利用相机陷阱估算人工景观中以农作物为食的灵长类动物的数量

《American Journal of Primatology》：Estimating Abundance of Crop-Foraging Primates in Anthropogenic Landscapes Using Camera Traps

巴博文猴群在南非农业区的密度通过相机陷阱的CTDS和REM方法估算为1-3只/平方公里，验证了该方法在人类活动区监测猴群的可行性，并指出需优化参数以提高精度。

　　随着人类活动范围的不断扩大，野生动物的生存空间逐渐被压缩，人与野生动物之间的冲突也愈发频繁和激烈。其中，灵长类动物对农作物的觅食行为是引发人与野生动物矛盾的一个显著例子。特别是在南非， chacma狒狒（*Papio ursinus*）与农民之间的冲突尤为突出。这些冲突不仅对农民的生计造成威胁，还对生态环境产生深远影响。因此，准确评估狒狒种群密度，对于制定有效的保护政策和缓解人与狒狒之间的矛盾具有重要意义。

在传统方法难以有效应用的背景下，研究人员开始探索新的监测手段。摄像机陷阱作为一种非侵入性的工具，近年来在野生动物种群监测中展现出巨大的潜力。然而，对于大型、稳定的灵长类群体，如狒狒，摄像机陷阱数据的分析仍然面临挑战。本文通过在南非林波波省的Alldays地区开展实地研究，对两种基于摄像机陷阱的密度估计方法——距离抽样与摄像机陷阱（CTDS）和随机遭遇模型（REM）进行了比较分析，评估其在监测狒狒种群方面的可行性。

研究区域具有典型的半干旱气候，冬季干燥（4月至9月），夏季则有较多降雨（10月至3月）。Alldays地区以混合农业为主，包括大型狩猎农场、畜牧业和农作物种植，且区域内唯一的常年河流——Mogalakwena河，为狒狒提供了重要的栖息地。由于农业活动提供了稳定的营养来源，尤其是在干旱季节，狒狒的种群数量和分布受到人为因素的显著影响。此外，由于顶级捕食者如豹的数量减少，狒狒面临较低的天敌压力，进一步促进了其种群的增长。

传统的灵长类种群密度估算方法，如直接群体计数和线路抽样，通常在森林环境中较为适用，但在人类主导的农业景观中则存在诸多限制。例如，这些方法需要对群体进行准确识别，且在群体活动范围重叠或群体数量较多的情况下，容易产生偏差。相比之下，摄像机陷阱技术可以在不干扰动物行为的前提下，持续记录动物活动，为密度估算提供了更全面的数据支持。

本文采用CTDS和REM两种方法，分别对Alldays地区的两个研究区域进行了为期90天的摄像机陷阱调查。研究发现，两种方法所获得的狒狒密度估算结果存在一定差异，但总体上均处于1–3只/平方公里的范围内，与南非其他地区的狒狒密度水平相似。这表明，这两种基于摄像机陷阱的方法在农业景观中具备一定的应用前景。然而，研究也指出，摄像机陷阱之间检测能力的异质性是影响密度估算精度的主要因素之一。因此，未来的研究需要进一步优化方法，以提高数据的准确性和一致性。

在方法实施过程中，研究团队采取了多种措施以确保数据的可靠性。例如，通过在研究区域随机布置摄像机，并使用定制的水平仪确保摄像机角度的一致性。此外，为了减少人为干扰，摄像机被设置在特定的树上，高度为0.7米，方向大致朝北。在无法找到合适位置的情况下，研究人员调整了摄像机的放置方式，以确保其检测效率不受影响。同时，为防止动物对摄像机的反应影响结果，研究团队排除了那些在触发照片序列期间明显改变方向的个体。

在数据处理方面，研究团队使用了软件工具，如Digikam，对照片中的距离和角度进行标注，并结合GPS数据对动物活动范围进行分析。为了提高估算的准确性，研究团队还采用了非参数的自助法（bootstrap）来计算方差，以评估密度估计的稳定性。此外，REM方法需要动物的移动速度和群体规模等参数，而这些参数的获取往往依赖于额外的观测或GPS追踪数据，这在某些情况下可能成本较高或难以实现。然而，研究团队利用了一项2013–2014年的GPS追踪数据，从中估算出狒狒的活动速度，为REM模型提供了关键支持。

研究结果表明，REM方法在两个区域中都提供了较为精确的密度估算，而CTDS方法则因检测率的不均衡导致较高的变异系数（CV）。尽管CTDS在某些情况下可以提供有效的密度估计，但其对局部环境差异的敏感性使其在狒狒种群密度估算中面临挑战。此外，研究还发现，狒狒的分布模式与睡眠地点的可用性密切相关，而非单纯由农作物的位置决定。这表明，在农业景观中，狒狒的活动受到水源和栖息地的显著影响，而这些因素可能在某些地区被忽视。

总体而言，本文的研究表明，基于摄像机陷阱的密度估算方法在农业景观中具有重要价值，特别是在传统方法难以实施的情况下。然而，研究也强调，这些方法在实际应用中仍需进一步优化，特别是在如何处理摄像机检测异质性、动物活动模式以及GPS数据的可靠性等方面。随着技术的进步，如人工智能图像分类、自动距离测量和太阳能摄像机等，摄像机陷阱的使用效率和成本将有望进一步降低，从而为长期监测和种群管理提供更加可行的工具。

未来的研究应关注如何在不同的环境条件下提高这些方法的适用性，并探索更有效的数据收集和分析策略。此外，研究团队还建议，在不同地区进行更多的摄像机陷阱调查，以建立更全面的狒狒密度数据集，从而为制定更精确的保护和管理策略提供依据。这不仅有助于缓解人与狒狒之间的冲突，还能为其他灵长类动物的种群监测提供参考。通过不断改进和推广这些方法，研究人员可以更好地理解野生动物与人类活动之间的复杂关系，并推动生态平衡的实现。