生物多样性监测的新时代——生物声学与人工智能的融合

生物多样性是地球上最宝贵的财富之一，它不仅丰富了自然景观，还为人类社会提供了食物、药物和生态服务。它是生态系统可持续发展的重要一环。然而，随着人类活动的不断扩张，生物多样性正面临着前所未有的威胁。在这样的背景下，准确监测和评估生物多样性成为了保护工作的重要一环。近年来，生物声学和人工智能（AI）的结合作为一个强大的工具为生物多样性监测提供了新的视角。

图一：美国西部的红杉树。(图文无关) 摄影：刘茂胜 ©绿会融媒·“海洋与湿地”（OceanWetlands）

声音是最有效的通信渠道之一，是动物进行交流的重要手段，具有显著性、灵活性和远距离传输的潜力。因此，声学通信在动物世界中很普遍。生物声学是一门对动物声音的产生、传播和接收进行研究的学科——始于一个多世纪前。这门学科包括记录动物的发声，对声音特征进行详细分析，以及进行回放实验以调查辨别和感知。目前的生物声学技术使科学家能够识别动物发声中包含的越来越多的信息，其中一些与种群监测有关，例如声音发射者的种群、性别、个人身份和健康状况。

种群监测依赖于对特定地点物种存在与否（占有率）的估计，以评估种群规模和物种分布随时间的变化。尽管存在一些局限性，但动物发声是一个很好的代表，因为它们可以非侵入性地收集，并根据声音剪辑中动物发声的存在与否来估计物种的占有率。

动物通过声音进行交流、觅食、求偶和领域防御等活动。通过记录和分析这些声音，科学家可以了解动物的行为模式、种群数量和分布情况。生物声学的应用不仅限于陆地生物，还包括海洋生物，如鲸鱼和海豚的叫声，为我们提供了研究这些难以观察生物的新途径。

然而，生物声学存在明显的局限性，那就是数据处理。处理现场记录所需的参数提取和统计分析需要大量的手动处理，这是一个巨大的耗时且复杂的任务，给研究人员带来极大的不便。

人工智能和大数据算法的发展便为这一问题提供了解决方案。AI算法，特别是机器学习和深度学习技术，能够自动识别和分类动物的声音，从而加速收集到的数据的自动处理和分析。此外，AI还能够从复杂的声学数据中识别出模式和趋势，为生物多样性的长期监测和研究提供了新的洞见。

传统的统计机器学习已经应用于生物声学多年。然而，直到 2016 年左右，深度学习才应用于野外许多物种记录的大数据集，从而能够产生基于更大规模数据集的推理和见解。

生物声学与人工智能相结合已经在许多生态研究中实施，并且展现出巨大的潜力。例如，BirdNET等现成的分类器使得研究人员能够轻松地将生物声学技术应用于鸟类声音的研究中。再如，在马来西亚沙巴州的热带森林等难以进入的地区，生物声学和AI技术的融合应用已经成功识别出34种鸟类和鹦鹉，显示出其在复杂环境中的有效性。城市地区的高噪声水平常常掩盖了动物的声音，但AI工具能够有效地隔离和分类这些生物声音，克服了传统生物声学方法的局限。通过部署如被动声纳和声音监测站等声音记录设备，可以在各种生态系统中自动收集大量声音数据，AI算法进一步处理和分析这些数据，自动识别和监测不同物种，提高了监测工作的效率和准确性。生物声学和AI的结合为生物多样性监测提供了一种高效、自动化的方法。这种融合技术的应用减少了对自然环境的干扰，使得生物多样性监测更加精细和可持续。

尽管生物声学和AI的结合为生物多样性监测带来了巨大的潜力和效益，但也面临着一些挑战和技术瓶颈。首先，数据的质量和完整性对于AI算法的性能至关重要。在野外环境中，声音数据可能会受到多种噪声的干扰，这需要更先进的信号处理技术来提高数据的质量，可识别性和完整性。其次，AI算法的开发和训练需要大量的标注数据，这在某些物种上可能是一个限制因素，例如在记录较少或缺乏标记的地区只有少量的物种数据集，从而限制了算法模型的使用。此外，对于AI在生物多样性监测中的伦理和隐私问题也需要进一步探讨。

生物声学和人工智能的结合为生物多样性监测开辟了新的道路。这种技术不仅能够提供更准确和实时的生物多样性信息，还能够促进我们对生态系统功能和健康的理解。随着技术的不断进步和应用的深入，我们有理由相信，生物声学和AI将成为保护生物多样性和促进可持续发展的重要工具。

通过跨学科的合作和技术创新，我们可以更好地利用这些工具来保护和恢复我们的生物多样性。同时，我们也应该关注这些技术在实际应用中可能带来的伦理和社会问题，确保它们的发展和应用能够造福于整个地球生态系统和人类可持续发展。

（注：本文仅代表资讯，供读者参考，不代表平台观点。）

编译：黄祉琪 —— 译者系中国生物多样性保护与绿色发展基金会（CBCGDF）国际部与北京师范大学-香港浸会大学联合国际学院（BNU-HKBU UIC）全球化与发展（GAD）专业联合发起的“可持续发展人才培养计划”的学生
审核：Daisy
编辑：绿叶

参考资料略