本文是此次研讨会的第一个主题分享环节，“新技术和新方法在雪豹研究和保护中的运用”主题分享整理，从颈圈GPS跟踪、遗传学研究到PAWS种群评估、AI识别，这些年更新的技术和方法，不断地被运用到雪豹研究和保护之中，极大地增加了我们对于雪豹的了解。

由于雪豹的栖息地分布广袤、自然条件艰苦、很多的栖息地又和原住居民的生产生活高度重叠，因此需要众多保护地主管机构、在地社区、科研机构以及社会组织通力合作，打造政府主导、社会力量广泛参与的模式，这可以成为中国社会力量参与物种保护的一个重要路径。

除此之外，随着红外相机、痕迹调查等传统方法在雪豹调查中的边际效益逐渐递减，为了更好地了解这一如隐士般的物种，需要更多新技术和方法的广泛运用，雪豹本身的旗舰物种和明星物种效应，可以成为创新技术运用于自然保护的重要切入口，打造出生物多样性调查和科技的跨界合作示范。

无论如何，雪豹或许并不需要我们，但我们是如此需要一个健康的雪豹及其生态系统。

腾讯数据管理平台AI识别操作界面截图

数据的云端录入管理和物种识别分类，可以先把监测人员从繁琐的数据记录、标注识别工作中解放出来，把原来需要半年的工作时间减少到几个星期。进一步基于知识图谱的功能去分析不同数据之间的关联性，辅助科学家去估计雪豹的种群数量，研究生存环境和气候的关联，以及与其他物种的关系等等。但动物尺度变化和外形相似物种的细分度对于AI图像识别的算法仍存在很大的挑战。珍稀物种被拍摄到的数量不足，也导致了训练数据的缺乏。

经过腾讯和保护机构的共同努力，已经从最初只有3万张图片的训练数据，增加到后来的13万张。系统不断迭代后，可识别的物种数从23种提升到31种，雪豹检出率从最初的70.8%提升到现在的95.5%，准确率为85.2%，可以过滤掉50%的空拍视频和70%的空拍照片。

除了上述的物种识别，腾讯还在雪豹的个体识别方面进行了研究。由于雪豹影像数据少，清晰度不够高，个体识别很难通过豹脸识别、身体花纹识别的方法实现。因此腾讯走的是辅助渐进的路线，不是直接确定雪豹的个体ID，而是提高识别效率。具体来说，同一个身体部位具备同样的纹理特征，是认证是否为同一个雪豹的重要证据。个体识别系统会对雪豹的身体部位进行自动化的AI识别，并将结果保存到数据库中，数据库会不断扩充迭代，后续新的雪豹影像与数据库中的数据进行比对，相似度高的数据被认为可能同一只雪豹，以提高识别效率。

2017年雪豹降级事件而引发的争议，促使国际雪豹基金会发起了全球雪豹种群调查项目（Population Assessment of the World’s Snow Leopards，简称PAWS）。科学家们认为，全球雪豹调查面积只占分布范围的2%，而且还都在最好的栖息地里，这样的数据不能有效支持一个物种的状态评估。

到目前为止，PAWS计划已经覆盖了全球近10%的雪豹分布范围，比刚刚启动的时候增加了4倍。使用相对统一的标准化方法来估计某一野生动物物种的全球种群数量，可以想象它涉及到了非常多的在地的政府、保护组织、学术机构和个人的协调工作，因此这是一个非常具有雄心的计划。

雪豹种群数量估算图，来源：肖凌云,程琛,万华伟等.三江源地区雪豹保护优先区规划[J].生物多样性,2019,27(09):943-950.

根据paws方法完成大区域大尺度的雪豹密度估计，首先需要栖息地质量的分布图层，再根据分层抽样进行局部密度调查，判断密度高低关系是否与栖息地质量分层吻合，最后根据密度分层推广至全域计算总数。在2018年到2019年，在环保部卫星中心的支持下，山水自然保护中心和北京大学的团队对三江源地区的雪豹栖息地质量进行了一次分析。三江源地区现有雪豹监测区域从空间尺度上对不同质量的雪豹栖息地具有一定代表性，且调查面积已经覆盖了三江源雪豹栖息地的20%，这是非常了不起的成就，已经能够支持对三江源地区雪豹种群进行分析。另外，对种群密度的估算结果也验证了栖息地质量分层的正确性。

因此基于过去十多年的监测结果，在三江源国家公园和玉树州人民政府的支持下，山水自然保护中中心、北京大学自然保护与社会发展研究中心、西交利物浦大学以及原上草自然保护中心等多家机构合作，完成了三江源雪豹种群分析，结果将在今年内通过论文的形式正式发布，希望通过对于三江源雪豹种群的分析，能够帮助我们梳理和总结在中国开展雪豹种群数量调查的经验，从而推动更多的区域加入进来。

目前，距离全国雪豹数量的评估仍然有很长一段路要走。但值得欣慰和乐观的是在我国的一些省份和地区，比如甘肃、青海、四川，我们的调查能力已经超过全球雪豹调查的平均水平之上。

从动物粪便中提取出的DNA包含了动物本身和它的食物等的DNA，通过鉴定，我们不仅可以识别出特定物种的样品，对其进行食性分析，还可以鉴定出不同的个体，这些个体可以部分代表种群，通过它们来研究野生种群的遗传多样性，反映种群的生存情况。

《守护雪山之王，中国雪豹调查与保护现状》一书中分析了青海省主要的雪豹威胁，包括了栖息地破碎化以及气候变化。另外野生猎物种群的减少也是亟需关注的威胁之一。针对这两类威胁，遗传学可以帮助研究雪豹的食性，雪豹和其他食肉动物的种间关系，以及气候变化下雪豹的迁移通道和潜在避难所在何处，提示一些需要优先保护和修复的区域等。

科研人员在索加、扎青、昂塞等7个区域， 基于350多份的雪豹粪便样本，通过食性组成和食物网结构的分析，科研团队得出结论：雪豹种群大小对于野生猎物丰度有着关键性的依赖，说明保护野生有蹄类种群对于维持雪豹种群的稳定极为重要。^[1]

科研人员基于350多份雪豹粪便样本的研究成果   来源：山水自然保护中心

关于栖息地破碎化这一威胁，人类活动和气候变化都是雪豹栖息地加剧破碎化的原因。科研团队在2019年的研究发现，三江源东部的人口密集区，模拟出的雪豹核心栖息地面积在加入人类影响因素后明显缩减。另外，在气候变化下，雪豹适宜栖息地有继续向北和向高海拔迁移的趋势，进一步加剧破碎化的威胁。

根据遗传学信息，科研团队可以获得关于种群遗传多样性以及种群间遗传结构得信息，推测种群间是否存在基因交流，以及识别出可能的迁移廊道，进而考虑识别和去修复这些廊道。通过目前的初步研究，科学家发现祁连山具有一个较为古老的雪豹支系，结合祁连山在末次冰期是一个野生动植物避难所的相关研究，以及气候变化模拟下它未来也很可能是一个比较稳定而且连片的栖息地，推测祁连山的雪豹保护和研究有重要价值。

每增加已有区域的个体或者是新区域的样本，都可能发现一个新的遗传结构，刷新对雪豹种群遗传关系的认知。为避免使雪豹形成极小种群，就需要综合地理、种群遗传学、景观遗传学等学科，通过建立更多的合作来覆盖更多雪豹栖息地，对雪豹整体的遗传结构和保护策略有更全面的了解。

通过佩戴卫星颈圈，对个体进行实时监测和追踪，被认为是研究大型捕食动物的生态学行为最为有效的方法之一。在短时间内回传数据，通过模型软件对数据进行分析，可以帮助科研团队了解个体的行为节律和扩散信息，以及对栖息地的利用等信息。在捕捉时采集动物的血液和粪便，可以对当地的疫源疾病监测提供数据。

截止目前，陆桥团队已为6只雪豹佩戴卫星颈圈，其中5只位于祁连山脉，1只活动在贺兰山，它们中包括首次完成项圈佩戴和野外实地捕捉的雪豹个体“苏叶”、被救助后放归的“凌哲”以及截止目前在中国最东端雪豹分布点发现的的四王子。通过卫星颈圈回传数据，科研团队获得了和以往认知略有不同的雪豹信息，例如凌哲的活动长度曾达到700多公里。

雪豹凌哲，来源：陆桥生态中心

首先，目前卫星项圈在中国还属于探索阶段，所以它实际上也一个是试错的阶段。现在取得的进展虽然很宝贵，但是还没有达到预期的目标，仍然需要继续优化技术和方法，拥抱质疑。

其次要客观看待卫星定位追踪的方法、有效性和局限性。针对这一点，陆桥希望可以和同行经验共享，共同寻求解决方法。就雪豹卫星追踪而言，考虑到雪豹个体的风险承担和前期的成本投入，明确研究的目的和意义显得尤为重要。作为科研工作者要时刻记住高效合理地利用卫星追踪技术对雪豹进行研究。

在由中国林业科学研究院副研究员薛亚东主持的圆桌讨论中，四位来自保护机构、科研单位和基金会不同背景的嘉宾针对新技术在雪豹调查和研究中的运用，结合实际工作发表了各自的看法。

近年来，雪豹在川西地区陆续被记录到，说明四川省内的雪豹保护初见成效。四川省大熊猫研究院的杨志松表示2022年他们已经完成了四川省雪豹调查的技术方案，希望对四川省的雪豹种群进行一个初步的摸底和了解。而要开展这样规模的调查，离不开诸如卫星跟踪、AI识别系统等数据分析方法的有效应用。

山水自然保护中心的程琛结合环评和绿色金融方面的工作经验，在发言中提到了雪豹保护中遥感技术的应用。通过AI自动识别后的遥感解析，可以获取实时的动态信息，帮助研究者清楚地监测到人类活动对雪豹栖息地存在的影响，尤其是大型基础建设对旗舰物种的影响。在尝试过很多不同技术手段后，程琛发现没有一个技术是全能的，每一个都有它的短板，也有它的长处。实际上针对不同物种，保护者和科研工作者需要有“打组合拳”的意识，让这些技术可以互相补充。

中国科学院成都生物研究所的戴强认为在生态保护领域攻克AI技术难题，不仅仅解决的是生态保护的问题，其实对AI技术也是一种反哺，因为这些技术最终不仅仅存在于现有的场景，而是将拓展到解决整个世界、整个地球的问题。

腾讯公益慈善基金会的邓雯洁表示在未来AI能为以雪豹为代表的珍稀物种保护提供什么程度的帮助，取决于是否有更多数据能支撑这个模型不断学习，或基于Chat GPT的发展趋势下是否有更大的大数据平台。此外，腾讯也希望用公众的力量去促进保护工作，所以接下来会在公司内部，在生态环保这个议题下开展跨业务板块的合作，把环保议题嵌入不同产品的使用场景中。

-END-

文字整理/淡饰

排版/赵博雅

*本文来自山水自然保护中心，未经授权不得转载和引用。

如有需要请后台留言或联系contact@shanshui.org

参考文献：

[1]Lu, Q., Xiao, L., Cheng, C., Lu, Z., Zhao, J., & Yao, M. (2021). Snow Leopard Dietary Preferences and Livestock Predation Revealed by Fecal DNA Metabarcoding: No Evidence for Apparent Competition Between Wild and Domestic Prey. Frontiers in Ecology and Evolution, 9.