蒙大拿州赫勒拿——不久前一个温暖的早晨，蒙大拿州首府外的大草原上，一片小湖泊的岸边，鲍勃·马丁卡(Bob Martinka)把他的鉴识望远镜对准了一棵高耸的棉白杨，树上筑满了大蓝鹭(blue heron)的巢。他数到12只这种高大而姿态优雅的鸟，拿出了他的智能手机，但不是为了打电话，而是把鸟群的数目和种类输入一个应用，它会将输入的信息传送给位于纽约的研究人员。
马丁卡是该州一名退休的野生生物学家，也是热忱的观鸟爱好者。他是全球鸟类学网络eBird的成员。每个星期，他都会进山区几次，仔细考察湖泊、草原、甚至当地的垃圾场，然后将他的所见汇报给康奈尔鸟类学实验室(Cornell Lab of Ornithology)，它是设在康奈尔大学(Cornell University)的一家非营利组织。
"在垃圾场，我能颇为频繁地见到稀有的鸥类，"马丁卡一边观察着大堆鸟群站满的垃圾一边说。
数以万计的观鸟者现在成为了该实验室所称的"生物传感者"(biological sensors)，通过报告他们所见鸟类的地点、时间、数目和种类，将其所见转化为数字资料。马丁卡目击的12只鹭不过是一份微量的信息，但集腋成裘，数百万份这样的信息会为科学家绘出一幅巨大的全景图：或许这是第一个"众包"(crowdsource)所造就的全球鸟类种群实时直观图。
鸟类计数是出了名的困难。虽然静置的传感器能测量二氧化碳浓度和公路交通流量这类数值，但记录一定区域内鸟的种类和数量，这样的工作只能靠人去做。eBird问世并于2002年开始采集全球数据，在这之前，所谓的当日计数(one-day count)是唯一的办法。
像奥杜邦学会圣诞节鸟类计数(Audubon Christmas Bird Count)和鸟类繁殖调查(Breeding Bird Survey)这样的计数活动，虽然能召集全美各地的许多人在同一天进行鸟类观测，而且有丰富的科学价值，但还是和eBird有所不同，因为它们无法提供全年的数据。
eBird每天的鸟类活动观察已经产生了巨量的数据增长——这还让科学家收获了一项重大启示。应运而生的最能提供有用信息的产品则是科学家所称的"热度图"(heat map)：观察到的鸟类按照其密度的不同显示为各种深浅不一的橙色，形成极具震撼力的画面，在一张背景为黑色的地图上，这些色块在不同的时间和空间移动。现在，超过300种鸟类已经有了各自的热度图。
"热度图一经面世，大家就意识到它会彻底改变我们观察动物种群及其迁移的方式，"康奈尔鸟类实验室的主任约翰·W·菲茨帕特里克(John W. Fitzpatrick)说道。"如此夺目的图景，能更高效地把知识教给我们。"
举例来说，长期以来人们认为美国只有一个圃拟鹂(orchard oriole)种群。热度图则显示，这种鸟的目击分布被一道间隙隔开了。这说明存在的不止是一个，而是两个遗传学上相互独立的种群。
更重要的是，eBird网络提供了十分有效的方式，让我们捕捉旧时丢失的数据。"很多代人积攒了大量的鸟类行踪信息，它们现在在哪里，又去过何处，"菲茨帕特里克博士说道，"而他们去世时这些记录都付之一炬了。"
现在就不会了：eBird已经积累了1.41亿份报告，这一数字还在以每年40%的速度增长。5月份，eBird创纪录地从169个国家收集了560万份新观测。（例如，马丁卡一次见到12只鹭的记录，就算作一次物种观测，也就是一"份"数据。）
这一系统还为观鸟爱好者持续参与提供了激励措施，它提供的应用能帮参与者编制自己的"生物榜"（即曾经见到过的物种记录），与他们的朋友（还有竞争对手）对比目击记录，以及查看在哪里能见到之前未曾观察到的鸟类。
"当你一下飞机、打开手机的时候，"菲茨帕特里克博士说，"你就能查到过去7天内附近出现了何种鸟类，还可以让它筛选出哪些是你还没见过的鸟类，这样可以一目了然，很快地将这些鸟纳入你的'生物榜'。"
这个系统也并非没有问题。和鸟类繁殖调查参与者那样经验丰富的研究人员相比，公民科学家汇报数据也许做不到那么准确。为了尽可能解决这个问题，康奈尔雇用了顶级观鸟高手，让他们周游世界，为的是给马丁卡这样的人提供方法指导。还有500名专家志愿者为上报数据的精确性把关，约2%的报告会被拦下来。珍稀鸟类的目击报告会得到特殊审核。
让eBird数据具备可用性的工具是机器学习，或称人工智能——这是一种软件和硬件的组合，它能整理出数据中的不一致之处、漏洞和缺陷，并在这运行过程中自我改进。
"机器学习是说，'我明白，这些数据挺粗糙的，所幸的是数据量却很大，'"菲茨帕特里克博士说。"它把数据条块分割，并通盘整理，以求从杂乱的数据中找出规律。这些程序一边运行，一边学习、测试、调整，变得愈发完善。"
不过仍有一些专家质疑eBird的有效性。美国地质调查局(United States Geological Survey)的野生生物学家约翰·索尔(John Sauer)称，观鸟爱好者的报告缺乏科学的严谨性。他指出，这样得到的数据不是来自随机采样，而是"有大量观测出自人们喜欢去的那些地方"。他还质疑康奈尔是否验证了其机器学习工作的可靠程度。
即便如此，它收集到的信息仍有潜在价值，他说道。"并且，它在协调观鸟者进行观测记录方面发挥了强大的作用，还激发了观鸟的热情。"
而且这些数据正在一大批研究人员和生物保护人士手中派上用场。
犹他大学(University of Utah)的鸟类学教授卡根·H·塞克西奥格鲁(Cagan H. Sekercioglu)曾在他的故乡土耳其，利用类似的观鸟数据来研究气候变化对鸟类的影响。他称eBird是"出类拔萃的资源"，还表示"在这样一个追求在线即时满足的年代，它正让青年人参与自然博物学这种看似慢吞吞、老套的工作"。
鸟类种群的相关数据能帮助科学家认识自然界其他方面的变化，它还是整体生物多样性健康程度的标志。"鸟类是很好的指示物，因为它们存在于各种环境中，"康奈尔鸟类实验室的信息科学部门主任史蒂夫·克林(Steve Kelling)说道。
比方说，纽约州部分地区东草地鹨(Eastern meadowlark)数量的下降，向我们提示着它们的栖息地在缩减——这对依赖同一栖息地的物种都是坏消息。在加利福尼亚，一些城市规划人员正将eBird数据用于决定城市和小城镇应向何处发展。
对观鸟爱好者而言，eBird项目给他们的业余爱好平添了新的目标感。"这工具真棒"，马丁卡说。"无论你看到一只还是一千只鸟，都很有意义。"
翻译：马骢
纽约时报中文网
没有评论:
发表评论