技術如何讓我們揭示亞馬遜生物多樣性的秘密

森林結構變化導致物種組成的變化以及未受干擾和受干擾森林之間音景的顯著差異。

熱帶森林覆蓋了地球 12% 的陸地表面，卻擁有大約三分之二的陸地物種。亞馬遜流域橫跨廣闊的亞馬遜河流域和南美洲的蓋亞那地盾，是全球現存熱帶森林面積最大的地區，擁有比地球上任何其他陸地景觀更多的動物種類。

在這些充滿昆蟲和多刺的棕櫚樹的黑暗而茂密的森林中發現野生動物總是具有挑戰性的。這是因為亞馬遜流域生物多樣性的本質，那裡有少量豐富的物種，以及大量難以充分調查的稀有物種。

了解存在哪些物種以及它們與環境的關係對於生態和保護至關重要，為我們提供有關氣候變化、伐木或木材燃燒等人為干擾影響的基本信息。反過來，這也可以讓我們了解可持續的人類活動，例如選擇性伐木——砍伐一兩棵樹並保持其餘部分完好無損的做法。

作為 BNP 生物氣候項目的一部分，我們正在部署一系列技術修復，例如攝像頭陷阱和被動聲學監視器，以克服這些障礙並加深我們對亞馬遜野生動物的了解。這些設備能夠在無需人為干預的情況下持續收集數據，從而擊敗傳統調查，讓動物不受干擾地開展業務。

樹間的眼睛

相機陷阱是由附近活動變化（例如動物運動）觸發的小型設備。它們對於我們在巴西西北部帕拉塔帕霍斯國家森林的實地工作至關重要，使我們能夠調查氣候變化等干擾是否影響了動物的存在和行為，而這些動物反過來又是自然過程所必需的。

動物散播種子，使森林再生，就是這樣的過程之一。通過吃水果或攜帶堅果，它們通常會將種子排泄或丟棄到其他地方。我們的研究表明，我們地塊中至少 85% 的樹種的種子被動物散播。

我們還知道，這些動物中的許多都受到干擾的強烈影響。為了更好地掌握失去這些種子傳播物種的影響，我們需要知道哪些植物傳播了哪些植物以及傳播了多遠。

我們試圖通過在我們研究地點的果樹腳下設置攝像頭來觀察這一點，揭示哪些物種正在吃哪些水果，從而將種子帶到森林中。

該調查產生了超過 30,000 小時的鏡頭，我們能夠確定 5,459 個視頻包含動物。記錄了令人印象深刻的 152 種鳥類和哺乳動物，其中包括罕見的瀕危物種記錄，例如禿鷲鸚鵡 ( Pyrilia vulturina )。

這些視頻包括對動物行為的令人難以置信的見解，例如獵殺普通負鼠 ( Didelphis marsupialis ) 的豹貓 ( Leopardus pardalis ) 、背著嬰兒的巨型食蟻獸 ( Myrmecophaga tridactyla )，甚至是好奇的雌性卷尾猴 ( Sapajus) apella ) 檢查了一個相機，最後把它扔到了地板上。

重要的是，我們還記錄了 48 種吃水果的物種，包括被認為是重要的種子傳播者的物種，例如南美貘 ( Tapirus terrestris )，由於其體型，它能夠將大種子散播到更遠的距離。

我們的研究表明，白冠關 ( Penelopepierata ) 等鳥類和銀狨猴 ( Mico argentatus ) 和亞馬遜褐斑鹿 ( Mazama nemorivaga ) 等哺乳動物是水果的常見消費者。其中許多物種在研究區域內被過度捕獵，這可能會對森林再生產生連鎖影響。

脈動的森林

另一方面，聲學記錄器是編製物種豐富的鳥類群落清單的關鍵。事實上，雖然鳥類在茂密的森林中很少見，但它們的叫聲表明了它們的存在。

當鳥類學家研究熱帶鳥類時，他們受到計數頻率的限制，因為返回各個地點通常在後勤方面具有挑戰性。因此，傳統的調查通常持續時間很長——在 5 到 15 分鐘之間——在每個被調查的地點只有有限的重複計數。這意味著只有一小部分鳥類最活躍的時間段——日出後兩小時通常被稱為黎明合唱——能夠被調查。

然而，鳥類並非同時唱歌：少數物種喜歡在清晨唱歌，大多數等到天氣稍微暖和並且太陽完全升起，還有一些更晚升起。通過將自己限制在少數調查中，很難涵蓋整個時間段並檢測所有存在的物種。此外，僅在幾天內進行的調查意味著天氣或某些日子捕食者的存在等因素可以完全改變檢測到的物種。

我們的研究發現，通過設置自動聲學記錄器來記錄 240 個非常短的 15 秒錄音，總計一小時的調查，與複製人類持續時間的四個 15 分鐘調查相比，我們可以在我們調查的每個地點記錄 50% 以上的物種調查。額外的調查使我們能夠將調查期擴展到更多天，但最重要的是跨越整個黎明合唱。我們發現有一小群物種更喜歡在日出前 15 分鐘到日出後 15 分鐘唱歌，如果我們在那段時間進行多次調查，我們才真正有可能檢測到它們是否——這隻有使用自動錄音機才有可能。

這些更完整的調查使我們能夠更好地估計生活在這些高度多樣化地區的物種——以及當森林被砍伐或燒毀時消失的物種。多虧了這種方法，我們能夠在 29 個地點檢測到 224 種鳥類，每個地點總共只需一小時的調查時間。

存在於完整和受干擾森林中的物種也證實了我們之前的研究，即未受干擾的原始森林擁有獨特的鳥類群落，當森林被選擇性伐木或野火破壞時，這些群落就會消失。

錄音機還使我們能夠長時間收集數據，迄今為止已記錄了 10,000 多個小時。

然而，收集這種規模的數據也意味著科學家不可能聽完所有的錄音。相反，生態聲學的新領域已經開發出統計技術來表徵整個音景。這些聲學指數測量幅度和頻率的變化，以衡量每個音景的繁忙程度或變化程度。通過消除識別單個聲音的需要，這些可以有效地處理大量聲學數據。

我們使用聲學指數來顯示未受干擾的原始森林具有可以通過機器學習技術識別的獨特音景。反過來，這些數據使我們能夠對比受到火災或伐木等現象干擾的音景，並找出受影響最大的物種群。

總而言之，即使我們的研究人員不在那裡，相機陷阱和錄音機也能讓我們在森林中擁有眼睛和耳朵。隨著技術的發展，我們將繼續使用最新技術來更好地了解動物行為和生態，以及如何利用這些技術更好地評估和保護它們所居住的棲息地。

我們特別希望開發深度學習模型來識別物種，並在某些情況下區分同一物種的個體。來自自動記錄器的圖像和記錄的聲音正在開闢了解動物丰度和行為的新方法，為熱帶森林動物群的秘密世界提供新的見解。