鸟类在夜间会做什么？这是一个简单的问题，困扰了科学家数百年。曾有过 各种离奇的理论，认为鸟类会潜入水中，或将自己埋在泥土里。到了 19 世纪，一只德国鹳 被发现 脖子上插着一支非洲长矛，这为鸟类确实会迁徙提供了证据。而在 1881 年，一位科学家 观察到这些迁徙的鸟类 在夜间飞行，并用望远镜指向月亮。
观月赏鸟一直是项小众科学。它的原理类似于天文学中的 凌日法，即在 测量系外行星 时，观察它们经过恒星前方时产生的剪影。鸟类学家 George Lowery 在 20 世纪 50 年代 开始量化这一过程，组织了大规模的活动，从月球观测中收集全国性的数据。在黄昏和黎明之间，Lowery 的团队会抬头仰望满月，记录下他们看到的鸟类的飞行路径、飞行方向和数量。由于当时的技术相对简陋，他们将月亮的面部与圆形钟面进行关联，并记录下鸟类进入和离开的“时间”（指代位置）。
俄克拉荷马大学的研究员 Wesley Honeycutt 说：“我们正在尝试用我们的小型机器人来自动化这个过程。”“因为虽然 Lowery 的技术很有用，但它很痛苦。这几年我看了太多月亮了。”
[相关：在你睡觉的时候，科学家将使用太空望远镜监视迁徙的鸟类]
Honeycutt 指的是他与俄克拉荷马大学团队共同创建的 LunAero。LunAero 的 硬件组件 包括用于录制视频的相机、一台小型计算机、一个瞄准镜和一个电动支架。它使用简单的 计算机视觉技术 来保持月球聚焦并跟随其移动。它可以捕捉到被动观察者可能错过的鸟类。该支架可以适配各种望远镜，供观鸟者或鸟类学家使用。
除了视频录制，该系统还生成一个日志文件，包含录制时间、帧计数和相机传感器设置等信息。该团队正在开发能够分析 LunAero 获得的视频的软件。但目前，视频收集完毕后，仍需人工提取包含鸟类的帧，并标注它们的飞行路径和模式（例如飞行速度是快还是慢）。初步测试于 2018 年和 2019 年 4 月和 5 月进行，这是鸟类迁徙的高峰期。
研究人员已经从目前的数据中获得了大量信息。俄克拉荷马大学鸟类学家、助理教授 Eli Bridge 说：“这取决于具体条件和鸟类飞行的高度。有些鸟你可以识别出它们的属，甚至可能是种，如果你对你所在的位置以及你可能看到的鸟类做一些假设的话。”“有些鸟的飞行模式非常独特，你可以辨认出来——我们可以看到夜鹰上下俯冲。除了计数，你还可以获得它们非常准确的飞行方向。你可以可视化风力漂移。”
该团队的目标是将这项技术作为雷达航空生态学等其他鸟类迁徙追踪工具的补充。
Honeycutt 说：“雷达航空生态学很酷，因为你可以看到迁徙的鸟类，以及它们如何从城市或栖息地飞出，它们如何流动，以及高度，但你无法分辨你看到的是什么。”“你可以看到天空中那个区域有一个水球（形状的物体），但你无法知道那是什么鸟，是 12 只鸟，还是穿了外套的 3 只昆虫——在我们找到观察它们的方法之前，我们真的不知道。”
任何人都可以使用车间里的材料和亚马逊上的电机来组装 LunAero 设备。零件图纸和组装说明 均已公开。LunAero 组件（不含望远镜）的成本约为 150 美元。最昂贵的组件是为系统供电的 Raspberry Pi 计算机。Honeycutt 说：“这些非常便宜的仪器的一个优势是，你可以一次部署很多台。”“如果你将所有这些廉价的传感器部署在一起，最终会达到一个传感器临界点，你开始生成与高质量仪器相当的数据。”
[相关：简单计数软件如何让生物学家工作更轻松]
在 2020 年于《HardwareX》期刊上发表 LunAero 技术论文后，Bridge 和 Honeycutt 继续进行硬件升级，并已将设备寄给观鸟者试用。
Bridge 说：“理想情况下，它将成为一项公民科学工具。我不知道我们是否已经达到了这一步。有一些小问题让它变得困难。”如果天气条件不好或有云遮挡月亮，他们就必须整晚重新配置设备。观测结果与月相周期相关，当月亮不满半月时，LunAero 收集到的数据会急剧下降。
Honeycutt 提到：“我们一直在不断进行微调，逐步改进如何在各种望远镜上稳定地固定相机。”“虽然概念上的硬件没有大的飞跃，但正是这些小细节正在扩大潜在用户群。”
该团队正在准备他们首批关于 LunAero 可捕捉和量化的社会行为的数据论文。“你可以判断鸟类是独自飞行，还是成群结队，有时是编队，有时只是松散的群体，”Bridge 说。“我认为在夜间没有其他方法可以看到这一点，除非你使用探照灯或红外相机，或者其他直接观察鸟类的方法。”
[相关：观鸟爱好者看过来：康奈尔大学的 Merlin 应用现已成为观鸟识别的一站式服务]
数据分析是推广广泛数据论文的主要障碍。“分析数据比收集数据需要更长的时间，因为你基本上必须逐帧查看，”Bridge 说。“我们目前没有能力处理来自许多人的大量视频。”
虽然机器学习这样的工具似乎可以提供帮助，但遗憾的是，目前可能还无法实现。“如果你看视频，很多鸟只有一个像素，”Honeycutt 说。“区分一个实际的鸟像素和 10,000 个非鸟像素是一个非平凡的问题，我认为机器学习技术目前还无法处理。这就是为什么我们采用一种更耗费计算资源的朴素系统。”
目前，该团队正在为该仪器进行概念验证和早期数据论文的准备工作。但他们设想，在五年内，它可能会成为现有迁徙技术套件的独特补充。
俄克拉荷马大学生物学教授 Jeff Kelly 说：“如果你对（鸟类）有追踪设备，或者你通过雷达看到它们，你无法直接观察到它们。即使是在它们飞过月亮的时候能够直接观察到它们，也是一套独特的数据。”“将这些数据与追踪数据相结合总是有价值的，追踪数据提供了鸟类飞行地点和时间的信息，但你无法直接看到它。”
关于鸟类为何以及如何迁徙，仍然有许多未解之谜。鸟类是成群飞行，还是单独飞行？它们是否对相同的风况做出反应？它们是否都以相同的高度飞行？Kelly 说：“我们很难具体了解这些鸟类正在应对什么。”“当我们开始谈论我们在空中建造的基础设施，或者鸟类与建筑物的碰撞以及夜间灯光的问题时，这种能够具体观察情况的数据将对我们理解这些问题产生重大影响。”
