀鹫，短趾雕因体力不支，风向骤变或者被乌鸦追打，最终在海里溺亡的案例。实际观测中我们发现，许多出现在老铁山和冠头岭的乌雕会在当地逗留好几天，犹豫而不敢跨海，而龙泉山和平行岭的乌雕绝大部分都是直来直去，极少停留。
左边这只乌雕2022年10月25日拍摄于老铁山，右边拍摄于10月28日，对比同侧翅膀上的细节，大概率是同一只个体 摄影：风鸢，李苞
我们推测这些乌雕幼鸟在第一次迁徙时由于缺乏经验（乌雕成鸟幼鸟分开迁徙），或者跟随了其他跨海飞行能力更强的猛禽，来到了这些半岛的末端，但是又迟迟不敢继续往前跨海。实际观测中，大部分个体最终会放弃出海，选择沿着海岸线返回，重新沿着锦州-山海关一线迁徙。而亚成鸟和成鸟已经有了至少一次迁徙的经验，了解此处的地形和风险，会在迁徙途中选择绕开这两个半岛，从而导致了冠头岭和老铁山的迁徙乌雕以幼鸟为主的现象。
虚线为跨海线路，实线为推测的实际飞行线路
展望：未来的迁徙猛禽监测
说到猛禽监测，大家常常想到的是统计种类和数量。然而远道而来的猛禽还带来了更多的信息，值得我们去留意，比如性别，年龄，色型......这次的乌雕研究，是我们第一次在数量统计的基础上，开始尝试记录并利用更多类型的数据。我们发现猛禽的年龄数据不仅能用来计算迁徙经过的猛禽的成幼比例，还能帮助识别不同年龄猛禽的迁徙时间和路线上的差异。目前，部分国外的猛禽监测点已经把年龄的抽样调查加入了日常的监测工作中，这也是我们接下来努力的方向。随着更多监测点的加入，更多人来参与迁徙猛禽的监测和记录，我们也能进一步了解这些空中霸主的生活。下一个秋天，当乌雕再次飞过天空，除了拍照与记录之外，记得仔细观察一下它，问问它你今年多大啦？
致谢：
这项研究的开展离不开SEE基金会，深圳质兰基金会的支持，以及各监测机构和单位的常年的坚持和努力，包括：广西生物多样性研究和保护协会（美境自然）、辽宁蛇岛老铁山国家级自然保护区、成都观鸟会和重庆观鸟会。许多志愿者和摄影师也为照片数据收集做出了贡献，包括且不限于（按姓氏、网名拼音排列）：柴鉴云，程威，大雨，邓世林，杜少波，冯国珍，肥皂，高向宇，管晓丽，韩基弘，韩小杰，韩正，何亚宁，黄飞澎，江华志，蒋志友，李苞，李玫霖，李守元，李兴宇，梁元泉，林绍杰，刘竺，缪东炜，欧若风，任晋源，三牛，楒婷，汤凯，王黎明，Xiaobo Wang，Vincent Wang，越冬，杨兴斌，乐伟强，张棽，张迎庆，朱震昕，邹滔
