森林结构变化导致物种组成的变化以及未受干扰和受干扰森林之间音景的显着差异。
热带森林覆盖了地球 12% 的陆地表面，却拥有大约三分之二的陆地物种。亚马逊流域横跨广阔的亚马逊河流域和南美洲的圭亚那地盾，是全球现存热带森林面积最大的地区，拥有比地球上任何其他陆地景观更多的动物种类。
在这些充满昆虫和多刺的棕榈树的黑暗而茂密的森林中发现野生动物总是具有挑战性的。这是因为亚马逊流域生物多样性的本质，那里有少量丰富的物种，以及大量难以充分调查的稀有物种。
了解存在哪些物种以及它们与环境的关系对于生态和保护至关重要，为我们提供有关气候变化、伐木或木材燃烧等人为干扰影响的基本信息。反过来，这也可以让我们了解可持续的人类活动，例如选择性伐木——砍伐一两棵树并保持其余部分完好无损的做法。
作为 BNP 生物气候项目的一部分，我们正在部署一系列技术修复，例如摄像头陷阱和被动声学监视器，以克服这些障碍并加深我们对亚马逊野生动物的了解。这些设备能够在无需人为干预的情况下持续收集数据，从而击败传统调查，让动物不受干扰地开展业务。
树间的眼睛
相机陷阱是由附近活动变化（例如动物运动）触发的小型设备。它们对于我们在巴西西北部帕拉塔帕霍斯国家森林的实地工作至关重要，使我们能够调查气候变化等干扰是否影响了动物的存在和行为，而这些动物反过来又是自然过程所必需的。
动物散播种子，使森林再生，就是这样的过程之一。通过吃水果或携带坚果，它们通常会将种子排泄或丢弃到其他地方。我们的研究表明，我们地块中至少 85% 的树种的种子被动物散播。
我们还知道，这些动物中的许多都受到干扰的强烈影响。为了更好地掌握失去这些种子传播物种的影响，我们需要知道哪些植物传播了哪些植物以及传播了多远。
我们试图通过在我们研究地点的果树脚下设置摄像头来观察这一点，揭示哪些物种正在吃哪些水果，从而将种子带到森林中。
该调查产生了超过 30,000 小时的镜头，我们能够确定 5,459 个视频包含动物。记录了令人印象深刻的 152 种鸟类和哺乳动物，其中包括罕见的濒危物种记录，例如秃鹫鹦鹉 ( Pyrilia vulturina )。
这些视频包括对动物行为的令人难以置信的见解，例如猎杀普通负鼠 ( Didelphis marsupialis ) 的豹猫 ( Leopardus pardalis ) 、背着婴儿的巨型食蚁兽 ( Myrmecophaga tridactyla )，甚至是好奇的雌性卷尾猴 ( Sapajus) apella ) 检查了一个相机，最后把它扔到了地板上。
重要的是，我们还记录了 48 种吃水果的物种，包括被认为是重要的种子传播者的物种，例如南美貘 ( Tapirus terrestris )，由于其体型，它能够将大种子散播到更远的距离。
我们的研究表明，白冠关 ( Penelopepierata ) 等鸟类和银狨猴 ( Mico argentatus ) 和亚马逊褐斑鹿 ( Mazama nemorivaga ) 等哺乳动物是水果的常见消费者。其中许多物种在研究区域内被过度捕猎，这可能会对森林再生产生连锁影响。
脉动的森林
另一方面，声学记录器是编制物种丰富的鸟类群落清单的关键。事实上，虽然鸟类在茂密的森林中很少见，但它们的叫声表明了它们的存在。
当鸟类学家研究热带鸟类时，他们受到计数频率的限制，因为返回各个地点通常在后勤方面具有挑战性。因此，传统的调查通常持续时间很长——在 5 到 15 分钟之间——在每个被调查的地点只有有限的重复计数。这意味着只有一小部分鸟类最活跃的时间段——日出后两小时通常被称为黎明合唱——能够被调查。
然而，鸟类并非同时唱歌：少数物种喜欢在清晨唱歌，大多数等到天气稍微暖和并且太阳完全升起，还有一些更晚升起。通过将自己限制在少数调查中，很难涵盖整个时间段并检测所有存在的物种。此外，仅在几天内进行的调查意味着天气或某些日子捕食者的存在等因素可以完全改变检测到的物种。
我们的研究发现，通过设置自动声学记录器来记录 240 个非常短的 15 秒录音，总计一小时的调查，与复制人类持续时间的四个 15 分钟调查相比，我们可以在我们调查的每个地点记录 50% 以上的物种调查。额外的调查使我们能够将调查期扩展到更多天，但最重要的是跨越整个黎明合唱。我们发现有一小群物种更喜欢在日出前 15 分钟到日出后 15 分钟唱歌，如果我们在那段时间进行多次调查，我们才真正有可能检测到它们是否——这只有使用自动录音机才有可能。
这些更完整的调查使我们能够更好地估计生活在这些高度多样化地区的物种——以及当森林被砍伐或烧毁时消失的物种。多亏了这种方法，我们能够在 29 个地点检测到 224 种鸟类，每个地点总共只需一小时的调查时间。
存在于完整和受干扰森林中的物种也证实了我们之前的研究，即未受干扰的原始森林拥有独特的鸟类群落，当森林被选择性伐木或野火破坏时，这些群落就会消失。
录音机还使我们能够长时间收集数据，迄今为止已记录了 10,000 多个小时。
然而，收集这种规模的数据也意味着科学家不可能听完所有的录音。相反，生态声学的新领域已经开发出统计技术来表征整个音景。这些声学指数测量幅度和频率的变化，以衡量每个音景的繁忙程度或变化程度。通过消除识别单个声音的需要，这些可以有效地处理大量声学数据。
我们使用声学指数来显示未受干扰的原始森林具有可以通过机器学习技术识别的独特音景。反过来，这些数据使我们能够对比受到火灾或伐木等现象干扰的音景，并找出受影响最大的物种群。
总而言之，即使我们的研究人员不在那里，相机陷阱和录音机也能让我们在森林中拥有眼睛和耳朵。随着技术的发展，我们将继续使用最新技术来更好地了解动物行为和生态，以及如何利用这些技术更好地评估和保护它们所居住的栖息地。
我们特别希望开发深度学习模型来识别物种，并在某些情况下区分同一物种的个体。来自自动记录器的图像和记录的声音正在开辟了解动物丰度和行为的新方法，为热带森林动物群的秘密世界提供新的见解。
