基于物联网技术的野生动物生态学监测——以大紫胸鹦鹉和西黑冠长臂猿为例

房祥玲，周兴策，钟恩主，胡坤融，房以好，郭盘江*

(1.西南林业大学 生命科学学院，云南 昆明 650224；2.西南林业大学 大数据与智能工程学院，云南 昆明 650224；3.西南林业大学 生物多样性保护与利用学院，云南 昆明 650224)

物联网是通过射频识别、传感器、全球定位系统、激光扫描器等信息感应设备，按照约定的协议，把物体与互联网连接起来，进行通讯和信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络[1].物联网监测的对象可以是各种无生命的物体和环境参数[2]，也可以是某些活动的动物物种[3].

物联网可广泛应用于农业环境远程监测[4]、环保行业[5]、大气与水质监测[6]、人工智能[7-8]和野生动物监测[9-10]等领域.物联网技术在野生保护动物的生态监测的应用不仅降低了生态监测的部署成本，还能实时监控野生保护动物的生活.目前，多种形式的物联网技术已实际应用于动物生态学领域的研究中.Ayele等[11]提出一种用于野生动物监测的物联网架构，运用动态的网络拓扑结构完成超低功耗物联网设备的部署，实现可持续的野生动物移动监测应用.RWTH Aachen University的“Ratpack”项目利用无线传感器节点对啮齿动物的行为和运动进行声音分析、位置计算和地形绘制[12]，为研究自然环境中啮齿动物的活动特点提供一种新方法.安的列斯和圭亚那大学(UAG)的研究员使用由一系列无线麦克风组成的声学传感器阵列来持续记录鸟类个体的活动和鸣叫，从而识别它们的合作行为[13].

基于物联网的野生动物生态监测研究总体来说处于探索阶段，相关研究还相对较少，笔者将物联网技术应用于野生大紫胸鹦鹉和西黑冠长臂猿的行为生态学研究，既能实时获取野外大紫胸鹦鹉和西黑冠长臂猿的某些行为表现，又具有通过获取的视频、音频、温湿度等同步数据分析野生动物行为的生态学意义，节省了大量的人力、物力和财力，可为今后野生动物行为学研究技术的发展提供一定的理论基础和研究实例.

1 基于物联网的动物行为生态学监测系统

1.1 基于物联网的大紫胸鹦鹉的行为生态学监测系统

1.1.1 研究地区

研究地位于云南省普洱市思茅区思茅港镇茨竹林村芒坝，海拔1 354 m，地处糯扎渡自然保护区东北部(100°27′E，22°43′N)，是云南热带和南亚热带的过渡地带，鸟类种类以热带种类居多[14].村子东北边山谷谷底为芒坝河.植被类型以思茅松纯林和针阔混交林以及灌丛为主，沟谷地带为次生阔叶林，有丰富的珍稀动植物资源，寨子总面积1 130 hm2.研究地每年的11月至次年的4月，气温较5—10月低，干燥少雨，为干季，该季降水量不足全年的15%；5—10月为雨季，雨热同季，降水量占全年总量的85%以上.年均温22 ℃，最热月(6月)平均气温25.6 ℃，最冷月(1月)平均气温14.9 ℃[15].

1.1.2 物联网技术应用及其系统架构

为研究野生大紫胸鹦鹉行为节律，搭建一个组装简便且性能完善的物联网生态监测系统.如图1所示，其系统架构基本由3个部分组成：

(1) 感知层是物联网系统的最前端，负责物体、环境等对象的识别和信息获取.笔者于2019年2月17日—2月21日在芒坝村高山榕树上安装了3个人工鸟巢(利用中空的树干制作，巢高62～75 cm，外径22～30 cm，内径10～14 cm)，每个人工鸟巢中安装2个红外摄像头(品牌：安捷睿安防，型号：1080P)，1个温湿度传感器探头(品牌：建大仁科)；为避免鹦鹉弃卵而走，在天然巢中只安装了1个红外摄像头，并未安装温湿度传感器探头.巢外(一个位于天然巢洞外，另一个位于人工巢上方)安装2个红外摄像机(品牌：大华，型号：乐橙TF1P).

(2) 网络层通过特定的网络传输协议(TCP/IP、Zigbee、串口通信等)，实现数据交互，将感知层采集的信息可靠稳定地传输.物联网监测系统另纳入了云计算技术，保证采集数据的实时远程传输、高效同步处理和海量存储备份.

(3) 应用层通过软件技术、算法设计和计算工具对云端数据做进一步的智能统计与自动化分析.

图1 物联网架构图

1.2 基于物联网的西黑冠长臂猿行为生态学监测系统

1.2.1 研究地区

研究区域位于云南省哀牢山国家级自然保护区楚雄片区，海拔为1 800～2 600 m(101°3′E，24°34′N)，是以保护亚热带中山湿性常绿阔叶林生态系统和西黑冠长臂猿、绿孔雀等众多珍稀野生动物及国际重要候鸟迁徙通道为重点的保护区，属自然生态系统类别森林生态系统类型，具有重要的保护和科研价值，非常适合作为生态环境和生物多样性保护的主要研究地.此地年平均气温11.3 ℃，最热月(7月)平均气温15.6 ℃，最冷月(1月)平均气温5.2 ℃.一年中干雨季分明，雨季(5—10月)降雨量可达1 600 mm，干季(11月—次年4月)降雨量在200～300 mm.山地以黄棕壤和棕壤为主，土壤呈酸性，有机质含量较高.表土透水性良好，涵养水能力强.

1.2.2 物联网技术应用及其系统架构

该物联网监测系统无须人工定时定点回收数据，是在野外生态区长期独立工作的监测站点.该物联网系统架构如图2所示，其主要具备以下特点和功能：

(1) 系统使用多个户外指向性拾音器(采样频率为32 kHz，位深度为16 bit，信噪比为85 dB)组成的自研拾音器阵列以实现大范围的音频监测和声源定向功能.

(2) 运用通视性分析[16]规划无线网络通信的传输路径，保证实时高效的数据回传.

(3) 布置无线传感网采集保护区内的生态环境因子.

(4) 依据实际环境条件和设备功耗设计具备远程控制功能的太阳能供电系统[17]，保障监测系统在野外环境下稳定持续的数据采集和网络通信.

图2 基于物联网的西黑冠长臂猿生态监测系统

2 研究方法

2.1 大紫胸鹦鹉行为生态学研究方法

2019年2月17—28日在芒坝村预观察野生大紫胸鹦鹉行为，了解其基本行为节律，后期数据主要通过物联网技术获得.通过巢内摄像头观测大紫胸鹦鹉在洞内的行为，通过巢外摄像头观测鹦鹉在巢穴附近的行为及集群行为，并结合物联网监测系统获取的视频、音频、温度、湿度记录予以分析.

观察期间每天00:00—24:00对亲鸟进行不间断观察，分析野生大紫胸鹦鹉繁殖期的日行为节律.集群行为据实地观察经验，经巢外摄像头获取的音视频记录时间，集群时间的记录参照郝亚南等[18]的记录方法，记录天气状况，分为晴天、阴天和雨天.集群行为统计8个月(2—9月)数据，共209 d.

利用Excel 2010进行数据汇总，分析野生大紫胸鹦鹉在观察期各类行为发生的比例(行为发生的比例=日行为发生时长/日总分钟)，以时为单位对数据进行分析；利用SPSS 22.0软件使用双变量相关分析检验温度、湿度对集群行为的影响.所有检验p<0.05认为具有统计学意义.温度湿度每隔30 min记录1次，结果以日计.

2.2 西黑冠长臂猿行为生态学研究方法

据研究表明，西黑冠长臂猿营一夫一妻或一夫二妻的家庭群生活[19].一个群体内只会有一个成年雄性个体，一片区域内成年雄性西黑冠长臂猿的个体数量通常就代表种群数.为宣示领地和区分相邻群体，成年雄性西黑冠长臂猿会积极调整自己的鸣声，不同群体成年雄性个体的鸣声会存在差异[20].据此，通过Adobe audition CC工具对监测系统采集的音频数据进行分割、降噪等预处理，选择适于分析的鸣声样本提取声学特征——梅尔频率倒谱系数(Mel frequency cepstrum coefficient，简称MFCC)，利用Meanshift聚类算法对成年雄性西黑冠长臂猿鸣声的声学特征进行分析.

3 实验结果及分析

3.1 野生大紫胸鹦鹉

3.1.1 鹦鹉孵卵期活动节律

2019年2月21日—3月8日，孵卵期雌鸟各种行为及占比分别为：孵卵(91.28%)，离巢(4.95%)，理羽(2.26%)，啄洞(1.15%).孵卵期野生雌性大紫胸鹦鹉活动时间主要集中在07:00—09:00和16:00—19:00这两个时间段(详见图3).离巢有3个高峰期，分别在09:00，15:00，18:00，这说明鹦鹉活动时间集中在早上和下午，避开了温度高、湿度低的中午.啄洞和理羽高峰期在13:00和19:00，说明鹦鹉在不活动的时候才会啄洞和理羽，警戒全天都有发生.

图3 雌性大紫胸鹦鹉孵卵期行为节律(n=18)

3.1.2 育雏期活动节律

2019年3月9日—4月17日，育雏期雌性大紫胸鹦鹉活动时间分配如表1所示.育雏期随雏鸟成长，喂食行为占比逐渐减少；离巢行为占比逐渐增大；理羽行为并无较大变化；在育雏前期无啄洞行为，在中后期才逐渐出现；警戒行为在育雏前中期占比较高，后期占比为0%.育雏期雄性鹦鹉给雌鸟喂食的行为减少，雌鸟离巢时间变长.

育雏期，雏鸟行为及占比如下：理羽(1.43%)，啄洞(2.64%)，取食(3.66%)，休息(92.27%).雏鸟孵出次日两眼紧闭，眼球大且向外突出；雏鸟在第10日龄开始有振翅动作；13日龄眼微睁；15日龄眼睛完全睁开，在29日龄第一次爬到洞口.每日取食(23.43±11.86)次，累计日取食时间(52.77±30.95)min，每次取食时间平均(3.65±3.04) min，最长取食时间20.5 min，最短取食时间0.08 min.

表1 育雏期雌性大紫胸鹦鹉活动的时间分配 %

3.1.3 集群行为

观察和调查发现3月份出雏率最高，集群行为以3月份为界，3月份以前为繁殖期，3月份以后为非繁殖期.集群行为统计8个月数据，共209 d，详见表2所列.观察时期的温度、湿度数据列于表3.

表2 野生大紫胸鹦鹉集群时长及集群率

表3 各月份大紫胸鹦鹉集群时的温度、湿度数据

由表2可见，繁殖期集群率较高(100%)，非繁殖期集群率逐渐降低，但繁殖期比非繁殖期集群时间短，野生大紫胸鹦鹉在2月份集群时间最短，9月份集群时间最长.野生大紫胸鹦鹉的集群时间主要集中于早上06:30—08:00.

观察时期的雨天共22 d，其中5 d因早上下雨未集群，2 d集群时间较短；下雨时间在8:00以后的天气，鹦鹉集群行为不受影响；在8:00以前，鹦鹉的集群时间会推迟10～20 min；正在下雨时不会发生集群行为.阴天共13 d，其中有6 d集群时长超过50 min，鹦鹉的集群时间会推迟5～10 min，集群时长会延长10 min左右.这说明阴雨天气对鹦鹉的集群行为有一定影响.温、湿度和集群时长的相关性分析列于表4.

表4 温湿度和集群时长的相关性分析

注：**在 0.01 水平(双侧)上极显著相关；*在 0.05 水平(双侧)上显著相关.

由表4可知，温度与集群时长呈显著正相关关系，相关系数为0.152(p<0.05)；湿度与集群时长呈极显著正相关关系，相关系数为0.193(p<0.01).

3.2 西黑冠长臂猿

3.2.1 西黑冠长臂猿聚类分析

2018年9月15日至2019年6月30日，对西黑冠长臂猿进行基于鸣声的持续性监测.经数据处理，获取成年雄性西黑冠长臂猿调节音节语料样本67条，样本时长为6.5～10 s不等.聚类分析实验结果显示，聚类数最优解均为2，由此判定声音样本集来源于2个成年雄性个体，故该片区应有2个西黑冠长臂猿群体.表5为样本聚类统计结果.

表5 鸣声样本聚类分析结果统计 条

长臂猿研究领域的专家基于西黑冠长臂猿的鸣叫行为特性提出一种种群调查的基本方法[21-22]：西黑冠长臂猿具有领域性，家域在100～200 hm2之间，一般而言相距500 m以上的鸣叫可认为来自不同群体.因此，笔者求得2个群体的鸣声样本在各拾音器的音频分贝均值，通过比较声强大小，两个群体的声源方向主要来源于西部和南偏东30°(图4)，由此进一步验证聚类分析结果.这与实地调查的种群数及方位分布基本一致.

图4 拾音器阵列声强示意图

3.2.2 西黑冠长臂猿鸣叫与温湿度相关性

据鸣声数据统计结果(表6)显示，西黑冠长臂猿具有显著的晨鸣规律行为习惯，日出时间后半小时至10点是其鸣叫的高峰时段，且有季节性、气候性变化.温度与鸣叫时长呈正相关关系，相关系数为0.062(p>0.05)；湿度与鸣叫时长呈负相关关系，相关系数为-0.134(p>0.05)(表7).

表6 西黑冠长臂猿鸣叫统计表

注：2018年11月，由于监测系统处于测试阶段，运行尚未稳定，该期间进行了调试维护，以致部分数据缺失.

表7 温湿度和鸣叫时长的相关性分析

注：表示**在 0.01水平(双侧)上极显著相关.

4 结束语

4.1 试验优点

人工进行环境监测需要消耗大量人力、物力、财力和时间，并且监测过程和结果受天气等诸多因素的影响[23]，数据记录亦易受人工影响出现偏差[24].物联网技术具有强大的实时、远程、长期监控等优点，不仅可以弥补人工监测带来的缺陷，还适用于各种复杂多变环境的监控，能够满足环境监控对环境因子的快速、准确的监测并捕获、采集相关信息，有利于监测穴居小型动物.

野生大紫胸鹦鹉试验的案例是利用集中电源供电的红外摄像头及物联网技术实时将获取到的数据进行传输，不必担心更换电池及存储卡的问题，将红外摄像头安装在巢洞内更清楚地观测到研究对象，解决了焦距对不准和观测距离过长的问题；其次无线传感网获得的温度、湿度等数据可以反映环境与动物行为的相关性.西黑冠长臂猿的案例是利用太阳能供电系统解决了监测系统在野外环境下稳定持续的数据采集和网络通信的问题，使野外长距离传输数据成为可能，该试验还利用无线传感网记录该片区温湿度、光照强度、土壤温湿度及EC值、氧气和二氧化碳浓度等生态环境因子，以期发现环境与动物行为的关联.

4.2 改进及展望

因无前人经验，大紫胸鹦鹉试验所用红外摄像头在防水、体积等方面还需改进，温湿度传感器的安装缺乏一定的隐蔽性；若想获取完整的野外生态调查，还需结合鹦鹉巢外的生物学参数；野外数据的传输对网速有一定要求，后期设备维护还需加强.目前，笔者已实现哀牢山国家级自然保护区局部区域西黑冠长臂猿的非人工持续监测，对监测区域内西黑冠长臂猿种群动态以及方位分布开展了追踪调查.由于监测时间长，跨度大，监测系统采集的音频数据体量十分庞大，导致数据预处理工作颇为繁重.之后将继续致力于西黑冠长臂猿鸣声的自动化提取、自适应降噪及根据鸣声的特征对聚类分析方法优化等相关研究，以进一步完善和提高西黑冠长臂猿生态监测系统的工作性能.笔者利用物联网生态监测系统还采集到多种生态环境因子数据，在现阶段研究中尚未对这些数据进行分析与应用，此后计划结合遥感、地理信息系统等技术，进行野生动物生境的宏微观生态监测，以期更全面地调查环境与动物物种分布及行为活动等的关联性.

对野生动物行为生态学进行长期监测是野生动物研究、保护、管理和资源可持续利用的核心环节[25]，偏远地区的生态系统更需要物联网技术来实现对珍稀动物的监测与保护[26]，并且物联网还可以通过网络节点同时获取环境数据和目标动物的数据使野生动物的研究更便捷.物联网的应用是生态研究的新方向，还需探索不同传感器类型及物联网系统总框架的设计.