城市绿地动物声景的时空特征及其驱动因素

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。     

基于音节聚类分析的被动声学监测技术及其在鸟类监测中的应用

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...