摘要: 掌握雪豹（Panthera uncia）的遗传多样性信息对其保护和管理有重要意义。对104只雪豹个体的组织样品提取DNA，结合文献中提供的70个雪豹基因分型数据，利用9个微卫星多态性位点进行遗传多样性研究。结果显示：当样本量从70个增加到174个时，雪豹种群有分化为2个种群的趋势，即西北部群和中部群；共检测到45个等位基因（N_a），中部、西北部2个种群平均每个位点N_a分别为4.556和4.667，平均期望杂合度（H_e）分别为0.574和0.591，平均观测杂合度（H_o）分别为0.517和0.498。雪豹群体的平均近交系数(F_IS)为0.137，平均遗传分化系数(F_ST)为0.067，平均多态信息含量(P_IC)为0.602，种群间遗传变异为15.24%，种群内遗传变异为84.76%。9个微卫星位点具有中高程度多态性，与其他雪豹研究相比，2个雪豹种群遗传多样性处于中等水平，种群间遗传分化水平处于中等程度，遗传变异大部分来源于群体内部。研究结果对全球雪豹的种群结构和遗传多样性研究具有重要意义，也为雪豹未来的科学保护提供可靠的遗传背景。

摘要: 雪豹(Panthera uncia)的皮毛具有较强的隐蔽性，红外相机监测图像中雪豹和背景较为相似，而且监测图像中雪豹的尺寸大小不一，为了提升雪豹检测的准确率，采用3个不同的检测器进行级联，在特征提取网络中引入特征金字塔结构改进Cascade R-CNN模型实现了雪豹的自动检测。以项目组采集的雪豹监测图像为数据集的评估结果表明，无论是白天/黑夜图像，还是多种不同尺寸雪豹同时出现的图像，该方法都可以较好地实现雪豹的识别及定位，平均准确率达93.0%，对比Faster R-CNN和SSD-300(Single Shot MultiBox Detector 300)分别提升了9.0%和3.9%。将该模型应用于雪豹监测图像的自动筛选，可以极大地提高工作效率。