观月机器人可以揭开候鸟夜间活动的神秘面纱

鸟儿晚上会做什么？这是一个困扰科学家数百年的简单问题。有各种荒诞理论认为鸟儿会潜入水下，或将自己埋在泥浆中。19 世纪，人们发现一只德国鹳的脖子上插着一根非洲长矛，这证明鸟类确实会迁徙。1881 年，一位科学家用望远镜对着月亮观察了这些迁徙的鸟儿在夜间飞行。

观鸟月球观测仍是一门小众科学。它的工作原理类似于天文学中的凌日法，即当行星轮廓经过恒星前方时测量行星的轮廓。鸟类学家乔治·洛厄里 (George Lowery) 从 20 世纪 50 年代开始量化这一方法，组织了大规模的活动，从这些月球观测中收集全国数据。在黄昏和黎明之间，洛厄里的团队会仰望满月，标记他们看到的鸟儿的路径、飞行方向和数量。由于当时的技术相对粗糙，他们将月亮表面与圆形钟面相关联，并标记鸟儿进入和离开的“时间”（指位置）。

俄克拉荷马大学的研究助理韦斯利·霍尼卡特 (Wesley Honeycutt) 表示：“我们试图用我们的小机器人自动完成这一过程。因为虽然洛厄里的技术很有用，但它很痛苦。过去几年，我一直盯着月亮看。”

[相关：当你睡觉时，科学家将使用太空望远镜观察迁徙的鸟类]

Honeycutt 指的是 LunAero，这是他和俄克拉荷马大学的团队发明的。LunAero 的硬件组件包括一个用于录制视频的摄像头、一台小型计算机、一个观测镜和一个电动支架。它使用简单的计算机视觉技术来保持月亮的焦点并随之移动。它可以捕捉到被动观察者可能错过的鸟类。如果观鸟者或鸟类学家想自带望远镜，该支架可以容纳各种各样的望远镜。

除了视频录制外，该系统还会生成一个日志文件，其中包含有关录制时间、帧数和相机传感器设置的信息。该团队正在开发可以分析从 LunAero 获得的视频的软件。但目前，在收集视频后，人类必须手动提取包含鸟类的帧并注释它们的飞行路径和模式（例如它们飞得慢还是快）。初步测试于 2018 年 4 月和 2019 年 5 月进行，当时是鸟类迁徙的高峰期。

研究人员已经能够从目前掌握的数据中收集到大量信息。“这取决于条件和鸟类飞行的高度。当然，有些鸟你可以识别出它们的属，也许如果你对自己所处的位置和可能看到的鸟做出一些假设，你就能识别出它们的种类，”俄克拉荷马大学鸟类学家兼助理教授 Eli Bridge 说道。“有些鸟的飞行模式非常独特，你可以分辨出来——我们可以看到夜鹰上下飞翔。除了计算它们的数量，你还可以获得它们非常准确的飞行方向。你可以想象风向。”

该团队的目标是将这项技术作为雷达航空生态学等其他鸟类迁徙跟踪工具的补充。

“雷达航空生态学很酷，因为你可以看到候鸟，以及它们如何从城市或栖息地飞出，以及它们的流动和高度，但你无法分辨你看到的是什么，”霍尼卡特说。“你可以看到天空中那一带有一个水球状的东西，但你无法分辨是什么鸟，如果它是 12 只鸟，或者穿着风衣的 3 只昆虫——我们真的不知道，除非我们能看见它。”

任何人都可以使用车间找到的材料和亚马逊上的发动机来组装 LunAero 装置。零件图样和组装说明可供公众查阅。不带望远镜的 LunAero 组件成本约为 150 美元。最昂贵的组件是为系统供电的 Raspberry Pi 计算机。“拥有这些非常便宜的仪器的优势之一是你可以一次性部署很多仪器，”Honeycutt 说。“如果你把所有这些低劣的传感器都部署在一起，你最终会达到传感器的临界数量，这时你开始产生与高质量仪器相当的数据。”

[相关：简单的计数软件可以让生物学家的工作变得更轻松]

Bridge 和 Honeycutt 在 2020 年的《HardwareX 》杂志上发表了 LunAero 技术后，继续进行硬件升级，并将这些设备送给观鸟者试用。

“理想情况下，它应该是一个公民科学工具。我不知道我们是否已经做到了这一点。有一些小问题让事情变得困难，”布里奇说。如果天气条件恶劣或云层遮住了月球，那么他们就必须整夜重新配置该设备。观测与月球周期有关，当月亮不到半满时，LunAero 可以收集的数据会急剧下降。

“我们一直在不断进行细微调整，不断改进如何在各种不同的瞄准镜上保持相机的稳定，”霍尼卡特指出。“虽然硬件概念上没有太大的飞跃，但正是这些细微的变化扩大了潜在用户群。”

该团队正在准备他们的首批数据论文之一，该论文很快将介绍 LunAero 可以捕捉和量化的社会行为。“你可以分辨出鸟儿是独自飞行还是成群飞行，有时是编队飞行，有时只是一群松散的鸟儿，”布里奇说。“我认为，除非你有聚光灯或红外摄像机，或者其他直接观察鸟类的方法，否则没有其他方法可以在夜间看到这些鸟儿。”

[相关：观鸟者们看到了：康奈尔大学的 Merlin 应用程序现在是鸟类识别的一站式商店]

数据分析是发表广泛数据论文的一大障碍。“分析数据比收集数据要花更长的时间，因为你基本上必须逐帧循环，”布里奇说。“我们现在没有办法处理来自很多人的大量视频。”

虽然看起来机器学习之类的工具可以提供帮助，但不幸的是，这可能还无法实现。“如果你看视频，你会发现很多鸟都是一个像素，”霍尼卡特说。“区分一个真正的鸟像素和 10,000 个非鸟像素是一个不小的问题，我认为机器学习技术还无法解决。这就是为什么我们要做一个更简单的系统，它需要更多的计算。”

目前，该团队正在为该仪器进行概念验证和早期数据论文。但他们设想，五年后，该仪器将成为现有迁移技术套件的一个独特附加组件。

“如果你在鸟类身上安装了跟踪装置，或者你用雷达观察它们，你就无法直接观察鸟类。能够直接观察鸟类，即使是在它们飞过月球时，也是一组独特的数据，”俄克拉荷马大学生物学教授杰夫·凯利说。“将这些数据与跟踪数据结合起来总是有价值的，因为你可以获得鸟类飞行地点和时间的信息，但你无法直接看到它们。”

在理解鸟类迁徙的原因和方式方面，仍有许多未解之谜。鸟类是一起飞行还是分开飞行，它们对相同的风况做出反应吗，它们都在同一高度飞行吗？“我们很难具体了解这些鸟类在应对什么，”凯利说。“当我们开始谈论我们在空中建造的基础设施，或者鸟类与建筑物的碰撞以及夜间灯光的问题时，这种可以让人们具体观察正在发生的事情的数据将对他们掌握问题的能力产生重大影响。”