没有人能够准确预测鸟类的去向，但这个数学模型可以接近

候鸟即将迁徙。从三月开始，北美各地将迎来春季迁徙，鸣禽、滨鸟、水禽和猛禽将返回城镇。尽管科学家知道这些动物很快就会起飞，但他们一直在努力确定这些鸟儿从它们过冬的热带地区返回美国的路线。

本周在期刊上发表的一项研究 马萨诸塞大学阿默斯特分校和康奈尔大学团队在《生态学和进化方法》中描述了一种新策略，即使用计算机建模和公民科学平台 eBird 的观测数据来预测这些候鸟的飞行路线。研究人员表示，BirdFlow 的预测能力相当准确。

这篇论文的主要作者、马萨诸塞大学阿默斯特分校计算机科学研究生米格尔·富恩特斯 (Miguel Fuentes) 在一份新闻稿中表示：“要获得关于哪些鸟在哪里的精确实时信息极其困难，更不用说它们到底要去哪里了。”

[相关：这些新的交互式地图揭示了候鸟令人难以置信的全球旅程]

例如，科学家知道，美洲丘鹬等鸟类每年都会从德克萨斯州和卡罗莱纳州迁徙到加拿大南部。但它们往返这两个目的地时可能会经过多条路线。

追踪标签可以提供一些部分线索，但很难标记每一只感兴趣的鸟。气象雷达可以实时观察鸟类的运动，但无法真正提供有关鸟群中有哪些物种或每只鸟的行为方式的大量信息。另一方面，月球观测机器人可以很好地观察个体行为，但过于依赖宇宙时间。此外，鸟类每年都可能改变它们的路线。和所有野生动物一样，它们天生就难以预测。

为了更准确地实时了解候鸟情况，团队开发的概率估计机器学习模型 BirdFlow 使用来自 eBird 的每周鸟类观测信息和种群分布数据进行训练。它使用最新的 GPS 和卫星跟踪数据进行微调，以预测某些鸟类在旅程中的下一个目的地。

研究人员在论文中写道：“只要有相对丰度模型，BirdFlow 模型就可以针对任何物种进行训练，即使是 eBird 未跟踪的物种。”该模型在 11 种北美鸟类身上进行了测试，例如美洲丘鹬、红颈鸫和斯温氏鹰，其表现优于其他迁徙预测模型。此外，即使没有实时 GPS 或跟踪数据，它也可以正确预测鸟类的飞行路径。

根据新闻稿，该团队将利用美国国家科学基金会提供的 82.7 万美元资助进一步改进 BirdFlow，并为生态学家准备一个软件包，预计将于今年晚些时候发布。研究人员还在基于这些模型开发一个更直观的界面，以吸引公众参与。

“除了案例研究中调查的生态问题外，BirdFlow 模型的样本还可用于研究其他现象，如中途停留行为和对全球变化的反应，”作者写道。“最后，BirdFlow 可以通过提供一种外展工具来吸引科学家、观鸟者、政策制定者和普通公众，从而提高公众对生物多样性和生态系统健康的认识。”