生态声学指数表征鸟类物种丰富度的有效性依赖于技术参数

《Ecological Informatics》：The effectiveness of ecoacoustic indices in representing bird species richness relies on technical parameters

本文推荐研究人员针对生态声学指数（如ACI和BI）与鸟类物种丰富度关系不一致的问题，系统研究了采样率、FFT窗口长度和频率范围等技术参数对指数有效性的影响。结果表明，技术参数组合可导致指数-丰富度关系从显著正相关变为显著负相关，调整参数可增强指数表征能力。该研究为生态声声监测提供了重要参数优化指导。

　　

在当今生物多样性快速丧失的背景下，高效监测生态系统变化显得尤为重要。随着自主录音设备的普及，声学监测已成为评估生物多样性的有力工具，能够覆盖广阔区域和长时间尺度。然而，海量的音频数据使得人工分类变得不切实际，于是生态声学指数应运而生——这些数学算法旨在量化声景的复杂性，并作为物种多样性的替代指标。

其中，声学复杂度指数(Acoustic Complexity Index, ACI)和生物声学指数(Bioacoustic Index, BI)是两种广泛应用的代表。ACI通过计算特定频率范围内相邻时间样本振幅的绝对差异相对于总振幅的比值，来衡量声景模式的变异程度；BI则通过计算主要包含生物声音（相对于人类噪音）的频率范围内的对数振幅谱曲线下的面积，来量化生物声学能量。理论上，拥有更多物种的群落会产生更复杂的声音景观，因此声景多样性可以指示生物多样性。

但问题在于，不同研究报道的生态声学指数与物种丰富度之间的关系大相径庭，甚至相互矛盾。这种不一致性究竟反映了真实的生态差异，还是不同研究方法造成的假象？特别是，录音的采样率（如192 kHz、48 kHz等）、计算指数时使用的快速傅里叶变换(Fast Fourier Transform, FFT)窗口长度（如512、1024等）以及分析的频率范围（如0.5-10 kHz或全频段）等技术参数，都可能显著影响指数的计算结果。这些参数如何影响指数表征物种丰富度的能力，成为了一个亟待解决的关键科学问题。

为了回答这一问题，波兰科学院哺乳动物研究所的Rosanne J. Michielsen等研究人员在《Ecological Informatics》上发表了他们的最新研究成果。他们以比亚沃维耶扎原始森林及附近农田为研究区，通过系统的实验设计，深入探讨了技术参数对ACI和BI指数有效性的影响。

研究人员主要运用了以下几种关键技术方法：研究在波兰比亚沃维耶扎原始森林的四种森林生境和邻近农田共设置了200个采样点，在2022和2023年鸟类繁殖季节（4月至6月）的清晨时分，使用AudioMoth/LunaMoth录音设备（192 kHz/16-bit）收集了5844个一分钟的声音样本。所有录音由专业鸟类学家进行人工分类，确定每个录音中的鸟类物种丰富度。将原始录音从192 kHz降采样至96 kHz、48 kHz和24 kHz，使用R语言的soundecology包计算ACI和BI指数。系统调整技术参数组合，包括7种FFT窗口长度（64至4096）和2种频率范围设置（默认设置和针对当地鸟类的0.5-10 kHz调整范围），共生成53种ACI变体和56种BI变体。使用线性混合效应模型分析每种参数组合下指数与物种丰富度的关系，并评估模型性能。

3. 结果

3.1. 技术参数对丰富度-指数关系的整体影响

研究结果显示，ACI和BI与鸟类物种丰富度的关系范围从显著正相关到显著负相关，具体取决于录音的采样率和FFT窗口长度。技术参数对ACI的影响比BI更为明显。对于两种指数，将分析频率范围调整为匹配研究区域鸟类鸣叫的频率范围（0.5-10 kHz）后，与默认设置相比，指数与丰富度的关系均得到加强。

具体而言，对于ACI，在24 kHz采样率下，除FFT=128和64外，丰富度-指数关系均显著正相关；而在更高采样率下，更多参数设置产生了不显著甚至负相关的关系。在192 kHz采样率下，默认设置未能产生任何显著正相关关系，调整频率范围后仅在FFT=2048和4096时呈现正相关。对于BI，在24 kHz和48 kHz采样率下，所有测试的窗口长度和频率范围都产生了正的丰富度-指数关系；而在96 kHz和192 kHz下，较小的窗口长度导致关系不显著或负相关，但较大的窗口长度始终产生显著正相关。

3.2. 不同生境中的丰富度-指数关系

当对不同生境进行单独评估时，技术参数对两种声学指数与物种丰富度关系的影响因生境而异。这些关系在调整频率范围后普遍更强。对于ACI，大多数丰富度-指数关系不显著，但经过采伐的云杉林相比其他生境显示出相对较多的显著正相关关系。农田生境表现出独特的模式：与森林生境相比，在较大的FFT窗口长度下，丰富度-指数关系显著为负。对于BI，调整频率范围后，在大多数生境和大多数FFT与采样率组合下产生了显著正相关。农田再次偏离这一普遍模式：大多数丰富度-指数关系不显著，在高采样率下，一些较小的FFT窗口长度甚至产生了显著负相关。

3.3. 指数变体间的相关性

大多数生态声学指数的变体彼此呈正相关。然而，使用小FFT窗口长度计算的ACI变体与所有BI变体均呈负相关（除了与192 kHz采样率下FFT=64计算的BI相关性接近零外）。此外，使用小FFT窗口长度计算的ACI变体与使用大FFT窗口长度计算的ACI变体也呈负相关。这种模式在高采样率下更为明显。当使用默认设置时，ACI和BI之间的相关性（无论是正相关还是负相关）都较弱。

4. 讨论与结论

本研究结果表明，鸟类物种丰富度与ACI和BI等生态声学指数的关系，以及同一录音这些指数之间的相关性，在很大程度上取决于录音的采样率和计算设置（包括FFT窗口长度和频率范围）。对于同一组录音，不同的技术参数可能导致指数间相关性及丰富度-指数关系从显著正相关转变为显著负相关。这意味着，具有复杂声景和高物种丰富度的生态系统，可能仅仅由于技术参数的组合，而获得比声景较不复杂、物种丰富度较低的生态系统更低的声学复杂度指数值。因此，当将这些指数用作物种丰富度的替代指标时，应谨慎应用计算设置。

调整生态声学指数的计算设置（即限制频率范围和修改FFT窗口长度）增强了它们表征鸟类物种丰富度的有效性，证实了引言中提出的假设。技术参数显著影响ACI和BI与鸟类物种丰富度的关系，而适当调整计算设置可以提高其性能。在两个指数之间，BI对采样率和FFT窗口长度变化的鲁棒性比ACI更强。有趣的是，生态声学指数与鸟类物种丰富度之间关联的强度，以及技术参数对这种关系的影响，也取决于生境类型，这表明即使在同一样点，声学指数预测物种丰富度的有效性也是不均匀的。

研究人员强调，在计算生态声学指数时，特别是ACI，建议调整FFT窗口长度以匹配录音的采样率，从而保持指数与物种丰富度的关系。通常，较高的采样率需要按比例增加FFT窗口长度，以实现声音分析中可比较的时间和频谱分辨率。此外，强烈建议根据直接观察（例如对至少一部分录音进行人工分类）来估计多样性组成部分（如物种丰富度），并测试各种FFT窗口长度以确定最佳计算设置。将计算设置调整到当地生态系统将增强指数表征研究区域内多样性组成部分的能力，并可能促进不同研究和区域间指数的可比性。

总之，这项研究揭示了技术参数在生态声学监测中的关键作用，为未来研究提供了重要的方法论指导，强调了参数优化和本地化校准对于准确评估生物多样性的必要性。