Jest ciepły, letni wieczór. Nad koronami drzew pojawiają się pierwsze sylwetki nietoperzy. Dla większości z nas pozostają niewidoczne – ich obecność zdradza jedynie szybki cień przecinający niebo. Dla chiropterologa to początek pracy. Jeszcze kilka lat temu oznaczało to przede wszystkim detektor ultradźwięków, latarkę czołową i długie godziny spędzone na analizie nagrań. Monitoring nietoperzy opierał się na tym, co udało się usłyszeć, zobaczyć lub zarejestrować w terenie.
Dziś badacz nadal wychodzi do lasu po zmroku, ale jego praca wygląda inaczej niż jeszcze trzy lata temu. Coraz częściej wspierają go algorytmy sztucznej inteligencji, automatyczna analiza obrazu i biologia molekularna. Co ważne, technologie te nie zastępują pracy terenowej, lecz sprawiają, że jest ona dokładniejsza i mniej inwazyjna dla zwierząt. Lata 2023–2025 można śmiało nazwać okresem intensywnej ewolucji monitoringu nietoperzy.
Pierwszy ważny krok wykonała sztuczna inteligencja.
Monitoring akustyczny od dziesięcioleci pozostaje jedną z podstawowych metod badań nietoperzy. Każdej nocy detektory rejestrują tysiące sygnałów echolokacyjnych, których analiza wymaga dużego doświadczenia i wielu godzin pracy. W 2023 roku Fundel i współpracownicy pokazali, że sieci neuronowe typu **Transformer** potrafią automatycznie rozpoznawać gatunki na podstawie sygnałów echolokacyjnych z bardzo wysoką skutecznością (Fundel i wsp., 2023). Autorzy podkreślają, że modele tego typu analizują całe sekwencje sygnałów, dzięki czemu lepiej wychwytują różnice pomiędzy gatunkami niż wcześniejsze rozwiązania oparte na klasycznych metodach uczenia maszynowego. To nie oznacza końca pracy specjalisty, ale pozwala znacząco skrócić czas opracowania materiału i analizować znacznie większe zbiory danych.
Jeszcze w tym samym roku sztuczna inteligencja znalazła kolejne zastosowanie.
Wyobraźmy sobie kolonię liczącą kilkaset tysięcy nietoperzy opuszczających kryjówkę w ciągu kilkunastu minut. Ręczne liczenie zwierząt na nagraniach filmowych jest niezwykle czasochłonne i obarczone błędami. Koger i współpracownicy opracowali system automatycznej analizy obrazu, który sam wykrywa i zlicza lecące nietoperze (Koger i wsp., 2023). Badania wykazały, że metoda pozwala szybciej i bardziej powtarzalnie szacować liczebność kolonii, odciążając badaczy od żmudnej pracy wykonywanej wcześniej klatka po klatce.
Kolejny przełom przyszedł z zupełnie innej strony.
Biolodzy od lat wykorzystują środowiskowe DNA, czyli **eDNA** (*environmental DNA*), do wykrywania organizmów żyjących w wodzie. Każde zwierzę pozostawia bowiem w otoczeniu mikroskopijne fragmenty komórek zawierające materiał genetyczny. Przez długi czas sądzono jednak, że wykorzystanie tej metody w środowisku lądowym będzie znacznie trudniejsze.
W 2024 roku Lynggaard i współpracownicy wykazali, że analiza próbek powietrza pozwala wykrywać obecność dzikich kręgowców żyjących w naturalnym środowisku (Lynggaard i wsp., 2024). Otworzyło to zupełnie nowe możliwości monitorowania gatunków trudnych do obserwacji. Zamiast szukać samych zwierząt, naukowcy zaczęli poszukiwać pozostawionych przez nie śladów DNA.
Na odpowiedź chiropterologów nie trzeba było długo czekać.
W 2025 roku Daniel E. Sanchez i współpracownicy opublikowali w czasopiśmie *Environmental DNA* wyniki badań, w których wykorzystali pasywne kolektory powietrza do monitorowania nietoperzy (Sanchez i wsp., 2025). Urządzenia przez określony czas wychwytywały cząsteczki unoszące się w pobliżu miejsc żerowania. Następnie próbki analizowano z wykorzystaniem metabarkodowania DNA oraz ilościowej reakcji łańcuchowej polimerazy (qPCR). Badaczom udało się wykryć obecność dwóch gatunków metodą metabarkodowania oraz potwierdzić obecność gatunku *Perimyotis subflavus* za pomocą qPCR (Sanchez i wsp., 2025).
Autorzy bardzo wyraźnie zaznaczają jednak, że ich praca ma charakter **proof of concept**. Oznacza to, że nie przedstawiają gotowej metody do rutynowego monitoringu, lecz pokazują, że pasywne pobieranie eDNA z powietrza może być skutecznym narzędziem w badaniach nietoperzy. Wciąż pozostaje wiele pytań dotyczących wpływu pogody, ruchu powietrza czy odległości, na jaką przemieszczają się cząsteczki DNA, zanim zostaną wychwycone przez próbnik (Sanchez i wsp., 2025).
To właśnie ostrożność autorów sprawia, że wyniki ich badań są tak wiarygodne. Nie ogłaszają przełomu na wyrost, lecz pokazują kierunek, w którym zmierza współczesna chiropterologia.
Jeżeli spojrzymy na te cztery publikacje razem, dostrzeżemy wyraźny trend. Monitoring nietoperzy staje się coraz bardziej zautomatyzowany, dokładniejszy i mniej inwazyjny. Sztuczna inteligencja pomaga analizować dźwięki i obrazy, a biologia molekularna umożliwia wykrywanie zwierząt bez konieczności ich chwytania czy nawet obserwowania. Jednocześnie klasyczne badania terenowe pozostają niezbędne – to właśnie one dostarczają danych, które pozwalają rozwijać nowe technologie i prawidłowo interpretować ich wyniki.
Trzy lata to niewiele. W świecie nauki może to jednak wystarczyć, by zmienić sposób prowadzenia badań. Monitoring nietoperzy jest tego doskonałym przykładem. Jeszcze niedawno najważniejsze było to, co badacz usłyszał w detektorze ultradźwięków. Dziś równie cenne stają się informacje zapisane w milionach pikseli obrazu, przeanalizowane przez algorytmy sztucznej inteligencji czy ukryte w niewidocznych gołym okiem cząsteczkach DNA unoszących się w powietrzu. Wszystko wskazuje na to, że to dopiero początek zmian.
Fot. Błażej Wojtowicz Rozstawione sieci chiropterologiczne.
Literatura
Fundel F., Braun D.A., Gottwald S. (2023). *Automatic bat call classification using transformer networks*. **Ecological Informatics**, 78, 102288.
Koger B., Hall R.W., Hice C.L. i wsp. (2023). *An automated approach for counting groups of flying animals applied to one of the world’s largest bat colonies*. **Ecosphere**, 14(8), e4590.
Lynggaard C., Frøslev T.G., Johnson M.S., Olsen M.T., Bohmann K. (2024). *Airborne environmental DNA captures terrestrial vertebrate diversity in nature*. **Molecular Ecology Resources**, 24, e13840.
Sanchez D.E., Walker F.M., Marriott S.J. i wsp. (2025). *Out in the Open: Investigating Passive Airborne eDNA Detection of Bats at Artificial Feeding Stations*. **Environmental DNA**, 7(3),
@liderzy wśród fanów
