蛛形纲动物是天生的舞者。经过数百万年的进化，许多物种依靠精巧的舞步来传达从求偶仪式到领地争夺，再到捕食策略等各种信息。研究人员通常在实验室环境中观察这些运动，使用所谓的激光测振仪。在将该设备的激光束对准目标后，测振仪会测量多普勒效应产生的微小振动频率和幅度。不幸的是，这类系统的成本和灵敏度通常会限制其野外部署。
为了解决这个长期存在的问题，内布拉斯加大学林肯分校的一名博士生最近将一系列微小、廉价的接触式麦克风与一个声音处理机器学习程序结合起来。然后，他打包好设备，前往密西西比北部森林，测试他的新系统。
崔努里（Noori Choi）的最新研究成果发表在《通讯生物学》上，该研究展示了一种前所未有的方法，用于收集蜘蛛在林地基质上极其难以探测到的运动。崔努里花了两个闷热的夏日，在1000平方英尺的森林地面区域设置了25个麦克风和陷阱，然后等待当地的野生动物发出振动信号。最终，崔努里带着39000小时的数据离开了密西西比州，其中包括超过17000组振动序列。
[相关：认识科学界已知的第一种电蓝色捕鸟蛛。]
当然，并非所有的低语都是崔努里想要的狼蛛发出的。森林是一个嘈杂的地方，充满了活跃的昆虫、叽叽喳喳的鸟儿、沙沙作响的树枝，以及像飞机引擎这样的入侵性人类声音。这些声波也会作为振动被土壤吸收，需要从科学家们要研究的蛛形纲动物信号中筛选出来。
崔努里在最近的一次大学简介中表示：“振动空间比我们预期的要繁忙得多，因为它同时包含了空气传播和基质传播的振动。”
过去，这种分析过程是一个令人沮丧、耗时且繁琐的手动工作，可能会严重限制研究和数据集的范围。但崔努里没有花费约1625天的时间来审阅录音，而是设计了一个机器学习程序，该程序能够过滤掉不需要的声音，同时分离出三种不同狼蛛物种的振动：Schizocosa stridulans、S. uetzi和S. duplex。
进一步的分析产生了关于蛛形纲动物行为的引人入胜的新见解，特别是S. stridulans和S. uetzi这两个近缘物种之间在声频、时间和信号空间上的重叠。崔努里发现，这两种狼蛛变种通常会将它们的信号限制在落叶层顶部，而不是松针碎屑上。崔努里认为，这表明蜘蛛的“房产”选择是有限的。
崔努里，现任德国马克斯·普朗克动物行为研究所的博士后研究员，周一表示：“它们可能选择有限，因为如果它们选择在不同的地方、不同的基质上发出信号，可能会扰乱整个交流，无法达到吸引配偶等目标。”
更重要的是，S. stridulans和S. uetzi似乎会根据当时的拥挤程度以及谁在拥挤它们来调整它们的交流方式。例如，当S. stridulans检测到附近有同种雄性时，它们往往会延长其振动密集的求偶舞蹈。然而，当它们感知到附近的S. uetzi时，它们会经常稍微改变它们的动作，以区别于其他物种，从而减少潜在的求偶混淆。
除了开辟观察蛛形纲动物行为的全新方法外，崔努里将接触式麦克风和机器学习分析相结合的方法，未来有一天还可以通过密切关注蜘蛛种群来帮助其他人监测生态系统的整体健康状况。
崔努里说：“尽管大家都同意节肢动物对生态系统功能非常重要……但如果它们崩溃，整个群落都会崩溃。没有人知道如何监测节肢动物的变化。”
然而，现在，崔努里的新方法可以提供一种非侵入性、准确且高效的工具，帮助人们随时了解蜘蛛的日常活动。
