<p class="Abstract" style="font-size:medium;"> <span> <strong>Aims:</strong></span><span>Calling is an important way for birds to communicate and transmit information to each other. This provides a unique opportunity to assess bird diversity through acoustic monitoring. The use of acoustic indices for the rapid assessment of biodiversity is an emerging survey method, but the complex sonic environment in urban forests may lead to bias. The feasibility of using acoustic indices to assess bird diversity in urban forests still needs to be further explored.</span><span></span></p><p class="Abstract" style="font-size:medium;"> <span style="line-height:1.07px;"><strong>Methods:</strong></span><span style="line-height:1.07px;"> </span><span>To understand the effectiveness of acoustic indices in urban forests, we set up 50 matrix survey sample sites in Beijing Eastern Suburb Forest Park. Bird sample point observations and simultaneous acoustic data collection were conducted monthly from April to June 2021. In order to verify the effectiveness of acoustic monitoring, we compared the results of the two methods. Spearman correlation analysis and generalized linear mixed models were used to assess the relationship between six commonly used acoustic indices and bird richness and abundance. The performance of each acoustic index was subsequently measured.</span><span style="line-height:1.07px;"></span></p><p class="Abstract" style="font-size:medium;"> <span style="line-height:1.07px;"><strong>Results:</strong></span><span style="line-height:1.07px;"> </span><span>(1) A total of 35 species, comprising 10 orders and 23 families, were recorded in this experiment. Although the total number of species identified through acoustic monitoring was equal to bird observations, there were discrepancies between which specific bird species were observed. (2) The correlation between acoustic indices and bird richness and abundance varied significantly in different months. The acoustic complexity index (ACI) and normalized difference sound index (NDSI) outperformed others were key variables for assessing bird diversity. (3) Acoustic indices had higher predictive power for bird abundance (<i>R</i>²m = 0.32, <i>R</i>²c = 0.80) than richness (<i>R</i>²m = 0.12, <i>R</i>²c = 0.18).</span><span style="line-height:1.07px;"></span></p><span style="font-size:medium;"></span><span style="font-size:medium;"></span><p class="Abstract" style="font-size:medium;"> <span style="line-height:1.07px;"><strong>Conclusion:</strong></span><span style="line-height:1.07px;"> </span><span>Acoustic monitoring provides a promising tool for urban biodiversity assessment, but there are still many areas that need to be explored. With the gradual improvement of methods and technology, acoustic monitoring has great potential in the tracking and conservation management of urban biodiversity.</span><span></span></p>

鸣声是鸟类之间进行沟通和传递信息的重要方式, 这为通过声学监测评估鸟类多样性提供了独特的机会。利用声学指数快速评估生物多样性是一种新兴的调查方法, 但城市森林中的复杂声环境可能会导致声学指数的指示结果出现偏差。为了解声学指数在城市森林中应用的可行性, 本研究在北京市东郊森林公园设置了50个矩阵式调查样点, 于2021年4–6月每月进行1次鸟类传统观测和同步鸣声采集, 通过比较两种方法的结果来探究声学监测的有效性。采用Spearman相关分析和广义线性混合模型评估6个常用声学指数与鸟类丰富度和多度的关系, 并衡量了每个指数的性能。结果表明: (1)本研究共记录到鸟类10目23科35种, 通过声学监听识别的总物种数与传统鸟类观测相等, 但具体鸟种存在差异; (2)不同月份间声学指数与鸟类丰富度和多度的相关性有明显差别, 声学复杂度指数(ACI)和标准化声景差异指数(NDSI)优于其他指数, 是评估鸟类多样性的关键变量; (3)声学指数对鸟类多度的预测能力(R²m = 0.32, R²c = 0.80)要高于丰富度(R²m = 0.12, R²c = 0.18)。声学指数为快速评估生物多样性提供了有前景的分析手段, 但仍需继续探讨改进。随着方法的逐步完善和处理技术的提升, 声学监测在城市生物多样性保护和跟踪管理方面的潜力也越来越大。

<p> <strong>Background &amp; Aims: </strong>The animal community is a key element constituting the urban green-space ecosystem. As an important ecological component of wild animal communities, the soundscape is of great significance in guiding urban green-space landscape design and biodiversity conservation measures. This paper examined 67 articles from the core collection of Web of Science published between 2005 and 2022 to comprehensively analyze the spatiotemporal patterns of and influences on animal soundscapes in urban green spaces.&nbsp;</p><p> <strong>Findings: </strong>The animal soundscape of urban green space was influenced by environmental-spatial gradients and vegetation spatial structure. Animal sound diversity was inversely correlated with altitude, latitude, urbanization degree, and was also related to vegetation type and height. Phenology of the urban soundscape also showed diurnal, seasonal, and annual variation, including characteristics such as dawn and dusk avian choruses, insect and amphibians nocturnal choruses, and other aspects of animals’ seasonal and annual vocalization patterns. The factors that affect the urban animal soundscape thus include mainly vegetation, environment, anthropogenic interference, and self-driving of animals.</p><p> <strong> Prospects: </strong>Despite being one of the hotspots of current soundscape ecology research, animal soundscape research faces challenges such as insufficient investigation of large spatiotemporal scales. Promising directions for future research include the quantitative analysis of influential factors and their response mechanisms as well as the establishment of a global animal soundscape database.</p>

动物群落是构成城市绿地生态系统的关键要素, 声景作为野生动物重要的生态信息, 掌握其时空变化及其影响因素, 对于指导城市绿地景观设计与生物多样性保护具有重要意义。本文以Web of Science数据库的核心合集2005–2022年收录的67篇研究文献为对象, 综合梳理与分析了城市绿地动物声景的时空模式及其驱动因素。城市绿地动物声景在空间上表现出环境空间梯度和植被空间结构的差异, 动物声音多样性随海拔、纬度、城市化程度的降低以及植被类型和高度的增加呈现升高趋势。时间尺度呈现出昼夜、季节和年度变化差异, 表现为鸟类在黎明和黄昏合唱、昆虫和两栖动物在夜间鸣叫以及季节性和年度性发声规律等。影响城市动物声景模式的因素主要包括植被、环境、人为干扰和动物自身驱动等。动物声景作为当前声景生态学研究的热点之一, 面临大时空尺度演变规律研究不足、动物声景分析有限等挑战, 建议未来着重开展多时空尺度变化规律研究、创新动物声景分析方法、定量解析影响因素及其响应机制、建立全球动物声景数据库等。

Background & Aim: Animal socialnetwork analysis (ASNA) is a toolbox used to examine animal sociality, quantifyvarious social relationships between individuals, and uncover links betweenindividual behavior and dynamics of social structures, which is widely used instudies of animal behavior across a variety of taxa. In addition, a series ofmeasurements in ASNA are very suitable for investigating vocal interactions andsong structure. Here we reviewed the applications of ASNA in studies of animalvocal communication and bioacoustics.Progress: Firstly, we introduced adescription of basic concepts and some measurements. Secondly, we described theuse of ASNA to construct vocal networks and quantify vocal interactions basedon field and laboratory studies, and the application prospect of ASNA combinedwith passive acoustic monitoring technology. Thirdly, we discussed theadvantages of ASNA in analyzing song similarity and geographic variation.Finally, we summarized the application of ASNA in the analysis of songstructure and syntactical rules.Conclusion: ASNA provides a comprehensive perspective and newideas for studying animal communication networks and investigating the adaptiveevolution of acoustic signals.

动物社会网络分析法(animalsocial network analysis, ASNA)是一套用于研究动物社会性、量化个体间各种社会关系、揭示个体行为与社会结构动态之间联系的工具, 被广泛应用于多种动物类群的行为学研究。该分析方法所提供的一系列指标也非常适用于探究动物的声音交流及鸣声结构。在此, 本文首先简要介绍了网络分析法的基本概念及一些常用的指标; 然后基于野外和室内研究实例, 阐述了如何利用ASNA建立声音通讯网络、量化声音交流, 以及将ASNA与被动声学监测技术相结合的应用前景; 随后探讨了ASNA在分析鸣声相似性及鸣声地理变异中的优势; 最后概述了ASNA在解析鸣声结构和句法规则中的应用。ASNA为研究动物通讯网络以及声音信号的适应性进化提供了新的视角和新的思路。

无尾两栖动物的鸣声通常具有物种特异性, 了解其鸣声特征信息, 是利用生物声学进行物种多样性调查及物种监测的前提。本文汇总、整理了2012–2020年间利用高保真录音设备在野外记录的43种(隶属于7科26属)无尾两栖动物的鸣声数据, 以及相应的鸣声采集信息。对音频文件进行降噪处理后, 提供了由61个鸣声的波形图及语图组成的鸣声特征数据集。本数据集展示了鸣声的多种时域和频域信息, 如单音节或多音节、音节数、音节时长、音节间隔、鸣声时长、主频、基频、谐波等, 为我国无尾两栖类的声学研究、物种多样性调查及鸣声监测提供了数据支持。

声音通讯在凹耳蛙(Odorrana tormota)的繁殖过程中起到关键作用, 雄性凹耳蛙个体处于不同性选择压力下会采取不同的发声策略, 然而相关研究仍缺乏。本实验采用个体标记法, 基于2021年3–5月的野外实验, 对雄性凹耳蛙个体(n = 12)处于合唱高潮期和低潮期鸣声中的非线性发声现象(nonlinear vocal phenomena,以下简称NLP)总含量及其各组分(混音、半谐波、频率跳跃)含量、鸣声时长以及鸣叫频次之间的差异进行Wilcoxon符号秩检验。结果显示, 雄蛙处于合唱高潮期和低潮期鸣声中的部分NLP组分(混音、半谐波)含量以及鸣声时长均没有显著性差异, 合唱低潮期的NLP总含量、部分NLP组分(频率跳跃频次)显著大于高潮期, 合唱高潮期的发声率显著大于低潮期。实验结果表明, 雄性凹耳蛙不同合唱期会采取不同的发声策略, 即性选择压力较小的低潮期通过提高鸣声中的NLP含量、扩大声音传播距离、增大声音的不可预测性来更好吸引雌性; 高潮期性选择压力大时, 雄蛙通过提高鸣叫频次使得个体鸣声更加突出, 从而提高抱对成功率。

海南热带雨林国家公园霸王岭片区属于我国生物多样性热点地区, 其自然环境非常适合两栖类生存, 但该区域的无尾两栖类多样性情况尚不清楚。本研究利用新兴的生物声学方法, 调查该地区无尾两栖动物的多样性, 并了解蛙类鸣叫与环境的关系。我们在国家公园霸王岭片区选择5个生境不同的区域, 每个区域设置一条样线, 每条样线上布设3台录音设备, 于2021年6月、8‒9月和12月以及2022年1‒3月分别收集至少半个月的声音数据。本次调查共记录到蛙类17种, 隶属6科11属。四季的物种组成存在差异, 其中冬季(12月)出现的物种最少。不同区域的物种组成也存在差异, 其中飞列区域发现的物种最多。记录到的17种蛙中, 有12种仅在夜晚鸣叫, 有3种主要在夜晚鸣叫, 偶尔也在白天鸣叫, 有2种全天都活跃鸣叫。不同生境蛙类对降雨的响应也存在差异。永久水体中的小湍蛙(Amolops torrentis)和沼水蛙(Hylarana guentheri), 以及栖息环境多样的饰纹姬蛙(Microhyla fissipes), 鸣叫活性不受降雨影响, 但浅水溪流中的脆皮大头蛙(Limnonectes fragilis)和地面上的海南拟髭蟾(Leptobrachium hainanense)鸣叫活性在降雨日更高。综上, 季节、昼夜环境、地理位置和降雨的差异会影响霸王岭片区蛙类的多样性和鸣叫活性。本研究不仅丰富了海南热带雨林两栖类的生态资料, 也有助于海南热带雨林国家公园霸王岭片区野生动物的生态保护和评估。

被动声学监测(passiveacoustic monitoring, PAM)技术指将自动录音机安装在自然环境中收集野生动物及其所在环境的声音信号的监测方法。20世纪90年代以来, PAM技术陆续被应用于翼手目和灵长目等陆生哺乳动物的监测和研究, 探究了陆生哺乳动物行为学、生态学和保护生物学等方面的科学问题。然而, 当前缺乏对这些研究的系统性总结和展望。本文从活动规律和时间分配、栖息地利用、物种分布、种群大小与密度、生物多样性、人为干扰的影响等领域综述了PAM技术在陆生哺乳动物中的研究进展, 并列举了相关应用实例。总体上,PAM技术涉及到生物学、生态学、声学、计算机科学等多学科的交叉融合, 其应用受限于声学数据的储存和管理、物种或个体自动化识别以及声学指数评估的普适性, 设备价格也相对昂贵, 这些可能是导致该技术在我国陆生哺乳动物监测和研究方面的应用还相对滞后于其他国家的原因。最后, 本文对未来研究方向进行了展望, 并建议尽快建立和完善我国陆生哺乳动物PAM网络和数据共享平台、组织开展面对面访问调查或生物多样性保护相关的知识竞赛等公民科学项目、向更多科研机构或保护区推广PAM技术的应用, 使该技术成为陆生哺乳动物行为学、生态学、生物多样性保护等领域不可或缺的技术手段, 进一步服务于我国的生物多样性保护和生态文明建设。

The use of machine learning technologies to process large quantities of remotely collected audio data is a powerful emerging research tool in ecology and conservation.We applied these methods to a field study of tinamou (Tinamidae) biology in Madre de Dios, Peru, a region expected to have high levels of interspecies competition and niche partitioning as a result of high tinamou alpha diversity. We used autonomous recording units to gather environmental audio over a period of several months at lowland rainforest sites in the Los Amigos Conservation Concession and developed a Convolutional Neural Network-based data processing pipeline to detect tinamou vocalizations in the dataset.The classified acoustic event data are comparable to similar metrics derived from an ongoing camera trapping survey at the same site, and it should be possible to combine the two datasets for future explorations of the target species' niche space parameters.Here, we provide an overview of the methodology used in the data collection and processing pipeline, offer general suggestions for processing large amounts of environmental audio data, and demonstrate how data collected in this manner can be used to answer questions about bird biology.© 2021 The Authors. Ecology and Evolution published by John Wiley & Sons Ltd.

被动声学监测技术和声学指数通过对音频数据的时频域特征进行定量分析, 可以反映声景的复杂度、多样性和健康程度等, 已经成为评估生物多样性变化的重要手段。本研究从2020年6月至2021年6月在东北虎豹国家公园采集了52个点的声学数据, 计算了春、夏、秋、冬4个季节和黎明、白天、黄昏、夜晚4个昼夜时间段的声音复杂度指数(acoustic complexity index, ACI)、声音多样性指数(acoustic diversity index, ADI)、声音均匀度指数(acoustic evenness index, AEI)、生物声学指数(bioacoustic index, BIO)、标准化声景差异指数(normalized differencesoundscape index, NDSI)、声音熵指数(acoustic entropy index, H)和1–21 kHz共20个频段的功率谱密度(power spectral density, PSD)等声学指数, 评价了声景构成和多样性的昼夜和季节性差异。结果表明, 东北虎豹国家公园的声景随季节变化具有显著的昼夜节律差异, 尤其是夜晚的声景和声学成分显著不同于其他时段; 白天声景的复杂度和多样性以及生物声的强度更高, 但夏季的夜晚比白天有更高的声音复杂度; 春季的黎明时段由于强烈的鸟类和鸣而具有较高的声音多样性和生物声强度。此外, 声景和声学成分具有显著的季节性差异, 其中春、夏、秋等3个季节(主要是5–10月)具有高的声音复杂度、多样性和生物声强度, 但每个声学指数峰值出现的时间具有高度的异质性。本研究为东北虎豹国家公园声景资源的恢复和保护提供了基础数据, 未来需要进一步结合非声学变量深入探讨区域声景形成的驱动因素, 揭示人类干扰和气候变化的影响。

声景生态学是一个相对较新和快速发展的研究领域, 被动声学监测技术和声学指数已经成为研究湿地鸟类和声景多样性的重要方法。本研究评价了鸟类迁徙对中国东北图们江流域下游湿地声景日、月和季节变化的影响。我们从2020年11月至2021年12月在图们江下游敬信湿地设置10个采样点, 获得91,988条时长5 min的有效音频, 计算了声音复杂度指数(acoustic complexity index, ACI)、生物声学指数(bioacoustic index, BIO)、声音均匀度指数(acoustic evenness index, AEI)和标准化声景差异指数(normalized differencesoundscape index, NDSI)以及1–11 kHz频段的功率谱密度(power spectral density, PSD)。结果表明, 声学指数对鸟类迁徙活动敏感, 其中2个迁徙期声景(2–4月和10–11月)都以1–2 kHz雁类白天的叫声为主, NDSI显著降低, 1–2 kHz的PSD显著升高, 但雁类向北迁徙时几个声学指数变化更为敏感, 有效地捕获了迁徙峰值, 表明不同季节鸟类迁徙模式存在差异。非迁徙期声景由夏候鸟、蛙类和昆虫发声为主, 4种声学指数和PSD随月份呈现不同的动态特征, 反映了声景的多样性和复杂性, 其中5–7月声景以2–11 kHz的夏候鸟鸣唱(呈现显著高的黎明和鸣行为)和2–3 kHz的蛙类鸣叫为主, 8–9月声景以2–3 kHz、4–5 kHz和6–10 kHz频段的夜间昆虫鸣叫为主, 12月至次年1月仅记录到少量的鸟类发声活动。综上所述, 图们江下游湿地声景呈现明显的日和月变化规律, 多种声学指数联合使用可以有效地监测迁徙鸟类物候的变化, 特别是追踪春季雁类向北迁徙的时间和规模。随着全球气候变暖, 我们的结果强调声景监测与声学指数的应用可成为监测迁徙鸟类群落对气候变化响应的有效方法。

通过声学指数量化声音的特征反映生物的组成和生境信息, 是一种高效率、低干扰的监测方式。该研究领域在近十多年来得到了快速的发展, 不断有新的声学指数被提出, 同时也有大量的实证研究。声学指数可分为反映录音内信息的alpha声学指数和比较不同录音之间差异的beta声学指数, 其中alpha声学指数的实证研究较多。本文在汇总已有研究数据的基础上进行meta分析, 关注alpha声学指数与动物多样性、生境质量、动物活跃性之间关联的方向和程度。基于文献调研, 本文对8个常用的声学指数进行了总结分析: 声学复杂度指数(acoustic complexity index,ACI)、声学熵指数(acoustic entropy index, H)、生物声学指数(bioacoustic index, BI)、标准化声景差异指数(normalized differencesoundscape index, NDSI)、声学多样性指数(acoustic diversity index,ADI)、声学均匀度指数(acoustic evenness index,AEI)、声学丰富度指数(acoustic richness index,AR)和频峰数(number of peaks, NP)。其中, ACI是使用频次最高的声学指数, 与动物多样性、生境质量和动物活跃性均存在正相关的关系。ACI与陆地动物活跃性之间的联系最为密切, 总效应量的均值达到0.53。然而, 其他声学指数与动物多样性、生境质量和动物活跃性之间的关联程度普遍不高, 平均解释力不足10%。此外, AEI与生境质量呈显著负相关的关系(相关系数的均值为–0.18, 符号检验P = 0.001), 是本研究发现的唯一显著负相关的联系。本研究结果可为常用alpha声学指数的选用提供参考依据。

被动声学监测通过分析鸟鸣声信息来实现物种识别, 为鸟类多样性监测提供了一种切实可行的技术方案。由于鸟种的鸣声复杂多变, 如何通过声纹快速准确辨别物种, 分析鸟类丰度, 降低对人工操作的需求等技术难题, 成为基于声纹的鸟类多样性监测所面临的挑战。本文提出了基于音节聚类的鸟类鸣声监测框架: 首先通过音高、频率平坦度等音频特征在声纹数据中提取音节, 然后通过无监督表征学习与狄利克雷过程(Dirichlet process)混合模型对音节进行深度无监督聚类训练, 完成音节聚类和自动音节种类推断。分析结果表明, 本文提出的基于音节聚类的鸟类鸣声监测框架在处理开源数据集白腰文鸟(Lonchura striata)的曲目时可获得接近90%的聚类准确率。在此基础上, 本研究对2022年4‒5月在广州市白云山公园固定监测点所录制的10种鸟类鸣声进行了无监督的音节聚类分析, 验证了本文所提出的基于音节聚类的鸟类鸣声监测框架的有效性: 本技术不仅可以支持快速鸟类物种识别, 还可以统计和分析不同物种鸟鸣在时间、频度、数量上的变化。这些结果表明, 基于音节聚类的鸟类鸣声监测框架可以显著降低对人工标注训练数据的要求, 克服传统鸟鸣物种识别框架在处理重叠鸟鸣时难以处理多物种识别的缺点, 为基于被动声学监测的鸟类多样性监测提供了一个快速物种识别、音节序列分析和精细化种群丰度分析的综合解决方案。

随着数字录音技术、电子学和微电子学、人工智能、信息科学等跨学科领域的技术革新, 现代生物声学逐渐与生物学、生态学等学科及关联学科之间形成了广泛的交叉前沿领域。现阶段, 现代生物声学主要以生物学、生态学等基础学科的理论方法为指导, 着重于揭示环境中各类声音在生物之间以及生物与人类、环境之间的相互作用及相关科学规律, 为人类认识、保护和利用生物声学资源提供理论基础和解决方案。本文重点阐述了现代生物声学的学科内涵和学科特征, 介绍了动物生物声学、生态声学、水下生物声学、环境生物声学、保护生物声学、计算生物声学以及现代生物声学研究的技术框架等前沿热点和发展趋势, 评估了中国生物声学研究的学科现状与发展机遇, 并对未来学科建设进行了展望。

在生态系统中, 鸟类是重要的组成部分, 对调节生态环境和监测生物多样性至关重要, 甚至可以通过监测鸟群动向与监听鸟群异常鸣声对地震、海啸等自然灾害进行辅助预测和防范, 为此, 鸟鸣声识别和异常鸣声监测成为热门的研究方向。然而, 由于传统鸟鸣声识别方法存在特征提取不充分等问题, 导致识别率不高。本文采用融合特征的方法结合深度学习技术提取鸟鸣声特征, 融合特征选择改良后的对数梅尔谱差分参数同原始信号参数拼接所得的特征; 深度学习方法是基于DenseNet121网络结构, 并融入自注意力模块与中心损失函数进行鸟鸣声识别。自注意力模块部分提高了关键通道的特征表达能力; 中心损失函数可解决类内特征不紧凑问题。我们通过消融实验对比验证, 对在Xeno-Canto世界野生鸟类声音公开数据集上选取的10种鸟类声音进行识别, 准确率达到96.9%。代码已开源至Github: https://github.com/CarrieX6/-Xeno-Canto-.git。

随着录音设备性能的提高和硬件价格的降低, 基于录音评估声景来反映生境特征和生物多样性的方法得到快速发展。声学指数是对声音整体特征的量化, 受到录音生境和生物组成的共同影响, 因此可构建声学指数与生境特征和生物组成的关联。按照作用的尺度, 声学指数可分为两类: 反映录音内信息的alpha声学指数和比较不同录音之间差异的beta声学指数。随着录音设备的普及, 以及在大尺度上进行生物监测工作的增加, 对不同时间、不同地点的录音进行比较的需求日益迫切。因此, beta声学指数的开发和应用是声学指数研究的重要方向。本文介绍了11个常用的beta声学指数, 并探讨了这些指数的数学特征(非负性、同一性、对称性、直递性、有限性)。本文还通过文献检索获取了beta声学指数在实证中的应用情况, 发现研究中常使用beta声学指数反映时间节律、生境特征的差异或生物组成的改变。最后, 本文指出了beta声学指数研究/应用中迫切需要发展的3个方向: 开发新的指数、优化已有指数的计算方式、增加实证研究。

<p class="Abstract"> <span><strong>Background &amp; Aim: </strong></span><span>In manygroup-living mammals, mothers can </span>recognize <span>callsfrom their own offspring, but little research has been done in solitary species</span>. The giant panda is a solitary species, yet thecompetition for breeding dens becomes tough and overlap in territory andactivity between pregnant females for breeding becomes tense in the wildbecause the availability of old tree caves decreases in recent years. Giantpanda neonates are highly altricial, weighing little more than 0.1% of theadult weight, and rely on constant maternal care for growth and survival. Toelicit maternal care, 0<span>‒</span>45<span>-</span>day old neonates use vocalizations to expressdistress and/ or their physiological needs. Here we use the giant panda (<i>Ailuropodamelanoleuca</i>) as a model to investigate if mothers can <span>discriminatecalls of their own cubs from those of other females.</span> </p><p class="Abstract"> <strong>Methods:</strong> In this study,we first investigated if neonate squalls have the potential of encoding anindividual-specific acoustic signature, and then examined whether mothers candiscriminate squalls of their own from all other neonates using playbackexperiments.</p><p class="Abstract"> <strong>Results: </strong>Analyzing results based on 274 call samples from 6cubs showed that 14 out of 17 analyzed acoustic parameters of squalls have thepotential for individual identity coding (<i>PIC</i> > 1), indicating apotential of an individual acoustic signature. Further discriminant analysisshowed that 78.5% of the squalls were correctly classified to the callingindividual. The playback experiments showed that mothers responded to squallsof their own neonates significantly more frequently than to squalls of otherneonates (<i>P</i> = 0.008), indicating that mothers can identify their ownoffspring from their squalls.</p><strong>Conclusions</strong>: The squall calls of newborn pandaslikely encode an individual acoustic signature, and panda mothers candistinguish the acoustic structure of squalls from their own neonates from thatof other cubs. The results of this study provide valuable insights for the <i>ex-situ</i> conservation and breeding management of giant pandas in captivity, and areconducive to improving the survival rate of giant panda cubs in captivity.

研究表明, 群居哺乳动物具备通过叫声进行母幼识别的机制, 而有关独栖动物的母幼识别机制鲜有研究。大熊猫(Ailuropoda melanoleuca)是典型的独栖动物, 原始森林是保持野生大熊猫种群数量可持续发展的必要条件, 其中的大型古树提供的育幼巢穴对大熊猫幼仔的存活至关重要。但是, 近年来大型古树因受人为干扰而急剧减少, 致使野生成年雌性大熊猫活动领域的重叠增大, 在育幼期产仔大熊猫母兽对育幼巢穴的利用产生了竞争。大熊猫幼仔的体重约为成年大熊猫的0.1%, 幼仔需要母兽高度关怀才能存活和成长。叫声是0‒45日龄大熊猫幼仔向其母兽传递生理需求或所处状态的主要方式。然而, 母兽能否根据幼仔的叫声识别自己的后代, 目前尚无定论。本研究以274条大熊猫幼仔的尖叫声为例, 首先对其进行个体独特性分析, 然后通过叫声回放以及母兽对所回放的两种叫声的行为反应, 验证大熊猫母兽能否辨别出其亲生幼仔。结果发现, 尖叫声的17个声学参数中有14个具有潜在的个体判别能力(PIC > 1); 进一步的判别分析结果显示, 基于这17个声学参数, 78.5%的尖叫声被正确分配到对应的幼仔; 叫声回放实验的结果显示, 母兽在行为上更倾向其亲生幼仔的尖叫声 (P = 0.008)。我们的结果表明尖叫声可以编码大熊猫幼仔的身份信息, 且圈养大熊猫母兽通过该叫声能辨别亲生和非亲生后代。本研究结果为大熊猫的迁地保护和圈养大熊猫繁育工作提供了理论依据, 对人工繁育大熊猫幼仔存活率具有重要意义。

Soundscape ecology studies the patterns of sounds across a variety of spatial and temporal scales, which reflects coupled natural-human dynamics in a changing landscape. We reviewed peer-reviewed studies on soundscape ecology, and summarized the conceptual framework of soundscape ecology, the methodology used and acoustic indices developed in these studies. Current studies primarily focus on the following aspects: 1) acoustic composition of soundscape; 2) acoustic interactions between soundscape components; 3) temporal patterns and spatial variability in the soundscapes; 4) acoustic indices developed for biodiversity monitoring and their efficacy. For future studies on soundscape ecology and biodiversity conservation, we suggest: 1) establishing systematic acoustic monitoring network and data management platform; 2) developing new methods for data collection and analysis (e.g., recording matrix and machine learning algorithm); and 3) treating soundscape as an important resource in future research and conservation.

声景生态学以景观中的声音为研究对象，探讨其在不同时空维度上的分布和变化模式，从而揭示自然环境、野生动物和人类活动的相互作用关系。通过系统检索声景生态学研究的相关文献，本文回顾了该学科的研究框架、研究方法，总结了目前常用的声学指标，重点归纳了声景生态学的研究内容，包括声景组成和各组分间的相互作用，声景的时空格局，以及声景生态学在生物多样性监测中的应用。目前，声景监测中存在的问题主要包括监测的生态系统类型和物种类群有限、声学指标效力有待提高等。建议未来着重推进建立系统性的声景监测网络和数据管理平台；开发和完善音频数据采集、分析方法和评估指标；并重视声景数据的采集，将声景视作一种资源进行研究和保护。