公民科学家通过无人机影像精准计数濒危加拉帕戈斯海鬣蜥的可行性研究

本研究通过Zooniverse平台动员13,000余名志愿者对57,838张无人机影像进行分类，验证了公民科学（CS）在濒危物种监测中的可靠性。研究人员采用HDBSCAN聚类分析等创新方法，发现志愿者对海鬣蜥（Amblyrhynchus cristatus）的识别准确率达68-94%，总计数准确率超90%，为缓解传统野生动物调查资源瓶颈提供了新范式。

　　

在生物多样性保护领域，种群数量监测是制定管理策略的基石，但传统调查方法常受限于人力与地理条件。以加拉帕戈斯海鬣蜥（Amblyrhynchus cristatus）为例，这种濒危物种的11个亚种中，9种缺乏完整种群数据，主要因其栖息地陡峭难达且个体易与黑色玄武岩背景混淆。更严峻的是，气候变化和塑料污染正加速威胁这个达尔文曾研究的标志性物种。

为解决这一难题，德国莱比锡大学（University of Leipzig）领衔的国际团队创新性地将公民科学与无人机技术结合。研究人员通过Zooniverse平台发起"Iguanas from Above"项目，邀请全球志愿者分析57,838张航拍影像。这些影像来自2020-2022年间对7个岛屿30个种群的调查，采用DJI Mavic 2 Pro无人机在20-30米高度拍摄，经Agisoft Metashape软件拼接后切割为标准化图像。

研究采用三项关键技术：1）多阶段验证流程，建立含4,345张影像的黄金标准数据集（Gold Standard）；2）创新性提出"最小阈值五分类"规则替代传统多数表决法；3）应用HDBSCAN（Hierarchical Density-Based Spatial Clustering）空间聚类算法整合志愿者标记坐标。通过比较专家与志愿者数据，系统评估了图像质量、个体密度等因素对结果的影响。

主要发现

1. 检测准确性
   当至少5名志愿者确认存在时，海鬣蜥检测准确率高达97%（图1a）。但存在6-32%的漏检率，尤其在早期低质量影像中更显著。

2. 计数方法比较
   HDBSCAN聚类法表现最优（Nagelkerke R²=0.917），总计数准确率达91-92%（表1）。与传统中位数法相比，其能有效整合空间标记数据，减少个体重复统计。

3. 关键影响因素
   图像清晰度对结果影响显著：排除2020年试点阶段的低质量数据后，准确率提升23%。而单张影像中个体数量（1-35只）未显著影响计数精度（p>0.05）。

4. 志愿者行为特征
   86%志愿者贡献少于50次分类，但前10名"超级志愿者"完成18%工作量。匿名参与者（15%）的数据质量与注册用户无显著差异（p=0.42）。

这项研究证实公民科学可高效处理生态影像大数据，其91-92%的计数精度满足IUCN评估要求。但研究也揭示现存挑战：无人机航拍仍需优化飞行参数以减少图像模糊；志愿者培训需加强以减少漏检；未来可结合机器学习（ML）建立半自动化分析流程。该成果为全球濒危物种监测提供了可复制的技术框架，尤其适用于地形复杂的海岛生态系统。正如通讯作者Amy MacLeod强调："这是公众参与保护生物学的重要里程碑，但我们需要开发更智能的系统来持续应对生物多样性危机。"

论文发表于《Scientific Reports》时特别纪念了贡献11,606次分类的已故志愿者Pamela Van Schouwen，彰显公民科学中人文与科技交融的独特价值。