使用公民科学数据进行实时生物多样性预测的数字孪生

用手机倾听自然

想象一下，走到户外，用手机按下录音键，几小时内你那段短短的鸟鸣录音就能帮助科学家绘制出物种当前所在以及明日可能去向的地图。该研究展示了普通人——即便不认识任何一种鸟——也能为一个强大的野生动物预测系统提供动力。研究人员把数百万段短录音转化为一个持续更新的、反映芬兰鸟类状况的“数字孪生”，证明了一个用于近实时追踪生物多样性的蓝图——这是保护工作者长期需要但从未真正实现的目标。

为什么观察野生动植物如此困难

健康的生态系统支撑着清洁空气、食物、气候稳定和我们的整体福祉，然而我们仍难以自信地说明许多物种在任一时刻的具体分布。专家的传统调查谨慎但速度慢且覆盖不均，而大型在线志愿者报告项目则可能存在噪声和偏差。爱好者技能参差不齐，人们多在舒适的地点和便利的时间去观鸟，且许多记录缺乏精确的努力信息。因此，即使拥有海量数据库，也很难将野生动物真实变化与人们观察方式、地点和时间的差异区分开来。

一个活的鸟类数字副本

研究小组采用了“数字孪生”的概念来解决这一问题——这是一种随时间变化而反映真实系统的活体计算模型。在本例中，该孪生追踪芬兰263种鸟类何时何地出现以及它们的鸣叫响度。模型每晚用来自公民手机的最新数据进行更新。它将这股数据流与多年的既有信息相融合：沿固定路线的专家鸟类计数、候鸟通常到达和离开的长期记录，以及科研站的连续录音。结合这些来源，孪生能够为每个物种估算三个关键要素：在本季节中某纬度是否已经到达、某一地点是否属于其正常分布范围，以及在特定时辰和季节在该处发声的概率。

替你倾听的手机应用

项目的核心是一款免费智能手机应用，Muuttolintujen Kevät，意为“候鸟之春”。用户只需录音，无需识别所听到的物种。该应用将原始音频传送到安全服务器，在那里一个以专家标注鸟鸣训练并微调的人工智能模型对物种进行筛查并附上置信度分数。为减少常见的公民科学偏差，应用提供三种录音模式。人们可以录制快速的直接片段、设置每十分钟采样一分钟的自动间隔录音（在不熬夜的情况下捕捉黎明合唱），或在公园和路线中的标记点进行定点计数以更均匀地分布空间采样。仅在两年内，超过30万人——约占芬兰人口的5%——提交了超过1600万段录音，产生了1500万次高置信度的鸟类检测，使该国成为一个巨大的声学观测站。

数字孪生如何学习与改进

每一批新录音都会为孪生带来新信息。系统首先调整应用在不同时间、不同季节检测某种鸟类的概率，这取决于录音长度和模式。然后它细化迁徙时序的描绘，将各年的到达与离开曲线朝向新数据所示的方向轻微调整，同时将其稳固在长期平均值上以避免对噪声过度反应。最后，它通过将预测与附近的实际检测比较来优化每种鸟类的分布地图，使城市和湿地周围密集的应用数据能修正以往较粗糙的栖息地地图。结果是每日刷新的鸟类出现视图，可能与旧模型大不相同——尤其是对像芦苇丛莺这类栖息地专家而言，早期调查往往对其偏好地点覆盖不足。

将预测付诸检验

为了检验这些复杂性是否真的带来收益，研究者进行了两项严格测试。首先，他们评估系统在一天前预测哪些应用录音会包含某种鸟类的能力。对于89种常见物种，更新后的数字孪生明显优于仅基于以往数据的模型，尤其是在时序随年变化的长途迁徙鸟类上。其次，他们用完全独立的实地调查对系统发起挑战：专家观鸟者在经过策略性选择的地点进行了1000多次短时计数，且对模型的预期一无所知。结果同样显示，数字孪生的预测比长期模型和一种广泛使用的全球公民科学产品都更为准确，尽管逐点预测中环境条件的微小差异使得这种验证尤其困难。

这对人类与地球意味着什么

对非专业人士而言，主要信息是你的手机现在可以成为国家级自然预警网络的一部分。通过将物种识别交给机器并精心设计人们录音的方式与地点，这种方法将普通公民分散的贡献转化为可靠、及时的野生动植物洞见。统计精度的提升看似温和，但在预测明天物种分布的高难度游戏中，这代表了一次重大飞跃。如果将这一做法扩展到芬兰以外及鸟类以外，类似的数字孪生可以帮助追踪昆虫、青蛙或整个声景，缩短环境变化与我们响应之间的时滞。简言之，共同倾听——在智能算法的辅助下——或许是我们跟上快速变化生物世界的最佳工具之一。

引用: Ovaskainen, O., Winter, S., Tikhonov, G. et al. A digital twin for real-time biodiversity forecasting with citizen science data. Nat Ecol Evol 10, 481–495 (2026). https://doi.org/10.1038/s41559-025-02966-3

关键词: 数字孪生, 公民科学, 鸟类监测, 生物多样性预测, 声学生态学