劉昌景 周用武 喻 雷

(1.南京森林警察學(xué)院，南京，210023；2.國(guó)家林業(yè)局森林公安司法鑒定中心，南京，210023；3.紹興市公安局柯橋分局，紹興，312030)

猛禽，位于自然界物質(zhì)、能量循環(huán)的頂端，其種類(lèi)、數(shù)目、保留現(xiàn)狀和繁衍狀況能夠直接反映出當(dāng)?shù)厣锓N類(lèi)多樣性的豐富程度、猛禽食物資源缺乏與否以及人為干擾自然生態(tài)平衡的程度[1]。然而，伴隨著社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展和先進(jìn)科學(xué)技術(shù)的研發(fā)，我國(guó)保護(hù)野生動(dòng)物的形勢(shì)仍舊非常嚴(yán)峻。因?yàn)闂⒌乜s水、割裂、品質(zhì)下降以及人為干擾等原因，眾多野生動(dòng)物種群的生存空間遭到不斷擠壓，無(wú)數(shù)瀕危物種的重要棲息地、鳥(niǎo)類(lèi)集群活動(dòng)區(qū)域及遷徙通道面臨著土地建筑開(kāi)發(fā)、農(nóng)業(yè)生產(chǎn)開(kāi)墾、環(huán)境嚴(yán)重污染等威脅[2]，穩(wěn)定的生物圈遭受日益猛烈的沖擊，大量生物物種瀕臨滅絕，位于食物鏈頂端的猛禽更是無(wú)法幸免。曾經(jīng)的百年猛禽巢——新疆卡拉麥里山因?yàn)槿祟?lèi)采石工作的爆破煙霧不斷逼近、保護(hù)面積的不斷縮小、采礦淘金的頻次劇增，使得這座百年鷹山只留下一座空巢[3]。由于人類(lèi)亂捕濫獵、非法買(mǎi)賣(mài)野生動(dòng)物的現(xiàn)象不同程度地存在著，對(duì)它們生存造成了嚴(yán)重的威脅。

在非法捕獵、販賣(mài)、走私野生鳥(niǎo)類(lèi)的案件中涉及猛禽的占了很大一部分，比如河南“大學(xué)生掏鳥(niǎo)案” 閆嘯天、王亞軍二人因非法獵捕、售賣(mài)名貴、瀕危野生動(dòng)物阿穆?tīng)桍篮瞳C隼，最終被判處有期徒刑10年零6個(gè)月，在網(wǎng)上引起一番爭(zhēng)議[4]；再比如溫州20歲少年胡某職高畢業(yè)后，在家里養(yǎng)起了野生的鷹隼，利用淘寶網(wǎng)、微信做起了販賣(mài)猛禽的中間商，經(jīng)他手已經(jīng)賣(mài)出了數(shù)百只各類(lèi)珍稀猛禽，最終獲刑10年[5]。然而猛禽物種的相似度高，快速識(shí)別鑒定難度大，且此類(lèi)知識(shí)未在執(zhí)法人員中充分普及，因此對(duì)于猛禽物種的快速識(shí)別鑒定技術(shù)亟待提升。

目前對(duì)于鳥(niǎo)類(lèi)羽毛的研究分類(lèi)主要有通過(guò)掃描電鏡及光學(xué)顯微鏡等技術(shù)手段觀察羽毛的各個(gè)部位，比如羽枝、羽小枝等顯微結(jié)構(gòu)；二是利用分析化學(xué)或者生物分子化學(xué)的方法來(lái)進(jìn)行研究和鑒定[6]。然而對(duì)于利用鳥(niǎo)類(lèi)羽毛的形態(tài)特征進(jìn)行量化判別分析，尚未充分研究，且未與案件中司法鑒定技術(shù)相結(jié)合。事實(shí)上，羽毛作為鳥(niǎo)類(lèi)動(dòng)物所特有的結(jié)構(gòu)，經(jīng)常被作為偵破該類(lèi)案件的重要線索[7]。同時(shí)在作案過(guò)程中，其覆羽是較易脫落也容易被發(fā)現(xiàn)提取的。隨著科學(xué)技術(shù)的發(fā)展，人們已經(jīng)不單單依據(jù)羽毛來(lái)對(duì)鳥(niǎo)類(lèi)進(jìn)行分類(lèi)與鑒定，而是要求在更多場(chǎng)合利用零散的羽毛來(lái)識(shí)別其所屬鳥(niǎo)的種類(lèi)。Chandler首先研究證明了鳥(niǎo)類(lèi)羽毛微觀特征的重要性，并將其應(yīng)用到了各種各樣的研究中去[8]。比如在各類(lèi)刑事案件調(diào)查過(guò)程，服裝中的羽絨有很大可能會(huì)通過(guò)身體接觸留下羽毛證據(jù)，為案件提供具體的線索。

本文通過(guò)對(duì)國(guó)內(nèi)外的鳥(niǎo)類(lèi)羽毛研究鑒定現(xiàn)狀的認(rèn)識(shí)了解，在此基礎(chǔ)上對(duì)研究較缺乏的宏觀量化鑒定手段進(jìn)行實(shí)驗(yàn)，因此本人觀察測(cè)量雕鸮(Bubobubo)、褐林鸮(Strixleptogrammica)、黃腿漁鸮(Ketupaflavipes)、蛇雕(Spilornischeela)、蒼鷹(Accipitergentilis)和大鵟(Buteohemilasius)6種猛禽覆羽的羽長(zhǎng)、羽面積、松散面積以及非松散面積，并記錄其量化數(shù)據(jù)，繼而對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)、判別分析，得出線性判別方程的表達(dá)式。本文旨在為我國(guó)常見(jiàn)猛禽的鑒定提供一定的參考價(jià)值，并呼吁盡早解決數(shù)據(jù)收集積累不全的問(wèn)題[9]，建立起我國(guó)規(guī)范化、標(biāo)準(zhǔn)化以及全面化的鳥(niǎo)類(lèi)宏觀羽毛特征量化數(shù)據(jù)庫(kù)。

1 材料與方法

1.1 實(shí)驗(yàn)材料

本實(shí)驗(yàn)所用的猛禽羽毛均取自南京森林警察學(xué)院的動(dòng)物標(biāo)本室所保存的鳥(niǎo)類(lèi)標(biāo)本，實(shí)驗(yàn)對(duì)象是鸮形目(Strigiformes)的3種猛禽(雕鸮屬的普通雕鸮和黃腿漁鸮、林鸮屬的褐林鸮)以及隼形目(Falconiformes)的3種猛禽(鷹屬的蒼鷹、鵟屬的大鵟和蛇雕屬的蛇雕)的翼部覆羽。

實(shí)驗(yàn)所用標(biāo)本為6個(gè)物種，每個(gè)物種標(biāo)本選取1～2個(gè)樣本，每個(gè)物種標(biāo)本的左右雙翼均有取樣，取樣點(diǎn)如圖1所示，大覆羽、中覆羽、小覆羽及翼角部位小覆羽分別取樣，即每個(gè)物種標(biāo)本取樣點(diǎn)為8個(gè)，每個(gè)取樣點(diǎn)隨機(jī)取2根羽毛，共64個(gè)樣本，128次測(cè)量，每個(gè)樣本均測(cè)量其羽長(zhǎng)、羽面積、松散面積、非松散面積，共計(jì)獲得512條數(shù)據(jù)。

由于采集下來(lái)的覆羽會(huì)存在個(gè)別羽枝粘連，羽面褶皺不平的現(xiàn)象，因此將采集下來(lái)的實(shí)驗(yàn)覆羽放入常溫清水中浸泡清洗，并適當(dāng)用手輕輕梳理整齊，后將其取出平鋪?zhàn)匀桓稍飳?shí)驗(yàn)備用。

1.2 羽毛量化方法

取處理過(guò)的羽毛樣本輕輕放于帶比例尺的黑色底板上，捋平，放置于水平底板上，利用單反相機(jī)(日本株式會(huì)社尼康Nikon D40)在底板上方垂直向下拍攝擺放好的羽毛樣本。

圖1 實(shí)驗(yàn)采集猛禽覆羽樣本位點(diǎn)Fig.1 The sample site of raptor’s coverts 1號(hào)為實(shí)驗(yàn)采集猛禽大覆羽位點(diǎn)；2號(hào)為實(shí)驗(yàn)采集猛禽中覆羽位點(diǎn)；3號(hào)為實(shí)驗(yàn)采集猛禽小覆羽位點(diǎn)；4號(hào)為實(shí)驗(yàn)采集猛禽翼角部位小覆羽位點(diǎn) 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

利用水平位點(diǎn)拍攝的實(shí)驗(yàn)猛禽覆羽圖像，統(tǒng)一設(shè)置照片比例尺，計(jì)算每張圖中覆羽整體面積和非松散部位面積(圖2)。本人運(yùn)用兩種方法，一種是圖像自動(dòng)分割法，利用ImageJ圖像處理系統(tǒng)自動(dòng)區(qū)分，對(duì)于個(gè)別界限模糊、區(qū)分不準(zhǔn)確的位點(diǎn)進(jìn)行人工修正。另一種是手工描點(diǎn)分割法，直接由本人手工描點(diǎn)框選[10]。

圖2 實(shí)驗(yàn)采集猛禽覆羽松散面積(箭頭外部)界定示意圖Fig.2 Area of loose on raptor’s coverts

圖3 實(shí)驗(yàn)鳥(niǎo)種各覆羽正面照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)，蒼鷹大覆羽(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)，黃腿漁鸮大覆羽(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，F(xiàn)2，F(xiàn)3，F(xiàn)4 are the greater covert，medium covert，lesser covert and lesser covert of upturned roof-ridge of Ketupa flavipes，respectively

表1 實(shí)驗(yàn)鳥(niǎo)類(lèi)標(biāo)本樣本量

Tab.1 Experimental sample and sample size

1.2.1 圖像自動(dòng)分割法

導(dǎo)入待測(cè)覆羽圖像序列，圖像原始格式為16位像素，為了在后期能夠得到較好的分割效果，首先選擇Image-﹥Type-﹥8-bit將待測(cè)圖像的灰度值由16位降低為8位，然后采用Process-﹥Enhance Contract對(duì)圖像進(jìn)行增強(qiáng)處理，Process-﹥Smooth進(jìn)行圖像平滑處理。選擇Image-﹥Adjust-﹥Threshold，對(duì)待側(cè)圖像進(jìn)行閾值處理，選擇1～200區(qū)間內(nèi)的合適閾值，使待測(cè)區(qū)域內(nèi)的像素點(diǎn)最完整的顯現(xiàn)出來(lái)。最后進(jìn)行Analyze-﹥Analyze Particles操作，獲得待測(cè)區(qū)域面積。

1.2.2 手工描點(diǎn)分割法

通過(guò)ImageJ圖像處理軟件導(dǎo)入待測(cè)圖像，利用區(qū)域選擇工具，采用手工描點(diǎn)的方法框選待測(cè)區(qū)域，首尾相連形成一個(gè)封閉區(qū)間。后進(jìn)行Analyze-﹥Measure操作，獲得待測(cè)區(qū)域面積。

1.3 數(shù)理統(tǒng)計(jì)方法

實(shí)驗(yàn)數(shù)理統(tǒng)計(jì)使用的是統(tǒng)計(jì)分析軟件SPSS 20.0(Statistical Product and Service Solutions)，分析方法為Fisher判別分析，也稱(chēng)為典則判別。判別分析的統(tǒng)計(jì)模型可抽象概括的描述為：有m個(gè)P維總體g1，g2，…，gm，分別服從一定的分布y1，y2，…，ym。而實(shí)驗(yàn)樣本為一個(gè)新的樣品x=(x1，x2，…，xp)，它可能來(lái)自這m個(gè)總體中的某一個(gè)。目的是要依據(jù)該樣品的P項(xiàng)指標(biāo)，判別它最可能來(lái)自m個(gè)P維總體中的哪一個(gè)總體，想要完成這項(xiàng)工作，就可以采用Fisher判別分析法[11]。

其根本思維是運(yùn)用投影，即將原本位于R維空間內(nèi)的自變量組合投影到低維度的D維空間去，而后在D維空間中再進(jìn)行分類(lèi)。投影的原則是控制每一類(lèi)的差異盡可能小，而使不同類(lèi)間投影的差要盡可能大[11]。實(shí)驗(yàn)是依據(jù)線性Fisher函數(shù)值進(jìn)行判別，運(yùn)用此判別方法首先要求各組變量的均值之間存在顯著性差異。

對(duì)于實(shí)驗(yàn)涉及的兩個(gè)不同目科猛禽覆羽的判別，利用independentttests 來(lái)檢驗(yàn)實(shí)驗(yàn)測(cè)量的4項(xiàng)量化數(shù)據(jù)的均值是否存在顯著性差異；對(duì)于實(shí)驗(yàn)涉及的5個(gè)不同屬別猛禽覆羽的判別，利用單樣本K-S檢驗(yàn)來(lái)驗(yàn)證測(cè)量所得數(shù)據(jù)是否符合正態(tài)分布，當(dāng)測(cè)量數(shù)據(jù)滿足正態(tài)分布時(shí)，再利用One-way ANOVA分析猛禽覆羽羽長(zhǎng)、羽面積、非松散面積以及松散面積在猛禽的5個(gè)不同屬別之間是否存在顯著性差異。

檢驗(yàn)完實(shí)驗(yàn)數(shù)據(jù)便可將其進(jìn)行判別分析，選用的自變量篩選方法為一起輸入自變量，進(jìn)而得到分析軟件輸出的判別結(jié)果。對(duì)輸出結(jié)果進(jìn)行以下處理：

設(shè)有n個(gè)樣本個(gè)體，分別歸屬于第1判別函數(shù)至第m判別函數(shù)，每個(gè)樣品有P個(gè)變量可供判別分析的，那么該線性判別函數(shù)的方程表達(dá)式就為：

y=a1x1+a2x2+…+apxp

式中：a1，a2，ap均為判別函數(shù)的待定系數(shù)[11]。

2 結(jié)果

2.1 覆羽形態(tài)特征

預(yù)實(shí)驗(yàn)首先對(duì)采集的覆羽進(jìn)行整體的系統(tǒng)觀察，觀察實(shí)驗(yàn)覆羽的正面發(fā)現(xiàn)隼形目的蛇雕覆羽均呈棕褐色，且具兩列灰白色點(diǎn)狀斑紋分布羽軸兩側(cè)，羽廓較圓滑；大鵟的大覆羽呈白色扁圓狀，在羽毛上端分布若干枚棕褐色橫向斑紋，中覆羽及小覆羽整體呈白色，順著羽軸分布有淺褐色魚(yú)骨狀橫斑，小覆羽上半部分呈棕褐色，下半部分為白色；實(shí)驗(yàn)室蒼鷹樣本為亞成體，其覆羽均呈上半部分灰褐色，下半部分灰白色，大覆羽呈三角錐狀，中覆羽呈扁圓形，小覆羽及翼角部位覆羽呈栗狀。鸮形目褐林鸮的覆羽呈灰白色，且具有棕褐色連貫的橫向斑紋；黃腿漁鸮大覆羽整體為黃褐色，頂端具有棕褐色斑紋自上而下逐漸變淡，至底端近不可見(jiàn)，中、小覆羽在羽軸附近具有不連貫的棕褐色波浪狀斑紋；雕鸮的覆羽呈黃褐色，大覆羽及翼角部位的小覆羽在羽毛上端常出現(xiàn)棕褐色斑點(diǎn)。繼而觀察實(shí)驗(yàn)猛禽覆羽的反面花紋形態(tài)特征，發(fā)現(xiàn)該6類(lèi)猛禽覆羽的反面花紋僅有整體的色彩會(huì)淡化泛白，其他相較其正面沒(méi)有太大變化(圖3)。

2.2 覆羽量化特征

表2 實(shí)驗(yàn)覆羽外觀形態(tài)特征量化結(jié)果

Tab.2 Quantitative results of morphological characteristics of coverts

2.3 t檢驗(yàn)結(jié)果

研究分析independentt-test結(jié)果表明，實(shí)驗(yàn)涉及不同目科猛禽覆羽的t檢驗(yàn)，僅有覆羽松散面積存在極顯著的組間差異，且t=3.341，P=0.004；其余3項(xiàng)數(shù)據(jù)差異均不顯著，且羽長(zhǎng)t=0.006，P=0.995、羽毛面積t=0.663，P=0.513、非松散面積t=-0.896，P=0.377。

2.4 單因素方差分析結(jié)果

研究分析One-way ANOVA結(jié)果表明，在量化的4個(gè)特征數(shù)據(jù)中僅有松散羽毛面積的P值小于0.05，表明實(shí)驗(yàn)測(cè)量的覆羽松散面積數(shù)據(jù)在實(shí)驗(yàn)標(biāo)本所涉及的5個(gè)猛禽屬別之間有較為顯著的差異，且松散面積F4，27=2.860，P=0.043；而其余3項(xiàng)數(shù)據(jù)(覆羽羽長(zhǎng)、羽面積、非松散面積)并不存在組間差異，且羽長(zhǎng)為F4，27=0.061，P=0.993、羽毛面積為F4，27=0.388，P=0.815、覆羽非松散面積為F4，27=0.428，P=0.787。

2.5 Fisher判別分析及結(jié)果

2.5.1 不同目科的判別分析

以實(shí)驗(yàn)覆羽的羽長(zhǎng)、羽面積、非松散面積以及松散面積為變量對(duì)實(shí)驗(yàn)猛禽的科目歸屬進(jìn)行判別分析，即可得到y(tǒng)1、y2兩個(gè)典則判別函數(shù)。

表3 判別函數(shù)結(jié)果

Tab.3 Results of discrimination equation

表3判別函數(shù)結(jié)果表中給出了第1和第2判別函數(shù)的若干系數(shù)項(xiàng)以及常數(shù)項(xiàng)，從而分別進(jìn)行判別分析能夠得出以下判別函數(shù)：

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分別代表了實(shí)驗(yàn)覆羽的羽長(zhǎng)、羽面積、非松散面積以及松散面積。

表4 判別函數(shù)方差及其意義

Tab.4 The variance of discriminant equation and its significance

注：a.分析中使用了前1個(gè)典型判別式函數(shù)

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

從Fisher判別分析所得表4中可以看出，判別分析函數(shù)方差的百分比為100%，即判別函數(shù)y1、y2能夠解釋100%的方差變化，包含了實(shí)驗(yàn)覆羽羽長(zhǎng)、羽面積、非松散面積以及松散面積的所有信息，僅利用此函數(shù)就能夠完成所有覆羽樣品的判別。能夠準(zhǔn)確地描述實(shí)驗(yàn)猛禽各部位覆羽羽長(zhǎng)、羽面積、非松散面積以及松散面積之間的聯(lián)系與差異。

表5 Wilks的Lambda檢驗(yàn)結(jié)果

Tab.5 Lambda test result of Wilks

通過(guò)對(duì)目科判別函數(shù)判別結(jié)果的方差分析，判別函數(shù)y1、y2的顯著性水平均小于0.05，即對(duì)于不同目科猛禽覆羽的判別能力是極顯著的(P<0.05)，且實(shí)驗(yàn)所得判別方程的交叉驗(yàn)證正確率為71.9%。

2.5.2 不同屬別的判別分析

表6 判別函數(shù)方差及其意義

Tab.6 The variance of discriminant equation and its significance

注：a 分析中使用了前4個(gè)典型判別式函數(shù)

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

表7 Wilks的Lambda檢驗(yàn)結(jié)果

Tab.7 Lambda test result of Wilks

針對(duì)不同屬別的猛禽覆羽外觀形態(tài)量化數(shù)據(jù)進(jìn)行Fisher判別分析，分析得到表6、表7。分析結(jié)果的P值均是大于0.05，說(shuō)明實(shí)驗(yàn)數(shù)據(jù)的屬間差異不顯著無(wú)法繼續(xù)分析，也就是沒(méi)有統(tǒng)計(jì)學(xué)意義。

3 討論

本研究對(duì)實(shí)驗(yàn)所采集的覆羽樣本進(jìn)行定性和定量分析，對(duì)覆羽的羽長(zhǎng)、羽面積、非松散面積以及松散面積進(jìn)行測(cè)量并利用t檢驗(yàn)對(duì)實(shí)驗(yàn)覆羽特征數(shù)據(jù)進(jìn)行不同目科之間的顯著性水平檢驗(yàn)，發(fā)現(xiàn)實(shí)驗(yàn)涉及的兩類(lèi)目科猛禽之間，羽長(zhǎng)、羽面積及非松散面積3項(xiàng)數(shù)據(jù)不存在顯著差異，而覆羽的松散面積則存在極顯著差異。利用單因素方差分析對(duì)實(shí)驗(yàn)覆羽特征數(shù)據(jù)進(jìn)行不同屬別之間的顯著性水平檢驗(yàn)，發(fā)現(xiàn)實(shí)驗(yàn)覆羽羽長(zhǎng)、羽面積及非松散面積3項(xiàng)數(shù)據(jù)均不存在顯著差異，而覆羽的松散面積則存在顯著差異。對(duì)實(shí)驗(yàn)猛禽覆羽的4項(xiàng)外觀形態(tài)特征量化數(shù)據(jù)進(jìn)行Fisher判別分析，發(fā)現(xiàn)實(shí)驗(yàn)猛禽覆羽在不同目科之間以實(shí)驗(yàn)覆羽的羽長(zhǎng)、羽面積、非松散面積以及松散面積為變量對(duì)實(shí)驗(yàn)猛禽的科目歸屬進(jìn)行判別分析，即可得到兩個(gè)典則判別函數(shù)，而在不同屬之間無(wú)法得到有效判別函數(shù)。該結(jié)果可充分應(yīng)用于目科級(jí)別的分類(lèi)，起到很好的分類(lèi)效果；但是在不同屬別間，不具備統(tǒng)計(jì)意義。

本研究所發(fā)現(xiàn)鸮形目猛禽覆羽相較隼形目猛禽覆羽的主要區(qū)別在于羽廓松散化，兩者具有顯著的差異，鸮形目猛禽覆羽普遍存在一定的松散面積，而隼形目猛禽覆羽基本沒(méi)有松散部分。究其根本，可能因?yàn)轹佬文棵颓菥鶎儆跁冃行曾B(niǎo)類(lèi)；而鸮形目猛禽多為夜行性鳥(niǎo)類(lèi)，覆羽羽廓松散化有利于消聲，能夠使得鸮形目猛禽在夜間捕食時(shí)無(wú)聲飛行[12]，增強(qiáng)隱蔽性，從而提升捕食成功率。此一特點(diǎn)具有良好的鑒定應(yīng)用前景，特別可應(yīng)用于破壞野生動(dòng)物資源的違法犯罪案件中的猛禽快速鑒定。在森林公安、海關(guān)、工商部門(mén)以及野生動(dòng)物保護(hù)部門(mén)等的實(shí)際工作中，經(jīng)常遇到需送檢鑒定的羽毛殘?bào)w[6]，這些樣本很難運(yùn)用宏觀完整形態(tài)的鑒定手段來(lái)進(jìn)行鑒定。在案發(fā)現(xiàn)場(chǎng)，?？刹杉进B(niǎo)類(lèi)羽毛，然而此羽毛經(jīng)常并非完整，或者是已經(jīng)人為損壞，或是顏色及宏觀結(jié)構(gòu)已經(jīng)發(fā)生了變化，該鑒定樣本的破損直接影響鑒定工作的順利進(jìn)行。本研究中發(fā)現(xiàn)猛禽不同目之間覆羽松散面積的區(qū)別，可應(yīng)用于殘破羽毛的鑒定，通過(guò)猛禽覆羽判定其所屬目科。

羽毛是鳥(niǎo)類(lèi)物種識(shí)別中的一個(gè)重要指標(biāo)[6]，通過(guò)顯微微觀技術(shù)手段，觀察采集到的已脫落鳥(niǎo)羽的顯微結(jié)構(gòu)，并將其與數(shù)據(jù)庫(kù)中已知鳥(niǎo)種羽毛的顯微結(jié)構(gòu)進(jìn)行對(duì)比分析，從而區(qū)分、識(shí)別、鑒定未知鳥(niǎo)類(lèi)的物種歸屬，可為案件的處理提供線索和幫助[13]。對(duì)于森林公安的日常業(yè)務(wù)而言，利用此種方式進(jìn)行鑒定的硬件設(shè)施相對(duì)要求較高，難以在案發(fā)后的第一時(shí)間內(nèi)給出鑒定意見(jiàn)。因此，從羽毛鑒定技術(shù)的推廣可行性而言，仍需全面加強(qiáng)對(duì)森林公安等執(zhí)法部門(mén)的基礎(chǔ)能力建設(shè)。此外，有關(guān)猛禽羽毛研究相對(duì)缺乏，沒(méi)有形成系統(tǒng)的標(biāo)本資料庫(kù)，亦對(duì)該技術(shù)的推廣形成阻力。但羽毛顯微鑒定技術(shù)作為野生動(dòng)物鑒定依據(jù)在森林公安業(yè)務(wù)工作上具備很好的應(yīng)用前景，其對(duì)樣本的損傷性極小，對(duì)比鑒定快速，能最大限度地縮短在鑒定上所需花掉的時(shí)間和金錢(qián)成本，為案件的定性提供牢靠的線索，進(jìn)而助力案件的后續(xù)處理工作。

綜上所述，就當(dāng)前的研究進(jìn)程來(lái)看，鳥(niǎo)類(lèi)羽毛的分類(lèi)鑒定研究在國(guó)內(nèi)外都是以顯微鑒定技術(shù)為主[14]，其獨(dú)特、準(zhǔn)確的量化標(biāo)準(zhǔn)都是需要我們花大量時(shí)間去完成的基礎(chǔ)工作，系統(tǒng)的收集整理羽毛的相關(guān)數(shù)據(jù)，建立起全面準(zhǔn)確的數(shù)據(jù)庫(kù)，這才能使鳥(niǎo)類(lèi)羽毛的鑒定分類(lèi)工作更具有意義，應(yīng)用面更為廣泛。