Please wait a minute...
图/表 详细信息
基于被动声学监测技术的城市绿地景观格局与鸟类多样性关联分析
李乐, 张承云, 裴男才, 高丙涛, 王娜, 李嘉睿, 武瑞琛, 郝泽周
生物多样性    2024, 32 (10): 24296-.   DOI: 10.17520/biods.2024296
摘要   (522 HTML12 PDF(pc) (2314KB)(465)  

城市化导致的生境破碎化与生境质量下降对生物多样性造成了负面影响。鸟类是全球生物多样性的重要组成部分, 也是生态环境变化的重要指示物种。城市绿地在鸟类多样性保护中起着主导作用, 理解绿地景观特征与鸟类多样性的关系对城市景观可持续管理和生物多样性保护具有重要意义。为了探究不同取食集团鸟类多样性对城市绿地景观格局的响应差异, 本研究基于被动声学监测技术对广州市30个城市公园开展了为期6个月的同步连续监测, 并基于深度学习模型识别物种信息, 采用冗余分析、随机森林回归、分类和回归树模型量化了鸟类物种数量与绿地景观特征之间的关系。结果表明:较高绿地面积比例和较大斑块面积对鸟类物种数量有积极的影响, 而降低生境景观连通性对其有负面影响, 但不同食性的鸟类对景观特征的响应存在差异。杂食鸟类更加适应破碎化的环境, 食肉鸟对生境连通性高度敏感, 食虫鸟则依赖绿地平均斑块面积。此外, 夜间人造灯光与鸟类物种数量呈负相关关系, 食虫鸟对其的响应更加敏感。鸟类物种数量与绿地景观特征之间呈非线性关系, 具有不同的响应过程和阈值。当2 km圆形缓冲区内绿地平均斑块面积高于0.01-0.02 ha或孤岛面积比例低于0.92%-10.40%时, 有助于增加专一食性鸟类物种数量。为提升城市鸟类整体多样性, 建议减少人造灯光对鸟类的负面影响, 并在景观管理中保护和恢复以本地物种为主的残存栖息地、建立廊道和补充性新栖息地、增强生境连通性。


编号
Code
声场景类型
Acoustic scene
精确率
Precision rate
召回率
Recall rate
F1得分
F1 score
1 鸟类
Brid
0.96 0.95 0.96
2 鸟类-昆虫
Bird-insect
0.98 0.98 0.98
3 鸟类-人工
Bird-human
0.96 0.98 0.98
View table in article
表1 城市声场景分类模型的训练结果与分类精度
正文中引用本图/表的段落
本研究首先基于对数梅尔语谱图(log-mel spectrogram)和卷积神经网络(convolutional neural networks, CNN)构建声场景分类模型(Hao et al, 2022)。原始的声学场景分类模型包括鸟类、昆虫、鸟类-昆虫、鸟类-人工、昆虫-人工、人工和静音7种类型。总体上, 该模型在测试集上精确率为0.96, 召回率为0.97, F1得分(精确率和召回率的平均值)为0.97, 测试集是从整个数据集中对每个类别等比例随机抽取30%的数据, 以确保测试样本的代表性和多样性。为避免冗余噪音和其他生物类群声音的干扰, 从分类模型的输出中选择了鸟类、鸟类-昆虫和鸟类-人工3个场景, 准确率均超过95% (表1)。其他4种声场景未包括在本研究中。
本文的其它图/表