被动声学监测技术在九里湖湿地公园鸟类监测中的应用研究.pdf

第 卷 第 期 年 月江 苏 林 业 科 技 文章编号：（）被动声学监测技术在九里湖湿地公园鸟类监测中的应用研究王虎诚，魏 齐，杜 伟，王 菲，葛秉珏，鞠然然（徐州市林业资源管理技术中心，江苏 徐州；南京理工大学电子工程与光电技术学院，江苏 南京）收稿日期：；修回日期：基金项目：江苏省林业科技创新与推广项目“面向生物多样性评估的湿地鸟鸣声学识别系统研发”（徐州）作者简介：王虎诚（），男，江苏睢宁人，林业高级工程师，大学本科毕业。主要从事陆生野生动植物保护工作。：通信作者：鞠然然（），女，山东济南人，硕士研究生。研究方向：电子系统理论与技术：摘要：该文以徐州九里湖采煤塌陷地国家湿地公园自然栖居野生鸟类为对象，基于生物声学记录仪实采的野外鸟鸣声数据，开展了基于鸟鸣声的物种识别试验性研究。在构建徐州地区塌陷地湿地公园 种常见鸟类鸣声数据库的基础上，对比分析了物种识别试验结果和相应人工野外调查情况，结果表明所研物种识别系统可实现 以上的鸟类物种识别准确率，并且能够在植被茂密的栖息地环境下弥补人工调查监测盲区，从而显著提高鸟类监测工作的有效性和便利性。研究成果对于被动声学监测技术在鸟类物种多样性监测与保护领域的广泛应用具有良好的推动作用。关键词：鸟鸣声；物种识别；被动声学监测；九里湖国家湿地公园中图分类号：；文献标志码：鸟类是生态系统的重要一环，是生物多样性的关键组成部分，也是重要的环境指示性生物，在维护环境生态平衡等方面扮演着至关重要的角色，定期监测区域内鸟类动态对于当地自然保护管护具有重要意义。目前，常见的鸟类监测手段主要有人工观察、卫星追踪、雷达和声学监测等。传统人工鸟类调查监测法的准确度受光线、样线设置、观测设备、出勤率、鸟类隐蔽程度及现身频率等因素影响较大。而卫星追踪、雷达技术等因其成本高、实现复杂，难以大范围推广使用。相比之下，基于鸟鸣声的 被 动 声 学 监 测（，）技术具有观测范围广、成本低、效率高等显著优势，因而成为鸟类资源调查的一项重要手段。基于被动声学监测的鸟类鸣声识别方法主要分为基于模版匹配的方法、基于特征提取的方法和基于深度学习的方法 类。基于模版匹配的方法研究历史最久，其中最典型的为动态时间规整算法（，），但是有限的抗噪声性能和较大的实时运算量限制了其进一步应用和发展。等人使用 算法选择靛蓝彩鹀和斑胸草雀 种鸟作为研究对象，对于变化单调的鸟鸣声可达到 的识别率，而对于变化丰富的鸣唱声识别准确率则下降为。基于特征提取的识别方法是根据鸟鸣声特点，通过获取光谱特征、倒谱特征、时频特征等不同系数，利用传统的机器 学 习 算 法，如 支 持 向 量 机（，）、隐马尔科夫模型（，）等进行物种分类。程金魁等人选择中国叶莺、淡眉柳莺、白头鹎莺和甘肃柳莺 种雀形鸟类鸣声的梅尔倒谱系数（，）为特征参数，基于高斯混合模型（，）获得了 识别率。基于深度学习的识别方法是近年研究的热点之一，按照基础神经网络结构可以分为卷积神经网络（，）和循环神经网络（，）大类。谢卓钒等人利用 网络结构，融入自注意第 期王虎诚等：被动声学监测技术在九里湖湿地公园鸟类监测中的应用研究力模块与中心损失函数进行鸟鸣声识别，在 公开的 种鸟类数据集上达到了 的准确率。本研究选取煤矿塌陷地生态修复典型 徐州九里湖国家湿地公园为研究区域，基于生物声学记录仪实采的野外鸟鸣声数据，开展了基于鸟鸣声的物种识别试验性研究。结合上述国内外研究现状，本文选择了基于深度学习的方法进行鸟鸣识别系统的开发。在构建徐州地区塌陷地湿地公园常见鸟类鸣声数据库的同时，通过对比同期人工野外鸟类普查结果，验证了基于实地采鸟鸣声数据进行物种分类的有效性和可靠性，为湿地及公园重点监测鸟类的保护和规划提供数据支撑。材料与方法 研究区域概况徐州九里湖国家湿地公园位于徐州城区西北部（北纬 ，东经 ），总面积为 ，其中沼泽地 ，陆地 ，水域 。通过对煤矿塌陷地的综合改造和多年的保护，区域的生态得到较好修复，生物多样性较为丰富，已成为国家重点保护鸟类鸭科、鹭科等迁徙驿站，世界濒危鸟种震旦鸦雀（）也经常在这里栖息。鸟鸣研究方法本研究所用鸟鸣声录音数据均采集于九里湖国家湿地公园，并采用 软件进行录音回放。在人工辨听的同时，截取潜在物种的鸟鸣片段，建立相关鸟类物种数据库。相关技术人员利用神经网络模型实现识别算法软件设计，进而完成鸟种分类识别任务。与此同时，数位鸟类专家同步开展湿地公园鸟类野外普查，掌握公园内鸟类的大体分布、种类、数量等基础信息。本研究旨在比较鸟类识别和人工野外调查模式，记录和标记鸟类物种数量差距，从而探究被动声学监测技术在鸟类物种监测工作中的作用。监测设备及点位布设监测设备采用美国 公司 生物声学记录仪，是目前最新一代 系列产品。该声学记录仪能耐受恶劣天气，可在任意自然环境下定期、季节性或长期监控野生动物，共 台。本着水体、林间 种生境兼顾的原则，经现场实地调查，公园东、西湖均初步布设 点（东北纬，东经，东北纬，东经；西北纬，东经，西北纬，东经），使用铁丝将采集器安装到树上（距地面约 处），先进行连续 全天候不间断试采集。通过对试采集数据进行分析，对采样点位置进行优化调整，经再次连续试采集数据分析后，最终确定在九里湖湿地公园东湖和西湖各设置 个采样点，即东和西 点。其中西湖采样点选择在景区幽静的林间，东侧是一个小水塘，距离行人散步的小路 。东湖采样点位于东湖湖心岛，湖心岛以栈道与湖岸相连，四面环水，岛上芦苇、柳树植被，大量水鸟栖息于此。采集模式 基于采集数据分析结果，并参考近年来国内外相关研究成果，确定后续长期鸟鸣声采集最佳时段为以每天日出、午时、日落、午夜 个时刻为中心，分别采集相应时刻前后共 ，如表 所示。表 鸟鸣声数据采集策略采集时间采集方式数据样本时长 个方案 全天（每月初 ）连续采集 方案 以日出，午时，日落，午夜为中心，各采集 采集 休眠 鸟鸣声数据库构建从 年 月开始，按照设置的采样模式进行录制，每月更换 次电池和 次内存卡。将内存卡中的录音数据按月份和采集模式进行分类保存，清空后重新放入记录仪中。截至 年 月，共连续采集 个月，录音数据累积 ，其中 录音数据 条，录音数据 条。每 个月梳理所得数据，结合录音数据的谱图，根据鸟类物种鸣叫声的时频分布特征筛选并截取出潜在的目标鸟声片段。然后，鸟类专家对上述已筛选数据进一步多次辨听，结合湿地公园常见鸟类物种范畴，并辅助野外调查、网站信息搜索等方法，最终确定并标记鸟类物种。此后，相关技术人员根据专家确定的物种及相应的时频谱图特征，广泛地进行辨听和数据截取，从而构建相应鸟类物种的鸣声数据库。识别算法实现 在深度学习方法中，常用的分类模型有、等，本研究采用的江苏林业科技第 卷是 网络模型。是由比利时根特大学在 年提出改进的一种时延神经网络模型，通过引入通道注意力机制，强调通道传播与特征聚合。其最初应用于声纹识别领域，在 年国际声纹识别比赛中获得了第 名，成为最为主流的声纹识别模型之一。如图 所示，模型结构主要包括一维卷积层、层、注意力 统 计 池 化 层、特 征 聚 合 层 等。本 研 究 将 网络模型应用于鸟鸣识别方向，更好的提取、学习不同物种的鸟鸣声特性，从而获得较高的准确率。图 鸟鸣物种识别系统流程图 网络模型结构在 开发环境下，构建了鸟鸣物种识别系统，如图 所示。首先，将鸟鸣片段通过添加噪声，调节信噪比，增强音量及音调、拉伸速度等信号处理技术进一步实现数据增广。随后将数据集按照 和 的比例划分为训练集和测试集。其中，针对训练集数据，首先做快速傅里叶变换（，），并取绝对值再平方，得到能量谱图。然后，通过构造梅尔频率滤波器，并与能量谱进行点积运算，得到梅尔频谱图。进而对梅尔频谱图取对数，并做 离 散 余 弦 变 换（，），取前 个元素作为 特征。最后，将得到的 特征送入 网络进行训练，更新模型并保存最优参数。将待辨别鸟鸣声录音数据输入模型，调用保存的参数，可得到最相似的物种标签和相似度。本文设置相似度阈值为，即当相似度低于 时，认为该物种不在已有的鸟鸣物种数据库中，并标记为“未知”新物种，后续邀请专家进一步反复辨听，从而可实现已有鸟类物种鸣声数据库的不断扩充和完善。野外普查为验证该监测技术准确度并实现数据互补，全面了解研究区域鸟类资源状况，野外普查与鸟鸣声采集工作同步进行。鸟类专家借助观鸟镜、红外相机等专业设备在采集点及周边区域，对九里湖湿地公园的野生鸟类进行调查，记录、收集所观察鸟的种类、数量、鸣声，拍摄照片，了解其大概分布。调查频次根据季节、气候等均匀设置在 内，全年调查不低于 次；调查时段与 鸟鸣采集设备设置的时段吻合，早上：，中午：，傍晚：；调查线路分别为九里湖湿地公园的东湖与西湖沿线，线路长度不少于 。第 期王虎诚等：被动声学监测技术在九里湖湿地公园鸟类监测中的应用研究 结果与分析 鸟鸣声自动识别结果按照鸟鸣声数据库构建的步骤，共有 种鸟类在录音文件中被标记。其中，经多位专家联合讨论后已确定 种，每种鸟类均人工截取约 条干净的鸣声保存入库，相应谱图类型和片段数量如表 所示。表 已构建的 种鸟类鸣声数据库物种名称学名片段数量东方大苇莺（）棕扇苇莺（）灰喜鹊（）游隼（）棕头鸦雀（）大杜鹃 （）噪鹃（）田鹀（）褐柳莺（）红尾鸫（）北红尾鸲（）白头鹎（）乌鸫（）银喉长尾山雀 （）将上述 种鸟类鸣声数据库随机划分 作为训练集进行预处理和数据增广，提取出 特征，送入 网络模型，设置训练次数为。使用 函数，当连续 轮模型训练损失没有下降时，则提前终止训练并保存参数。训练日志显示，第 轮时启动 ，训练停止。将剩余的 鸣声片段作为测试集输入模型中，通过对比预测标签和真实标签，计算准确率（）、召回率（）和，作为衡量物种识别性能的指标，相应各个指标的计算表达式为 其中，为本身为正样本并被识别为正样本的个数；为本身为负样本并被识别为正样本的个数；为本身为正样本并被识别为负样本的个数。如图 所示，种鸟类的 个物种识别性能指标均在 以上。其中东方大苇莺（）和白头鹎（）的识别效果略低于其他物种，这可能是由于 个物种的鸣声富于变化，频谱种类多样，增加了准确识别的难度。野外调查结果按照人工野外调查方法，研究区域内共记录到鸟类 种，隶属于 目 科，其中雀形目鸟类 种，占；非雀形目 种，占，具体如表 所示。图 徐州地区 种常见鸟类识别性能江苏林业科技第 卷表 九里湖鸟类调查统计情况序号目科中文名日期（月日）鸡形目稚科稚鸡雁形目鸭科斑嘴鸭目科小鷉凤头鷉黄苇鳽夜鹭鹈形目鹭科池鹭白鹭隼形目隼科红隼鹤形目秧鸡科黑水鸡骨顶鸡鸻形目鸥科红嘴鸥须浮鸥鸽形目鸠鸽科山斑鸠珠颈斑鸠鹃形目杜鹃科四声杜鹃大杜鹃犀鸟目戴胜科戴胜星头啄木鸟鴷形目啄木鸟科大斑啄木鸟灰头绿啄木鸟雀形目伯劳科红尾伯劳棕背伯劳黄鹂科黑枕黄鹂鸦科灰喜鹊喜鹊鹎科白头鹎燕科家燕金腰燕长尾山雀科银喉长尾山雀褐柳莺柳莺科黄腰柳莺黄眉柳莺极北柳莺苇莺科东方大苇莺噪鹛科画眉黑脸噪鹛鸦雀科棕头鸦雀震旦鸦雀八哥椋鸟科丝光椋鸟灰椋鸟鸫科乌鸫白眉鸫鹟科北灰鹟梅花雀科白腰文鸟鹡鸰科白鹡鸰燕雀科黑尾蜡嘴雀鹀科金翅雀灰头鹀第 期王虎诚等：被动声学监测技术在九里湖湿地公园鸟类监测中的应用研究 讨论通过人工截取、录音回放、专家辨听，已对湿地公园 种鸟类物种实行标记。其中，种数量较多、质量较高的鸟鸣片段已入库分析，在测试中均获得 以上的识别准确率。对比野外调查数据，约 已标记物种在人工调查工作中得以记录，种监测方式相互印证的结果表明基于鸟鸣声的物种识别具有很高的准确性和有效性。棕扇尾莺（）、中华攀雀（）、游隼（）等藏身隐匿、体型较小鸣禽或飞行迅速、偶尔出没的猛禽等尚未在高频次人工野外调查中发现，可排除偶然性因素。许多鸟类，尤其是在植被茂密的栖息地，观鸟者往往只闻其声而难见其身影，即便现身，也常常一闪而过，肉眼难以辨识。因此，研究结果表明被动声学监测技术可有效弥补人工调查监测盲区，形成优势互补。鸟类鸣声具有物种特异性，这是根据鸣声辨识鸟类的基础。假如观鸟者熟悉所调查地区鸟类的鸣声，与只通过目视观察辨识相比，被动声学监测技术与人工野外调查相结合可以记录到更为完备的鸟类物种信息。而且有些类群的物种外形相似，但鸣声差别较大，如杜鹃、莺类等，因此，基于鸟鸣声的物种识别方法可以为鸟类监测工作带来更大的便利。本研究针对九里湖湿地公园鸟类开展以鸣禽为主的鸟类鸣声物种识别方法研究，开发出可用于九里湖湿地生物多样性评估的鸟鸣声学监测系统，并构建了九里湖湿地公园鸟类鸣声数据库。通过将人工野调与机器学习相结合，一方面，借助鸟类专家的专业知识，确保物种种类辨识的准确性；另一方面，充分发挥被动声学监测非侵入性、可监测时空覆盖范围广的优势，实现长期数据积累，从而不断丰富鸟类鸣声数据库。开发的鸟鸣声学监测系统极大改善了管理人员对鸟类分类不精的问题。设置的“相似度阈值”也将为城市公园中发现濒危珍稀物种给予一种提示和途径，通过反复回放相似度较低片段可以发现野外调查中因出现频次较少而易被忽略的、未进入已有鸟鸣物种数据库的新物种。研究成果对九里湖湿地生物多样性中指标性物种鸟类日常监测及生态效能评估能够起到重要作用，对徐州其他自然保护地的生物多样性监测也具有引导和示范作用，对建设美丽徐州具有重要意义。目前本研究所使用的生物声学记录仪已连续录制 个月，横跨春夏秋冬 个季节，能够收录到记录仪所在位置方圆 内的所有生物声。随着人工截取和专家辨听的持续进行，鸟鸣物种库也将不断扩展，可识别鸟类物种范围将继续扩大。九里湖国家湿地公园栖息着丰富的鸟类群落，在晨间合唱与黄昏合唱等时段，不同的鸟类声音混叠在一起，给识别和分类造成了一定难度。陈斌杰等人建立双麦克风时延衰减模型，结合二值掩蔽的方法对混合语音进行了分离。应用麦克风阵列的相位差信息进行鸟鸣声源定位与分离也成为下一步研究的改进方向。以声学多样性指数（，）、声 学 复 杂 性 指 数（，）等为代表的声学指数研究也成为近年来生态监测领域的热点方向。该方向基于声学复杂性有可能随着鸣叫个体和物种数量增加而增加的假设，从利用声学指数衡量群落鸣叫声时频分布复杂度的角度而不是特定物种识别和计数的角度来实现区域内生物多样性的快速评估。应用本研究不同月份、不同季度下采集的录音数据，结合鸟类种群迁徙和繁衍规律，从群落声学复杂度的角度评估物种声学多样性，进而分析生物多样性与生态系统的健康程度，也是未来研究工作重点之一。小结本研究以徐州九里湖采煤塌陷地国家湿地公园作为研究区域，利用 声学记录仪和深度学习方法搭建了基于被动声学监测技术的鸟类物种识别系统，并构建了 种徐州常见鸟类的鸟鸣数据库。系统利用 网络模型进行鸟类物种识别，获得了 以上的识别准确率。此外，物种识别结果和相应人工野外调查成果的对比分析表明，基于被动声学监测技术的鸟类物种识别系统能够在植被茂密的栖息地环境下有效弥补人工调查监测盲区，显著提高鸟类监测工作的有效性和便利性。本研究为林业和野生动物保护从业者的工作方式提供了一种新的思路，也对徐州其他湿地公园或国家森林公园起着示范引领作用。参考文献：韩九皋河北衡水湖湿地水鸟调查四川动物，（）：江苏林业科技第 卷 ，：周文扬面向鸟类鸣叫声指数的麦克风阵列信号处理南京：南京理工大学，马海港，范鹏来被动声学监测技术在陆生哺乳动物研究中的应用、进展和展望生物多样性，（）：，（）：，（）：谢卓钒，李鼎昭，孙海信，等面向鸟鸣声识别任务的深度学习技术生物多样性，（）：，：，：，陈斌杰，陆志华，周 宇，等基于双麦克风的室内语音分离与声源定位系统计算机应用，（）：，（）：，：（），（）：（上接第 页）参考文献：刘 军，陈益泰，姜景民，等香椿属种质资源及其开发利用林业实用技术，（）：钱崇澍，陈焕鏞中国植物志北京：科学出版社，沈莉香椿的优良品种及科学繁殖新农村，（）：王 江广西香椿类型差异性研究 南宁：广西大学，刘 军，陈益泰，罗阳富，等毛红椿天然林群落结构特征研究林业科学研究，（）：刘 军，姜景民，邹 军，等中国特有濒危树种毛红椿核心和边缘居群的遗传多样性植物生态学报，（）：张春华红椿及其近缘种特征与适生区分布研究北京：中国林业科学研究院，张 丽，张露，胡松竹贮藏方法对毛红椿种子发芽能力的影响林业科技开发，（）：胡松竹，张露，杜天真，等晾晒对毛红椿苗木活力的影响江西农业大学学报（自然科学版），（）：张 丽，张 露毛红椿种子萌发影响因素初探林业科技开发，（）：卢胜芬红花香椿群落种间联结性研究武夷学院学报，（）：沈熙环林木育种学北京：中国林业出版社，：王明庥树木育种学概论北京：中国林业出版社，：怀特，亚当斯，尼尔 崔建国，译森林遗传学北京：科学出版社，范林元，赖焕林，季孔庶，等马尾松实生种子园建园家系遗传值估算与优良家系评选东北林业大学学报，（）：钟伟华，何昭珩，周达，等 个火炬松自由授粉家系的生长表现华南农业大学学报，（）：翟思万，陈启贵，代 毅，等华山松半同胞子代测定遗传力分析及优良家系选择种子，（）：白天道，徐立安，王章荣，等马尾松实生种子园自由授粉子代测定及亲本家系选择增益估算林业科学研究，（）：黄崇辉，杨朝辉，陈文平，等尾叶桉家系遗传力评估和选择研究广东林业科技，（）：赖标祯马尾松子代测定及优良家系选择北华大学学报（自然科学版），（）：