一个主要位于纽约大学(NYU)的研究团队通过开发一个端到端系统来检测和识别候鸟的细微夜间叫声，在鸟类学和人工智能方面取得了突破。

这一进步增强了鸟类迁徙追踪，可能为环保人士提供新的数据，以加强鸟类保护工作。

在最近发表在《IEEE音频、语音和语言处理学报》上的一篇论文中，来自纽约大学、康奈尔鸟类学实验室和法国南特中央理工学院的研究人员介绍了他们的BirdVoxDetect系统，详细介绍了推动这一创新鸟鸣检测技术的核心机器学习算法。这篇论文总结了该团队对该主题长达八年的研究。

“我们现在能够从这些录音中提取出人耳可能忽略的极其细微的模式，”团队负责人胡安·巴勃罗·贝洛说。

Bello是纽约大学的教授，任职于坦顿工程学院(计算机科学与工程系和电气与计算机工程系)和斯坦哈特文化、教育与人类发展学院(音乐与表演艺术专业系)。他是纽约大学音乐与音频研究实验室主任，也是纽约大学坦顿城市科学与进步中心的成员。

该系统可以比之前的研究更准确地检测鸟叫声、识别物种并丢弃损坏的音频，从而可能更精确地跟踪迁徙模式。

贝洛说：“这就像是拥有一支由专业观鸟者组成的小型军队，他们拥有超人的听力和无限的耐心聆听夜空。”

这些进展建立在《应用生态学杂志》上发表的早期研究成果的基础上，研究团队在该论文中首次展示了BirdVoxDetect预测大型迁徙飞行开始和物种构成的能力。该研究分析了纽约州北部麦克风收集的整个迁徙季节的音频数据，录音时间超过4,800小时。

该系统采用先进的机器学习技术来分析麦克风网络收集的数TB的音频数据，自动挑选出许多鸟类在夜间迁徙时用来交流的短暂的“啁啾声”。

传统的迁徙研究方法，如雷达和鸟类观察志愿者的观察，都有局限性。雷达可以探测到飞行的生物量，但无法识别物种，而志愿者的数据大多局限于白天的目击情况，而且表明的是鸟类的栖息情况，而不是飞行情况。

声学监测填补了关键空白，使研究人员能够检测出在特定夜晚哪些物种正在迁徙，并更准确地描述迁徙的时间。研究表明，来自几个麦克风的数据可以准确地代表数百英里外的迁徙模式。

研究人员将他们的系统作为开源软件免费开放，让其他科学家可以将其应用于自己的数据。这将使大陆规模的声学监测网络能够以前所未有的细节跟踪鸟类迁徙。

贝洛说：“我们正进入一个新时代，可以实时监控大片地区的迁徙。这对于研究和保护珍贵且可能濒临灭绝的野生动物来说具有重大意义。”

这些数据对保护工作至关重要。由于栖息地丧失、气候变化和其他因素，许多候鸟种群数量急剧下降。更好地了解迁徙时间和路线有助于制定保护策略。

作者建议，声学监测应成为研究和保护候鸟工作中不可或缺的一部分。该技术对于传统观察难以进行的偏远或难以到达的地区尤其有前景。

贝洛说：“声学传感器价格相对低廉，而且可以长时间自主运行。这为我们以前从未研究过的地方的迁移监测开辟了令人兴奋的可能性。”