基于被动声学监测与BirdNET算法的南美麦哲伦啄木鸟声活动模式研究及其生态指示意义

《Bioacoustics》：Acoustic activity monitoring of the Magellanic Woodpecker, an indicator species from the temperate forests of South America

来自智利和阿根廷的研究人员针对麦哲伦啄木鸟这一南美温带森林指示物种，开展被动声学监测(PAM)与BirdNET自动识别研究。结果表明该物种声活动呈现差异化时间模式，且基于本地数据训练的BirdNET能显著提升识别准确率，为森林生态系统监测提供关键技术支撑。

　　

啄木鸟作为生态系统中的关键类群，既是栖息地质量的指示物种，又因其特有的鸣叫声和啄木声而易于被探测。针对被动声学监测(PAM)产生的海量数据，需要声音自动识别方法进行分析，其中BirdNET正成为最常用的算法。麦哲伦啄木鸟是智利和阿根廷温带森林的特有物种，作为南美洲体型最大的啄木鸟，其森林状况指示功能及生态系统工程师作用已被证实。本研究通过PAM技术描述麦哲伦啄木鸟的声活动模式，并评估BirdNET在该物种PAM数据自动分析中的应用效果。研究发现麦哲伦啄木鸟发声行为具有明显的时间分布特征，且初步声活动特征分析需依赖人工数据处理。特别值得注意的是，使用本地化数据对BirdNET进行训练可有效提升对该物种声音的识别性能。