five

中国金钱豹(Panthera pardus)的分布、现状与监测策略 |金钱豹保护数据集|野生动物监测数据集

收藏
国家林业和草原科学数据中心2021-08-16 更新2024-03-06 收录
金钱豹保护
野生动物监测
下载链接:
https://www.forestdata.cn/dataDetail.html?id=CSTR:17575.11.012021081600906.090001.V1
下载链接
链接失效反馈
资源简介:
金钱豹(Panthera pardus)是世界上分布最广的野生猫科动物,但我们必须看到,它们在亚洲的种群数量已经显著减少。历史上,金钱豹曾广布于除干旱戈壁沙漠和海拔4'000米以上西部山地之外的中国全境。然而,近年的调查表明,金钱豹已经从很多地区消失,远没有人们曾经认为的那么常见。本论文在多重地理尺度下开展研究,旨在深化对中国金钱豹保护生物学的理解。论文采用多种数据源采集金钱豹在全国范围内的分布记录,以评估金钱豹的分布和生存现状。研究结果表明,金钱豹在中国急剧减少,只在11个省的44个位点发现了确凿的分布记录。现存金钱豹种群小(<50个体)且分散,主要存在于相互孤立的自然保护区中,使得它们面临着较高的局地灭绝的风险。值得注意的是,这些中国金钱豹的分布记录大多是在对其他旗舰物种进行调查和研究时所获得的,而很少直接源于关于金钱豹的项目和研究。因此,现有的金钱豹研究没有将那些不与其他旗舰物种重叠,尤其是金钱豹单独适应的栖息地和生态系统包括在内,那主要是一些离人类干扰较近而其他物种已经局地灭绝的区域。山西省就是一个这样的地区,该省位于华北地区黄河流域的中部,华北豹(P.p. japonensis)这一仅分布于中国的金钱豹亚种就生活在这里。在本论文中,我们建立物种分布模型以预测哪些环境条件适宜于金钱豹生存,进而确定哪些区域适于它们生存。首先,我们从2008到2013年间在全省范围内非系统安装的红外相机数据中提取出金钱豹的分布数据。然后,在1km2大小的栅格内选取分别代表地形、植被和人类活动的六个不相关变量,用来分析环境因子对雪豹分布的影响。MAXENT模型的分析结果表明,影响金钱豹分布的最重要的因素是森林覆盖率(贡献率为90%),道路和人口密度的影响则比较小(分别为3.3%和2.6%)。研究发现,在山西省南部仍有大面积的适宜栖息地,包括了两个国家级保护区。选取其中面积最大的历山国家级自然保护区,作为进行第一次种群密度估算的区域。于是,我们在整个保护区(252 km2)内系统地安装了139台红外相机。通过对照片的个体鉴别,共识别出了5只金钱豹,并采用种群密度估算所能应用的最现代的统计建模技术进行了分析。通过标志重捕(MARK)和空间标志重捕(SPACECAP)模型所得的结果比较相近(分别为0.7和0.6±0.3只金钱豹/100km2)。这一密度相当于在中国东北极度濒危的东北豹(P.p. orientalis),同时也是世界上金钱豹密度的最低记录之一。论文对应用痕迹调查作为红外相机的替代或补充手段进行种群监测的可行性进行了探讨,但找到的痕迹不多(粪便34个, 足迹3个, 抓痕5个, 毛发2处)。实际上,除非通过DNA分析验证,否则无法确认野外粪便样本所属的物种。研究发现,在所有判别为目标物种的粪便中,只有14%真正来自金钱豹,其它大多数都是犬科动物的粪便。因为豹的样本数量小,无法进行近一步的探究,所以我们应用雪豹(Panthera uncia)景观中的食肉动物群落进行分析判别,并得出了相似的结果:超过一半在野外被认为是雪豹的粪便实际上来自赤狐(Vulpes vulpes)。由此可见,因为错误识别率如此之高,依靠粪便样本所进行的物种调查和监测都应使用分子粪便学技术完成物种鉴定。同时,痕迹的低遇见率(0.1痕迹/km)提示我们,除非提高调查强度(加长样线距离)和/或增加发现率(在有积雪时进行调查),否则无法应用痕迹调查达到预期效果。必须看到,我们对中国金钱豹的知识缺口依然很大,这种信息的缺失会降低保护工作的有效性。我们所进行的系统性调查适用于金钱豹这样难以发现的物种的监测和研究,即便在种群密度很低的情况下也依然适用。另一方面,痕迹调查无法提供分析所需的足够多的样本量,而且需要通过分子粪便学技术鉴定以避免误判。可以认为,监测方案以及管理实践必须得到优化并在整合国家、省和自然保护区各尺度基础上加以实施,以确保这些小而破碎化的种群得到长期有效的保护。
提供机构:
国家林业和草原科学数据中心
创建时间:
2021-08-16
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL,主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录

CE-CSL

CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集,旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段,涵盖超过70种不同的复杂背景,确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向,通过收集大量真实场景下的手语视频材料,覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域,旨在提高手语识别技术在复杂环境中的准确性和效率,促进聋人与听人社区之间的无障碍沟通。

arXiv 收录

CHARLS

中国健康与养老追踪调查(CHARLS)数据集,旨在收集反映中国45岁及以上中老年人家庭和个人的高质量微观数据,用以分析人口老龄化问题,内容包括健康状况、经济状况、家庭结构和社会支持等。

charls.pku.edu.cn 收录

LIDC-IDRI

LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。

OpenDataLab 收录

Breast Cancer Dataset

该项目专注于清理和转换一个乳腺癌数据集,该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术(如分类、编码和二值化)来创建一个可以由数据科学团队用于未来分析的精炼数据集。

github 收录