声音录音与人工智能正在告诉科学家热带森林的生物多样性是否正在恢复

• 声音录音与人工智能可用于追踪热带森林生物多样性的恢复情况。

• 一项在厄瓜多尔开展的研究发现，物种最快仅用25年便重返再生林。

• 声学监测与基于人工智能的方法，是评估修复后森林生物多样性水平的有效且具成本效益的技术。

种树能让动物回来吗？全球各地都有人致力于恢复森林，无论是通过植树，还是任由植物自然恢复。但随着树木生长，要判断鸟类、昆虫、青蛙及其他生物群落是否也在回归，可能并不容易。

在厄瓜多尔西北部的乔科（Chocó）地区，这里是世界上生物多样性最丰富的雨林之一。一个由德国和厄瓜多尔科学家组成的团队测量了不同土地类型中的生物多样性恢复情况，包括活跃的牧场和农场、正在重新生长为年轻次生林的废弃农场，以及成熟的原始老龄林。

该团队结合使用声学监测与基于DNA的调查，发现物种正在回归，仅需短短几十年，便已回到正在再生的森林中。

位于Jocotoco保护区Canandé保护区内的原始老龄乔科雨林。Image: Javier Aznar

“我们可以看到乔科雨林如何随时间推移重新恢复。在25年内，就能看到大量物种回归，”马丁·沙费尔（Martin Schaefer）说。他是该研究的合著者之一，也是厄瓜多尔非政府组织Jocotoco基金会的主任，他对Mongabay表示：“这是一个我们需要向公众传达的积极信息……仅仅三十年间，森林就在重新生长。”

研究人员还发现，分析动物和昆虫的声音，可以获取森林整体生物多样性的信息，包括那些不歌唱、不鸣叫、不啁啾、也不啼叫的无声生物。

利用人工智能工具进行的声音监测，是追踪热带森林生物多样性恢复情况的有效且具成本效益的技术。作者表示，此类工具是“支持可能依赖森林修复的市场化保护机制所必需的，例如生态系统服务付费、生物多样性抵消及信用市场”。

“他们的工作有力地论证了：是的，声学监测可以用于评估森林修复项目的成效，”康奈尔大学鸟类学实验室的生态学家韦斯利·霍查卡（Wesley Hochachka）对Mongabay表示，他并未参与该研究。“我不知道有任何更为深入的研究或论证，能够表明声学监测的潜力[真实存在且可以实现]。”

研究团队在乔科雨林中沿着“森林恢复梯度”设立了43个样地。在每个样地，他们使用了三种声学监测方法和一种基于DNA的方法。

Mueller等人（2023）的图示，展示了研究样地的位置。

其中一个牧场研究样地，该处森林已在数十年前被砍伐。Image: Jocotoco基金会

在每个样地，研究团队放置了声音录制盒，用以捕捉所有环境声音（如雨声和风声），以及昆虫和发声脊椎动物（如青蛙、猴子和鸟类）的叫声。

第一种声学方法是由专家聆听28分钟的录音片段，通过叫声识别哺乳动物、鸟类和两栖动物。这是一种历史悠久的方法，但受限于人耳所能处理的数据量，且成本可能较高。

第二种方法是利用录音进行声学指数分析，用以描述声音的复杂度和多样性等特征。例如，成熟森林的声景比牧场更为多样，因而也更为密集。

最后，研究人员训练了一种名为卷积神经网络（CNN）的深度学习计算机模型，使用75种已知鸟类的录音进行训练。训练完成后，该CNN基本上承担了鸟类专家的工作，能够从数周的录音中识别鸣叫，而非仅限于短片段。

“与其由专家手动完成，这一[CNN]方法使我们能够真正大规模扩展模型，”沙费尔说。

在最后的调查中，研究团队利用DNA技术，在夜间设置诱虫灯以捕获昆虫。随后，他们采用一种名为元条形码（metabarcoding）的技术，分析昆虫的DNA，从而了解现存昆虫的多样性情况。

在每个样地均设置了声音录制盒（左）和自动诱虫灯（右），用于捕捉声音和夜行昆虫，以评估生物多样性。Image: 维尔茨堡大学

他们发现，人工智能的声学数据与整体生物多样性水平相关性良好，即使对于那些未在音频中直接检测到的物种也是如此。沙费尔表示，这一结果在意料之中，但他们对人工智能模型的表现感到满意。

“我认为最重要的发现是，即便是简化版本的人工智能模型，也能相当好地衡量生物多样性水平，”沙费尔说。“这些人工智能模型还能很好地指示那些在森林声景中听不到的物种的恢复情况。”

“当然，（这里）没有关于植物或无声动物的信息。不过，鸟类和两栖动物对生态完整性非常敏感，是非常好的替代指标，”维尔茨堡大学生物中心的教授兼鸟类学家约尔格·米勒（Jörg Müller），接受法新社（AFP）采访时表示

该神经网络模型还有效地追踪了沿恢复梯度的鸟类群落变化。结果表明，发声动物群落沿恢复梯度发生了变化，其中最成熟的森林拥有独特且更为多样的声景。

乔科雨林中濒危的带纹地鹃（Neomorphus radiolosus）。Image: Jocotoco基金会。

“这篇论文最出色之处在于，将声音分析、神经网络模型，与那些无法通过声音检测的生物多样性水平相结合……尤其是昆虫数据，”沙费尔说。

这些方法存在一些局限性。例如，声学监测无法确定物种（尤其是鸟类）只是路过，还是在这些样地中栖息和利用。它也无法说明样地内物种的丰度。

要将该方法推广至更多森林，需要以数量更多、多样性更丰富的动物声音来训练人工智能模型。Xeno-Canto等声音资料库Xeno-Canto和康奈尔大学麦考利自然声音图书馆（Cornell’s Macauley Library of Natural Sounds），正致力于实现这些目标，但霍查卡表示，仍需要更多研究与资金投入，尤其是在全球南方地区。

不过，该研究表明，声音录音与人工智能有望使生物多样性监测更加透明、可问责且更易获取。作者希望，这将有助于管理者判断他们艰苦努力的成果是否正在恢复整片森林，而不仅仅是树木。