基于鸣声的鸟类监测研究

Bird sounds play an important role in bird population surveys and biodiversity monitoring. With the development of field recording equipment and song analysis technique, the development of methods for collecting and analysis of large acoustic datasets is an active area of research。And multiple acoustic indices have been developed to be used as proxies for species diversity in recent years. Besides the difference among species, structure and variation of the acoustic features within species can be used to identify individuals, and monitor population dynamics. In this project, we'll accomplish follow research, 1) to test the correlation between bird diversity and acoustics indices, and explore acoustic indices that can reflect bird diversity in several representative forest avian communities in China. 2) Using the species-specific calls, to identify the birds in recording automatically through machine learning. 3) to detect acoustic individuality of endangered pheasants (such as Cabot's Tragopan, Satyr's Tragopan, Green Peacock, Mountain partridge, Cuckoo and Ficedula Flycather) , and to realize the individual identification of endangered pheasants on the basis of acoustic data. The implementation of this project will realize bird species diversity and population dynamics monitoring based on acoustic data, and provide new methods and technical support for the quick assessment of bird diversity and population quantity monitoring of endangered bird species.

鸟类声音在鸟类多样性监测和种群数量调查中发挥着重要的作用。随着野外录音设备及鸣声分析技术的发展，利用大型声学数据集收集和分析方法是一个活跃的研究领域。近年来已提出了多个反映鸟种多样性的声音指数。除物种之间的差异外，物种内部声学特征的结构和变化可用于识别个体、并监测种群动态。本项目拟选取我国不同区域的，开展鸟类群落、物种、个体的鸣声特征的独特性研究：1）检验鸟类多样性与不同声音指数关联度，探究能反映鸟类多样性的指数。2）利用不同鸟类鸣声种的特异性，通过机器学习，自动识别和监测代表性群落中的鸟种。3）通过濒危雉类（黄腹角雉、红胸角雉、绿孔雀、山鹧鸪、杜鹃、姬鹟）鸣声的个体性研究，实现基于鸣声的个体识别。本项目的实施，将实现基于鸣声的鸟类群多样性和种群动态监测，并为鸟类多样性快速评估和濒危鸟类种群数量监测提供了新方法和技术支持。

鸟类声音在鸟类多样性监测和种群数量调查中发挥着重要的作用。随着野外录音设备及鸣声分析技术的发展，利用被动声学技术集收集野生鸟类鸣声并进行分析是当前活跃的研究领域。近年来已提出了多个反映鸟种多样性的声音指数。除物种之间的差异外，物种内部声学特征的结构和变化可用于识别个体、并监测种群动态。本项目选取了我国典型代表区域和南极恩克斯堡岛，开展鸟类群落、物种、个体的鸣声特征的独特性研究：1）分析了反映鸟类多样性和种群数量的鸣声指数，发现声学复杂性指数(ACI)、生物声学指数(BI)最能反映鸟类多样性的指数，并通过声音活跃性指数（vocal activity rate，VAR）实现了南极恩克斯堡岛阿德利企鹅雏鸟繁殖群的动态监测。2）建立了北京和河南董寨鸟类鸣声库，基于不同鸟类鸣声种的特异性，通过人工辅助的机器学习，实现了鸟种的自动识别，识别正确率为75-83%。，对北京小龙门地区雉类鸣声行为动态进行了监测研究。3）通过对濒危雉类（黄腹角雉、绿孔雀、红原鸡等）、大杜鹃、绿背姬鹟等不同类型鸟类鸣声的个体性研究，发现并非所有鸟类具有鸣声的个体稳定性（大杜鹃鸣声随时间增长，稳定性下降），实现通过鸣声对黄腹角雉、绿孔雀、红原鸡等濒危雉类，以及具有鸣声复杂鸟类（绿背姬鹟）的个体识别。本项目的实施，为基于鸣声的鸟类群多样性和种群动态监测提供了基础，为鸟类多样性快速评估和濒危鸟类种群数量监测提供了新方法和技术支持。

内容获取失败，请点击重试