Efficacy of extracting indices from large-scale acoustic recordings to monitor biodiversity
Efficacy of extracting indices from large-scale acoustic recordings to monitor biodiversity
复制标题
DOI：
10.1111/cobi.13119
复制
发表时间：
2018-10-01
影响因子：
6.3
通讯作者：
Wittemyer, George
中科院分区：
文献类型：
--
作者：
Buxton, Rachel T.;McKenna, Megan F.;Wittemyer, George
被动声学监测可能是评估大空间和时间尺度生物多样性的有效方法。然而，从录音中提取有意义的信息可能非常耗时。声学指数（即声能的数学总结）提供了一种相对快速的处理声学数据的方法，并且越来越多地用于表征生物群落。我们研究了声学指数与录音中生物声音的多样性和丰富度之间的关系。我们回顾了声学指数文献，发现超过 60 个指数已应用于一系列目标，并取得了不同程度的成功。我们使用 36 个最具指示性的指数来开发录音中动物声音多样性的预测模型。声学数据是在美国大陆温带陆地和热带海洋栖息地的 43 个地点收集的。对于陆地录音，以一组声学指数作为协变量的随机森林模型可以高精度预测香农多样性、丰富度和生物声音总数（R(2)0.94，均方误差 [MSE] 170.2）。在评估的指标中，粗糙度、声学活动和声学丰富度对模型的预测能力贡献最大。指数模型的性能受到昆虫、天气和人为声音的负面影响。对于海洋记录，随机森林模型很难预测香农多样性、丰富度和生物声音总数（R-2 0.40，MSE 195）。我们的结果表明，在灵活的模型中使用相关声学指数的组合可以准确预测温带陆地声学记录中生物声音的多样性。因此，声学方法可能对某些栖息地的生物多样性监测做出重要贡献。 生物多样性登记和监测的效率可通过时间和空间上的生物多样性评估来评估。如果封锁，则提取有意义的信息可能会导致不合理的情况，并要求在很多时间段内提出要求。声学指数（es decir，un resume matematico de la energia acustica）按比例快速处理数据声学和 cada vez se usan mas para characterizar las comunidades biologicas。检查声学指标之间的关系以及抓斗中生物声音的多样性和丰富性。修订参考书目，包括 60 个索引，适用于各种不同的对象。 Usamos 36 指数是对各种动物和抓斗动物的预测模型的指示。收集了 43 个陆地栖息地和热带海员栖息地以及大陆统一国家的数据。 Para las graciones terrestres, los modelos de bosques aleatorios junto con un juego de Index acusticos como covariantes predijeron la diversidad de Shannon, la riqueza y el numero Total de sonidos biologicos con una certeza elevada (R-2 0.94, error medio al cuadrado [MSE] 170.2)。评价指标、设计、声学活动和声学研究有助于模型预测能力的贡献。昆虫、气候和人类起源的负面影响的模型模型。 Para las graciones marinas、los modelos de bosque aleatorio predijeron pobremente la diversidad de Shannon、la riqueza y el numero Total de sonidos biologicos (R-2 0.40, MSE 195)。我们的研究结果是使用与声学相关的指标组合，以灵活地预测生物声音多样性的准确度，并将其注册为地球栖息地的声学指标。 Asi，las estrategias acusticas podrian 为阿尔古诺斯栖息地生物多样性监测做出了重要贡献。 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? (?????????) ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 60 ?????????????????? 36??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 43 ?????????????????????????????????????????????????????? (R(2)0.94, ???? [MSE ] 170.2) ?????????, ????????????????????????????????????????????????????????????????????????????????????????????????????????? (R-2 0.40，MSE 195) ?????????, ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????？？？ ??: ??文章影响陈述：声学处理技术提供了预测大规模被动声学记录中生物多样性程度的指标。
Passive acoustic monitoring could be a powerful way to assess biodiversity across large spatial and temporal scales. However, extracting meaningful information from recordings can be prohibitively time consuming. Acoustic indices (i.e., a mathematical summary of acoustic energy) offer a relatively rapid method for processing acoustic data and are increasingly used to characterize biological communities. We examined the relationship between acoustic indices and the diversity and abundance of biological sounds in recordings. We reviewed the acoustic-index literature and found that over 60 indices have been applied to a range of objectives with varying success. We used 36 of the most indicative indices to develop a predictive model of the diversity of animal sounds in recordings. Acoustic data were collected at 43 sites in temperate terrestrial and tropical marine habitats across the continental United States. For terrestrial recordings, random-forest models with a suite of acoustic indices as covariates predicted Shannon diversity, richness, and total number of biological sounds with high accuracy (R(2)0.94, mean squared error [MSE] 170.2). Among the indices assessed, roughness, acoustic activity, and acoustic richness contributed most to the predictive ability of models. Performance of index models was negatively affected by insect, weather, and anthropogenic sounds. For marine recordings, random-forest models poorly predicted Shannon diversity, richness, and total number of biological sounds (R-2 0.40, MSE 195). Our results suggest that using a combination of relevant acoustic indices in a flexible model can accurately predict the diversity of biological sounds in temperate terrestrial acoustic recordings. Thus, acoustic approaches could be an important contribution to biodiversity monitoring in some habitats.Eficiencia de la Extraccion de indices a partir de Registros Acusticos a Gran Escala para Monitorear la Biodiversidad El monitoreo acustico pasivo podria ser una manera poderosa de evaluar la biodiversidad en escalas temporales y espaciales grandes. Sin embargo, la extraccion de informacion significativa a partir de grabaciones puede ser inasequible y requerir de mucho tiempo. Los indices acusticos (es decir, un resumen matematico de la energia acustica) proporcionan un metodo relativamente rapido para procesar los datos acusticos y cada vez se usan mas para caracterizar las comunidades biologicas. Examinamos la relacion entre los indices acusticos y la diversidad y abundancia de sonidos biologicos en las grabaciones. Revisamos la bibliografia sobre el indice de acustica y encontramos que mas de 60 indices han sido aplicados a una gama de objetivos con exito variante. Usamos 36 de los indices mas indicativos para desarrollar un modelo predictivo de la diversidad de sonidos de animales en las grabaciones. Se recolectaron datos acusticos en 43 sitios en habitats terrestres templados y marinos tropicales en todos los Estados Unidos continentales. Para las grabaciones terrestres, los modelos de bosques aleatorios junto con un juego de indices acusticos como covariantes predijeron la diversidad de Shannon, la riqueza y el numero total de sonidos biologicos con una certeza elevada (R-2 0.94, error medio al cuadrado [MSE] 170.2). Entre los indices que se evaluaron, la desigualdad, la actividad acustica y la riqueza acustica fueron los que mas contribuyeron a la habilidad predictiva de los modelos. El desempeno de los modelos de indices fue afectado negativamente por sonidos de insectos, del clima y de origen humano. Para las grabaciones marinas, los modelos de bosque aleatorio predijeron pobremente la diversidad de Shannon, la riqueza y el numero total de sonidos biologicos (R-2 0.40, MSE 195). Nuestros resultados sugieren que el uso de una combinacion de indices acusticos relevantes dentro de un modelo flexible puede predecir con exactitud la diversidad de los sonidos biologicos en un registro acustico de un habitat terrestre templado. Asi, las estrategias acusticas podrian ser una contribucion importante para el monitoreo de la biodiversidad en algunos habitats.Resumen?? ???????????????????????????????, ??????????????????????? ( ?????????) ???????????????????, ????????????????????????????????????????????????????????????, ??????? 60 ???????????, ?????????36 ?????????, ????????????????????????????????????????? 43 ??????????, ????????????????????????????????????????????? (R(2)0.94, ???? [MSE ] 170.2) ?????????, ??????????????????????????????????????????????????????????????, ????????????????????????????? (R-2 0.40, MSE 195) ????????, ???????????????????????????????????????????, ?????????????????????????????: ???; ??: ????Article impact statement: Acoustic-processing techniques provide indices that predict the degree of biotic diversity in large-scale passive acoustic recordings.