从高空俯瞰，一片完整的森林能给人一种令人安心的完整感。卫星图像或许会显示一片连绵不绝的树冠，一块绿色方块岿然兀立在种植园、道路或已被砍伐的土地之间。在许多保护项目中，这种景象已成为测量的起点。只要树冠还在，这片森林就常常被视作仿佛其大部分生态价值也依然留存。

然而，森林本身可能讲述着一个更复杂的故事。鸟类、昆虫、蛙类和灵长类动物在一天中划分着各自的活跃时段。有些在黎明啼叫，有些在夜晚鸣唱。有些占据着狭窄的频段；另一些则以持续的沙沙声填充着背景。一片看似完整的森林，仍可能失去这种生命结构的某一部分。伐木后，树冠或许会重新闭合；碳储量可能在账面上保持不变。但动物群落却未必能以同样的形式回归。

《全球变化生物学》上发表的一篇新论文，由祖扎娜·布日瓦洛娃及其同事撰写，通过声音来审视这一问题。该研究描述了“声景基线项目”，这项努力旨在记录世界上仅存的一些完整森林的声音特征，以免这些参考基准变得越来越难以寻觅。

这个想法直截了当。要知道一片森林是否发生了变化，就需要知道它在变化之前听起来是什么样。这个基线不仅是一种技术上的便利。它是对保护领域一个常见问题的防范：每一代人往往都会将自己初次接触的自然视为常态。丹尼尔·保利在渔业领域将此称为“基线转移综合征”。同样的模式也适用于陆地。一片在经历了数十年狩猎、伐木或气候压力后首次被“听”到的森林，可能听起来充满生机，即便其原有的动物群落中的大部分早已消失不见。

这并不是一个新问题。伯尼·克劳斯，一位由音乐家转型的声学生态学家和“野生动物圣殿”的创始人，花了五十多年的时间记录和归档世界各地的自然声景。他的录音有助于推广这样的观念：生态系统具有声学结构，不同物种占据着不同的时间和频率。它们也展示了拖延的代价。有些地方在被改变之前就被记录下来。但还有许多其他地方却没有。声景基线项目如今正试图将这一教训融入一个更系统化的保护框架中。

论文指出，在2000年至2020年间，完整森林景观减少了150万平方公里，占其剩余面积的12%。即使是在那些受直接工业干扰较少的森林，随着气温升高和物种分布范围的变化，它们也在发生改变。参考地点正变得越来越稀缺。等待收集基线数据，就意味着要接受一个逐渐变化了的世界作为比较的参照点。

生物声学提供了一种缩短这种延迟的方法。被动式录音设备可以放置在森林中数月之久，收集动物、天气和人类活动的声音。它们并不能取代野外生物学家、红外相机、卫星数据或本土知识与当地知识。它们的价值不同：它们能以人类观察者无法匹敌的时间和规模，创建一个持续的生态活动记录。

声景基线项目从六个试点地点开始：文莱、厄瓜多尔、加蓬、德国、秘鲁和美国。每个地点包括六个录音站点，由当地团队选定，彼此间隔至少一公里以减少重叠。录音设备放置在地面以上约1.5米处，并设置为至少连续录音一年。在44.1千赫兹的采样率下，每个录音设备每天产生约5.85千兆字节的数据。一个由六台录音设备组成的网络每月产生约1.5太字节的数据。

这些细节既揭示了这种方法的潜力，也暴露了其负担。声学监测常被描述为廉价且可扩展的，这在一定程度上是正确的。设备可以在没有专家在场的情况下收集海量数据。更艰难的工作在后面：维护设备、管理存储、处理文件、决定哪些信号重要，并确保这些数据对原始研究团队之外的其他人仍然有用。

该项目对这一问题的关注度相当高。论文描述了一个模块化的系统，旨在可以扩展并与其他技术相结合。由科学家、保护实践者和社区成员组成的当地团队负责管理每个地点的工作。数据的副本存储在每个基线地点所在国家，同时也存储在威斯康星大学麦迪逊分校和云存储中。这种方法不仅关乎效率。如果生物多样性数据要用于指导关于森林的决策，那么最贴近这些森林的人们需要在生成和使用这些数据中发挥作用。

一旦被记录下来，一片森林的声景可以通过多种方式进行审视。一种方法是将整个声景作为一个信号来处理，而不是试图识别每一个物种。论文关注的是声学指数，包括“功率减噪声”和“声景饱和度”。“功率减噪声”通过从每个频段中减去背景噪声来估计声学活动。“声景饱和度”测量的是在给定分钟内活跃的频段比例。

这些测量方法将海量的声音简化为可以在不同地点和时间进行比较的模式。它们也避免了逐物种监测的一个常见限制。许多热带动物难以通过声音识别，而且很多在数字声音库中并没有得到很好的收录。一个指数不需要知道是哪个螽斯或蛙类在叫，就能检测到夜间声景发生了变化。

初步结果显示，完整的森林具有日常的声学节奏。在热带地点，声学活动通常在黎明前后急剧上升，白天晚些时候下降，并在其他时间再次增加。许多热带森林的夜间声音由昆虫和两栖动物维持着。温带地点遵循着不同的节奏。关键不在于一种模式优于另一种，而在于每片森林都有一个可测量的声学特征。一旦这个特征被知晓，偏离它的情况就更容易被察觉。

加蓬的比较尤其有用。研究人员将基线地点与同一广阔区域内被选择性采伐的森林进行了比较，包括未经认证的伐木特许区和森林管理委员会认证的特许区。一个粗略的24小时平均值可能会使获得FSC认证的地点看起来在“声景饱和度”上与基线森林相似。但时间序列却讲述了另一个故事。在被采伐的森林中，黎明和黄昏合唱的时间点和形状发生了变化。

这一区别对于保护评估非常重要。平均值很方便，但它们可能掩盖生态变化。相关的问题可能不在于一片森林总体上是否响亮或总体上是否翠绿。而在于它的日常模式是否仍然类似于一个完整系统的模式。在关键时段延迟或平缓的合唱可能预示着卫星图像无法显示的群落结构变化。

这就是生物声学对于森林管理、碳项目以及新兴的生物多样性信用体系变得有用的地方。许多基于自然的气候项目仍然严重依赖森林覆盖或碳储存。这些是必要的衡量标准，但它们不能表明一片森林是否仍然支持其动物群落。一个项目可以在保留树木的同时失去部分动物群。声学基线为管理者提供了另一个测试：森林的生命节奏是否在得到维持、改变或恢复。

论文还展示了如何使用声音来识别单个物种，这比公众讨论人工智能时有时暗示的更为谨慎。研究人员使用了BirdNET，一个用于检测鸟类鸣声的机器学习系统，来检查来自加蓬和秘鲁的录音。在秘鲁，沿着一个山地海拔梯度进行的六个月录音检测到了329种鸟类。结果显示，随着海拔升高，物种组成发生了显著变化，高海拔地点的群落并不仅仅是低海拔地点群落的精简版。

这个发现很有用。其背后的困难也同样重要。在初步工作中，BirdNET的位置模型提供了不在库斯科省出现的物种，或者出现在林线以上的物种。研究团队不得不使用自定义的物种列表，参考区域调查数据，手动检查样本检测结果，并通过验证将置信度分数转换为特定物种的概率。自动化检测可以扩大监测范围，但它仍然依赖于当地生态知识和仔细的校准。

这一点得到了康纳·伍德和斯特凡·卡尔关于BirdNET分数的单独指导的强调。一个看起来像概率的分数并不一定就是概率。它是模型的一个无量纲输出，其含义可能因物种、地点、设备和录音条件而异。对于保护而言，这种区别非常重要。一个建立在自动化检测之上的生物多样性系统，只有将不确定性视为方法的一部分，而不是一个需要隐藏的不便之处，才可能是可信的。

同样的谨慎也适用于声学指数。声景包括由生物体发出的声音；诸如雨和风这类的声音；以及人类活动的声音。一场暴风雨、一条道路、一条河流或一个故障的麦克风都可能塑造数据。早期关于声学指数的研究已经强调了需要一致的采样和分析，因为不同的指数可能产生不同的模式。生物声学是强大的，但它不是自我解释的。

它更大的价值可能在于作为一种生态记忆的形式。今天制作的录音可以用尚不存在的分析方法来分析。当前算法遗漏的物种，日后可能变得可识别。现在看似晦涩的模式，在结合红外相机、卫星数据、实地调查或社区观察后，可能会变得有意义。从这个意义上说，原始档案与初步分析同样重要。

随着保护工作转向使用更正式的主张来证明其影响，这种区别正变得越来越重要。政府、企业和资助者越来越多地质问一项干预措施是否保护了生物多样性、改善了生态系统状况或产生了碳之外的好处。这些主张需要基线。它们还需要一个反事实，即如果没有干预，情况会怎样的估计。仅凭声音无法提供所有这些，但它可以使问题的生物学方面不那么抽象。

一片森林可能保留其树冠，却失去部分动物生命。它可能先恢复结构，再恢复功能。它可能被管理得很好，足以保留一些声学模式，而其他模式则未能保留。这些差异很难从高处看到。当一片森林被持续倾听一段时间后，它们就更容易被审视。

结论并不是说每个保护项目都需要在每个地点进行一整年的连续录音。作者们自己也指出，如此密集的采样对于所有用途来说可能并非必要。更谦逊的教训是，基线应该在它们消失之前被收集，而测量的设计应该围绕着它旨在描述的系统来进行。

森林不仅仅是碳库或成片的树冠。它们是穿越时间演替的群落。其中的一些演替可以被听见。录制这些声音本身并不会保护一片森林。但它可以让损失更难被忽视，让恢复更容易被检验，让没有证据的保护主张更难被提出。