候鸟 即将启程。从三月开始，随着歌鸟、涉禽、游禽和猛禽返回城市，北美地区的 春季迁徙 将全面展开。尽管科学家们知道这些小家伙们很快就会展翅高飞，但他们长期以来一直试图确定鸟类返回美国本土（而不是在热带地区越冬）的确切路线。
本周发表在《生态学与进化方法》(Methods in Ecology and Evolution) 杂志上的一项由马萨诸塞大学阿默斯特分校和康奈尔大学团队进行的研究，描述了一种利用计算机建模和来自公民科学平台 eBird 的观测数据来预测这些迁徙鸟类飞行路径的新策略。研究人员表示，这种被称为 BirdFlow 的预测能力非常准确。
“要获得关于鸟类在哪里、准确来说它们要去哪里的精确、实时信息，是极其困难的，”马萨诸塞大学阿默斯特分校计算机科学专业的研究生、该论文的首席作者 Miguel Fuentes 在一份 新闻稿 中说。
例如，科学家们知道，像美国白鹇这样的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地区。但它们在两个目的地之间可以采取多条路线。
追踪标签 可以提供一些部分线索，但很难为所有感兴趣的鸟类都打上标签。而 天气雷达 能够很好地实时可视化鸟类移动，但实际上无法提供关于鸟群中有哪些物种，或个体鸟类行为的信息。另一方面，月球观测机器人 能够很好地观察个体行为，但过于依赖宇宙时间。此外，鸟类每年迁徙的路线可能会发生变化。像所有野生动物一样，它们本质上是不可预测的。
为了更准确、实时地掌握迁徙鸟类的情况，该团队开发的概率估计机器学习模型 BirdFlow 使用 eBird 的每周 鸟类观测和种群分布数据 进行训练。它通过最新的 GPS 和卫星追踪数据进行微调，以便预测某些鸟类在旅程中接下来的目的地。
“BirdFlow 模型可以针对任何物种进行训练，即使是那些未被 eBird 追踪的物种，只要有相对丰度模型即可，”研究人员在论文中写道。该模型在 11 种北美鸟类（如美国白鹇、林木鹟和勺隼）上进行了测试，其表现优于其他迁徙预测模型。此外，即使没有实时 GPS 或追踪数据，它也能正确预测鸟类的飞行路径。
根据新闻稿，该团队将利用来自美国国家科学基金会（National Science Foundation）的 82.7 万美元的资助，进一步改进 BirdFlow，并为生态学家准备一个软件套件，预计将于今年晚些时候发布。研究人员还在开发一个基于这些模型的更直观的界面，以吸引公众的参与。
“除了我们案例研究中调查的生态学问题，BirdFlow 模型中的样本还可以用于研究停歇行为和对全球变化的响应等其他现象，”作者写道。“最后，BirdFlow 可以通过提供一个外展工具来提高公众对生物多样性和生态系统健康的认识，以吸引科学家、观鸟者、政策制定者和普通大众。”
