人工智能检测山地森林中的鸟类声音
被称为生物多样性热点的山地森林是面临气候变化威胁的生态系统之一。为了了解气候变化对这些森林中鸟类的潜在影响，研究人员在玉山国家公园设置了自动记录器，并开发了一种利用鸟类声音识别物种的人工智能工具。他们的目标是通过声学数据分析动物活动的状态和趋势。
张学文教授和博士 国立中山大学吴世鸿博士、特有物种研究所林瑞成博士、助理研究员高杰仁和玉山国家公园总部蔡文玲女士发表了开放获取期刊《生物多样性数据期刊》上的一篇论文，详细介绍了他们使用 AI 检测 600 万首鸟类歌曲的情况。
与传统的基于观察的方法相比，使用自动记录器捕捉野生动物声音的被动声学监测为长期生物多样性监测提供了具有成本效益、长期和系统的替代方案。作者在玉山国家公园部署了六台记录仪，玉山国家公园是一个亚热带山地森林栖息地，海拔从 1,200 米到 2,800 米不等。从2020年到2021年，他们录制了近3万小时的音频文件，其中包含丰富的生物信息。然而，分析这个庞大的数据集具有挑战性，需要的不仅仅是人力。
为了应对这一挑战，作者利用深度学习技术开发了一种名为SILIC的人工智能工具，可以通过声音识别物种。SILIC 可以快速查明音频文件中每只动物叫声的准确时间。经过多次优化，该工具现在可以识别 169 种本土野生动物，包括 137 种鸟类，以及青蛙、哺乳动物和爬行动物。
在这项研究中，作者使用 SILIC 从七种山地森林鸟类中提取了 6,243,820 条叫声，精度高达 95%，创建了全球生物多样性信息设施上可用的第一个开放获取 AI 分析的物种出现数据集。这是第一个开放获取数据集，其中包含人工智能从音景录音中的声音中提取的物种出现数据。
该数据集揭示了野生动物在短期和长期时间尺度上的详细声学活动模式。例如，在昼夜模式中，作者确定了所有物种的早晨发声高峰。每年，大多数物种都会出现一个繁殖季节高峰;然而，有些，如灰下巴小牛，显示出次要的非繁殖季节高峰，这可能与集群行为有关。随着监测项目的继续，声学数据可能有助于以具有成本效益和自动化的方式了解多年来动物行为和种群的变化和趋势。
作者预计，这个广泛的野生动物发声数据集不会仅对国家公园总部的决策有价值。“我们希望我们的数据集能够帮助填补山地森林中精细尺度鸟类时间活动模式的数据空白，并有助于研究气候变化对山地森林生态系统的影响，”他们说。
版权声明：本文由用户上传，如有侵权请联系删除！