凌晨四点的林子，谁在叫？——聊聊生物多样性保护技术里的声学监测

凌晨三点半，林子像一块吸满水的海绵。

你站在样线起点，头灯不敢开太亮。耳机里先是虫鸣，密密麻麻。突然一声“啾——”，短促，像指甲弹玻璃。你心里一激灵：这声儿是谁？记下来了吗？没记，它就没了。

这就是生物多样性保护技术里一个很具体的痛点：很多物种你不容易看见，但你能听见。鸟、蛙、蝉、蝙蝠，甚至一些兽类，都会用声音占位置、找对象、报警。人眼在夜里基本抓瞎，耳朵却能捡到线索。

为什么偏偏是耳朵？

说实话，做生物多样性调查，眼睛真不够用。红外相机拍兽类行，拍鸟就常拍个屁股；样线法靠人走，走一趟两小时，腿酸，数据还受天气和观察者水平影响。鸣叫不一样。很多鸟在繁殖季叫得勤，蛙类在雨夜合唱，蝙蝠用超声。声音能连续记录，还不怎么打扰动物。

但别急着买一堆录音机。真的，别。声学监测不是“把机器往树上一绑，AI自动出物种清单”。它是一条链，哪一环松了都白搭。

一套声学监测链条，没你想的那么“即插即用”

硬件先泼盆冷水。野外录音机要防风、防雨、防松鼠啃。麦克风套防风毛套，布点避开公路和溪流正上方。录鸟一般采样率44.1千赫兹够用，录蝙蝠得往上拉到192千赫兹甚至更高。定时录音也有讲究：日出前半小时到日出后三小时是鸟类的“早高峰”，傍晚再来一波；蛙类得看雨和温度。占空比别太贪，录1分钟停5分钟，比连录24小时更现实。电池和存储卡，低温下掉电快得让人想骂人。

还有元数据。经纬度、海拔、生境类型、设备编号、布设日期、麦克风朝向，少一项，后面就有的哭。没有元数据的声音文件，基本等于一堆占空间的噪声。

数据进来后，先变成声谱图。简单说，就是短时傅里叶变换把声音切成小片，横轴时间，纵轴频率，颜色深浅表示能量。鸟鸣在图上常是一串有形状的图案，像手写签名。AI模型干的事，说穿了就是认这些图案：卷积神经网络看频谱图，或者抽音频特征再分类。现在有不少预训练模型能认常见鸟，但迁移学习不是万能药。北美数据训出来的模型，到了南京的混交林，碰上白头鹎、乌鸫、远东山雀，照样可能犯迷糊。

AI听音识鸟，靠谱到什么程度？

靠谱，但别神化。模型输出的是概率，不是判决书。风声、雨声、摩托车、人说话，都能让它误报。城市低频噪声一重，频谱图底下糊成一团。我的习惯是随机抽一成到两成录音做人工校验，重点听清晨边界时段和稀有物种报警。标注这事儿，磨人。真的磨人。一天听几百条，耳朵会木。

还有个容易跑偏的指标：声景指数。声学复杂度、生物声学指数这些，能反映群落声音的活跃程度，适合看长期趋势，比如湿地恢复后蛙类合唱是不是更密。但它不是物种清单，别拿一个指数就说“这里生物多样性提高了”。指数会受天气、设备、布点影响，解释时要留余地。

落地的时候，坑比论文里多

去年秋天我在江北一处湿地布了六台设备，想看看恢复区和非恢复区的晨鸣差异。结果一台被牛拱歪，一台SD卡槽进水，还有一台录了三天才发现麦克风被蜘蛛网糊住。数据清洗花的时间，比跑模型多得多。不过话说回来，这就是一线常态。设备多不等于数据好，布点科学、元数据完整、回收及时，比堆数量管用。

声学监测适合干啥？保护区长期固定监测，风电和公路的噪声影响评估，湿地修复效果跟踪，城市绿地管理，甚至查非法诱捕？最后这个得谨慎，声学能提供线索，但不能替代执法。它也有边界：只覆盖发声类群，沉默的昆虫、植物、土壤微生物它管不了。所以实际项目里，常和红外相机、环境DNA、样线法搭着用。各补各的盲区。

风险也别装看不见。设备被盗、动物啃咬、数据共享的伦理、录到人声的隐私问题，还有模型黑箱带来的解释困难。更关键的是标准。不同项目采样率、占空比、布点高度不一样，数据很难放一起比。没有标准化，声学监测很容易变成一堆“听起来很热闹”的硬盘。

所以回到凌晨四点那声“啾”。听见，只是开始。识别出名字，也只是开始。真正要问的是：明年这个时间，它还在不在？它的叫声背后，栖息地有没有被路切碎，湿地有没有干，林子有没有被灯照得太亮。生物多样性保护技术不是给自然贴标签，是帮我们少一点瞎猜。设备会坏，模型会错，人得保持怀疑。哎，这话听着不浪漫，但野外的账，就是这么算的。