搜索鸟类
摘要
一个交互式数据故事,探索北美鸟类的Google搜索趋势,揭示哪些物种吸引人类注意,并以中央公园的一只Snowy Owl为例进行案例研究。
暂无内容
查看缓存全文
缓存时间: 2026/05/30 19:28
# 寻鸟记
来源:https://searchingforbirds.visualcinnamon.com/
2026年2月12日
10分钟阅读
概念、分析、设计与开发 \|Visual Cinnamon (https://www.visualcinnamon.com/)
故事撰写与编辑 Emily Barone (https://www.linkedin.com/in/emily-barone-22047a6/)\|The Data Desk (https://www.thedatadesk.studio/)
—
照片库由康奈尔鸟类学实验室 \|Macaulay Library (https://www.macaulaylibrary.org/) 提供
纽约市的冬季总显得沉闷,但或许没有哪一年比2021年1月更甚。冷空气和灰色的云朵在摩天大楼间吹过,而大楼下的世界仍深陷疫情寒冬之中。
然而就在那个月,这座城市的一个小角落短暂地恢复了生机——一只雄伟的雪鸮出现在中央公园。鸟类爱好者和其他数十名好奇的纽约人走出家门,希望能一睹它的风采。
随着消息传开,人们的好奇心也随之蔓延。在纽约市,谷歌对"雪鸮"一词的搜索量激增,居民们想了解这个物种,以及它为何会出现在自家后院。纽约的雪鸮既是一个关于特别之鸟的故事,也关乎那些注意到它的人们。
### 图表:雪鸮搜索热度
一张折线图显示了纽约地区"雪鸮"的谷歌搜索热度相对值。搜索热度在2021年1月急剧上升,达到峰值100,恰逢中央公园出现雪鸮。在此之前,搜索热度几乎为零。
谷歌搜索数据,可通过该公司的Google Trends数据库 (https://trends.google.com/trends/)获取,能够告诉我们哪些鸟类吸引了我们的注意。
Google Trends根据搜索词的含义进行分类。例如,"cardinals"(红雀/红雀队)、"orioles"(黄鹂/金莺队)、"ducks"(鸭子/鸭子队)和"falcons"(猎鹰/猎鹰队)既可以指运动队也可以指鸟类,但谷歌通常能够区分戴头盔的与长翅膀的。(本文会指出那些意思混淆的罕见情况。)
当你滚动浏览以下交互式图表时,你将大致了解近700种北美和夏威夷鸟类,并了解为什么其中一些会让我们爱上它们。让我们看看搜索趋势能告诉我们关于我们与这些带羽毛的朋友之间关系的什么信息。
## 我不是一个爱鸟人士
鸟的种类之多令人望而生畏。不是那种阿尔弗雷德·希区柯克式的威胁感,而是一种令人敬畏的感觉。如果你曾经翻阅过观鸟指南书,你可能会被那惊人的形状和颜色多样性所淹没。
问题是,即使你不认为自己是"爱鸟人士",你本质上已经足够了解鸟类,可以用熟悉的术语来描述一个陌生的物种。你可能会把潜鸟描述成鸭子,或者把隼描述成鹰。这些捷径源于对相似形状、环境和行为的识别——即使这种不熟悉的鸟实际上属于一个完全不同的科。这就是为什么对一般鸟类术语的搜索(如"鸭子"或"鹰",或"猫头鹰"或"鹦鹉")比对单个物种名称的搜索要多。
在下面的巢穴中,你可以找到过去五年美国谷歌搜索最多的鸟类,基于它们的一般"类型"。
### 可视化:搜索最多的鸟类群体
一个圆形可视化图,描绘了一个含有鸟蛋的鸟巢。每个蛋代表一种一般鸟类类型(如"鹰"、"雕"、"鸭")。蛋的大小对应其搜索热度。最大的蛋是鹰、雕和鸭,表明它们是被搜索最多的鸟类术语。其他可见的群体包括猫头鹰、鹦鹉和隼。
康奈尔鸟类学实验室的鸟类学家知道人类利用线索来识别鸟类,这就是为什么他们的在线指南"All About Birds" (https://www.allaboutbirds.org/guide/)可以通过地点、关键词甚至鸟形进行搜索。截至2025年10月,All About Birds数据库已将700多个物种归类为76种一般的鸟类"类型"。这些"类型"类别是巢穴中显示的谷歌搜索词的基础。排名反映了过去五年美国全国和州级别的平均搜索热度。
在全国范围内,两种猛禽——"鹰"和"雕"——获得了最多的搜索量。它们各自在12个州占据了搜索量第一的位置。"鸭子"在全国排名第三,但在州级别上拥有最广泛的兴趣,在17个州占据首位。
对许多人来说,鸟类识别基本不会超出这些一般的鸟类类别。但是,成为一个"观鸟者"、"赏鸟人"或"爱鸟人士"并不需要对鸟名有百科全书式的了解。事实上,它几乎不需要什么。有一种观鸟方式提倡一种温和的态度:仅仅是注意到并观察鸟类,享受其中的乐趣——无需更深入的知识或超变焦相机。
在过去十年中,观鸟已经变成了一项更具包容性的活动,全国各地涌现出各种组织,迎合各种背景和能力的人。这些团体的使命是培养观鸟者社区,这些人不一定认同那些硬核、追逐稀有鸟类的群体。
但一旦你开始注意到鸟类,你很可能会遇到一只改变一切的鸟。
## 火花之鸟
从"鸭子"这个一般概念到更具体的"绿翅鸭"似乎具有挑战性。但识别过程始于简单的一步:首先愿意去知道一只鸟的名字。通常,这发生在与一只非常特别的鸟——所谓的"火花之鸟"——相遇之后。
火花之鸟是激发你想去探索更多鸟类的催化剂。每一只火花之鸟 (https://www.spark-bird.org/)都是个人化的,因为人们被鸟类打动的原因各不相同。有时是羽毛的闪光色彩或引人注目的图案。其他时候是一种迷人的行为或一次出乎意料的近距离接触。但无论如何,火花之鸟成为了识别其他鸟类的门户。以下是理解它们在认知过程中作用的一种方式:
### 美国鸟类
假设这个蛋代表了北美和夏威夷群岛所有的鸟类。它可以被分成大约700个不同的物种。
其中一只偷走了你的心。它就是你的火花之鸟。
### 鸟类形状
你还不知道你火花之鸟的名字,但你可以认出它的大致形状,比如鹰、鸭子或蜂鸟。根据All About Birds的分类,北美鸟类可以被归纳为25种形状。
### 鸟类类型
这些形状然后可以被分成76种类型。例如,鹅和天鹅与鸭子有些相似,但它们有足够的不同,拥有自己的子组。此时,名字可能开始听起来有些生僻——比如贼鸥、鹨和伯劳——但这些都是缩小搜索范围的一部分。
***用**两根手指捏合或放大蛋**。也可以用两根手指向任何方向平移。**
### 鸟类物种
通过探索蛋中那些看起来与你火花之鸟相近的区域,你很快就会识别出它。
***悬停/**选择蛋中的任意鸟以查看更多信息。**点击一只鸟可查看其在All About Birds指南中的完整资料(将在新标签页中打开)。**
### 我们搜索什么
一旦你找到了你的火花之鸟,你可能会想知道其他人是否也对这只神奇的鸟感到好奇。
无论你的火花之鸟多么引人注目,它很有可能会受到公众的冷淡关注——尤其是如果它在美国很少被目击(如火色唐纳雀),伪装得很好(如美洲麻鳽),或者难以接近(如黑玫瑰雀)。
事实上,**谷歌搜索数据显示,全美仅有98种鸟类具有显著的搜索热度。**另外有11种鸟至少在其中一个州有搜索热度。以下是这些高热度鸟类在蛋中的展示,根据类型用不同颜色高亮显示。
#### 具有可量化谷歌搜索热度的鸟类
实色大圆
**实心**| 全美流行
条纹大圆
**条纹**| 至少在一个州流行
蛋中彩色区域突显了那些激发我们兴趣的鸟类。例如,我们经常谷歌搜索鹰、猫头鹰和其他猛禽的物种。我们也对啄木鸟爱不释手。考虑到它们迷人的能力和行为,我们集体对这些鸟感到好奇是合情合理的。
将鸟类分组,无论是按形状还是按科,既是一门艺术也是一门科学。一个物种究竟属于哪个群体,可能是有争议的。
我们还经常搜索猎鸟和鸭子的物种,特别是狩猎品种,如针尾鸭和林鸳鸯。我们喜欢北美红雀和冠蓝鸦,它们有引人注目的红色和蓝色。我们也倾向于优雅体态的大白鹭和大蓝鹭。
另一方面,我们似乎不太搜索鸥、燕鸥和海鸟的物种。也许这是因为超过一半的美国人口不住在海岸附近。
此外,海鸟很难区分,所以我们不太可能搜索它们的物种名称,而是退而求其次使用像"seagull"这样的一般标签。对于无数的棕色小鸟,如麻雀、林莺和山雀,情况可能也是如此。
## 找到一只鸟,分享一只鸟
你在研究一只鸟的名字上投入的努力越多,最终识别出它时的满足感就越大。
但数字时代追求的是即时满足。社交媒体让我们可以分享鸟的照片,并利用在线社区寻求识别帮助。越来越多的应用程序,包括Merlin Bird ID (https://merlin.allaboutbirds.org/)(由康奈尔鸟类学实验室开发)、Seek (https://www.inaturalist.org/pages/seek_app)(由iNaturalist开发)和Birda (https://birda.org/),使用照片识别技术和人工智能,根据照片(即使是模糊的)即时建议可能的鸟类物种。Merlin更进一步,提供基于鸟鸣录音的可能识别。
然而,很多时候我们并没有手边就有手机,尤其是在偶遇鸟类时。在这种情况下,我们需要依靠对鸟的记忆来识别它。向观鸟社区求助(面对面或在数字论坛上)可以帮助缩小搜索范围。聊天机器人也是如此,比如这个来自谷歌Gemini的:
你好!我是你的AI鸟类专家。我可以从两个方面帮助你:
- **识别鸟类:**我可以尝试判断你看到的是什么美国鸟类。请描述你记得的关于这只鸟的信息:它的颜色、大致大小、你在哪里看到它以及你能记住的任何其他细节。"在我的喂鸟器那里有一只鲜红色的鸟,喙和眼睛周围是黑色的。""我在华盛顿的一个湖上空看到一只白色头和尾巴的大鸟在翱翔。""我在科罗拉多州山区的一个岩石悬崖上发现了一只深色的鸟,带有粉色的翅膀和腹部。"
- **了解鸟类:**询问我关于一种特定的美国鸟类,以获取更多信息,例如繁殖季节、种群数量、Google Trends排名等。"我想了解更多关于雪松太平鸟的信息""告诉我关于穴鸮的事情"
人工智能可能会犯错。请验证重要信息。
一只冠蓝鸦从左侧探进头来数字工具不仅对我们有益,对鸟类也有益。由康奈尔鸟类学实验室运营的公共eBird (https://ebird.org/home)数据库,被公认为世界上最大的公民科学观鸟项目,在2025年突破了20亿次鸟类观测记录。当你在eBird应用程序中输入你的鸟类目击记录时,你就在为一个关于种群趋势、迁徙模式和栖息地利用的庞大信息库做出了贡献。所有这些信息可以帮助科学家识别鸟类面临的威胁,并制定保护政策。
## 我们看到的——和我们没看到的
雪鸮很罕见。在北美估计有15,000只,它们主要栖息在阿拉斯加和加拿大,在那里繁殖,并不常造访美国本土48州。在最罕见的情况下,其中一只可能会出现在中央公园。
根据维持着Avian Conservation Assessment数据库 (https://pif.birdconservancy.org/avian-conservation-assessment-database/)的Partners in Flight数据,雪鸮在eBird上是观察数量第465多的物种,在北美总种群数量中排名第554位。这使得雪鸮处于北美鸟类的底层。但是,尽管它们鲜为人知,"雪鸮"却是美国谷歌搜索量第20大的鸟类物种。其他难以捉摸的鸟类,特别是像大角鸮和美洲仓鸮这样的猫头鹰,也跻身前20名。
下面的图表列出了美国搜索量最高的21种鸟类(中间列),并与eBird观测数据(左列)以及美国和加拿大种群数量(右列)进行了比较。具有显著搜索热度的物种带有彩色条。这些与之前在蛋中高亮显示的鸟类是相同的。(实色条表示该物种在谷歌前21名中,条纹条表示其排名更低。)
### 图表:搜索热度 vs. 真实世界数据
一张条形图,比较了前21种鸟类的三项排名:eBird观测(人们看到/报告的内容)、谷歌搜索热度(人们搜索的内容)和种群数量(存在多少)。目击与搜索之间存在很强的相关性;我们经常看到的鸟类也经常被搜索。然而,与种群数量存在脱节;许多数量丰富但体型小或难以捉摸的鸟类(如麻雀)很少被搜索,而更稀有但标志性的鸟类(如鹰和猫头鹰)则被频繁搜索。
观察连接三个列表的线条,很明显,我们在野外看到的往往也是我们在谷歌上倾向于搜索的:eBird观测列表(左侧)中约有一半的物种也在谷歌搜索列表(中间)中。
只有美洲乌鸦(eBird列表上的第4名)没有在Google Trends上登记。这可能是因为大多数人搜索的是"crow"而不是它的物种名称。
同时,在种群数量最多的列表(右侧)中,只有四种鸟也出现在搜索最多的列表中。这在一定程度上是因为许多小型鸟类,如蓝灰蚋莺和萨凡纳雀,数量丰富但很好地隐藏在它们受保护的栖息地中,远离我们的视线和好奇心。事实上,北美五种最具种群的鸟类中,有三种甚至没有在Google Trends上登记。(而我们谈论的是数亿只这些小羽毛球在空中飞翔!)
尽管我们谷歌搜索一些稀有和难以捉摸的鸟类,如猫头鹰,但最稀有的鸟类却未能激发我们的好奇心。根据北美鸟类保护倡议2025年发布的一份报告 (https://www.stateofthebirds.org/2025/),超过200个物种(占美国鸟类近三分之一)需要紧急保护,其中112个物种在过去50年中失去了超过50%的种群数量。我们不搜索它们,因为它们存在于我们世界的边缘,尽管正是这些鸟类最需要我们关注。
## 我们了解和喜爱的物种
白头海雕是一种在关键时刻得到我们关注的物种。在20世纪中期,该物种由于栖息地破坏和DDT杀虫剂中毒几乎灭绝。该物种有几个有利因素:它是美国的象征,并且在历史上对人们具有深远的象征意义——从几个世纪的原住民到开国元勋,再到当代美国人。通过宣传和保护努力,白头海雕成为了环保运动的标志。如今,**"白头海雕"是美国全国搜索量最高的鸟类**,也在美国26个州名列第一。(在余下的
相似文章
康奈尔大学互动鸟类之墙
康奈尔大学打造了一面互动数字墙,展示多种鸟类物种,让参观者通过触摸和视觉展示探索鸟类多样性。
观鸟而非高尔夫
建议像谷歌这样的超大规模云服务商将高尔夫球场改造成公共观鸟公园,以抵消数据中心的用水量。
鸟类访客
一个在阳台上安装USB麦克风捕捉鸟鸣的项目,使用BirdNET-Pi进行物种识别,并在网站上叠加花鸟画拼贴展示。
看见鸟鸣
Seeing Birdsong 是一个将鸟类鸣叫声转化为几何形态和 3D 可视化的框架,架起了艺术与声学科学之间的桥梁。它利用频谱描述符来构建数据丰富的结构,以用于研究、教育和艺术表演。
@0xCortexl:东京某人将鸟语映射为真实数据模式,可视化结果宛如神经网络在梦境中
一套AI系统将鸟类鸣叫转化为三维可视化,实时将频率和调制数据转换为彩色点簇,在工业和医疗异常检测中具有潜在应用。