生态环境部南京环境科学研究所日前传出好消息：由该所研究员马方舟带领的生物多样性智慧监测团队研发的全链条监测体系，经过一年试错、一年打磨，已在江苏、浙江、福建等6个省份开展应用示范，为多个地区的生物多样性保护与生境修复规划提供有力支撑。
近日，记者走进该所实验室，见到了正在整理设备的马方舟。一台白色箱体上留着泥点和细小划痕，那是去年野外作业留下的印记。翻开他的工作笔记本，密密麻麻的记录里，出现最多的不是成功案例，而是各式各样的“跟头”。
“马年说马，咱们过去这一年，反而是‘马失前蹄’最多的时候。”马方舟笑着打趣道。
最先让他“整不会”的，是一台蝴蝶智能监测仪。
那是设备在复杂生境下的首次测试。团队选在雨后初晴的林缘地带，光照忽明忽暗，叶片反光如镜，微风一吹，镜头里全是晃动的植被。按照设想，这台设备能自动完成定点拍摄、物种识别和数量统计，把蝴蝶从“偶遇”变成连续的科学数据。
结果第一轮回传的数据，让所有人傻了眼——系统一天之内上报了几十次“发现目标”，点开一看，十有八九是飘动的枯叶、摇曳的花瓣，甚至是阳光在露珠上的瞬间一闪。理想中的蝴蝶监测仪，变成了一台“草木识别器”。
马方舟带着团队，对这些误判样本逐一分析。他们列出“容易混淆的对象”：摇晃的叶片、反光的亮斑、抖动的花序；再把每一类误判对应的环境条件标注出来：逆光、微风、斑驳树影。正是在一次次给算法“纠错”的过程中，他们引入了背景动态抑制技术，让系统学会忽略规律性摆动的植被纹理，又根据蝴蝶“停—飞—停”的习性增加了短时序追踪。
“现在不会把一闪而过的影子当成新物种，也不会把同一只反复采花的蝴蝶数成十只。”马方舟说。
如果说蝴蝶监测仪考验的是“怎么看”，那声纹识别系统考验的则是“怎么听”。
一开始，团队将全国几个保护区的鸟鸣数据导入模型，结果识别率直接“跳水”。问题出在哪？同一物种在不同地方的叫声差异很大。例如：浙江古田山的白颈长尾雉叫声清亮短促，到了福建武夷山就多了几个音节拖尾。
“算法在浙江训练得好好的，一调到福建就不认了。”马方舟说。这不再是调个阈值就能解决的事，必须从底层重新考虑地理变异。
后来，他们建了一个“动物方言语料库”，把同一物种在不同地理种群的鸣声特征作为独立变量，嵌入神经网络。调参最紧张的那几周，实验室里从早到晚循环播放着各种鸟鸣。如今，这套系统已能分辨13种国家重点保护鸟类的区域声纹差异，在试运行中多次捕捉到传统红外相机无法拍到的林间鸣唱。
比起“误判”和“方言”，图像识别系统为团队带来了一份额外的收获。
测试时，摄像头除了拍到野猪、白鹇，还留下了一堆“同事的工作照”。由于野外工作需要频繁校验设备姿态，样地周边的摄像头记录了科研人员攀岩时的专注、趴地调试时的认真、发现动物痕迹时的欣喜。这些“废片”原本应删除，负责数据标注的实习生舍不得，悄悄建了个文件夹保存下来。
后来，马方舟在参加一场生物多样性科普活动时想到，老百姓总觉得生物多样性保护离自己很遥远，但如果让他们看看科研人员的工作日常呢？
于是，部分“科研花絮”被剪辑成短片，放进了浙江上城、上海长宁等地的生物多样性体验馆。孩子们围着屏幕追问：“它怎么知道这是蝴蝶，不是叶子？”“那这只翅膀缺一角的也能认出来吗？”一场意外“出圈”的科普，让“硬技术”有了更亲切的表达。
马方舟说，去年他曾在年度总结的最后一页写下：“过去以为‘马力全开’是不停冲刺，后来才明白，真正的全开，是一次次把误判查清、把漏报补齐，把算法调到更像自然本来的样子——像生物进化一样，把不适应变成适应。”
采访结束时，马方舟合上笔记本，起身走向实验室角落的那台蝴蝶监测仪，检查第二天的野外调试计划。“6个省份的应用示范只是开始。算法还需要继续打磨，误判和漏报还得一个个去补。新的一年，还有不少‘跟头’要栽，还有不少难题要解。”他把设备箱拎到门口，准备接着干。
