综述：猩猩种群监测方法的优势、挑战与机遇

这篇综述系统评述了猩猩（Pongo spp.）种群监测技术，涵盖地面巢穴调查、公民科学（citizen science）、基因分析（eDNA）、相机陷阱（camera trapping）、声学监测（PAM）及航空调查（无人机/卫星）等方法，对比了成本、覆盖范围和精度，并探讨了热成像无人机、机器学习巢穴识别等新兴技术的应用潜力与法规限制。

　　

摘要

猩猩种群在过去几十年间急剧减少，所有三个物种（打巴努里猩猩、婆罗洲猩猩、苏门答腊猩猩）均被IUCN列为极危。监测方法从简单的存在/缺失数据到绝对密度估算不一而足，包括人类观察、相机陷阱、声学监测和航空调查。本文通过定性综述，全面评估了这些方法的优势、挑战及技术机遇。

1. 引言

猩猩数量下降的主因是农业扩张导致的栖息地破碎化及狩猎。作为热带雨林的关键种子传播者，其保护亟需精准的种群监测数据。监测参数可分为存在/缺失、相对丰度和密度（绝对丰度），其中密度最能支持跨区域或跨时间的保护决策。

2. 人类观察

2.1 直接观察

传统直接计数因猩猩半树栖性和低密度（1–7只/km²）而效率低下。替代方案包括：

• 访谈调查：依赖当地专家知识，成本低但易受人为偏差影响。
• 公民科学：如种植园工人长期记录，适合大范围监测，但数据精度有限。

2.2 间接观察

• 基因监测：通过粪便或毛发进行个体识别，精度高但样本获取难。
• 巢穴计数：基于猩猩每日筑巢习性，需估算腐烂率（31–676天）等参数。方法包括：
  • 样线法：沿直线记录巢穴距离，但小样本易外推误差。
  • 样方法：完全统计固定区域巢穴，仅适用于易通行森林。
  • 标记巢计数（MNC）：重复统计新建巢，避免腐烂率估算，但需高频次调查。

3. 相机陷阱

• 随机布设：结合距离采样或随机相遇模型（REM），但半树栖特性降低模型适用性。
• 目标布设：如盐渍地，需空间捕获-重捕模型（SCR），但个体识别样本量需≥20只。
  树冠布设可提升探测率，但维护复杂。成本主要来自设备、数据存储及盗窃风险。

4. 声学监测

仅成年雄性长距离鸣叫（long call）适合被动声学监测（PAM），需结合：

• 三角定位：估算密度，但分析复杂。
• 个体声纹识别：机器学习已实现个体区分，但需校正雄性比例。

5. 航空调查

5.1 直升机

快速覆盖偏远地区，但成本高昂且需本地腐烂率数据。

5.2 无人机

• 热成像：直接观测巢中个体，晨间效果最佳，但法规限制飞行时段。
• 光学镜头：结合机器学习（如YOLOv5）识别巢穴，分辨率需<10 cm/像素。
  法规限制视距内飞行（VLOS），制约雨林应用。

5.3 卫星

目前30 cm/像素分辨率不足（巢穴约6像素），但10 cm/像素卫星（如Albedo 2025年发射）或可突破。

6. 讨论

巢穴计数仍是密度估算的金标准，但腐烂率挑战持续存在。新兴技术中：

• 热成像无人机：规避腐烂率问题，适合碎片化栖息地。
• 卫星+AI：潜力巨大，待分辨率提升。
  建议根据目标（趋势评估或精确密度）选择方法组合，如公民科学填补空白，无人机快速响应，直升机覆盖偏远区。成本效益和本地适应性是决策关键。