野生大熊貓種群數量調查方法研究進展

史雪威,張晉東,歐陽志云

1 中國科學院生態環境研究中心城市與區域生態國家重點實驗室, 北京 100085 2 西華師范大學生命科學學院, 南充 637009 3 中國科學院大學, 北京 100049

野生大熊貓種群數量調查方法研究進展

史雪威1,3,張晉東2,歐陽志云1,*

1 中國科學院生態環境研究中心城市與區域生態國家重點實驗室, 北京 100085 2 西華師范大學生命科學學院, 南充 637009 3 中國科學院大學, 北京 100049

大熊貓(Ailuropodamelanoleuca)是中國特有珍稀野生動物,被譽為野生動物保護領域的“旗艦物種”。大熊貓種群數量的變化可以實時反應大熊貓種群動態,提供大熊貓分布區域、棲息地質量等最直接的信息,是制定大熊貓保護方案的基礎,也是有效實施大熊貓保護措施的前提。綜述了幾種傳統野生大熊貓種群數量調查方法(包括直接計數法、數學模型法、距離-咬節分析法及分子生物學方法),以及近年來最新應用于野生動物種群數量調查的紅外相機技術、足跡鑒定法,討論了傳統方法中可能存在的問題、分析新方法的應用前景,并針對今后的野生大熊貓種群數量調查提出了一些建議與展望。

大熊貓;種群數量調查方法;距離-咬節分析法;分子生物學方法;紅外相機技術;足跡鑒定法

種群數量是動物生態學、行為生態學和資源管理學最核心的問題之一,通過種群數量調查可以有效的掌握種群動態、種群生活史及進化對策、種群棲息地狀況[1]。種群的婚配制度、繁殖策略、繁殖行為的表達也與種群數量調查密切相關[2]。種群數量的變化可以評價瀕危物種的保護措施對種群恢復的作用,資源管理部門亦可以依據種群數量的調查結果制訂有效的保護管理計劃。

大熊貓(Ailuropodamelanoleuca)是中國特有珍稀野生動物,有“國寶”和“活化石”之稱,被譽為野生動物保護領域的“旗艦物種”,歷史上,大熊貓曾廣泛分布于我國南部、中部、西南,向北直到北京周口店等,向南至緬旬北部[3]。然而由于地質、氣候的變遷,特別是近代以來人類活動范圍的不斷擴大和對森林資源的過度利用,大熊貓面臨種群隔離、遺傳多樣性降低以致滅絕的危險[4]。

大熊貓種群數量調查可以實時反應大熊貓種群動態變化,提供大熊貓分布、棲息地狀況等最直接的信息,是制定及有效實施大熊貓保護措施的前提。為得到大熊貓種群數量等信息,建國以來,國家林業局先后組織4次全國大熊貓調查,最近的調查結果顯示截至2013年底,全國野生大熊貓種群數量達1864只(表1),比第三次調查增加268只,增長16.8%[5]。

表1 歷次全國大熊貓調查總結

大熊貓生活在高山峽谷的密林竹叢中,棲息地地形復雜;同時大熊貓種群密度低,其行動也十分隱蔽,對人類的警惕性很高,在野外很難觀察到它的實體,因此許多陸棲動物的數量調查方法不能運用于大熊貓種群數量調查[6]。為了得到野生大熊貓數量及分布的確切數據,科研工作人員先后采用直接計數法、數學模型法、路線調查法、距離區分法和咬節區分法、分子生物學方法等多種方法對野生大熊貓種群數量進行調查。歷次大熊貓種群數量調查均花費高額費用,調動大量人力、物力參與其中,但由于種種原因,其所得結果常為后人所質疑。目前大熊貓種群調查方法依然缺乏一種同時具備客觀性、非損傷性、精確度高、投入產出比高、可實踐性強大熊貓種群調查方法。本文對大熊貓種群數量調查方法進展進行綜述,梳理野生大熊貓種群數量調查方法,討論方法中可能存在的問題,并探討了今后的野生大熊貓種群數量調查方法的發展方向。

1 野生大熊貓種群數量調查方法

野生大熊貓種群數量調查方法大體上可分為兩種：直接統計方法和間接統計方法。

1.1 直接統計方法

直接統計方法主要包括直接計數法和數學模型法,其核心思想是通過布設調查路線、樣方等直接對野生大熊貓直接進行觀察,根據實際觀察到的野生大熊貓數量估算樣方內密度,進而推算研究區域內總體數量。

1.1.1 直接計數法

1968年,我國首次野外大熊貓調查,采用直接計數法(又名哄趕法或圍趕法)調研了四川省平武縣王朗自然保護區的大熊貓數量[7]。調查步驟如下：(1)調查目標動物的主要棲息地并選好調查樣地;(2)在樣地內對目標動物進行哄趕并計數;(3)計算調查樣地內目標動物棲息密度;(4)根據樣地占研究區面積比例,推算研究區域內目標動物種群數量。

王朗自然保護區大熊貓調查組選擇兩條比較小又具有代表性的山溝(機械工棚溝和澡堂溝)作為樣地,分兩路攜帶獵犬由溝底小溪兩側向上搜索驅趕,間隔一定距離統計所發現大熊貓實體數量,依據樣地面積,計算大熊貓在有林地面積和箭竹叢面積中的棲息密度,然后根據有林地面積和箭竹叢面積所占保護區的百分比,推算出保護區大熊貓的種群數量。

直接計數比較原始,數量統計精確度也較低,僅適用于對大型動物的調查,例如有蹄類動物的數量[8],能在一定意義上說明該區域存在野生大熊貓。直接計數法人力物力花費較大,對大熊貓的驚擾較嚴重,野外觀測時存在重復計數和漏計問題,現該方法已被淘汰[6]。

1.1.2 數學模型法

1988年,北京大學、陜西長青林業局聯合大熊貓研究小組在出版的《秦嶺大熊貓的自然庇護所》一書中提出了用數學模型推導在針闊葉混交林-巴山木竹林-大熊貓生態系統中大熊貓種群密度的方法[9]。模型為：

式中,P為單位面積內熊貓的平均數量,即密度(只/km2);T為單位面積內所設立的一個樣方的面積(km2);V為一個觀測時間單位中,在一個樣方里觀察到熊貓的平均數量(只·樣方面積-1·觀測時間-1);K為在一個觀測時間中,一只熊貓可能獨立進入一個樣方的次數。

式中,T值選取依據竹林中能見度的最大范圍,K值根據大熊貓在觀測時間內的移動范圍與樣方面積的比值得出。

為了驗證此模型的精確性,調查組利用數學模型法于1985年對佛坪自然保護區三官廟地區、1986年對長青林業局華陽林場境內的大熊貓數量進行調查,得出與以往調查資料相近的結果。

數學模型法是一種簡單易行的種群調查方法,調查人員只需記錄路線長度、樣方數、直觀熊貓數等數據即可依據模型估算區域內熊貓數量。但野外直接觀察到大熊貓實體十分困難,而且大熊貓往往會通過敏銳的嗅覺、聽覺率先發現調查者并改變原有的行進路線,這種行進路線的改變是否會造成直觀大熊貓重復計數有待于進一步的調查。另外,在大熊貓的不同生境下,竹林密度會有所差異,因此竹林中能見度的最大范圍相應不同,即T值不同。模型參數較多為推測,模型存在一定的模糊性和不確定性。

1.2 間接統計方法

由于大熊貓棲息地地形復雜,大熊貓活動隱秘,不容易直接定位、觀察野生大熊貓個體,目前對野生大熊貓的監測、數量調查工作常通過對大熊貓活動產生的衍生物(如糞便等)進行分析,間接統計大熊貓數量。間接統計方法包括路線調查法、距離分析法和咬節區分法以及分子生物學調查法。

1.2.1 路線調查法

路線調查法在大熊貓調查中有著較長時間的應用,1974年—1977年開展的四川省大熊貓等珍稀動物調查(即全國第一次大熊貓調查)采用了路線法。路線調查法簡稱路線法,又名樣線法,是一種在預先劃定的調查區域內布設調查路線收集大熊貓活動各種信息的方法,適用于分布面積廣、無法進行徹底調查的動物[10]。調查步驟如下：(1)通過查閱資料、走訪當地村民等確定重點調查區和一般調查區;(2)根據調查區域內地形地貌、植被狀況、竹類分布狀況、大熊貓的生態習性等劃分調查小區,布設調查路線;(3)調查人員依據調查路線收集、記錄大熊貓活動的各種信息[3]。調查路線布設的原則是：保證調查路線盡可能多地穿過大熊貓活動的各種生境(包括溝谷、山坡、山梁等),收集的信息能夠有效代表該調查小區[11]。

全國第一次大熊貓調查過程中,調查人員在岷山、邛崍山、涼山、相嶺及秦嶺南坡中段等大熊貓棲息地內,按“V”字形進行搜索,記錄遇到的大熊貓實體以及各種新鮮活動痕跡(如糞便、咬痕、臥穴、足跡等)。統計分析時,只以新鮮糞便為指標(陳舊糞便不作統計),將新鮮糞便的直徑、組成成分、消化狀況、咬節長度等作為區分大熊貓個體的重要依據。指標相同則視為同一只個體,否則視為不同個體[12]。在這次調查中,咬節長度雖然作為區分大熊貓個體的指標之一得到應用,但區分咬節長度的判別標準較為粗糙(沒有設置區分閾值),后經完善逐步形成了系統的咬節區分法。

路線調查法是一種原理簡單、容易推廣和易于操作的方法,同時也是是其他調查方法的基礎。通過路線調查法可以收集到野生大熊貓的相關信息,這些信息不但可以用于分析大熊貓的種群數量和分布范圍,還囊括了大熊貓棲息地及潛在棲息地受干擾狀況。但第一次全國大熊貓調查中應用的路線法過多依靠調查人員的主觀視覺評價(例如對大熊貓實體大小、糞便新鮮程度的判斷等),不同調查人員之間調查結果存在較大差異,所得數量僅供參考。

大熊貓調查工作目前細化分為外業調查方法和內業分析方法。在現階段研究工作中,路線調查法常作為外業調查方法一種,收集所需要的資料。全國第三次大熊貓調查外業調查即采取拉網式路線調查法,首要搜集大熊貓的糞便,作為分析大熊貓種群數量的依據[11]。

1.2.2 距離區分法和咬節區分法

1999—2003年全國第三次大熊貓調查外業調查采取拉網式路線調查法收集大熊貓活動的各種信息,而內業分析方法采用距離區分法和咬節區分法結合綜合分析大熊貓種群數量。內業分析方法具體為：(1)首先利用距離區分法初步區分。通過GIS軟件計算出任意兩處痕跡點之間的距離,將此距離與區分閾值進行比較,如果距離大于區分閾值,則將其區分為兩個不同個體。(2)再利用咬節區分法進一步區分。對于小于距離區分閾值的痕跡點集合,則計算不同痕跡點的咬節平均值之差,通過與咬節區分閾值比較,進行個體識別(圖1)[11]。

距離區分法是指當兩個痕跡點之間的間距超出一定范圍時,可基本判斷這兩個痕跡點不屬于同一只大熊貓。大熊貓屬于獨棲動物,除繁殖季節外,野生大熊貓間常保持著一定距離,每只大熊貓通過嗅覺主動回避其他個體的近日活動范圍[13],除了發情期和季節性垂直遷移期及突發事件(如冷箭竹開花、地震)外,野生大熊貓基本都在一個有限的區域內攝食、飲水或尋找配偶,這個區域即巢域(家域)[14],如果兩個痕跡點間距不在這個范圍內,那么它們屬于同一只大熊貓的概率就變得很低。另外大熊貓為節省能量消耗不愛走動,日移動直線平均距離不到500m[3]。由于大熊貓在一定時間內的移動距離是相對穩定的,大熊貓很可能只出現在一個以某一痕跡點為圓心,該時間段內大熊貓最遠移動距離為半徑的區域內。因此如果兩個痕跡點之間的距離超過發現這兩個痕跡點的時間間隔段內大熊貓最遠移動距離(距離區分閾值),基本上可以判斷這兩個痕跡點不屬于同一只大熊貓所留。全國第三次大熊貓調查中采用的距離區分閾值分別為：1d為D1=1.0km;1—3d為D3=1.5km;4—15d為D7=2.5km;15d以上為DMAX=3.5km[11]。

圖1 第三次全國大熊貓調查大熊貓種群數量分析流程圖[11]Fig.1 The flow chart of Giant Panda population analysis in The Third Nation′s Giant Panda Survey[11]

采用距離區分法時,對于大尺度上距離顯著大于區分閾值的兩處痕跡點是很容易區分開來的,但是對于在小尺度上距離小于或接近區分閾值的兩處痕跡點的區分能力不強。Zhang等對陜西省佛坪自然保護區的4只野生大熊貓GPS追蹤發現,大熊貓冬季巢域范圍顯著大于夏季巢域范圍,并且不同的野生大熊貓家域之間存在很高程度的巢域重疊現象[15]。距離區分閾值同日行走距離密切相關,而大熊貓日行走距離受繁殖因素、尋找食物難易程度等多方面因素影響,不同個體、季節有很大差異,日行走距離很難有一個確定的數字[16]。胡錦矗等通過無線電監測測定四川臥龍保護區大熊貓每天活動平均約為600—1500m左右,移動的直線距離不超過500m;潘文石等通過無線電項圈對秦嶺6只大熊貓日常活動進行監測,發現任何個體在同一個時間間隔內的遷移距離都存在很大差別,并且30d內同一個體遷移距離隨時間間隔的增加其平均距離也增大[10];Zhang等對臥龍自然保護區5只野生大熊貓的監測顯示大熊貓日活動范圍在(241±341)m。目前大熊貓移動距離、巢域大小等多利用無線電監測進行,通過判斷信號強弱以確定目標個體的方位。但山區地形復雜、植被豐富,無線電信號反射現象較為嚴重,而且定位目標個體方位易受監測者主觀意識影響,因此可能存在較大的定位誤差[4],現在GPS追蹤的應用揭示了比無線電項圈更廣的大熊貓家域和活動核心區域[16,17]。距離區分閾值常采用調查時期內的大熊貓平均最遠移動距離,因此分析出的大熊貓種群數量是一個保守的數字。另外,大熊貓在空間利用上存在顯著的互相影響。Hull等發現1個熊貓對(由1只雄性和兩只雌性大熊貓組成)的疊合巢域同時顯著吸引熊貓對里的3只大熊貓(即熊貓對里3只大熊貓會同時出現在他們的疊合巢域內)[17]。僅通過痕跡點之間的距離就判斷是否為1只大熊貓值得商榷,大熊貓行為生態學的進一步發展將有助于距離區分法的改進與應用。

20世紀80年代以來,咬節區分法作為判斷大熊貓種群數量的重要方法之一得到了廣泛的應用。咬節(Bamboo Stem Fragments)即為大熊貓糞便中未消化的竹莖,普遍認為具有個體特征[3]。對糞便中的咬節長度進行多元方差分析,可以區分相鄰樣線上不同個體,進而得出區域內大熊貓數量。尹玉峰等提出目前使用的咬節區分法閾值(2mm)可較準確判斷大熊貓種群數量[18]。

用咬節區分個體的前提是在野外,大熊貓彼此間隔離,區域范圍內數量很少的情況下進行。在較大區域上,由于會存在更多的年齡相同或相仿、咀嚼能力接近的大熊貓個體,彼此之間咬節平均長度有可能差異不顯著[3]。同時大熊貓食性存在季節性變化,在某些季節全采食竹葉而在其糞便中不留下咬節,因此咬節區分法具有一定時間局限性[19]。另外,咬節區分法判斷兩只個體所使用的平均咬節長度差別閾值是1.5mm或2mm(如第三次全國大熊貓調查),這對測量的精度要求很高,容易受到主觀因素和測量誤差的影響[20]。2003年魏榮平等對臥龍自然保護區中的15只不同年齡(2—16歲)大熊貓糞便中的竹子咬節進行了測定,通過竹子咬節平均值的方差分析,發現糞便中竹子咬節長短受個體、日期及它們的交互作用影響,與年齡、性別,山系,野外和飼養環境都沒有顯著的相關關系,也易受環境(日期,竹子質量等許多不清楚的因素)的影響[21]。因此通過咬節法所得到的數量調查結果存在爭議。

第三次全國大熊貓調查對大熊貓種群數量的分析,采用距離區分法和咬節區分法相結合的綜合分析方法[11]。調查結果顯示,目前野外共有1596只大熊貓(不包括1.5歲以下大熊貓幼體數量)。為了使調查數據更具有可比性,第四次調查基本上沿用了第三次調查采用的距離區分法和咬節區分法對種群數量進行了統計,結果顯示截至2013年年底,全國野生大熊貓種群數量達1864只,增加了268只,增長了16.8%。

1.2.3 分子生物學調查法

近些年隨著分子生物學、保護遺傳學的發展,有專家陸續通過大熊貓DNA進行個體識別,進而統計大熊貓種群數量。其基本原理是：大熊貓糞便在經消化道排出時,會有部分脫落的細胞混雜在糞便表面的黏液中。提取脫落細胞的DNA全基因組,進行個體遺傳信息的分析,區分不同大熊貓個體,最終統計種群數量(圖2)[22]。高等生物的基因組中含有大量的串聯重復序列,主要由兩種類型組成,即小衛星DNA和微衛星DNA,對應的采用的分子生物學遺傳標記監測技術分別為DNA指紋圖譜技術和微衛星標記技術。

圖2 分子生物學在大熊貓調查研究中的流程圖及應用[22]Fig.2 Flow chart of genetics method and its application in the Giant Panda research[22]

小衛星DNA是一些重復單位在11—60bp、重復次數在成百以上、總長度由幾百至幾千個堿基組成的串聯重復序列。DNA指紋圖譜技術是由DNA指紋探針產生的、多個RFLP圖帶組成的、具有高度變異性和個體專一性的,并能穩定遺傳的限制性片段長度多態性圖譜[23]。DNA指紋圖譜技術利用多位點探針與基因組中的多個小衛星位點上的等位基因雜交,產生多態性圖帶,每條可分辨的圖帶代表一個等位基因位點。因此DNA指紋圖譜能夠全面地反應基因組的變異性,具有高度的個體特異性。20世紀90年代,方盛國、馮和文等嘗試將DNA指紋圖譜技術應用于大熊貓數量調查,首次利用分子生物學技術判斷野生大熊貓種群數量。2006年余建秋建立了從大熊貓糞便樣品中提取高質量DNA的技術體系,并得到清晰易辨的DNA指紋圖譜[24]。

DNA指紋圖譜技術具有可供分析圖帶多、并能同時檢測多個位點,反映動物的遺傳背景的變異程度更精確等優點,而且通過分級離心法可以有效降低糞便樣品中污染DNA含量[24]。但該技術存在著工作量大、帶型比較誤差大、提取DNA數量質量的要求比較嚴格、成本相對較高、設備要求較多等缺點。

微衛星DNA是指以1—6bp的短核苷酸序列為核心單位、長度小于100bp的小片段,又稱為簡單重復序列(Simple Sequence Repeats)。微衛星DNA兩端的序列一般是相對保守的單拷貝序列, 并且不同等位基因間的重復數存在豐富的差異,通過設計特異引物,對基因組總DNA進行PCR擴增,用以揭示擴增片段的長度多態性(即微衛星標記)[25]。相對于其它分子標記而言,微衛星標記具有分布廣泛、選擇中性、共顯性遺傳、多態性高、實驗結果穩定可靠等優點。1997年張亞平等對大熊貓微衛星初次進行篩選并應用于親子鑒定[26]。2006年詹祥江等人通過PCR技術擴增微衛星位點,利用多個位點的微衛星分子標記進行大熊貓的個體鑒定。在對四川王朗自然保護區大熊貓種群數量調查研究中,詹祥江等人得出結論共有66只大熊貓(35只雄性,31只雌性)生存,遠高于全國第三次大熊貓調查中的27只[20]。2008年Wu Hua等發現可用于大熊貓非損傷取樣樣品分析的33個多態性微衛星位點[27]。2010年在《Nature》雜志上公布的大熊貓基因組精細圖譜研究成果,為分子生物學鑒定個體提供便利[28]。2015年黃杰等人通過掃描大熊貓全基因組搜索和輸出微衛星序列,進一步對微衛星序列進行統計和分析,逐步篩選出糞便樣品中同時具備多態性、穩定性、可重復性的四堿基微衛星共15個建立大熊貓微衛星標記系統,同時選擇此系統中期望雜合度最高的6個位點建立大熊貓個體識別方法[29]。

微衛星DNA標記克服了DNA指紋技術需求大量高質量DNA的限制[20],但仍有以下問題值得注意。微衛星標記具有種族特異性,通常需針對不同的物種,在了解其基因序列的基礎上進行特異性引物設計,此過程包括基因文庫構建、基因測序、引物設計與多態性檢測等,費時費力[30]。另外采用不同微衛星標記得出的不同結果之間很難橫向對比[29]。微衛星側翼序列變異會帶來等位基因大小同源異形和無效等位基因,對群體遺傳多樣性參數、親本分析結果等相關分析帶來不良影響[29]。同時微衛星標記在處理低濃度、少數量、污染DNA模板時可能會出現等位基因丟失、錯印等現象,引起種群數量統計上的偏差。設計恰當基因分型實驗方案、減少基因分型過程中的誤差、基因分型后的數據清理、數據分析時誤差說明等可在很大程度上最終減少誤差[31]?，F在國際上通常采用哈迪-溫伯格檢驗和孟德爾遺傳規律檢測無效等位基因;利用重復基因實驗來檢測等位基因丟失現象[31-32]。

分子生物學調查方法不但可以提供較精確、可信性較強的大熊貓個體鑒定、區別方法,也能提供大熊貓的性別、遺產多樣性、種群間基因交流、擴散格局等其他信息,對野生大熊貓保護和棲息地的規劃有著至關重要的作用[26]。但其調查成本較高、樣品處理要求高等缺點仍沒有得到進一步的改善。國內已有許多文獻描述如何在糞便中提取DNA[33-34],但提取過程相對于普通保護區/監測站點仍是一個難題。在現有的技術方法、人員配置以及經費支持條件下,監測站只能對糞便進行簡單預處理,初步提取DNA,等待送往專業的科研機構進行下一步的工作。這個過程對最終的分析結果是否有影響值得討論。如何簡化DNA提取操作以及如何減少調查過程中的開銷是解決分子生物學調查法推廣的關鍵。另外,分子生物學調查法對糞便質量要求較高,如何獲得新鮮的大熊貓糞便,也是利用分子生物學手段進行大熊貓種群數量調查需要解決的問題。

2 總結與展望

大熊貓保護的相關政策和管理行動減緩了數量下降,同時狩獵、棲息地破壞等行為幾乎消失,野生大熊貓種群和棲息地均得到了有效保護,野生大熊貓的未來光明并充滿希望[35]。王朗自然保護區的首次調查揭開了大熊貓種群數量調查的帷幕,經過數十年積累,大熊貓種群數量調查取得巨大進步;調查范圍由最初的自然保護區演變為全國范圍;調查目的由單一種群數量和分布情況演變為野生大熊貓種群數量、分布現狀、棲息地狀況、野生大熊貓種群及棲息地受保護狀況、野生大熊貓棲息地受干擾或威脅狀況、圈養大熊貓種群狀況、野生大熊貓分布區經濟狀況、大熊貓保護管理狀況與成效七大方面內容綜合調查;調查方法由直接觀測過渡到間接識別,由擾動較大到非損傷,由主觀判斷到客觀分析,由單一方法判別個體發展為多種技術手段綜合分析鑒定個體;調查工具也逐步采用3S(GPS、GIS、RS)技術等國際最前沿的方法。我國大熊貓種群數量調查體系初步形成。在此,我們根據各種調查方法發展中存在的問題和目前野生大熊貓種群調查發展需求,提出3種未來可能利用的大熊貓種群調查方法。

2.1 分子生物學調查法

經過20余年的沉淀后,分子生物學調查法可以提供較精確、可信性較強的種群數量,新的遺傳工具同樣揭示了種群結構、量化大熊貓擴散格局,已經成為目前比較值得信任的調查方法之一,預計在今后較長的一段時間內將會作為大熊貓種群數量調查的主要方法。大熊貓基因組測序的發布為基因標記的研發提供便利,在將來使用SNP類型進行標記可能會比微衛星標記更加容易。糞便中提取出成千上萬SNP將進一步轉變大熊貓的生態學、進化學和保護學的研究[22]。

2.2 紅外相機技術

紅外相機陷阱技術是指通過自動相機系統來獲取野生動物圖像數據(如照片和視頻),這些圖像數據可以用來分析野生動物的物種組成、分布、種群數量、行為和生境利用等基礎信息[36]。國外使用紅外相機技術開展野生動物調查研究已有較長歷史,在20世紀90年代逐步發展成熟;我國使用紅外相機技術進行相關研究的工作起步較晚[37],在國內,研究者利用紅外相機記錄野生動物的活動模式,探測野生動物的多樣性,或者記錄特定的野生動物,如東北虎、大熊貓、雪豹及華南虎等[38]。相對于傳統調查方法,紅外相機技術不但具有客觀性、非損傷性、監測類群全面等優點,它還可以提供更為豐富的信息(例如物種出現的具體時間、先后順序、社會結構等)[37]。紅外相機裝置隱秘和能持續觀測等特點適合于觀測棲息地地形復雜、采用直接觀察難以執行、活動隱秘數量稀少的動物,而且紅外相機獲取的調查數據可在“標記-重捕”模型(Mark-Recapture Model)的理論框架下,使用專業數據分析軟件估算此物種的種群大小和密度[36]。

紅外相機技術具有直觀監測大熊貓遷移動態、提供準確影像資料、補充豐富監測庫數據、觀測人為/自然干擾及伴生動物、減輕巡護人員工作壓力等優點,在大熊貓行為研究、大熊貓保護中的應用前景光明,但對于大熊貓種群數量調查而言還屬于一種相對新的技術[39]。究其原因,主要是大熊貓只有黑白兩色,無法根據體側斑紋模式進行個體識別,僅能通過傷疤或臉部花紋等其它個體特征進行初步識別。另外紅外相機技術需要在觀測物種主要通道上布設大量相機并定期進行維護,而且后期對數據的分析整理也需要專業人士,這對人力物力是一個極大的考驗?，F已有部分保護區安裝大量紅外相機用于監測、保護等目的,尚無涉及種群數量調查,因此,紅外相機技術應用于野生大熊貓種群調查需要進一步的探討與嘗試。

2.3 足跡鑒定法

足跡鑒定法通過收集區域內目標動物足跡信息(包括足跡圖像、足跡位置、發現時間等),輸入基于JMP(SAS insitute)軟件上的特定插件,自動提取足跡圖像上的幾何信息并進行統計分析,結合其他信息綜合區分不同個體,最終統計區域內種群數量(圖3)[40- 44]。足跡鑒定法的主要分析過程為軟件自動完成,不存在主觀干擾,國外已利用足跡法對多種動物進行個體識別或種群數量調查,例如老虎(Pantheratigris)和雪豹(Pantherauncia)[41]、黑犀牛(Dicerosbicornis)[42]、美洲獅(Pumaconcolor)[43]等,在我國也有對東北虎(Panthemtigrisaltaica)雪地足跡進行性別鑒定及個體識別的研究[40]。WildTrack動物保護組織與美國杜克大學已合作開展大熊貓足跡識別相關插件的研究工作。

相對于傳統調查方法,足跡鑒定法優勢不僅在于其客觀性、非損傷性,而且它具有很高的投入產出比[45]。足跡鑒定法主要設備為相機與電腦,將符合要求的足跡圖片導入程序即可完成鑒定工作,普通監測人員即能勝任對目標物種長時間監測。足跡鑒定法適用于一些夜間出沒或是難以直接觀察物種的數量調查,并且足跡鑒定法可以更直接監測目標物種的遷移路線,這在一定程度上彌補現有調查方法的不足。同時足跡鑒定法也不會受昂貴儀器或者時間問題限制,因此可以提供比無線遙測技術和紅外相機監測技術更真實的動物活動范圍[45]。

圖3 Sky K.Alibhai等在白犀足跡上做的標記點及衍生點 (a)白犀牛的左后腳(b)白犀牛的左后腳足跡,包含標記點(○)以及衍生點(■)[45]Fig.3 The landmark points and derived points made by Sky K. Alibhai on White rhinofootprint(a) White rhino left hind foot. (b) White rhino lefthind footprint showing landmark points(○)and derived points(■)[45]

圖4 (a)雪作為基質收集的足跡(圖片來源：熊貓國際官網)(b)泥土作為基質收集的足跡 Fig.4 (a) Collect footprints in the substrate of snow.(Picture comes from：Panda International)(b) Collect footprints in the substrate of soil

應用足跡法的首要條件是調查區擁有適當的基質,目標種群足底結構足夠復雜,這樣才會收集到足夠清晰、滿足分析要求的圖片。大熊貓行走習性和腳底特征使得大熊貓足跡可以輕易的同其他物種區分開來(如圖4所示,雪地上、泥地上大熊貓的足跡均可以清晰的反映出趾墊的輪廓)[3]。泉眼附近泥塘和冬季有積雪覆蓋地面是較為理想的基質。但泥塘分布的局限性和積雪作為基質的不穩定性(容易融化或者被繼續的降雪覆蓋等)對足跡質量影響很大,因此需要收集大量的足跡圖片用于篩選、分析。足跡收集工作可與保護區的日常巡護工作、糞便收集工作同時開展。同時,大熊貓足跡識別相關插件正在研發中,需要進行大量的實驗進行校準與驗證。

本文通過對幾種大熊貓種群數量調查方法進行了較全面的對比分析(表2)。未來開展大熊貓種群數量調查時應綜合考慮這些方法的調查范圍、時間尺度、人員配置、資金投入等因素,針對不同情形選用不同方法,發揮各種調查方法的優勢,保證調查數據的可靠性。另外,對于有條件保護區選用的調查方法應具有延續性,這樣歷次調查結果可以進行橫向對比,反應出的種群數量變化更具有說服力,為有關部門及時調整大熊貓保護策略提供科學依據。

[1] 戈峰. 現代生態學. 北京: 科學出版社, 2008.

[2] 李博, 楊持, 林鵬. 生態學. 北京: 高等教育出版社, 2000.

[3] 胡錦矗. 大熊貓研究. 上海: 上海科技教育出版社, 2001.

[4] 魏輔文, 張澤鈞, 胡錦矗. 野生大熊貓生態學研究進展與前瞻. 獸類學報, 2011, 31(4): 412- 421.

[5] 國家林業局. 中國大熊貓現狀展——全國第四次大熊貓調查簡況. (2015-03-03)[2016-03- 21]. http://202.99.63.178/main/69/content- 743562.html.

[6] 馮文和, 方盛國, 張安居, 趙佳, 藤原昇. 大熊貓種群數量調查方法的新突破. 大自然探索, 1998, 17(2): 44- 48.

[7] 王朗自然保護區大熊貓調查組. 四川省平武縣王朗自然保護區大熊貓的初步調查. 動物學報, 1974, 20(2): 162- 173.

[8] 馬建章, 羅澤珣. 野生動物數量的調查. 野生動物, 1983, (6): 24- 28.

[9] 潘文石, 高鄭生, 呂植. 秦嶺大熊貓的自然庇護所. 北京: 北京大學出版社, 1988.

[10] 潘文石, 呂植, 朱小健, 王大軍, 王昊, 龍玉, 付達莉, 周欣. 繼續生存的機會. 北京: 北京大學出版社, 2001.

[11] 國家林業局. 全國第三次大熊貓調查報告. 北京: 科學出版社, 2006.

[12] 四川省珍貴動物資源調查隊. 四川省珍貴動物資源調查報告. 成都: 四川省林業局, 1977.

[13] 胡錦矗, 夏勒. 臥龍的大熊貓. 成都: 四川科學技術出版社, 1985.

[14] 胡錦矗, 胡杰. 大熊貓研究與進展. 四川師范學院學報: 自然科學版, 2003, 24(3): 253- 257.

[15] Zhang Z J, Sheppard J K, Swaisgood R R, Wang G, Nie Y G, Wei W, Zhao N X, Wei F W. Ecological scale and seasonal heterogeneity in the spatial behaviors of giant pandas. Integrative Zoology, 2014, 9(1): 46- 60.

[16] Zhang J D, Hull V, Huang J Y, Zhou S Q, Xu W H, Yang H B, McConnell W J, Li R G, Liu D, Huang Y, Ouyang Z Y, Zhang H M, Liu J G. Activity patterns of the giant panda (Ailuropodamelanoleuca). Journal of Mammalogy, 2015, 96(6): 1116- 1127.

[17] Hull V, Zhang J D, Zhou S Q, Huang J Y, Li R G, Liu D, Xu W H, Huang Y, Ouyang Z Y, Zhang H M, Liu J G. Space use by endangered giant pandas. Journal of Mammalogy, 2015, 96(1): 230- 236.

[18] 尹玉峰, 王昊, 陳艾, 劉國琪. 對大熊貓數量調查方法中咬節區分機制的準確性評價. 生物多樣性, 2005, 13(5): 439- 444.

[19] 張澤鈞, 楊旭熤, 吳華, 李明, 魏輔文. 大熊貓糞便寬徑與咬節平均長度的關系. 獸類學報, 2005, 25(4): 351- 354.

[20] Zhan X J, Li M, Zhang Z J, Goossens B, Chen Y P, Wang H J, Bruford M W, Wei F W. Molecular censusing doubles giant panda population estimate in a key nature reserve. Current Biology, 2006, 16(12): R451-R452.

[21] 魏榮平, 張貴權, 王鵬彥, 李德生, 曹家林. 大熊貓糞便中竹子咬節長短與年齡和種群數量關系. 生態學報, 2003, 23(10): 2153- 2162.

[22] Wei F W, Hu Y B, Zhu L F, Bruford M W, Zhan X J, Zhang L. Black and white and read all over: the past, present and future of giant panda genetics. Molecular Ecology, 2012, 21(23): 5660- 5674.

[23] 陳振文. DNA指紋圖與微衛星DNA技術在近交系大、小鼠遺傳監測中的應用研究[D]. 北京: 中國農業大學, 2004.

[24] 余建秋. 大熊貓基因資源庫構建及糞便高質量DNA提取方法的建立[D]. 杭州: 浙江大學, 2006.

[25] 孫波, 鮑毅新, 趙慶洋, 張龍龍, 胡知淵. 微衛星位點獲取方法的研究進展. 生態學雜志, 2009, 28(10): 2130- 2137.

[26] 張亞平, 王文, 宿兵, Ryder O A, 范志勇, 張和民, 何廷美. 大熊貓微衛星DNA的篩選及其應用. 動物學研究, 1995, 16(4): 301- 306.

[27] Wu H, Zhan X J, Zhang Z J, Zhu L F, Yan L, Li M, Wei F W. Thirty-three microsatellite loci for noninvasive genetic studies of the giant panda (Ailuropodamelanoleuca). Conservation Genetics, 2009, 10(3): 649- 652.

[28] Li R Q, Fan W, Tian G, Zhu H M, He L, Cai J, Huang Q F, Cai Q L, Li B, Bai Y Q, Zhang Z H, Zhang Y P, Wang W, Li J, Wei F W, Li H, Jian M, Li J W, Zhang Z L, Nielsen R, Li D W, Gu W J, Yang Z T, Xuan Z L, Ryder O A, Leung F C C, Zhou Y, Cao J J, Sun X, Fu Y G, Fang X D, Guo X S, Wang B, Hou R, Shen F J, Mu B, Ni P X, Lin R M, Qian W B, Wang G D, Yu C, Nie W H, Wang J H, Wu Z G, Liang H Q, Min J M, Wu Q, Cheng S F, Ruan J, Wang M W, Shi Z B, Wen M, Liu B H, Ren X L, Zheng H S, Dong D, Cook K, Shan G, Zhang H, Kosiol C, Xie X Y, Lu Z H, Zheng H C, Li Y R, Steiner C C, Lam T T Y, Lin S Y, Zhang Q H, Li G Q, Tian J, Gong T M, Liu H D, Zhang D J, Fang L, Ye C, Zhang J B, Hu W B, Xu A L, Ren Y Y, Zhang G J, Bruford M W, Li Q B, Ma L J, Guo Y R, An N, Hu Y J, Zheng Y, Shi Y Y, Li Z Q, Liu Q, Chen Y L, Zhao J, Qu N, Zhao S C, Tian F, Wang X L, Wang H Y, Xu L Z, Liu X, Vinar T, Wang Y J, Lam T W, Yiu S M, Liu S P, Zhang H M, Li D S, Huang Y, Wang X, Yang G H, Jiang Z, Wang J Y, Qin N, Li L, Li J X, Bolund L, Kristiansen K, Wong G K S, Olson M, Zhang X Q, Li S G, Yang H M, Wang J, Wang J. The sequence anddenovoassembly of the giant panda genome. Nature, 2010, 463(7279): 311- 317.

[29] Huang J, Li Y Z, Du L M, Yang B, Shen F J, Zhang H M, Zhang Z H, Zhang X Y, Yue B S. Genome-wide survey and analysis of microsatellites in giant panda (Ailuropodamelanoleuca), with a focus on the applications of a novel microsatellite marker system. BMC Genomics, 2015, 16: 61.

[30] 文亞峰, Uchiyama K, 韓文軍, Ueno S, 謝偉東, 徐剛標, Tsumura Y. 微衛星標記中的無效等位基因. 生物多樣性, 2013, 21(1): 117- 126.

[31] Pompanon F, Bonin A, Bellemain E, Taberlet P. Genotyping errors: causes, consequences and solutions. Nature Reviews Genetics, 2005, 6(11): 847- 859.

[32] Guichoux E, Lagache L, Wagner S, Chaumeil P, Léger P, Lepais O, Lepoittevin C, Malausa T, Revardel E, Salin F, Petit R J. Current trends in microsatellite genotyping. Molecular Ecology Resources, 2011, 11(4): 591- 611.

[33] 魏輔文, 饒剛, 李明, 方盛國, 馮祚建. 分子糞便學及其應用——可靠性、局限性和展望. 獸類學報, 2001, 21(2): 143- 152.

[34] 鐘華, 賴旭龍, 魏榮平, 劉中來. 一種從大熊貓糞便中提取DNA的改進方法. 動物學報, 2003, 49(5): 670- 674.

[35] Wei F W, Swaisgood R, Hu Y B, Nie Y G, Yan L, Zhang Z J, Qi D W, Zhu L F. Progress in the ecology and conservation of giant pandas. Conservation Biology, 2015, 29(6): 1497- 1507.

[36] 肖治術, 李欣海, 王學志, 周岐海, 權銳昌, 申小莉, 李晟. 探討我國森林野生動物紅外相機監測規范. 生物多樣性, 2014, 22(6): 704- 711.

[37] 李晟, 王大軍, 肖治術, 李欣海, 王天明, 馮利民, 王云. 紅外相機技術在我國野生動物研究與保護中的應用與前景. 生物多樣性, 2014, 22(6): 685- 695.

[38] 劉芳, 李迪強, 吳記貴. 利用紅外相機調查北京松山國家級自然保護區的野生動物物種. 生態學報, 2012, 32(3): 730- 739.

[39] 盧學理, 蔣志剛, 唐繼榮, 王學杰, 向定乾, 張建平. 自動感應照相系統在大熊貓以及同域分布的野生動物研究中的應用. 動物學報, 2005, 51(3): 495- 500.

[40] 顧佳音. 東北虎雪地足跡個體識別技術研究[D]. 哈爾濱: 東北林業大學, 2013.

[41] Riordan P. Unsupervised recognition of individual tigers and snow leopards from their footprints. Animal Conservation, 1998, 1(4): 253- 262.

[42] Jewell Z C, Alibhai S K, Law P R. Censusing and monitoring black rhino (Dicerosbicornis) using an objective spoor (footprint) identification technique. Journal of Zoology, 2001, 254(1): 1- 6.

[43] Lewison R, Fitzhugh E L, Galentine S P. Validation of a rigorous track classification technique: identifying individual mountain lions. Biological Conservation, 2001, 99(3): 313- 321.

[44] Funston P J, Frank L, Stephens T, Davidson Z, Loveridge A, Macdonald D M, Durant S, Packer C, Mosser A, Ferreira S M. Substrate and species constraints on the use of track incidences to estimate African large carnivore abundance. Journal of Zoology, 2010, 281(1): 56- 65.

[45] Alibhai S K, Jewell Z C, Law P R. A footprint technique to identify white rhinoCeratotheriumsimumat individual and species levels. Endangered Species Research, 2008, 4: 205- 218.

Research progress on population investigation methods for wild giant panda

SHI Xuewei1,3, ZHANG Jindong2, OUYANG Zhiyun1,*

1StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-environmentalScience,ChineseAcademyofSciences,Beijing100085,China2CollegeofLifeSciences,ChinaWestNormalUniversity,Nanchong637009,China3UniversityofChineseAcademyofSciences,Beijing100049,China

The giant panda (Ailuropodamelanoleuca) is endemic to China and is a flagship for wildlife protection. Changes in panda population numbers reflect population dynamics in real-time, and also provide direct information about panda distribution and habitat. Panda population numbers are a basic requirement for giant panda resource surveys, and ensure the effective implementation of conservation measures. This paper reviews the progress of panda population survey methods, including the Direct Counting Method, the Mathematical Model, Distance-Bamboo Stem Fragments Method, and the Molecular Biology Method. In addition, we discuss new methods, such as camera-trapping and the Footprint Identification Technique, used to investigate populations of wild pandas in recent years. This paper reviews possible problems with traditional methods, and examines the prospects for the application of new methods in the future. Suggestions and prospects are proposed for future research into wild populations of giant pandas.

the giant panda; population investigation method; distance-bamboo stem fragments method; molecular biology method; infrared camera-trapping; footprint identification technique

國家林業局大熊貓國際資金項目(CM1417)

2015- 10- 29;

2016- 04- 25

10.5846/stxb201510292185

*通訊作者Corresponding author.E-mail: zyouyang@rcees.ac.cn

史雪威,張晉東,歐陽志云.野生大熊貓種群數量調查方法研究進展.生態學報,2016,36(23):7528- 7537.Shi X W, Zhang J D, Ouyang Z Y.Research progress on population investigation methods for wild giant panda.Acta Ecologica Sinica,2016,36(23):7528- 7537.