每当有人在城市公园里拍摄野花，或在小径边缘拍摄结满浆果的灌木时，他们不仅仅是在记录一个好奇的瞬间。对大多数人来说，这不仅仅是一个记录过程。 iNaturalist 对于用户而言，这张照片可能仅仅是一份个人记录、一次周末发现，或者是一种识别眼前植物的方式。然而，这个数字文件也可以成为科学研究的原始素材。借助一种名为……的计算机视觉工具，我们可以…… PhenoVision社区照片可以转化为一个庞大的数据库，用于追踪植物如何应对环境变化。
植物拥有自身的生物钟，物候学——即叶芽萌发、展叶、开花结果等生命周期事件的时间——是生态系统如何响应环境变化的最清晰标志之一。如果植物比往常更早开花结果，它们可能与依赖它们的传粉者、种子传播者或其他物种的生命周期不同步。这些变化会影响物种间的相互作用，并改变生态系统的结构和功能。为了检测和预测此类变化，科学家需要来自全球各地的详细、高质量的物候学数据。然而，历史物候记录往往稀少且存在地域偏差，限制了我们对植物生命变化的更广泛认识。
社区科学数据在此发挥了至关重要的作用。像 iNaturalist 这样的平台现在每月都会收到数百万条自然观测记录，从而创建了植物和其他生物的观测地点和时间的非凡记录。尽管数据量如此庞大，但大多数图像都没有标注植物是否正在开花或结果的信息。人工标注的速度远远低于新上传的速度，因此手动审核数千万张野外图像是不现实的。为了解决这一瓶颈问题， 由研究人员 Russell Dinnage、Daijiang Li 和 Robert Guralnick 领导的团队开发了 PhenoVision该计算机视觉模型可自动从田间图像中标注花卉和果实，代表了一个由严格的研究级需求驱动的高性能框架。
建立 PhenoVision研究人员利用1.5万张iNaturalist图像训练了一个基于Vision Transformer的计算机模型，这些图像此前已被用户标记为显示花朵、果实或两者都不是。他们还使用一个大型植物识别数据集对模型进行了额外训练，帮助模型学习植物学家和博物学家在识别植物时使用的视觉线索。
然而，iNaturalist 拍摄的照片并非影棚肖像照。它们可能模糊不清、距离过远、光线不足、被其他植物遮挡，或者拍摄角度不寻常。为了解决这个问题，研究人员设定了严格的阈值，用于判断程序何时能够准确识别出花朵或果实，以及何时应将图像视为模糊不清。经过这一质量控制步骤后， PhenoVision 在测试图像上表现非常出色，正确检测花朵的准确率达到 98.5%，正确检测果实的准确率达到 95%。
模型输出校准完成后，研究人员将 PhenoVision 应用于 iNaturalist 上超过 5300 万张未标注的植物图像。最终成果是数字植物学领域一项重要的全新资源：30,199,391 条标准化的、可用于研究的物候记录，其中包括超过 2500 万条花期记录和近 500 万条果期记录。这极大地扩展了以往数据不足地区的物候数据，尤其是在全球南方以及远离主要城市或沿海研究中心的地区。该项目还通过为 119,340 个物种（涵盖 10,406 个属和 408 个科，占已知植物总数的四分之一以上）生成自动植物物候标签，扩大了分类覆盖范围。
为了使这些数据更容易与其他植物记录一起使用，研究人员将由此产生的物候信息映射到…… 植物物候本体论 然后将其引入到一个名为“Web 应用程序”的应用程序中 PhenoBase这使得社区科学记录能够更便捷地与植物标本馆的实物标本记录以及现场监测数据相结合。这些信息来源共同为科学家提供了更全面的视角，让他们了解植物的开花结果时间，以及这些模式在不同地区、物种和生态系统中的变化。
An 早期研究论文 这项研究已经展现了PhenoBase数据所能揭示的信息。研究人员利用iNaturalist上标注了花果特征的照片，比较了热带城市和附近农村地区的植物。他们发现，城市植物的花期或果期往往更长，季节性规律也不那么明显。如果城市正在改变植物通常的花果周期，这可能会影响传粉媒介、种子产量、植物存活率以及更广泛的城市生态系统。
对于 iNaturalist 用户而言，该项目展示了社群科学如何超越个人观察的局限。一次散步、野外考察或周末郊游中拍摄的照片，都可以成为全球生物多样性变化监测工作的一部分。对于研究人员而言，PhenoVision 提供开源模型、工作流程和标准化质量指标，能够支持大规模物候学研究。对于自然保护而言，近实时物候数据有助于检测异常花期、追踪气候变化，并识别植物生长周期变化最快的区域。
数字植物学并非要用算法或数据库取代植物本身的奇妙之处。相反，像 PhenoVision 这样的框架展示了机器学习如何激发人们的日常好奇心。下次当你为 iNaturalist 拍摄开花植物的照片时，这张照片的作用可能不仅仅是保存记忆或帮助识别植物。它或许会成为全球探索植物生命演变历程的一小部分。
阅读文章
Dinnage, R., Grady, E., Neal, N., Deck, J., Denny, E., Walls, R., Seltzer, C., Guralnick, R., & Li, D. (2025). PhenoVision：一个用于从田间图像中自动生成和提供可用于研究的植物物候数据的框架。生态学与进化方法，16，1763–1780。 https://doi.org/10.1111/2041-210X.70081
贾，R.Simha, A.、Ita, R.、Rao, R.、Li, D. 和 Kandlikar, G. (2026) 城市环境重塑热带植物的繁殖物候。可访问： https://doi.org/10.64898/2026.01.28.702306.
西班牙语和葡萄牙语翻译：Erika Alejandra Chaves-Diaz。
封面图片由 佐罗 （Canva）。
特约撰稿人简介
埃里卡是一位哥伦比亚生物学家和生态学家，她对热带森林、灵长类动物和科学传播充满热情。她拥有生态学和野生动物保护硕士学位，并与@cienciatropical合作，致力于将人们与生物多样性联系起来。
