雪豹种群密度估算新突破：基于相机陷阱技术的蒙古西部阿尔泰山区域调查

本研究针对雪豹(Panthera uncia)种群监测难题，采用空间捕获-重捕获(SCR)框架，在蒙古西部阿尔泰山三个保护区开展系统性相机陷阱调查。研究首次获得Khork Serkhe严格保护区的可靠密度数据(0.93只/100 km2)，揭示地形崎岖度(TRI)显著影响个体活动模式，为PAWS全球雪豹评估计划提供了关键区域数据。

　　

雪豹作为中亚山地的旗舰物种，其种群监测长期面临"大海捞针"般的困境。这种神秘的大型猫科动物不仅栖息在人类难以到达的高海拔区域，还具有极低的种群密度和广阔的家域范围。尽管被IUCN列为易危物种，全球种群估算仍存在巨大不确定性——现有调查仅覆盖其潜在分布区的2%，且多数集中在已知高适宜度区域，可能导致密度估计偏高。蒙古作为雪豹第二大分布国，其西部阿尔泰山系对维持俄罗斯与中国戈壁种群间的基因交流具有关键作用，但该区域长期缺乏系统调查。

为填补这一空白，由瑞士洛桑大学领衔的国际团队在蒙古Bayan Olgii省三个保护地（Siilkhem-B国家公园、Tavan Bogd国家公园和Khork Serkhe严格保护区）展开了标准化相机陷阱调查。研究严格遵循"雪豹保护评估计划"(PAWS)的微尺度设计指南，采用4×4 km网格布设相机站点，在811 km²的Khork Serkhe保护区内获得10只成年个体的32次有效捕获事件。通过空间显式捕获-重捕获模型(SCR)分析，首次揭示该区域雪豹密度为0.93只/100 km²（95%CI:0.45-1.9），发现个体活动中心显著受地形崎岖度指数(TRI)影响，且存在明显的站点特异性行为响应。

关键技术方法包括：1) 按PAWS标准布设65个双机位相机陷阱站点，累计4130个陷阱夜；2) 基于Aster数字高程模型提取地形位置指数(TPI)和地形崎岖度指数(TRI)等景观变量；3) 使用secr软件包进行最大似然SCR建模，采用13km缓冲区和500m网格分辨率；4) 通过模型平均法整合ΔAIC<2的最佳模型，评估海拔、猎物遇见率等协变量效应。

【研究结果】

1. 1.

   种群密度特征

   在Khork Serkhe保护区成功识别10只个体，模型平均显示其密度为0.93只/100 km²，显著高于两个国家公园（Siilkhem-B仅记录3只，Tavan Bogd仅1-2只）。密度表面显示78.8%区域密度约0.25只/100 km²，仅9.7%核心区密度>1只。

2. 2.

   行为响应模式

   顶级模型强烈支持"bk"行为响应协变量（累计AIC权重0.739），表明雪豹会反复访问特定标记点（β=2.21）。这种站点忠诚性解释了为何部分个体被多次捕获，如某个体在5个不同站点被记录8次。

3. 3.

   景观影响机制

   地形崎岖度(TRI)被证实是主导运动模式的关键因子（传导系数β=0.82），显示雪豹更倾向在崎岖地形移动。而地形位置指数(TPI)和猎物（西伯利亚北山羊）遇见率未显示显著影响，可能与相机布设侧重标记点有关。

4. 4.

   方法学启示

   研究验证了PAWS指南中"最小500 km²调查面积"的必要性——在较小区域（如513 km²的Siilkhem-B）即使采用相邻区块设计仍无法获得可靠SCR数据。双相机配置显著提升个体识别率，KS仅排除4次模糊影像，而单机位站点难以关联左右侧影像。

【结论与意义】

该研究首次为蒙古西部阿尔泰山的雪豹保护提供了科学基准数据，证实该区域密度（0.93只/100 km²）低于相邻Sutai山脉（1.31只/100 km²）的既往记录，反映了栖息地质量的异质性。通过整合景观传导参数，研究突破了传统SCR的欧式距离假设，揭示地形复杂性如何塑造雪豹空间利用模式。

从保护实践看，Khork Serkhe作为连接俄蒙种群的关键走廊，其0.93只/100 km²的密度虽低但具可持续性。研究建议未来监测应：1) 优先选择≥1000 km²的调查区域；2) 采用双相机布设减少识别偏差；3) 结合独立猎物调查数据。这些发现不仅完善了PAWS的全球评估框架，更凸显了在"数据空白区"开展标准化调查对准确估算濒危物种种群规模的核心价值。