[Front. Mar. Sci.] 十年悬案终破：布氏鲸竟是神秘声音“Biotwang”的幕后推手

TL;DR

2014 年，科学家在马里亚纳海域录到一种极具“机械质感”、跨度从 30Hz 到 8000Hz 的神秘声音，被命名为 Biotwang。多年来，它一直是海洋声学界的未解之谜。近日，NOAA 与 Google 联手在 Frontiers in Marine Science 发表重磅论文，通过视觉观测与深度学习技术，确认了 Biotwang 实际上是 布氏鲸 (Bryde’s whale) 的独特呼叫，并揭示了这一物种在中西太平洋的复杂迁移规律。

背景定位：这是一篇结合了传统野生动物调查与前沿 AI 技术的经典案例，不仅锁定了物种身份，还为西北太平洋（WNP）布氏鲸的种群动态提供了关键的 SOTA 声学证据。

1. 消失的“发声者”：Biotwang 的神秘起源

Biotwang 的叫声极其怪异，它包含五个部分，起始于超低频的向下扫频，却结束于带有金属质感的尖锐高频噪音。过去，科学家虽怀疑它是某种须鲸发出的，但由于布氏鲸行为诡秘、且常与其他须鲸（如鲣鲸、大村鲸）混淆，长期无法实锤。

2. 破案关键：视觉与声学的“现场抓包”

为了实证，研究团队在马里亚纳群岛进行了长期的舰船调查。他们在目击到布氏鲸群体的第一时间部署了 投射式声纳浮标 (Sonobuoys)。

• 核心发现：在 10 次确定的布氏鲸目击中，有 9 次同步录到了 Biotwang！
• 排除法：在该海域目击的其他鲸种目击现场均未监测到类似声音，甚至发现母亲-幼崽配对更容易产生这种呼叫。

3. 技术核心：EfficientNetB0 如何在万小时录音中“寻鲸”

面对长达十余年、跨越 13 个站点的海量声学数据（PIPAN 网络），由人工标注已不现实。作者引入了 Google 团队开发的深度学习框架：

• 特征工程：使用 PCEN (Per-Channel Energy Normalization) 处理频谱图，有效消除了不同部署环境（HARP 录音机深度、底噪差异）造成的偏差。
• 模型架构：基于 EfficientNetB0 的 CNN 模型，通过主动学习（Active Learning）不断迭代，最终在多个站点实现了表现优异的 AUC-ROC 分数（0.959 - 0.992）。

上图展示了研究区域及 DASBR 浮标的漂流轨迹，红点即为 Biotwang 的实时捕捉位置。

4. 布氏鲸的秘密地图：季节性迁移逻辑

通过 AI 对历史数据的复盘，研究发现了布氏鲸在西北太平洋的“通勤轨迹”：

• 双峰现象：Biotwang 的检出率在每年 2-4 月和 8-11 月出现峰值（如下图所示）。这完美契合了布氏鲸在低纬度繁殖区与中纬度摄食区之间往返迁徙的生物学特征。
• 地理边界：该叫声最远出现在日界线附近的威克岛，但在夏威夷群岛极为罕见。这不仅说明 Biotwang 是该群体的“方言”，也从侧面印证了西北太平洋布氏鲸是一个独立的遗传学种群。

不同站点的日平均检出率显示了高度一致的季节性节律。

5. 深度洞察：气候变化下的物种未来

布氏鲸被称为“机会主义摄食者（Income Breeders）”，它们极度依赖 TZCF (转型区叶绿素锋面) 的生产力。

研究指出，在 2015-2016 年强厄尔尼诺期间，原本只在西边活动的布氏鲸罕见地出现在了夏威夷西北部。这揭示了一个警示信号：随着全球气候变暖，海洋锋面可能发生数百科里的偏移，布氏鲸不得不进行更长距离的迁徙以获取食物。这种能量开销的增加，可能会对种群的繁殖成功率产生深远影响。

总结与启示

这篇论文不仅是一个物种分类学的终点，更是数字海洋生态学的起点。通过将 AI 模型（如本项目中的多物种检测模型）开源，未来的海洋学家可以像查阅地图一样，实时监测深海巨兽的生存现状。

局限性：尽管确立了 Biotwang 与布氏鲸的关系，但目前尚不清楚该呼叫的具体生物学功能（防御、求偶还是群体社交？），这仍需后续的行为声学研究。