张明明　梁宇祥

摘要：  随着保护生物多样性、人与自然和谐共处等理念的普及，社会各界对保护和管理生物多样性愈发重视。但生物多样性本底状况不明，变化趋势不清将影响保护和管理工作的有效开展。鸟类对于环境质量感知较为敏感，其群落结构及种群数量是衡量生态环境质量的重要指标，能够作为环境变化的指示物种。为此，文章研究应用样线法调查鸟类个体数量，并使用相应算式计算整个地区的鸟类种群密度。研究应用AI鸟类智慧监测识别系统获取鸟类种类、数量信息，并监测气候环境等数据，从而评估生态环境，为鸟类等生物提供优质的生存环境。通过有效手段探析鸟类生存状态，为优化、整治生物生存环境提供依据。

关键词：  鸟类；  野外调查；  監测技术

中图分类号：   S 57; S 755. 2; Q 948               文献标识码：   A                文章编号：１００1 － 9499（２０23）06 － 0041 － 04

松嫩平原是东北平原的最大组成部分，位于松辽盆地中部地区，地处吉林省、黑龙江省、内蒙古自治区交界处，主要由嫩江及松花江冲积形成。松嫩平原是保护和管理生物多样性的重点区域，总面积达3.68万平方公里，涵盖25个县区及8个国家级自然保护区。平原湿地分布较为广阔，物种较为丰富。初步统计，平原鸟类有265种，其中8种为国家一级保护动物，30多种为国家二级保护动物。松嫩平原有《中日候鸟保护协定》所列出的227种鸟类中的116种，保护松嫩平原物种多样性具有重大意义。松嫩平原冬季时节气温干燥寒冷，常见鸟类有喜鹊、普通 、麻雀、松雀等，这些鸟类抗寒能力较强，本文将围绕松嫩平原冬季鸟类多样性分布格局，探究鸟类野外调查和监测技术。

1 野外鸟类调查和监测技术

1. 1 样线法

种群密度是在特定地区内开展绝对数量调查或取样调查生物个体数量[ 1 ]。样线法是基于统计学内样本体现总体的思想，调查样线内个体的绝对数量，进而计算整个地区的种群密度。因此，应用样线法普遍包含布设样线、调查数量及计算密度三方面内容。其中，布设样线的位置、数量等需结合地区环境及调查对象生活习性特点进行系统取样或分层取样。

应用样线法调查鸟类时需满足以下条件：（1）鸟类不会受调查人员的影响进出样带。（2）样带内的鸟类均能够被及时发现并鉴别。（3）在记录鸟类个体时不会出现遗漏或重复的情况。（4）准确测量样线至鸟类个体的距离。（5）每次鸟类样线调查不会相互影响。在实际调查操作中，同时满足上述条件具有一定难度，但调查经验丰富的工作人员能够通过复查、预查等方式有效减少调查误差。

样线法主要类型分为：无距离样线法、固定距离样线法、可变距离样线法。无距离样线法不会设定样带宽度及鸟类个体至样线的垂直距离。此方法只能将鸟类数量进行初步估计，因不涉及样线宽度便不能计算种群密度。固定距离样线法将样带宽度设为（w），统计样带宽度内外鸟类数量，将外部数据作为判断宽度设置合理的参考。宽度选择较为理想能够确保其内鸟类个体能够全部发现，森林环境内普遍为25 m，开阔地段普遍为50 m。可变距离样线法在固定距离样线法的基础上，记录鸟类个体至样线的垂直距离（x）或记录鸟类个体至工作人员距离（r）及方位角度（θ），进而求取直线距离（x=r sin θ）。在实际操作中，估算鸟类个体至样线的垂直距离具有一定难度，可以设定多条固定宽度，将鸟类个体至样线距离近似于记录不同的距离区段[ 2 ]。

样线法密度计算，利用上述方法统计鸟类个体数量，选用条带计数法、Gates截线法、Fourier截线法等密度计算方式计算鸟类种群密度[ 3 ]。具体计算方式：

1. 2 AI鸟类智慧监测识别系统

现阶段，调查监测鸟类多采用“人工+设备观测”的方式，利用高倍望远镜及长焦相机进行大范围、远距离观测。相较早期人力肉眼、蹲点观察、定期查巢的方式，虽提升监测及计数的准确性，降低对鸟类的干扰，但需耗费大量人力物力且对于监测人员的工作技术要求较高，除了需要具备基础分类学知识，还需要具备拍摄技巧，且做好长期规划能够坚持此项工作。因此，早期监测方式在保证监测工作的完整性、连续性、准确性方面具有一定难度。

随着大数据分析技术及AI技术的发展，特别是视频图像识别技术的进步，为搭建AI智能监测系统辅助调查鸟类多样性提供技术支持，创新鸟类动态监测及鸟类多样性调查手段（图1）。

AI鸟类智慧监测系统主要由智能识别软件及硬件监测设备所构成，前端设备主要负责捕捉监测范围内鸟类的音像材料，进而通过边缘设备或侧端设备进行智能分析，得出鸟类种类、数量、位置等信息，或者传输至云端利用计算机智能设备进行分析，将所得结果及传输数据保存在云端服务器中，为智能监测系统后续统计分析工作提供数据支持。

系统前端设备主要包含鸟类监测专业声音设备及摄像机等[ 4 ]。鸟类监测专业摄像机主要负责视频监控及鸟类拍摄，并将捕获的视频或图片上传至AI识别服务器；鸟类监测专业声音设备将自动侦测鸟鸣声，并通过声纹识别算法分析物种。除此之外，亦可以人工上报利用手机等移动端拍照或录制鸟类声音进行上传识别（图2）。

鸟类AI识别服务器，能够实时监测鸟类并具备高效分析处理功能，采用CPU+GPU异构计算架构，鸟类识别算法模型，高速IO交换技术[ 5 ]。并接入实时监控视频流，根据采集的鸟类影像信息检测鸟类特征进行实时分析，此系统具有性能高、可靠性高且易维护的特点。

鸟类智能监测管理软件的主要功能是系统化管理监测数据，并进行多维度的统计分析。此监测管理系统主要是凭借AI、地理信息系统、物联网等技术多构建，系统具有视频接入、管理图片、实时监测管控、鸟类名单、分析统计等功能。

鸟类智能识别算法是鸟类智慧监测系统的核心，算法主要包含对图像、视频及声音的鸟类识别算法[ 6 ]。对于图像、视频识别算法，是通过精准提取鸟类形态及特征构建分类模型，进而取得精准的识别结果。在日常應用中，应结合鸟类形态学专业知识，开展规模较大的数据训练，进而不断提升算法模型在不同应用场景下计算结果的精准性及稳定性。图像、视频鸟类识别算法比较适用在水面或湿地等环境较为开阔的生态环境内。对于森林、山林等遮挡比较严重，视野不太开阔的环境内，只能收录到鸟类的声音信息，在此种环境下，可以使用鸟类声音识别算法实时监测调查鸟类。声音识别算法是将带有鸟类声音的数据信息进行分析，得出频谱特征及波形特征，实现鸟类叫声的识别。首先，需开展构建波形特征提取工作，将声音数据内的音调、振幅等波形特征信息实现有效提取。然后，构建特征融合机分类模块，识别鸟类种类。在一些情况下，可以将图像、视频鸟类识别算法及声音鸟类识别算法结合使用，将影像及声音多模态融合提升识别结果的准确性。

应用AI智能鸟类监测系统能够监测鸟类生存环境（图3）。实时监测空气质量、土壤墒情、气象气候等环境数据，能够区域性评估并分析生态环境，进而开展人为整治，为鸟类等生物提供优质的生存环境。与此同时平台将生存环境进行分析，能够分析鸟类迁徙、选址筑巢、繁殖等情况，进一步了解鸟类生物多样性。

2 结 语

综上所述，开展鸟类野外调查和监测工作是保护鸟类的重点工作内容，能够全面了解鸟类资源现状、种群动态、变化趋势等，为保护鸟类提供决策依据。松嫩平原鸟类种类丰富，是保护鸟类优先区域。通过样线法、样点法、环志、红外相机、卫星追踪、AI智能监测系统调查并监测野外鸟类，保证监测工作的完整性、连续性、准确性，提升鸟类监测效率，创新鸟类调查及监测手段，为科普宣传保护生物多样性提供技术、数据支撑，建设生态文明环境，促进人与自然和谐共处。

参考文献

［1］ 谢梅英，  曾献兴，  杨新东，  等.  广东翁源青云山自然保护区鸟类多样性调查分析［J］.  南方农业， 2023， 17（7）： 72 - 81.

［2］ 傅晓雪，  王涛，  胡宇轩，  等.  大熊猫国家公园绵阳安州片区鸟类资源现状及区系组成［J］.  绵阳师范学院学报， 2023， 42（2）： 57 - 67.

［3］ 吴科毅，  阮文达，  周棣锋，  等.  基于音节聚类分析的被动声学监测技术及其在鸟类监测中的应用［J］.  生物多样性， 2023， 31（1）： 126 - 136.

［4］ 孙戈，  曾立雄，  钱法文，  等.  鸟类监测技术现状与发展趋势［J］.地理信息世界， 2022， 29（6）： 26 - 29.

［5］ 王翠，  李梓雯，  邓文洪.  京冀太行山优先保护区域受胁鸟类多样性与分布特征［J］.  北京师范大学学报（自然科学版）， 2022， 58（6）： 853 - 860.

［6］ 游海林，  吴永明，  徐力刚，  等.  声音监测技术在鄱阳湖典型湿地鸟类多样性监测中的应用［J］.  生态学杂志， 2021， 40（9）：3025 - 3032.