声学指数可能受栖息地特征而非鸟类多样性的驱动

《Environmental and Sustainability Indicators》:Acoustic indices can be driven by habitat characteristics rather than bird diversity

【字体: 大 中 小 】 时间:2026年07月10日 来源:Environmental and Sustainability Indicators 5.5

编辑推荐:

  声学指数(acoustic indices)被广泛用于评估生物多样性,包括鸟类多样性。然而,众多研究报告了声学指数与生物多样性指标(biodiversity metrics)之间存在弱相关性,其潜在机制尚不明确。利用来自中国东部亚热带森林的点计数调查(poin

  
声学指数(acoustic indices)被广泛用于评估生物多样性,包括鸟类多样性。然而,众多研究报告了声学指数与生物多样性指标(biodiversity metrics)之间存在弱相关性,其潜在机制尚不明确。利用来自中国东部亚热带森林的点计数调查(point-count survey)数据和声学记录,研究人员考察了影响声学指数与鸟类多样性之间关系的因素,包括点计数半径以及单指数与多指数使用。此外,研究人员采用路径分析(path analysis)定量评估了地形(terrain)和植被(vegetation)对鸟类多样性和声学指数的直接与间接效应,旨在识别影响声学指数与鸟类多样性关系的关键因素和机制。研究结果显示,75 m的点计数调查半径产生了声学指数与鸟类多样性之间最强的关联,尽管较弱(相关系数范围从-0.45到0.48,且许多关系不显著)。此外,与预期相反,组合多个声学指数并未产生更强的关系,表明当单个指数在不同生态语境下朝相反方向响应时,这可能无法有效测量鸟类多样性。路径模型揭示,与鸟类多样性相比,栖息地特征(habitat characteristics),特别是地形(terrain)和冠层高度(canopy height),对声学指数的影响更大。研究结果表明,声学指数可能更强烈地受栖息地特征或其他未测量的分类群驱动,从而限制了其作为鸟类多样性测量指标的可靠性。
声学指数(acoustic indices)被广泛用于评估生物多样性(biodiversity),但众多研究报告其与鸟类多样性(bird diversity)指标之间存在弱相关性,潜在机制不明。当前存在三个关键问题:第一,不同研究采用的鸟类调查半径各异,但半径对声学指数与多样性关系的影响尚未被充分考量;第二,单一声学指数仅能反映声景(soundscape)的有限方面,多指数综合是否更优存在争议;第三,栖息地特征(habitat characteristics)如何通过生态和物理途径(如声音传播)间接影响声学指数与鸟类多样性的关系仍不清楚。为此,You-Fang Chen等研究人员在浙江钱江源国家公园古田山(Gutianshan)片区的亚热带常绿阔叶林(evergreen broad-leaved forest)开展研究,旨在识别最优调查半径,检验多指数预测能力,并量化地形(terrain)和植被对声学指数与鸟类多样性的直接与间接效应。研究基于22个采样点(高程400–800 m)的2015年繁殖季数据,通过10分钟点计数调查(point-count survey)与自动声学记录仪(SM2)同步采集声学数据。关键结论包括:75 m半径下单指数与多指数与鸟类多样性的关联均最强但仍较弱(相关系数绝对值0.48以下,多指数R2≤0.13);多指数综合未增强预测能力,因不同指数在生态语境中响应方向相反;路径分析显示,栖息地特征(特别是冠层高度和地形)对声学指数的影响大于鸟类多样性。研究表明声学指数作为鸟类多样性直接代理指标的可靠性受限,应优先考虑其与栖息地特征或其他未测量分类群(如昆虫)的关联。该论文发表于《Environmental and Sustainability Indicators》。

研究采用的主要关键技术方法包括:利用覆盖度标准化稀疏外推法(coverage-based rarefaction and extrapolation)计算Hill数(Hill numbers, q=0,1,2以代表物种丰富度、Shannon多样性和Simpson多样性),比较不同点计数半径(25 m、50 m、75 m、100 m、150 m、200 m及无限距离)下声学指数与多样性关系的差异;使用随机森林回归(random forest regression, ntree=1000,留一交叉验证优化mtry)评估多指数综合预测能力;采用偏最小二乘路径模型(partial least squares path modeling, PLS-PM)量化地形(海拔elevation和地形位置指数topographic position index, TPI50)与植被(基于LiDAR数据的冠层高度canopy height)对鸟类多样性和声学指数的直接与间接效应。样本来源为浙江开化县钱江源国家公园古田山片区的22个样点,涵盖亚热带常绿阔叶林。

研究结果保留原文小标题如下:
**3.1 Bird diversity estimates with Hill numbers**:使用覆盖度标准化方法,对所有大于25 m的半径以75%覆盖度统一计算Hill数;Kruskal-Wallis检验显示不同半径间多样性估计无显著差异,但25 m半径因单次种和双次种比例高而估计不确定性大,故排除。
**3.2 Associations between a single acoustic index and estimated diversity**:通过Spearman秩相关分析发现,75 m半径下声学指数与Hill数之间的相关性最强且显著数量最多,但强度仍较弱(例如Hill丰富度与Q25的ρ=0.48,Hill Simpson与ACI的ρ=-0.48)。
**3.3 Associations between multiple acoustic indices and estimated diversity**:随机森林回归模型显示,75 m半径下预测能力最优(R2=0.06–0.13,NMAE和NRMSE均<0.3,一致性相关系数CCC=0.18–0.21),但多指数预测值与观测值的Spearman相关系数(0.01–0.42)低于最优单指数。
**3.4 Factors and paths affecting acoustic indices**:PLS-PM模型解释力(R2)在0.33(AEI)至0.65(NDSI_bio)之间;冠层高度对kurtosis有显著负总效应(-0.85),对BIO、NDSI_bio和Q25有显著正总效应;鸟类多样性对NDSI_bio有显著正总效应(0.36),对ACI有显著负总效应(-0.60);地形对NP有显著正总效应(0.73);地形对冠层高度有负总效应,对鸟类多样性有正总效应,而冠层高度对鸟类多样性无显著效应。

讨论部分总结:研究发现75 m为最优半径,这代表了鸟类点计数与声学记录空间重叠的最佳尺度,但该半径依赖于站点和录音设备,可能无法推广。声学指数与鸟类多样性弱相关的原因包括:亚热带森林中昆虫(如蝉)宽频带发声可能掩盖鸟类信号;鸟类多样性梯度较窄(Hill丰富度仅7.58–9.03);多指数综合效果差是因为不同指数对生态变化的响应方向相反,导致效应互相抵消。路径分析证实栖息地特征(尤其是冠层高度和地形)通过改变声音传播和影响发声动物群落,对声学指数的影响超过鸟类多样性。研究表明声学指数应被视为反映整体声景而非单一分类群多样性的指标,其有效性取决于系统特定的生态和声学特征。

研究结论部分(翻译自讨论最后一段):亚热带森林数据阐明了昆虫发声如何遮蔽鸟类发声;当鸟类与昆虫的发声频率带重叠时,简单的频带滤波会丢失大量鸟类信号。因此,声景更适合反映整体多分类群生物多样性而非仅鸟类多样性。更一般地,声学指数应根据研究系统的具体生态和声学特征进行选择。未来研究应采用更广泛的指数、考虑不同分类群,并在多样化栖息地类型中扩大样本量以验证这些关系的可靠性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号