深度学习追踪坦桑尼亚的黑猩猩以实现更智能的保护

黑猩猩的未来取决于明智的保护策略，这需要数据，大量的数据。生态学家阿德里安娜·奇塔亚特（Adrienne Chitayat）在坦桑尼亚对黑猩猩进行了研究，并且是第一个系统调查整个马哈勒山国家公园的黑猩猩种群密度的人。 

在她的论文中，她提供了公园内黑猩猩密度的详细基线，该公园是大马哈勒生态系统的一部分。Chitayat 还开发了一种新的基于深度学习的声学探测器，可以识别黑猩猩的声音。 

这项技术可以更有效地监测黑猩猩种群，并更容易预测与人类相关的威胁。

黑猩猩和倭黑猩猩一样，是我们现存的近亲。坦桑尼亚黑猩猩数量最多，位于该物种分布范围的最南部和东部，生活在占地近 20,000 平方公里的大马哈勒生态系统中。它包括马哈勒山国家公园，这是东部黑猩猩（Pan troglodytes schweinfurthii）的重要栖息地。 

“尽管该地区很重要，但它是运行时间最长的黑猩猩研究地点之一，但整个公园对黑猩猩的研究却很少，”奇塔亚特说。 

– 已有基于小规模或局部调查的估计，但没有全面的基线数据。 

– 如果没有这些数据，就很难了解黑猩猩的种群模式并制定良好的保护策略。我的目标是填补这一空白。”

数巢
黑猩猩睡在巢里，很少连续两个晚上使用同一个巢，这意味着它们每天都会造一个新巢。 
通过计算巢穴并确定它们的年龄，奇塔亚特能够对整个公园内黑猩猩的密度做出可靠的估计。她发现黑猩猩的密度从每平方公里 1.1 只到 3.7 只不等。

处于气候变化的前线
国家公园极其多样化，景观多样，从茂密的雨林到广阔的大草原。Chitayat：——令人惊讶的是黑猩猩使用整个栖息地，而不仅仅是森林地区。 

– 我们在开放和封闭的植被中发现了它们，其种群密度与可用食物来源等生态因素有关。在开阔、干燥的地区，森林大多呈条状，食物较少，黑猩猩密度也较低。

– 通过观察黑猩猩如何利用景观并在其中移动，我们可以得出结论，不仅茂密的森林地区对于保护动物很重要。这个生态系统处于气候变化的前线。这就是最大的威胁之一。

“例如，通过照顾连接重要或孤立区域的走廊，我们支持黑猩猩更自由地行动并更好地保护黑猩猩种群的寿命。”

从声音中学习
正如奇塔亚特现在为整个国家公园所做的那样，计算巢穴是监测黑猩猩的一种良好而可靠的方法。但它也既耗时又昂贵。 

– 此外，黑猩猩很难习惯于近距离观察（让它们习惯于人类）。 

“因此，根据 Chitayat 的说法，我们需要其他方法来研究那些不习惯的动物，其中包括大多数黑猩猩。”

她开发了一种基于深度学习的新型声学探测器，可用于被动声学监测。

Chitayat：“被动声学监测是一项革命性技术，可以自动记录声学设备附近的所有声音，包括黑猩猩的声音。” 

– 它可以用来查明黑猩猩在哪里、出现的频率、时间以及数量。问题是您有数小时、数天、甚至数周的录音，手动收听太费力了。”

因此，奇塔亚特研究了她是否可以自动识别黑猩猩的声音，以便更有效地使用深度学习对庞大的数据集进行分类。

从响亮的喘息声到轻柔的咕噜声
为了让深度学习算法正常工作，必须输入大量训练数据（黑猩猩声音及其环境的示例）。 

Chitayat：——这很困难，因为没有可用的大型声音数据库——例如，与鸟类不同。

– 黑猩猩会发出许多不同的声音来相互交流，从用来给人留下深刻印象和远距离交流的响亮的喘息声，到用来互相问候的轻柔的咕噜声。 

– 我们专注于喘息声，由于这些叫声的复杂性和可变性，这使得我们的任务变得格外困难。”
Chitayat 设法使声学探测器成为一种可行的方法。– 这是一大步，但不是最后一步。机器学习技术最终可以用于区分黑猩猩个体。

– 这将使您能够更多地了解群体内的人口统计数据 – 例如男性和女性的数量及其年龄层 – 以及他们的模式和习惯。我们学得越多，就越能更好地保护黑猩猩。”