声纹识别技术支持下自然保护地鸟类多样性节律特征及监测有效性研究——以黄龙自然保护区为例.pdf

园林,2 0 2 4,41(0 4)：11-18.声纹识别技术支持下自然保护地鸟类多样性节律特征及监测有效性研究一以黄龙自然保护区为例Research on Bird Diversity Rhythm Features and Monitoring Effectivenessin Natural Protected Areas with Voiceprint Recognition Technology:ACase Study of Huanglong National Scenic Area许晓青余楚萌徐荣林”刘颂XU XiaoqingYU Chumeng”XU Ronglin LIU Song（1.同济大学建筑与城市规划学院，自然资源部国土空间智能规划技术重点实验室，上海2 0 0 0 92；2.四川农业大学风景园林学院，成都6 11130；3.黄龙国家级风景名胜区管理局，松潘6 2 330 6）(1.School of Architecture and Urban Planning,Tongji University,Key Laboratory of Spatial Intelligent Planning Technology,Ministry of Natural Resources of the Peoples Republic of China,Shanghai,China,200092;2.School of Landscape Architecture,Sichuan Agricultural University,Chengdu,Sichuan,China,61l130;3.Huanglong National Scenic Area Administration,Songpan,Sichuan,China,623306)文章编号：10 0 0-0 2 8 3(2 0 2 4)0 4-0 0 11-0 8DOl:10.12193/jlaing,2024.04.0011.002中图分类号：TU986文献标志码：A收稿日期：2 0 2 3-12-2 9修回日期：2 0 2 4-0 2-0 6许晓青1985年生/女/四川西昌人/副教授、博士生导师/自然资源部国土空间智能规划技术重点实验室分实验中心副主任/研究方向为声景生态、国家公园与自然保护地规划管理、声景与健康余楚萌2001年生/女/北京人/研究方向为声景生态、国家公园与自然保护地规划管理、声景与健康刘颂1968年生/女/山东曲阜人教授、博士生导师/高密度人居环境生态与节能教育部重点实验室数字景观模拟分实验室负责人/研究方向为城乡绿地系统规划、景观规划技术方法*通信作者(Authorforcorrespondence)E-mail:摘要生物多样性是人类赖以生存和社会可持续发展的基础，是地球生命共同体的血脉和根基。声纹识别技术正在成为辅助生物多样性监测的重要手段，由于声纹数据采集的特征及计算性生物声学的发展，声学技术在物种鉴别、种群研究、环境成因研究方面正表现出优势。以黄龙自然保护区为例，以指示性物种鸟类的鸣声为对象，通过保护区中较高人为影响（黄龙景区）和较低人为影响（张家沟）这两个区域的被动式监测，采集了6 30 3min声音数据。通过经典声学指数计算、人工智能物种识别与样线调查相结合的方法，研究得出：（1）人工智能技术下鸟类多样性及鸣声时间分布特征；（2）声纹识别技术较之于传统调查方法更具有效性；（3）声学指数计算对环境的响应程度与有效性辨析。研究试验性地对数据进行了分析阐释，以黄龙自然保护区为例作为方法的探索，为此类保护地保护管理提供借鉴。关键词声纹识别；鸟类多样性；自然保护地；声景；保护管理AbstractBiodiversity is the foundation for human survival and sustainable social development,embodying the lifeblood and foundationof the Earths living community.Acoustic recognition technology is emerging as a significant tool in assisting biodiversity mon-itoring.Characterized by acoustic data collection and advanced computational bioacoustics,acoustic technology demonstratesadvantages in species identification,population research,and environmental cause exploration.This study takes the HuanglongNational Scenic Area as an example,collecting over 6,o00 minutes of data under two distinct human impact intensities withinthe protected area.Through a combination of classical acoustic index calculations,artificial intelligence species identification,and line transect surveys,it is concluded that:(1)birds exhibit diverse call time distribution characteristics under artificial intel-ligence technology;(2)Acoustic recognition technology outperforms traditional survey methods in terms of effectiveness;(3)The calculation of acoustic indices demonstrates responsiveness to environmental factors and its validation.This study exper-imentally analyzes and interprets the collected data,using Huanglong as a case study to pioneer this methodological approach,making it highly valuable and applicable for conservation management in similar protected areas.Keywordsacoustic recognition;biodiversity;nature reserve;soundscape;conservation management基金项目：上海市科委社会发展科技攻关项目“基于生物多样性的城市困难立地高质量园林绿化智能技术及示范”（编号：2 2 DZ1202200）：四川省科学技术厅国际合作创新项目“后疫情背景下九寨沟世界遗产地旅游多感官感知及其健康效益研究”（编号：2 0 2 2 YFH0072）；黄龙国家级风景名胜区课题“声纹识别技术下的黄龙风景名胜区生物多样性时空格局监测研究”（编号：TJW2022795401）；自然资源部国土空间智能规划技术重点实验室项目（编号：2 0 2 2 0 30 7）：上海市科委创新行动计划“大型文化公园全生命周期智能管控关键技术研究”（编号：2 1DZ1203004）：同济大学2 0 2 3年交叉科学课题“地下基础设施空间的人因环境智能感控研究”（编号：2 0 2 2-3-YB-10)Landscape Architecture Academic Journal111专题：城市绿地生物多样性IBIODIVERSITYOFURBANGREENSPACE生物多样性是人类赖以生存和社会可持续发展的基础，是地球生命共同体的血脉和根基。声景生态作为一门新兴学科，综合了生态学、生物声学、城市环境声学等多门学科理论与方法。其目标是理解和保护生物多样性，以及管理和改善人类活动对环境的影响。声景生态研究主要围绕生物声学和生态声学两个领域展开。现代生物声学已有近7 0 年的历史，随着计算性生物声学的发展，使用人工智能辅助信号统计技术，结合声学指数评估物种多样性和种群密度，以及使用各种机器学习技术进行物种识别正在兴起。从生物声学层面来看，声景生态关注动物行为，研究动物个体间的声信号交流，相关研究表明声音可以作为物种分类依据，为观察动物行为和监测生物多样性提供了较好的机会2。Koehler等发现许多鸣叫特征的定量差异在同物种个体之间存在显著变化。也有学者从信号类型角度研究了水下生物5-、蝙蝠、鸟类、蛙类为代表的两栖动物、哺乳动物1等的物种识别、丰度计算和评估方式2。此外，声景生态也关注整体环境，自然与人的交互，其中包括动物声音、植物声音、环境声音等多方面对人的改变1。Farinal认为地球物理声、生物声和人为声是动物用来导航、交流以及将未知环境转化为熟悉栖息地的重要线索，声音可以通过自主音频记录设备记录，并作为定量指标而被用来评估生物多样性、环境健康和人类福祉。Do Nascimento等15在巴西罗赖马州Virua国家公园的研究证明声景指数可以用来预测不同生境类型，并且提出声景与植被结构的最佳关联指标为声音均匀度指数（A日）和偏度指数（SKEW）；声学指数是一种快速化解释的工具，在进行环境成因分析方面具有优势。Fuler等1在澳大利亚破碎森林中的研究，提出可以作为研究区域生态监测工具的三个指标为声焰指数（H)、声音均匀度指数（AE）和标准化声景差异指数（NDSI)，它们与景观特征、生态条件和鸟类物种丰富度相关性最高。Gasc等17 认为应用声景生态学的重点在于开发基于声景的干扰指标，其可以适用于不同生态系统和环境条件。此外，Buxton等18 通过对36个最具指示性的指数建模，发现声景指数模型能准确预测生物声的高多样性和低多样性，对于中等多样性的预测可靠性有待进一步增强。近年来，声景生态的研究在国内呈现出火热的趋势。肖治术等19阐述了现代生物声学的学科内涵和学科特征，总结了动物生物声学、生态声学、水下生物声学、环境生物声学、保护生物声学、计算生物声学在生物多样性领域的应用前景。许晓青等2综述了声学手段辅助自然保护地生物多样性监测现状及应用建议，指出了声学监测的优劣势。多名学者从指数与动物多样性、生境质量、动物活跃性之间关联的方向和程度方面进行了研究2 12。此外，也有研究聚焦于机器学习以及鸣声数据库在声学监测中的运用。总之，声学监测技术的应用具有多方面的优势：（1）被动式声学监测技术有助于解决目前遇到的长时间、大面积、全物种动态监测难题；（2）整合生态学、信息科学、人工智能手段，探究生物多样性时空分布格局，在时间、物种、区域、经济成本等尺度上满足生物多样性调查的需求。但该技术还有待于在大量的自然保护地中被验证与应用。基于此，本研究以黄龙自然保护区（一期）声纹研究回答以下几个科学问题：（1）声纹监测技术在物种识别方面是否更加有效；（2)声学指数在不同的环境条件下的适用性。1研究区域和方法黄龙自然保护区位于四川省阿坝藏族关族自治州松潘县境内，是世界自然遗产地。其独特的地质景观由彩池、雪山、峡谷、森林4大景观构成，各类物种资源丰富，是重要的生物多样性保护单元。黄龙自然保护区总面积146 0 1hm，包含一般控制区面积1516hm，核心保护区面积130 91hm。区内一部分是大熊猫的栖息地，大熊猫国家公园黄龙园区总面积5330 1hm，一般控制区面积6733hm，核心保护区面积46 56 8 hm。从目前红外相机监测的大熊猫轨迹看，大熊猫的活动非常频繁。对鸟类群落的监测也从侧面反映大熊猫这个伞护种带来的伞护效应。另一方面，监测区域是棕头歌已知的极少数繁殖地之一，人类对这种神秘的鸟类还是知之甚少。本研究为了解其种群动态提供了一种新的监测手段。近10 年来黄龙已基本形成了生物多样性监测的基础。然而，与其他保护地类似，黄龙自然保护区生物多样性保护工作普遍面临生物物种资源数据库信息缺乏、监测和预警系统不完善、调研工作实施难度大、投入资金有限等问题。目前黄龙自然保护区主要运用的是红外相机监测，对于大熊猫等旗舰物种具有优势，但对于鸟类等的监测还存在一定的局限性。因此，需要结合综合监测工具的方式，通过多源数据库进一步完善物种的监测。基于黄龙自然保护区在生物多样性监测中的重要地位以及黄龙自然保护区作为景区在不同人为影响程度下具有一定代表性的特点，针对目前监测存在的问题，本研究采取被动式监测的方式，对黄龙自然保护区的鸟类时空分布规律进行监测并验证声学监测12 I国林声纹识别技术支持下自然保护地鸟类多样性节律特征及监测有效性研究一一以黄龙自然保护区为例许晓青等园林2 0 2 4年/第41卷/第0 4期黄龙自然保护区区划图4010图例一股控制核心保护a选点位置设备布设点位b黄龙景区布设实景张家沟布设实景1图1设备布设位置和实景照片Fig.1 Equipment layout和声学指数的适用性。1.1设备布设与数据采集、处理为了加强对生物声的采集，本研究选取了灵感科技国产被动监测设备Lbird，该设备具有全向麦克风，可以2 4h记录声音，其分辨率为16 bit。以每小时录制前10 min休眠,用时50 min的方式进行采样，音频文件通过4G网络回传到数据终端，采样率为44.1kHZ。采样时间为2 0 2 3年4月2 9日-6 月7 日，包含完整的一个月数据并覆盖五一黄金周，共记录音频6 30 3min。考虑自然保护地土地覆盖情况、冬季鸟类游荡性强的特点，以及4G网络和太阳能供电需求，本研究选择在自然保护区中核心保护区内的张家沟和核心保护区外的黄龙景区各布设一台设备（图1)。张家沟拥有丰富的生物多样性资源，作为严格保护区，其受到较少的干扰和破坏，可以更好地反映生态系统内部的自然状况。偶尔产生的人为利用影响为放牧影响。在核心保护区张家沟中，生物声（主要是鸟类和蛙类等动物发出的声音）是主要的监测对象，这些生物声是生态系统健康状况的重要指标。而作为非保护区的黄龙景区则是人类活动较为频繁的区域，该点位受到的人为利用噪声包含游客的喧哗、交谈、脚步声以及外放录音机所产生的噪声（表1)。通过两者的对比，可以看出人为利用强度对鸟类多样性的影响。本研究通过传统样线样方调查结合声纹检测的方式，对采集数据进行智能识别，实现黄龙自然保护区的生物物种的监测。在实地调查工作包括了鸟类调查和植被调查，对于鸟类调查样线设置，选取张家沟与黄龙景区两条样线，每条长度2 km，沿着样线以1.52 km/h的速度行进，记录两侧50 m范围内观察到或听到的野生鸟类种类和数量。每条样线在早上和傍晚各调查一次。对于植被调查，分别选取2 0 m20m、5m 5m、1m1m的样方，进行了植物种类、高度、盖度、数量、冠幅、胸径、物候期、所属层级等数据的记录。1.2研究方法本文采用了声纹监测法和样线样点采样法两种方式对张家沟和黄龙景区进行了物种识别调查与分析：在两条监测样线附近进行采样，并对采集的样本进行分类和数据分析，并计算香农多样性指数（H)，见公式(1)。式中,Ln为自然对数,P,为由物种组成的整个群落的比例。H=Z P,Ln(P,)在完成声纹数据处理与分离后，采用卷积神经动物网络（CNN）技术提取声音的时频特征，并将其转化为可以输入到分类器中的向量，通过大量物种声音数据为输入进行模型训练以及物种识别，最终结合大数据爬取和专家知识图谱的方式对识别结果进行复核和校验（图2)。为了更加直观显示数值变动表现两个点位鸟类鸣声的时空分布规律，本研究通过Tableau进行数据可视化，在环形热图中以颜色变化来展示数据分布情况，其清晰地显示出不同时间段内张家沟核心区和黄龙景区缓冲区的生物声和人为声的情况，并用曲线可视(1)Landscape Architecture AcademicJournal113专题：城市绿地生物多样性IBIODIVERSITYOFURBANGREENSPACE表1设备布设选点环境条件、主要声源、人为影响程度Tab.1 Environmental conditions,main sound sources,and human impact degree of equipment location设备点位Equipment location张家沟黄龙景区内部指数名称Index声复杂性指数(Acoustic Complexity Index)24声多样性指数(Acoustic Diversity Index)18)声均匀性指数(Acoustic Evenness Index)25)声熵指数(Acoustic Entropy Index 26)归一化差异声景指数(Normalised Difference Soundscape Index)2)生物声学指数(Bio-acoustic Index)28环境条件Environmental conditions自然生态环境，周边有较为丰富植被条件自然生态环境、旅游建设环境，有旅游景区栈道经过这个区域，造成一定的人为影响Tab.2 Formula for index calculation and its ecological significanceD为同一个频率相邻顿间的声强绝对差值，I为声强ADI=Zpilnpi1p,为声信号在第i个频段所占比例，s为频段数量AEI=Gini(x)x为每个频带高于特定声压值（默认为-50 dBFS）的声信号比例H=H,X Hf,H E 0,1 H,为时间熵，H,为频谱熵-NDSI=+NDSI E-1,1是生物声功率谱密度，是人类声功率谱密度BIO=Z(Si-Smin)fS,是特定频率i上的振幅，Smn是在所有考虑的频率中声音的最小振幅，Af是频率的增量主要声源Main sound sources生物声（鸟类、蛙类等动物声）、环境声生物声、环境声、人为活动声表2 指数计算公式及其生态学意义公式FormulaDACI=ZK=1kS人为影响程度Human impactdegree低，人为影响主要为放牧高，人为影响主要为旅游观光生态学意义Ecological significanceACI测量声音频率变化多样性ADI允许每个频段代表一个特定的“物种”AEI引用基尼系数的算法，以衡量声音在不同频段分布的均匀情况H共同考虑H,和H，对于单个纯音，H趋于0；对于随机噪声，H趋于1；如果群落多样性程度越高，其不定性也就越大NDSI计算人类声与生物声成分的比率，当NDSI-1时表明无人类声BIO为采集群落内物种数量及其相对丰度，其数值越大，生物多样性越高。在本次研究中，BIO通过2 0 0 0 Hz以上每10 0 0 Hz振幅差异之和得出化表达鸟类鸣声规律。此外，利用点状图对周围单位的声学指数监测数据的最大值以及方差进行表达，直观反映指数的波动和变异程度。本研究通过R软件计算了经典指数ACI、A D、H、BIO、ND S、A 日（表2)，以进一步研判指数所阐释的生态学意义以及背后的成因。2研究结果2.1声纹监测与样点样线在物种识别上的差别经样线调查分析，2 条样线4次调查共记录鸟类19种，其中黄龙景区12 种，张家沟12种，5种为2 条样线均有记录。国家二级重点保护野生动物2 种：橙翅噪和喜山駕；中国特有种1种：橙翅噪。记录数量最多的鸟类前5位分别为烟腹毛脚燕、戴菊、霍氏旋木雀、黑冠山雀和橙翅噪（图3)。收集了两台声学监测设备经AI识别和人工复核的数据，共筛选出高置信度鸟类鸣声2973条，共识别出鸟类43种，隶属于2 目16科；其中两处共有的鸟类16 种。国家二级保护动物2 种：橙翅噪和大噪。鸣声数量最多的鸟种前5位分别为橙翅噪、乌嘴柳莺、棕眉柳莺、锈胸蓝姬和黄眉柳莺。为了进一步确定鸟类的多样性，计算香农多样性指数，结合物种判断多度。对两种监测方法下的调查结果比较分析（表3），发现从物种角度声纹监测已经展现出了较强的优势。声学监测得到的物种数（43种）多于4次样线调查得到的物种数（19种)。样线调查的19种中有11种在声学监测中也记14 I国林声纹识别技术支持下自然保护地鸟类多样性节律特征及监测有效性研究一一以黄龙自然保护区为例许晓青等园林2 0 2 4年/第41卷/第0 4期录到了。将两种监测方式进行对比，能明显确定的是黄龙景区和张家沟在声纹监测中记录了更多的鸟类种数和个体数。比较其与样点样线方法在物种识别上的差别，发现虽然通过两种研究方法得到的规律相似，但使用声学检测技术分析得到的种数和个体数量均远超样线样点调查法所得结果，显示出较高的准确性。因此，声纹库和训练模型是影响物种识别精准性的重要因素之一，而深度学习算法则是实现高精度物种识别的关键。2.2不同程度人为利用影响下的鸟类声景时空分布对比选择了代表物种丰富度的BIO（图4，图5)，代表人为影响与生物声的NDS（图6，图7)，以及反映声音丰富度的AC（图8，图9)进行两个点位的指数计算，并用环形热图的形式进行可视化。通过对比BIO指数数值可知，黄龙景区（代表人为干扰较大）的鸣声高峰与张家沟（代表几乎无人为声干扰）存在一致性，高峰都发生在6:30-9:30 左右，但由于黄龙景区人为影响因素较强，黄龙景区内（缓冲区）的鸣声高峰持续的时间较张家沟（核心区）更短，大约在8:30 左右结束。通过识别张家沟这个时段最多的是橙翅噪、锈胸蓝姬、乌嘴柳莺。结合鸟类活动节律曲线（图10）来看，以乌嘴柳荫为例的鸟类鸣声整体呈现早晚两个活动高峰，符合森林生境下的鸟类活动规律，但曲线波动较大。但因监测密度较低、监测周期较短，总体有效数据量较少，日活动节律的规律性不够明显，存在偶然记录。NDS/指数反映了生物声和人类声的影响。在环形热图中，红色部分代表的是生物声，蓝色部分代表人为声。张家沟和黄龙景区相比，在某些时段，生物声更为主导，但是作多声道声纹数据黑冠山雀&：52019181716图2 声纹数据处理流程Fig.2Voiceprint data processing process图3鸟类实地调查照片Fig.3Field survey photos of birdsResults of the sample survey种数个体数香农多样性指数H，黄龙景区12张家沟12为黄龙景区的缓冲区，几乎没有生物声主导的时间。从声音丰富度角度讲，5月1日-9日，黄龙景区AC/的值变化波动较大，频谱显示这一段时间产生了更为丰富的声音变化和波动，从时间上看，正好与黄金周黄龙景区的高到访率吻合。混合声纹分离、提取获取数据数据顶处理+特征提取AVDConvolutionallayers白眉朱雀戴菊景区B10&3840-30-2004-10-00506079图4黄龙景区BIO值Fig.4BlO valueof the scenic area图5张家沟BIO值Fig.5BIO value of Zhangjiagou表3两种监测方式调查结果Tab.3Investigation results of twomonitoring methods样线调查结果个体数香香农多样性指数H843.001022.07分类信号装影MLDepLeaming物种识别大噪3张家沟BIO50403019041805170616071584声学监测结果Results of acoustic monitoring种数29590302.3833讨论3.1黄龙自然保护区的鸟类时空规律对两个点位的声学指数BIO、ND SI、A CI数值进行可视化表达，比较发现黄龙景区内，鸟类的空间活跃度由于不同人为利用梯度而呈现差异；共性是时间节律上呈现早晚两个220-1053.562.76Landscape Architecture Academic Journal115专题：城市绿地生物多样性IBIODIVERSITYOFURBANGREENSPACE活动高峰的现象，黄龙景区（代表人为干扰景区NDSI0.220319041805170616071528201918171615乌嘴柳莺图6 黄龙景区NDS/值Fig.6NDS/value of the scenic area图7 张家沟NDS/值Fig.7NDS/value of Zhangjiagou张家沟NDSI0.2-00-0.20.40.6-0.86景区AC！15001400130012001100100004900-80005060702二450400350300250200150100500较大）的鸣声高峰与张家沟（代表几乎无人为声干扰）存在一致性，高峰都发生在6:300-0.2190.4-0.60.7718517616二820191817168鸟类日活动节律6时间段图8 黄龙景区AC/值Fig.8AClvalueof thescenicarea图9张家沟AC/值Fig.9.ACl value of Zhangjiagou至9:30 左右，但由于黄龙景区人为影响因素较强，黄龙景区内（缓冲区）的鸣声高峰持续的时间较张家沟（核心区）更短，大约在8:30左右结束。人声干扰程度会降低鸣声高峰的持续时间。73.2指数运用的适用性张家沟ACI鉴于单个物种识别的难度挑战以及精15001400130011001200100004-90005-8000607082二20图10 鸟类日活动节律Fig.10Bird activity rhythm on a daily basis细化探索产生的大量数据，越来越多研究走向了数据可以被相对快速、大批量处理的声景指数评估。但声景指数的计算不考虑单个物种，在监测中要求必须严格理解指数与生物多样性真实测量值间的关系，即通过其他方式收集的生物群落信息对其进行验证和校准。目前尚未形成对指数普适性应用场景的9综合性研究，对于声景指数的可扩展性和广泛适用性还存在一些争议。尽管如此，声景指数仍可以被用作突显或过滤某些声源的指标以帮助监测数据的筛选和排除。由于每种声源的特性不同，一些声源的变化和浮动可以在声学指数中反映出来。例如鸟类群落的高频快速鸣叫相比于汽车飞机等恒定频率的人为噪声，在AC/中会产生更高值2 9。本研究通过抽样一周的声学指数验证，张家沟与黄龙景区的声纹特征形2210成较为鲜明的对比（图11，图12)，黄龙景区内各声学指数以周为单位波动较小，但张家沟（核心区）以周为单位的声学指数波动都较大。其原因可能是张家沟（核心区）几乎是处于无人为打扰的状态，一定程度上会导致声学反映更为灵敏，指数的变异性更大。由于单个样点的环境特征基本不变，声16I国林声纹识别技术支持下自然保护地鸟类多样性节律特征及监测有效性研究一一以黄龙自然保护区为例许晓青等园林2 0 2 4年/第41卷/第0 4期景指数可以通过不同时间序列的数值大小比日期较来判断不同时间切片下动物群落的声音活星期4.30-665.7-6.13.14-620521-6.24263646.101星期430-467-6135.14-6.20五2 1-522636.4-6.10星期日星期日动和干扰前后的声景变化，未来可针对气候星期星期二变化，物种入侵，人为活动干扰30 31，管理星期三星期四部门保护工作干预成效等因素对保护地所面星期五星期六临问题进行具体分析。星期4.30565.7-5:134展望星期日星期一本文以黄龙自然保护区为例，基于为期星期二星期三一个月的6 30 3min的声音数据采集作为试验，星期四星期五通过物种识别结合声音指数分析的方式，选星期六择了人为干扰两种不同梯度条件下的鸣声特注：黄龙景区各指数变化情况（颜色从蓝到红表示最大值升高，色块大小表示方差高低）征进行分析。研究发现了鸣声特征的一般规律，证实了声纹监测的有效性，声学指数的使用特征，并希望未来在物种识别能力、时空规律揭示方面产生更新的突破。未来的研究将在以下两方面进行突破：（1）物种识别的精准性进一步提升。本研究完成了岷山地区鸟类声纹库建立，通过大数据爬取和专家知识图谱的方式进行了核验，此工作融合了专家知识与大数据，具有不可替代性。该数据库包含了从xeno-canto.org开源数据收集的8 2 40 6 条声音数据。从已经收集得到6 30 3多条数据中选取了置信度较高的2 97 3条进行物种标签识别。通过卷积神经网络技术结合人工辨识，建立了初步的置信度较高的黄龙鸟类声纹识别模型。有研究表明，卷积神经网络技术辅助声学监测可以保证物种识别准确率达到94%，但还应通过语图样本集的建立和计算对模型进行训练，进一步提高识别准确率3。（2）通过声纹识别辅助生物多样性保护与管理。通过黄龙自然保护区的声纹与生物多样性研究，已经初步证实了声纹技术的有效性。未来将在如何通过声纹技术辅助保护日期星期一星期二星期三星期四星期五星期六a)BIO变化情况日期1H5.204.21-525.286:3d)ADI变化情况日期星期4.30-6:66.7-5:13514-5 20521-525.2-6 3星期日星期一星期二星期三星期四星期五星期六星期43-66星期日星期一星期二星期三星期四星期五星期六注：张家沟各指数变化情况（颜色从蓝到红表示最大值升高，色块大小表示方差高低）图11黄龙景区各指数变化情况Fig.11Changes in each index of the scenic area图12 张家沟各指数变化情况Fig.12 Changes in each index of Zhangjiagou地管理方面进一步努力，结合对自然保护地的已有研究基础343，对人为产生的影响定量化分析，从而更为精准地对保护地的人为影响进行管控，更好地实现生物多样性保护与地方发展。LA注：文中图表均由作者自绘/摄。日期星期4.30-5.651-51314-52042142428-63在46.10星期日星期一星期二星期三星期四星期五星期六b)NDST变化情况日期6410116:4-6:1011a)BIO变化情况日期五14-6:2 0 52-42528-6364-610d)ADI变化情况）变化情况日期星期4.30-5.6星期日星期一星期二星期三星期四星期五星期六星期4:30-565:2-5135.1-5.205.21-5.275286:36.46:106.11星期日星期一星期二星期三星期四星期五星期六星期4.30-5.6星期日星期一星期二星期三星期四星期五星期六5-7-5.13e)ACI变化情况日期咖b)NDSI变化情况日期5.7-5:135:14-5:20/5 21-6.27 5e)ACI变化情况参考文献KVSN R R,MONTGOMERY J,GARG S,et al.Bioacoustics Data Analysis A Taxonomy,Surveyand Open ChallengesJ.IEEE Access,2020,8:57684-57708.2LAIOLO P.The Emerging Significance ofBioacoustics in Animal Species Conservation.5:14-5:20521-5.25.28-6.328:6.364-610&:1164610&11星期4.30-5.6星期日星期一星期二星期兰星期四星期五星期六星期4.30-5.657-5-13星期日星期一星期二星期三星期四星期五星期六星期4.30-567-6:3114-5.205.2-52星期日星期一星期二星期三星期四星期五星期六57-51315205.21-625:286:3f)AEI变化情况日期5.28-6.3C)变化情况日期528-6.3f)AEI变化情况在46:106:4-6.10611646.106:11126.111Landscape Architecture Academic Journal117专题：城市绿地生物多样性IBIODIVERSITYOFURBANGREENSPACEBiological Conservation,2010,143(7):1635-1645.3MARQUES T A,THOMAS L,MARTIN S W,et al.Estimating Animal Population Density Using PassiveAcoustics.Biological Reviews,2013,88(2):287-309.4KOEHLER J,JANSEN M,RODRIGUEZA,et al.The Use of Bioacoustics in AnuranTaxonomy:Theory,Terminology,Methods andRecommendations for Best Practicej.Zootaxa,2017,4251(1):1-124.5HORNE JK.Acoustic Approaches to Remote SpeciesIdentification:A ReviewJ.Fisheries Oceanography,2000,9(4):356-371.6KORNELIUSSEN R J,HEGGELUND Y,MACAULAY G J,et al.Acoustic Identification ofMarine Species Using a Feature LibraryJ.Methodsin Oceanography,2016,17:187-205.7DE AGUIAR SILVA C,MACHADO R B,SILVEIRA M,et al.Listening in The Dark:AcousticsIndices Reveal Bat Species Diversity in a TropicalSavannahJ.Bioacoustics,2023,32(I):17-32.8ARIAS-AGUILAR A,HINTZE F,AGUIAR L MS,et al.Who s Calling?Acoustic Identification ofBrazilian BatsJ.Mammal Research,2018,63:231-253.9WANG H,XU Y,YU Y,et al.An Efficient Model fora Vast Number of Bird Species Identification Basedon Acoustic FeaturesJ.Animals,2022,12(18):2434.10 BRODIE S,ALLEN-ANKINS S,TOWSEY M,et al.Automated Species Identification of Frog Choruses inEnvironmental Recordings Using Acoustic Indices.Ecological Indicators,2020,119:106852.1 TAYLOR A M,REBY D.The Contribution of Source Filter Theory to Mammal Vocal CommunicationResearchJ.Journal of Zoology,2010,280(3):221-236.12 OBRIST M K,PAVANG,SUEUR J,et al.Bioacoustics Approaches in Biodiversity Inventories,Abc Taxa,2010,8:68-99.13 SUEUR J,FARINA A.Ecoacoustics:The EcologicalInvestiga