基于自动录音单元(ARU)监测北方鹌鹑(Colinus virginianus)大尺度空间占据率的考量

《Wildlife Society Bulletin》:Considerations for using autonomous recording units to monitor northern bobwhite occupancy at large spatial scales

【字体: 大 中 小 】 时间:2026年09月29日 来源:Wildlife Society Bulletin 1.6

编辑推荐:

  北方鹌鹑(Colinus virginianus)在其分布区内经历了广泛的数量下降,因此需要在广泛的空间和时间尺度上进行种群监测。然而,秋季集群鸣叫计数的耗时性限制了大尺度繁殖后鹌鹑监测。利用自动录音单元(autonomous recording units,

  
北方鹌鹑(Colinus virginianus)在其分布区内经历了广泛的数量下降,因此需要在广泛的空间和时间尺度上进行种群监测。然而,秋季集群鸣叫计数的耗时性限制了大尺度繁殖后鹌鹑监测。利用自动录音单元(autonomous recording units, ARUs)和自动检测软件进行被动声学监测可能有助于克服这些限制,但仍需进一步研究。2017年至2021年,研究人员在美国爱荷华州南部将人工观察者点计数与ARU调查配对,以1)评估ARU检测与观察者检测的比较,2)评估集群鸣叫自动分类软件的准确性,3)测量天气和儒略日期对检测的影响,4)提供处理ARU声学数据的最佳实践。研究发现,配对ARU与观察者调查之间的检测/非检测结果高度一致(89.2%)。在手动处理的录音中,95.7%的集群鸣叫检测发生在日出前50至15分钟的35分钟窗口内。风速和云量增加与检测概率降低相关。风速≥5 m/s导致检测概率<0.5。当技术人员处理文件时,经4个调查日后,在样点检测到鹌鹑的累计概率超过0.995(95%可信区间[CrI] = 0.987, 0.999)。手动处理具有最高的平均检测概率(0.75,95% CrI = 0.66, 0.82),而自动检测软件在两个不同置信阈值下分别为0.46(95% CrI = 0.39, 0.53)和0.45(95% CrI = 0.36, 0.55)。自动检测软件允许显著更快的处理速度且假阳性相对较少(假阳性率为0.014至0.038)。自动录音单元与自动检测软件相结合,为人工观察者点计数测定北方鹌鹑集群鸣叫样点占据率提供了一种有前景的替代方案,并有可能极大提高景观尺度鹌鹑监测的能力。
北方鹌鹑(Colinus virginianus)长期种群衰退,有效保护依赖于在广泛时空尺度上可靠识别其存续区域。秋季集群鸣叫(covey call)计数可用于评估分布,但受限于每名观察者每日仅能完成一次调查,难以开展空间大规模监测。自动录音单元(autonomous recording units, ARUs)可远程收集声学数据,结合自动检测软件有望克服人力瓶颈,但其适用性尚需验证。为此,研究人员于2017—2021年在美国爱荷华州南部开展配对观察与ARU调查,旨在比较ARU与人工点计数的检测效果、评估自动分类软件BirdNET的准确性、分析天气和日期对检测的影响,并提出ARU声学数据处理的最佳实践。

研究发现,配对调查中ARU与观察者检测/非检测结果一致率达89.2%,ARU单独检出率高于观察者(7.2% vs. 3.6%),证明手动处理ARU录音可作为可靠的替代方法。天气方面,风速和云量显著降低检测概率,风速≥5 m/s时检测概率低于0.5;温度影响较弱,降水无明显效应;儒略日期呈微弱负趋势。处理方式对比中,手动处理检测概率(0.75)显著高于BirdNET在0.10和0.15置信阈值下的结果(0.46和0.45),但BirdNET假阳性率仅0.014—0.038且处理速度大幅提升。基于4个调查日的累计检测概率超过0.995,表明ARU结合自动检测软件可在景观尺度上高效监测鹌鹑占据率。

主要关键技术方法包括:样本来源为美国爱荷华州南部Ringgold县和Fremont县的4个地点(Ringgold野生动物区、Kellerton野生动物区、Reference私有地、Lake Shawtee野生动物区),2017—2021年秋季开展调查;使用Song Meter SM4录音单元(采样率24 kHz,增益16 dB);手动处理采用Raven Pro 1.5,自动处理采用Raven Pro内置BirdNET(BirdNET_Global3K_V2.2)的0.10和0.15置信阈值;天气数据取自Iowa Environmental Mesonet Reanalysis;采用贝叶斯框架下的单物种单季节占据模型(ubms包),随机抽取225个录音日进行分析。

**ARU与观察者检测一致性**:对167对配对调查分析显示,鹌鹑在90.4%的配对中被检出。ARU检出率为86.8%(145次),观察者检出率为83.2%(139次),两者一致率89.2%。不一致情况中,ARU单独检出12次(7.2%),观察者单独检出6次(3.6%),表明ARU在检测集群鸣叫上不逊于甚至优于人工点计数。

**天气与日期对检测概率的影响**:基于225个随机录音日的占据模型,风速(β = ?1.04,95% CrI = ?1.43, ?0.69)和云量(β = ?0.39,95% CrI = ?0.75, ?0.03)与检测概率呈显著负相关;温度弱正相关(β = 0.287),降水无显著效应,儒略日期弱负相关(β = ?0.184)。在平均天气条件下,单次平均检测概率为0.76(95% CrI = 0.69, 0.82),4个调查日的累计检测概率超过0.995(95% CrI = 0.990, 0.999)。

**手动处理与自动检测软件对比**:手动处理录音的检测概率(0.75,95% CrI = 0.66, 0.82)最高,BirdNET在0.10和0.15阈值下的检测概率分别为0.46(95% CrI = 0.39, 0.53)和0.45(95% CrI = 0.36, 0.55)。BirdNET假阳性率低(0.10阈值时为0.038,0.15阈值时为0.014),但假阴性多于手动处理,达到累计检测概率近1所需的调查日为9—10天,而手动处理仅需4天。

讨论部分认为,ARU与人工点计数的检测结果高度可比,支持其在鹌鹑大尺度监测中的应用;风速和云量对检测的负面影响与已有研究部分一致,且风速过高时录音中的风噪会干扰声谱图判读。尽管自动检测软件单次检测概率较低,但可通过增加重复调查次数在占据率框架内予以补偿,尤其适用于处理大量录音的大规模监测项目。

研究结论(管理启示)翻译如下:ARU与人工观察者点计数在集群鸣叫检测上的可比性凸显了ARU在鹌鹑监测中的实用性,该方法能够以前所未有的空间尺度开展集群鸣叫调查,支持未来的景观水平占据率和分布动态研究。在低风速(<5 m/s)和晴朗天气条件下进行ARU调查最可能获得可靠检测。在中等鹌鹑密度样点,4天手动处理录音或9天自动检测软件处理足以实现近乎确定的检测(已考虑天气效应)。尽管儒略日期对检测无显著影响,但检测随时间轻微下降的趋势表明,未来研究将调查分布于整个集群鸣叫期可能有助于提高检测机会。自动检测软件虽单次调查检测概率低于手动处理,但可作为人工密集处理和人工点计数的实用替代方案,尤其适用于大规模监测项目,其中增加的重复调查次数可补偿较低的检测效率。
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