|
||||||||||||||||||||||||||||||||||||||||
被动声学技术在城市公园绿地鸟类多样性监测中的应用: 以上海闵行区春申公园为例
生物多样性
2024, 32 (10):
24262-.
DOI: 10.17520/biods.2024262
公园绿地是维持城市生物多样性的关键生境。鸟类作为城市生物多样性的指示类群, 其生物多样性格局和保护已成为城市生态学研究的热点, 近年来被动声学技术的应用逐渐成为鸟类多样性监测的发展趋势。为了探讨被动声学技术与传统样线调查方法在城市公园绿地鸟类监测中的有效性差异, 本研究于2023年7月至2024年4月选择上海外环林带典型公园绿地, 采用声纹设备和样线调查法监测鸟类多样性, 在3种生境类型中各布设1套声纹设备, 每天24 h每小时采集前15 min的动物声音数据, 基于无监督音节聚类分析对数据进行处理, 将监测结果与样线调查进行深入比较分析, 评估了两种监测方法的有效性。结果表明: 声纹设备共记录鸟类11目28科49种, 样线调查共记录鸟类5目19科32种, 二者均记录到雀形目种类最多。两种方法监测到的共有种为24种, 监测到的鸟类居留型组成特征一致, 均以留鸟为主。声纹设备记录到的优势种种类多于样线调查, 白头鹎(Pycnonotus sinensis)、珠颈斑鸠(Spilopelia chinensis)、乌鸫(Turdus mandarinus)和灰喜鹊(Cyanopica cyanus)为二者均记录到的优势种。就不同生境而言, 两种方法均以林湿复合混交林监测到种类数最多, 而林湿复合纯林和混交林种类水平相当, 各生境类型均以春秋季鸟类种类和数量相对较多, 但两种方法监测到的鸟类优势度指数、多样性和均匀度指数等群落特征及其季节变化存在较大差异。基于被动声学的鸟类智慧化监测为城市生物多样性保护研究提供了新的技术路径, 可与传统调查技术方法相结合, 提升监测数据的准确性和全面性。
表1
春申公园鸟类多样性监测声纹设备监测数据处理信息表
正文中引用本图/表的段落
声纹设备数据处理流程主要包括: (1)有效数据获取。由于采集到的声音数据量庞大, 在对输出数据进行分析时, 采用置信度作为有效数据筛选标准。置信度定义为算法对输入声音数据与目标物种声音匹配的可信程度, 置信度越高, 识别结果准确率越高。根据算法开发公司的大量实验数据统计分析结果, 当置信度 ≥ 60%时, AI算法识别结果的相对准确率能达到60%-80%, 部分常见物种识别率甚至可以达到90%。因此, 本研究中提取识别结果置信度 ≥ 60%的数据作为原始有效数据。同时, 考虑到鸟的鸣叫特点, 同一时段可能有多条来自同一个体的鸣声数据, 在进行有效数据输出时, 进一步引入独立事件计数方式, 即将15 min记录时长划分为3个5 min的时段, 若某种鸟在此5 min时段内有符合阈值的鸣声, 则记为一次独立事件, 5 min内有多条鸣声的也只记录为一次独立事件。(2)专家初步确认。由鸟类学专家对有效数据进行评估, 结合公园生境特点对物种存在的可能性进行确认, 生成已确认和待确认名单, 待确认名单主要包括低概率和无存在可能性的物种数据。(3)二次识别确认。将待确认名单及声纹数据反馈给算法团队, 由专业人员进行二次识别确认, 二次确认的结果包括仍无法确认而被记为无效的数据、确认数据和修改的数据3种类型。(4)最终确认。综合两次专家确认结果, 最终确定声纹设备监测结果。3台设备收集到的有效数据及专家校核处理信息如表1所示。
在3种不同生境类型下, 鸟类群落组成既存在相同之处, 也表现出一定的差异: CS1、CS2和CS3分别记录到鸟类9目25科43种、9目23科35种和8目22科33种。具体而言, 3种生境类型均以雀形目种类数最多, CS1为17科34种, CS2为15科27种, CS3为15科26种, 而非雀形目鸟类物种数相对均等, 除CS1鹤形目为1科2种外, 其他均为1科1种。各生境类型中均有一些广泛分布的核心物种, 如黑领椋鸟(Gracupica nigricollis)、鹊鸲(Copsychus saularis)、白头鹎(Pycnonotus sinensis)等物种在所有生境中均有出现。不同之处表现为, CS1生境中以鹟科种类数最多, 为5种, 其次为鸦科, 为4种; CS2和CS3生境中均以鸦科种类数最多, 为4种, 体现了微生境中鸟类群落多样性上的差异。
本文的其它图/表
|