从业之前，我对野外动物保护的想象是：行走于大漠、高山、或雨林，暗中观察野生动物的行为，以及和不法分子斗智斗勇，像超人一样拯救被人类伤害的野生动物——反正各种帅就对了。
高山上的雪豹 | 猫盟
入坑后才发现，别人用来行走的高山我得用四肢爬，山上根本看不到我研究的雪豹，遇见最不法的分子是飞机上的邻座大哥，他告诉我某种野生动物治好了他孩子的病……以及，现实中的我，并没有掌握救助受伤野生动物的技术……
以及，更加没想到的是：横亘在我与雪豹保护之间的最大障碍，居然是脸盲。
窥一斑而知全豹……吗？
要保护，就要先调查，了解这片区域大约生活着多少只雪豹。
我们在雪豹可能经常经过的地方布设了红外线触发式相机。只要相机前有动物经过（或任何风吹草动），相机就会启动、拍摄。每隔几个月，我们要去给红外相机换电池和储存卡，同时收获几十到上万张照片。
拿到照片，首先要筛出含有雪豹的部分，哪怕只有一个尾巴尖尖，或是半张糊焦的大脸，都要算上。
雪豹：魔镜啊魔镜，谁是世界上最美的雪豹？
红外相机：是您！您是这荒野中最闪耀的灯球~ | 猫盟
但是，光统计拍到了多少张雪豹照片是不够的——你想，万一这片区域有一只镜头感很强、天天在红外相机前面晃悠的雪豹，即使拍它拍到1000张，那也只能算是一只孤芳自赏的雪豹。
为了确定我们拍到的海量照片里到底有多少雪豹，我们使用大家生物课上学过的“标志重捕法”来估测雪豹数量：每只雪豹身上的花纹不一样，通过对比花纹图案，能够区分不同的雪豹个体，并统计每只个体在红外相机中出现的次数。
这样一来，我们就要先从成千上万张红外相机照片中挑出拍到了雪豹的，再一张张仔细看每一张雪豹照片都拍到了哪位雪豹，从而完成个体识别工作。
一般来说，至少会有两个人独立进行个体识别工作，如果遇到不一致的结果，会打到对方同意自己请第三方进行裁定。
“数据看瞎眼”中……（她们在做金钱豹的个体识别） | 猫盟
那么问题来了：个体识别的准确率如何？
反正，我觉得我认得挺准的（所有雪豹研究者：好巧哦，我也认为自己认得准）。就算我马失前蹄，相信我的同事也会监督纠正的。
个体识别：
不光菜鸟翻车，老司机也翻了
不过，用野外数据做个体识别从来都没有正确答案，因为我们从未确定走过红外相机前的雪豹都是谁。
这不，瑞典农业科学大学生态学系的野生动物学家奥詹·约翰逊（Örjan Johansson）带领着研究团队做了项研究，想要看看雪豹个体识别的正确率究竟如何。
研究团队用心良苦地在动物园里放了红外相机，拍了16只雪豹。这样就有了100%正确的参考答案。
他们从照片中选出了40组，每组由一系列连续拍摄的同一只雪豹的照片组成。每只雪豹会在这40组照片中出现1~5次，模拟出了真实的个体识别情况。为了比较系统的训练是否有用，团队共请了4位专家和4位菜鸟参与个体识别。在测试者给出个体识别的结果后，研究者结合每只雪豹的拍摄次数，进行了一系列在实际雪豹调查过程中使用的模型运算，得到最终的雪豹数量。但是，一通操作猛如虎，一看结果——
有点尴尬。
感兴趣的童鞋可以看看这两只雪豹是不是同一只？（答案见文末）| 参考文献[3]
团队发表在《科学报告》上的研究表明：测试者的错误率高达12.5%，也就是说，每个人的40组照片鉴定结果中，平均有5组是错的，其中，专家的错误率将近10%，菜鸟的错误率大约为15%。
另一个结论是：比起“把两只不同的雪豹看作一只”，测试者更容易出现过度区分的问题：A和B明明是同一只，却硬是把B看成了一只新的雪豹个体。所有测试者得到的雪豹数量，都比16这个正确答案多。甚至有位测试者得到的结果高达24只，凭空多出了8只“幽灵雪豹”。即使是专家组，平均看到的雪豹数量，也比真实数量多出33%。
一只正在思考豹生的真实雪豹 | 猫盟
虚假的豹丁兴旺
数出“幽灵雪豹”会造成什么问题呢？
如果现实中的个体识别与这次测试一样的话……
晴天霹雳啊！
当雪豹远远地趴在山头上看着我们干活，它们会对我们抱什么样的期待呢？会不会在想“我们的生存条件好艰难啊，你们可终于来做调查了！”
结果我们调查完，却得到“哎呦，你们小日子过得不错，数量还挺多吼！”这样的结论，雪豹会很难过很失望的吧……
崽啊，爸爸对你很失望 | 猫盟
2017年，根据当时的综合调查数据，雪豹在IUCN红色名录上从“濒危”降级成了“易危”。在此之后，有研究表示，对雪豹种群密度的估计过高，甚至可能达到实际值的五倍之多，这种“虚高”为雪豹保护敲响了警钟。
而现在，基于个体识别的错误率，我们更加需要重新审视数据与实际的差异，才能更好地制定保护策略，让雪豹继续高冷下去。
高冷的雪豹 | 猫盟
除了雪豹，红外相机还被应用于很多其他濒危物种的调查中，例如老虎、猎豹、金钱豹等（据做过金钱豹个体识别的朋友说，金钱豹更令人眼瞎）。如果雪豹的个体识别测试结果同样也发生在其他物种身上，那么这些物种的研究者也有必要注意，研究对象的真实种群数量可能会比推测值更低，换言之，它们也就离灭绝的深渊更近。
眼瞅着就疯了一个做金钱豹个体识别的…… | 猫盟
在摸索中拯救脸盲
当然啦，并不是要否定通过红外相机影像资料进行个体识别这种雪豹调查方法，只是通过了解它的局限性，我们能做得更科学。
解决问题的第一步是发现问题，现在我们发现了问题，就要继续研究如何解决它。
“多人先独立识别、然后对答案”的方法很有必要，当然要继续使用。
虽然专家与菜鸟组虽然都会失误，但是他们的错误率差异，起码证明了一件让人高兴的事情：训练是有用的！至于具体需要什么训练，如何训练才能降低错误率，这些问题还在解决当中（突然觉得小时候玩的找不同游戏真是太有用了）。
还可以尝试在做个体识别时先进行类似测试，大致估计出个体识别的误差率，然后把测试结果融入数据处理的统计学模型中，从而修正到更加贴近真实值的结果。
除了红外相机数据，还可以结合上粪便DNA的结果，两者互相佐证，揭开雪豹的数量之谜。（不过，雪豹的粪便DNA法又是另一个“回味无穷”的故事了……）
最后，作为一个眼睛快看瞎了的调查者，我多希望能有个靠谱的AI来替我们做个体识别啊！（数据上传一分钟，结果下载十秒钟，美汁儿汁儿~）
望眼欲穿地等待AI | 猫盟
文中个体识别答案：
不是同一只，仔细看它们前腿和右侧脸的花纹，有比较明显的区别。
文中的个体识做完还意犹未尽的话，来辨一辨这几组照片（图源：参考文献[3]）：
答案
点击下方空白处获得答案
不是同一只
答案
点击下方空白处获得答案
是同一只
答案
点击下方空白处获得答案
是同一只
答案
点击下方空白处获得答案
是同一只
你答（看）对（晕）了吗？
感谢猫盟提供图片
作者：白空片一
编辑：悲催的铊宝宝
排版：雷颖
题图来源：pixabay
参考文献：
[1] McCarthy, T., Mallon, D., Jackson, R., Zahler, P. & McCarthy, K. 2017. Panthera uncia. The IUCN Red List of Threatened Species 2017: e.T22732A50664030.
[2] Johansson, Ö., Samelius, G., Wikberg, E., Chapron, G., Mishra, C., & Low, M. (2020). Identification errors in camera-trap studies result in systematic population overestimation. Scientific Reports, 10(1), 6393.
[3] https://camtraining.globalsnowleopard.org/
本文作者 白空片一，首发于我是科学家iScientist，欢迎关注。
编辑：fengyao
↓ 点击标题即可查看 ↓
1. 为什么不倒翁小姐姐能摇一晚上不倒？
2. 如果在家考，作弊就很容易吗？
3. 「我给你 37 美元，求求你把这桶油搬走吧」
4. 老师隔离后用射击游戏上网课，真不怕学生看完更想玩游戏？
5. 被五步蛇咬，走几步才最安全？
6. 我们从不骗你，除非……你不懂物理
7. 为什么菜油倒海上能救命？这道题美国学霸国父也不会做
8. 为什么有 32 个关卡的超级马里奥兄弟只要 64KB？
9. 十大物理效应，一次看个够！
10. 方程 E = mc² 中，m 的能量从何而来？
