AI如何通过卫星图像识别刺猬栖息地

虽然无法从太空中直接观测到刺猬，但通过寻找黑莓灌木丛可能定位它们的栖息地。这是剑桥大学正在进行的科研项目核心思路——研究人员利用卫星图像和AI模型，通过识别刺猬最喜爱的藏身之处（黑莓灌木丛）来绘制英国境内的潜在刺猬栖息地地图。

过去十年间，欧洲刺猬数量下降了约30%至50%，在大范围区域内追踪这些夜行动物仍然困难且成本高昂。研究人员Gabriel Mahler开发了一种AI模型，通过卫星数据识别黑莓灌木丛（刺猬用于藏身和觅食的多刺灌木）。

这些小型哺乳动物依赖此类茂密植被作为白天的庇护所、筑巢地点和抵御捕食者的保护层。黑莓灌木丛还能吸引昆虫并提供浆果，支撑刺猬食用的无脊椎动物种群。

传统的刺猬调查需要大量夜间野外工作、专业设备或公民科学家报告目击记录。这些方法难以适用于全国性保护规划。相比之下，卫星图像能持续覆盖广阔区域，如果AI模型能可靠识别黑莓丛等关键栖息地特征，保护工作者或将获得强大的大尺度栖息地评估工具。

从卫星到灌木丛

尽管AI是当前热门词汇，但值得注意的是剑桥团队的检测器并非基于像ChatGPT这样的大语言模型。该模型采用了相对简单的机器学习技术：逻辑回归和K近邻分类的组合。

Mahler的黑莓检测器还结合了TESSERA地球表征嵌入（处理欧洲航天局Sentinel卫星的影像数据）与iNaturalist公民科学平台的地面实况观测数据。

但这种方法实际效果如何？为验证结果，Mahler与同事Sadiq Jaffer、Anil Madhavapeddy和Shane Weisz花费一天时间携带智能手机和GPS设备在剑桥周边实地考察，核对模型预测是否与现实相符。

“在模型指示的区域，我们仅用20秒就发现了第一处黑莓丛，”Jaffer在记录实地测试的博客中写道。从模型显示停车场附近存在高置信度黑莓丛的Milton社区中心出发，团队系统性地走访了不同预测级别的区域。

在Milton乡村公园，他们核查的每个高置信度区域都存在显著的黑莓生长。当调查一处住宅区热点时，他们发现了一片杂草丛生的空地。最有趣的是，剑桥北部的一处主要预测将他们带到了名为“Bramblefields”的本地自然保护区——该地区确实存在广泛的黑莓覆盖。

据报道，该模型在检测大型无遮盖的黑莓丛时表现最佳。被树冠遮蔽的小型黑莓丛则显示较低置信度评分——考虑到卫星的俯视视角，这是符合逻辑的局限性。“由于TESSERA是从遥感数据学习得到的表征，被上方部分遮蔽的黑莓丛更难被发现是合理的，”Jaffer解释道。

尽管研究人员对这些初步结果表示乐观，但黑莓检测工作仍处于积极研究中的概念验证阶段。该模型尚未在同行评审期刊发表，且描述的实地验证属于非正式测试而非科学研究。剑桥团队承认这些局限性，并计划进行更系统的验证。

不过，这仍然是神经网络技术相对积极的研究应用，提醒我们人工智能领域远不止生成式AI模型（如ChatGPT）或视频合成模型。

若该研究取得成功，黑莓检测器的简洁性将带来实际优势。与资源密集的深度学习模型不同，该系统可能可在移动设备上运行，实现实时实地验证。团队考虑开发基于手机的自学习系统，让野外研究人员在验证预测的同时改进模型。

未来，类似结合卫星遥感和公民科学数据的AI方法，可能用于绘制入侵物种分布图、追踪农业害虫或监测各类生态系统的变化。对于刺猬这类受威胁物种，在气候变化和城市化不断重塑其栖息地的时代，快速绘制关键栖息地特征图正变得愈发重要。