《Insect Conservation and Diversity》：Do camera light traps for moths provide similar data as conventional funnel light traps?
編輯推薦：
本文系統性對比了24兆像素高分辨率相機光陷阱（CLT）與傳統漏斗光陷阱（FLT）在夜行性蛾類監測中的表現，指出CLT憑借非致死、高時空分辨率等優勢，能更高效地獲取數據，尤其在處理靜止型蛾類（如尺蛾科）時表現更佳，而漏斗陷阱則在捕捉活躍型蛾類（如天蛾科）方面略有優勢。該研究為自動化昆蟲監測技術的開發與應用提供了重要數據支撐，并展望了人工智能（AI）在圖像數據分析中的廣闊前景。
INTRODUCTION
昆蟲對陸地生態系統至關重要，它們是傳粉者、捕食者、分解者和食物網的基礎。然而，全球范圍內許多昆蟲種群正急劇衰退，亟需高效可靠的監測方法來獲取大規模、連續且精確到物種水平的數據。傳統的昆蟲采集方法通常耗時耗力，導致數據的時空和分類分辨率低下。蛾類因其物種豐富、可利用光或紫外線有效誘集，且多數可通過宏觀形態特征（如翅斑）進行相對可靠的鑒定，成為自動化監測的理想目標類群。本文旨在比較兩種主要誘集方法：一種新型的、非致死性的自動化相機光陷阱（Camera light traps, CLTs）和傳統的漏斗光陷阱（Funnel light traps, FLTs）。
研究者基于野外觀察提出了假設：相機光陷阱可能更擅長記錄那些在趨光后能迅速安靜停留的蛾類類群（如尺蛾科Geometridae），而在捕捉那些持續保持高度活躍性的類群（如天蛾科Sphingidae）時可能表現較差。為驗證這些假設，研究者在德國西北部比勒費爾德附近的一個林區開展了為期196晚的連續監測。
MATERIALS AND METHODS
本研究在德國北萊茵-威斯特法倫州的一片森林與開闊地混合的自然保護區進行。研究使用了兩個相機光陷阱，每個配備索尼alpha 7II全畫幅相機（24兆像素傳感器）和定焦鏡頭，拍攝分辨率約為420 dpi，以確保絕大多數大鱗翅類昆蟲能夠被清晰識別。相機在夜間每2分鐘自動拍攝一次屏幕上的昆蟲。作為對照，研究還同時使用了傳統的漏斗光陷阱進行采樣，兩種陷阱均使用相同的紫外燈作為光源。
采樣期從2023年3月持續到10月，相機光陷阱連續運行196晚，而漏斗光陷阱則在12個無月的夜晚同步運行。所有照片中可識別的大鱗翅類昆蟲均被手動鑒定和計數，并與漏斗光陷阱捕獲的樣本進行直接比較。數據分析使用了R語言及相關生態學統計包，評估了物種多樣性、群落組成差異，并計算了各物種在屏幕上的停留時長。
RESULTS
圖像質量與物種鑒定：高分辨率（420 dpi）的圖像使得絕大多數大鱗翅類昆蟲能夠被可靠地鑒定到物種水平，僅少數因技術問題或物種鑒定本身的復雜性（如某些近緣種復合體）而無法確定。
物種多樣性比較：在12個同步采樣的夜晚，兩種方法記錄的物種總數（140種）相近，但互有側重。相機光陷阱記錄了39個特有物種，漏斗光陷阱記錄了48個特有物種，兩者共同記錄了53個物種。在整個196晚的采樣季中，相機光陷阱累計記錄了225個蛾類物種，遠高于兩種方法在12晚內記錄的物種數。
群落組成與指示物種：非度量多維尺度分析顯示，兩種方法捕獲的蛾類群落組成高度重疊，未發現顯著差異。然而，指示物種分析揭示了方法偏好性：有六個物種（全部屬于尺蛾科）被確定為相機光陷阱的指示物種，而一種天蛾（Sphinx pinastri）被確定為漏斗光陷阱的指示物種。這表明相機光陷阱在記錄尺蛾科等較安靜的類群時可能更有效，而在捕捉像天蛾科這樣高度活躍的類群時效率較低。
停留時間分析：不同科的蛾類在相機光陷阱屏幕上的停留時間存在顯著差異。例如，舟蛾科（Notodontidae）的個體停留時間中位數最長，而枯葉蛾科（Lasiocampidae）的停留時間則非常短暫。這種停留行為的差異部分解釋了為何活躍類群在相機光陷阱中容易被低估。
DISCUSSION
General performance of 24 megapixel CLTs
24兆像素相機光陷阱總體上表現優異，其高分辨率允許對包括許多小型物種在內的大鱗翅類進行可靠鑒定，這是早期使用低分辨率網絡攝像頭的研究難以實現的。相機光陷阱能夠提供極其精細的物候學數據，例如，本研究成功記錄了舞毒蛾（Lymantria dispar）在該地區高度活躍的詳細時間動態。
Performance of CLTs versus FLTs
研究證實了最初的假設：相機光陷阱與漏斗光陷阱獲取的數據相似但存在系統偏差。相機光陷阱在記錄尺蛾科等“安靜”類群方面可能更具優勢，而漏斗光陷阱在捕捉天蛾科等“活躍”類群時效果更好。在倫理考量方面，相機光陷阱作為一種非致死性監測方法，減少了對昆蟲個體的傷害，更具優勢。同時，相機光陷阱自動化程度高，可連續運行，能產生高時空分辨率的數據，這是需要每日收樣的漏斗光陷阱難以比擬的。
Technical aspects and future perspectives of CLTs
盡管本研究所用的相機光陷阱性能良好，但仍存在一些技術挑戰，如低溫環境下的設備穩定性、閃光燈故障以及部分圖像因昆蟲運動而模糊等。未來改進方向包括使用更堅固耐用的工業相機、集成樹莓派（Raspberry Pi）進行智能化控制（如根據光照自動開關），以及設計更完善的防水外殼。一個名為LEPMON ARNI（夜間昆蟲自動記錄儀）的改進項目正在進行中，旨在德國部署超過100臺這樣的設備。
Perspectives on AI for automated image data analysis
人工手動分析海量圖像數據工作量巨大，因此結合人工智能（AI）進行自動識別是必然趨勢。深度學習技術特別適用于對形態相似的蛾類物種進行精細圖像分類。目前，多個研究團隊和項目（如AMMOD項目、InsectAI COST行動等）正在開發相關AI模型，旨在實現從圖像中自動檢測、分割和識別昆蟲物種，這將極大推動自動化昆蟲監測的大規模應用。
CONCLUSION AND PROSPECTS
本研究首次系統地比較了高分辨率相機光陷阱與傳統漏斗光陷阱在蛾類監測中的表現，證實了相機光陷阱作為一種高效、非致死性監測工具的整體可行性。雖然兩種方法因目標類群行為差異而存在數據偏差，但相機光陷阱在提供高分辨率時空數據方面具有無可比擬的優勢。隨著技術的進一步成熟，特別是與人工智能分析的結合，相機光陷阱有望在全球昆蟲多樣性監測與保護中發揮關鍵作用，幫助我們更好地理解和應對昆蟲種群衰退的危機。
