随着算力、算法和数据的不断提升，人工智能（Artificial Intelligence，AI）已经成为新一轮工业革命的核心技术。AI可以赋予机器一定的学习能力，实现类似人脑的识别、认知、分析和决策等复杂功能，其快速发展正在改变我们社会生活的方方面面。近年来，AI也被越来越广泛地应用于生物多样性监测，为生物多样性保护提供了强大的科技助力。
基于图像与视频智能技术的物种监测。物种视频监测识别系统由硬件设备和软件系统两部分构成，硬件设备包括前端摄像头采集设备、后端识别服务器和终端展示设备（如手机、电脑和展示大屏等），这些设备协同工作，用于采集、处理和展示视频和图像数据；软件系统中部署了神经网络算法模型，用于图像和视频的分析，通过对物种的特征提取和分类，能够获得高精度的物种目标识别结果，同时还可以输出不同物种的数量。
在对图像和视频分析处理之后，系统会对一定时间内监测到的物种、数量等信息进行统计分析，并以日报、周报的形式向系统管理人员发送邮件进行提示。如监测到珍稀濒危物种，系统将发出“预警”进行提示。此外，所有监测记录到的图像、视频数据信息都会保存在系统中，供科研人员随时调用。
基于声音智能技术的物种监测。针对“只闻其声，不见其物”的动物，采用基于AI的声音监测系统进行识别是一种非常有效的方法。该类系统采用高灵敏度的拾音器设备和集成声音识别AI算法模型的物种声音识别边缘计算设备，可以长时间实时采集野生动物声音数据，并对其进行动物物种及声音场景的分类识别。
分析处理声音数据后，系统会将监测数据和对应的识别结果发送至后台数据库进行统计分析，记录出现的物种及频次。如果发现出现新物种、保护物种或珍稀物种，系统会以邮件形式发出新物种报告，并由专业人员进行复核。此外，该系统与物种视频识别系统相结合，可共同构建更加完备的动物智慧监测识别系统。
应用于鸟类多样性的监测与保护。鸟类是生物多样性中最受公众关注的一个类别，同时由于鸟类对生境因子的变化比较敏感，常作为区域生物多样性监测的指示性物种。
智慧监测系统在鸟类多样性监测应用中能起到重要作用，其主要可解决三个方面的问题：一是看得清，即可通过对视频图像的智能处理，提升图像质量；二是看得准，即可通过计算机深度学习技术，识别鸟的种类、统计鸟类数量；三是看得懂，即可通过AI算法模型，监测和分析鸟类的行为。
目前，北京已经有多处布置了鸟类智慧监测系统，其中运行成效较为突出的是南海子麋鹿苑鸟类智慧监测系统。该系统通过5G网络将高清摄像头采集的高分辨率视频信号实时上传至服务器后进行自动识别，有效解决了传统人工监测方法效率低、成本高、数据碎片化等问题。该系统于2023年1月下旬拍摄到了国家一级保护动物白尾海雕，这也是该地自建立智能系统后首次监测到猛禽类动物，显示了AI在监测报告珍稀濒危野生动物上的潜力。
南海子麋鹿苑鸟类智慧监测系统监测信息
应用于其他野生动物监测与识别。AI深度学习技术的不断发展和优化为野生动物识别和保护工作提供了强有力的支撑。近年来，生物声学监测方式也被应用于野生动物研究，成为野生动物监测与保护的“神助攻”。
一些研究人员尝试将深度学习神经网络与一系列自动记录装置结合，并通过数据预处理、声音谱图转换以及声音识别模型的开发与设计，对采集到的大量动物音频数据进行自动分析处理，以实现目标物种的自动判别。
另外，AI也被应用到昆虫监测中。虫情预警器是智能识别应用最广泛的领域，主要应用于农业生产，利用昆虫活动特性抓捕收集昆虫，并自动烘干拍照，再利用AI识别计数，以达到监测农业害虫虫情的目的。
应用于智能无人机进行林业资源调查与特定物种保护。森林生态系统是重要的自然系统之一，有着丰富的生物多样性。搭载人工智能技术的智能无人机可通过挂载高清摄像头和遥感设备，拓宽地面巡视，增加高空视角，应用于森林生物资源调查。
智能无人机还能够自主避障，且可以以一台无人机为中心进行编队飞行，实现无人机与无人机之间的协同，大大提高工作效率。
在森林系统的野生动物监测和保护中，利用智能无人机可精准监测野生动物的数据，通过大数据分析、人工智能算法进一步对物种进行识别和归类，还可以监控物种的健康状态，梳理同一物种不同个体间的关系等，实施全方位的监测和保护。此外智能无人机还可通过特征识别（如脚印、面部特征、活动特征）对某特定濒危动物进行重点监测，达到保护濒危动物的目的。
从AI应用于生物多样性监测的优势来看，传统方法对野生动物种类及种群数量进行观测及统计面临多种问题。
以鸟类监测为例，鸟类调查随机性大，样线调查的方法很难真实反映一个地区的物种结构，固定样点调查往往需要长时间、高频率的调查密度，但这会降低生境的覆盖度，造成样本容量与调查总体间的不匹配。另外，人工监测方法基础数据获取成本高，大量依靠高度专业的人员投入，耗时耗力、效率较低，难以满足当前生态监测工作的需求。
采用AI与生态学大数据分析方法优势十分明显：
第一，能够实现自动化、智能化、长周期的实时监测，帮助解决在鸟类监测中的数据不实时、不全面、不准确等问题。随着智能监测点的增加，可提高监测数据的覆盖面与准确度，减轻专业人员的工作压力，提高鸟类监测工作效率，为鸟类调查和动态监测提供创新手段。
第二，基于AI的声音识别技术具有不受光线影响、对生物无干扰、能够全天候运行、数据传输压力小等天然优势，还能够直接监听生物之间的沟通信息及相关行为，为保护生物多样性提供了重要的数据依据。
第三，可构建基于AI的分析预判平台，为管理部门决策提供技术支撑。通过获取生物的图像、视频和声音，形成集物种监测、信息管理和决策支撑为一体的综合性平台，让生物多样性监测与保护更加智能化、信息化、精准化，提高生态问题治理的科学水平。
第四，可作为科普宣传平台，服务于公众。AI监测与保护平台，可实时直观地展示生物的形态、行为及健康状况，对于科普宣教是一种方法创新。AI终端展示平台，可以向公众生动地呈现各类生物保护知识，在提升公众生态环境意识和素养的同时也提高了互动性，进而提升了公众保护生物多样性的主观能动性。
从AI应用于生物多样性监测所面临的挑战来看，基于图像与视频的物种监测方法，目前还不能完全取代人工监测工作，一是系统的性能升级及功能完善需要具备生态学知识的专业人员深度参与；二是物种栖息地的自然环境复杂多变，一些恶劣条件下捕获到的音视频数据质量较差，给系统带来了较大的识别难度，可能存在误识别的情况，需要进行人工二次校验。
基于深度学习的声音识别方法的准确率仍受物种活跃度及音频质量的影响。此外，对于目标物种的自动监测，往往需要大型的声学数据集，特别是更接近于真实环境、复杂度更高的数据。这些数据的收集与处理不仅需要耗费大量的时间，而且依赖于生态学专家的精准标注，数据集的不均衡性也会对识别准确率产生影响。
基于AI的深度学习在处理大规模数据方面有较大的优势，它可以通过不断调整模型结构及优化设计，实现从海量输入数据中自动提取数据特征并进行高精度分类识别。
在科学研究方面，随着AI算法模型的不断迭代，对于不同生境不同物种的识别率将大幅提高，并对生物多样性保护研究工作产生深远影响。对比人工监测，AI识别产生的数据量将呈指数级增长。
一方面，对于动物学、行为生态学和物候学等基础研究，将促使其产生方法上的创新和突破；另一方面，对于遗传资源数字序列信息（Digital Sequence Information，DSI），环境DNA等发展较快的生物学研究领域，AI识别将产生新的数据集，以加快相关领域技术的更新和拓展。
在野生动物保护方面，在物联网技术的推动下，AI可更广泛地应用于野生动物资源的监测与识别。通过建立网格化的栖息地AI监测网络，将动态掌握野生动物的种群规模变化及活动规律，对其生存状态做出更完善的评估，辅助野生动物保护机构更好地进行有针对性的保护工作。
在生物安全领域，基于AI算法模型的特征识别将助力动物疫源疫病监测工作的开展。目前，随着城市环境不断向好，城市范围内人与动物接触概率不断增加。
特别是超大城市，鸟类迁徙季城市公园、湿地野生鸟类过境停留频繁，人畜共患病传播机会加大。在鸟类迁徙通道建立AI监测点，针对高风险物种采取特征监测，识别患病特征，可极大改善人工监测发现机会少、风险感知滞后的固有缺陷，为城市人居环境的生物安全保障提供有力支持。
参考文献:
[1] 张旭曜.基于深度学习的声纹识别算法研究[D],2022.
[2] 阮国辉. 自然保护区野生动物物种多样性现状及保护对策[J].农家参谋, 2020(17):139.
[3] 张学莹，张浩林，韩莹莹，翁强，袁峥嵘，姚远. 基于深度学习的野生动物监测与识别研究进展[J]. 野生动物学报. 2022, 43(1):251-258.
[4] 吴亚楠. 智能无人机在林业中的应用实践[J], 信息通信, 2019年第2期.
[5] Salas J, de Barros Vidal F, Martinez-Trinidad F. 2019. Deep learning: current state. IEEE Latin America Transactions, 17(12): 1925- 1945.
致谢：感谢中国科学院半导体研究所鉴海防研究员、王洪昌博士、郭慧敏博士对本文的支持
作者丨张渊媛 杨峥 北京生物多样性保护研究中心副研究员
编辑丨邓茗文
来源丨《可持续发展经济导刊》2023年第3期
返回顶部
