利用微型生物记录仪捕捉野生鸦科动物声音通讯：揭示合作行为中的低声交流

《Animal Cognition》：Capturing vocal communication in a free-living corvid: high-resolution data from low-impact miniaturized tags

本研究针对野外鸟类声音通讯研究中难以记录全振幅范围叫声的挑战，开发了集成了麦克风、加速度计、磁力计和压力传感器的12.5克MiniDTAG设备。通过在西班牙北部合作繁殖的小嘴乌鸦种群中部署52个标签，研究人员成功收集了超过83小时/个体的高质量数据，并利用机器学习模型（Voxaboxen）精准识别了12.7万余次叫声。该技术首次实现了对乌鸦近距离低声交流的系统性记录，为研究复杂社会系统中信息交换机制提供了新范式。

　　

在动物认知研究领域，乌鸦等鸦科动物以其卓越的认知能力成为理解动物智能的重要模型。这些鸟类能够使用工具、识别人脸甚至进行推理，其复杂的社会行为尤其引人注目。在西班牙北部的小嘴乌鸦种群中，研究者观察到它们形成稳定的亲属群体，共同抚育后代、保卫领地和抵御天敌。这种合作行为需要个体间的高度协调，而声音通讯被认为是实现这种协调的关键机制。

然而，传统研究方法存在明显局限。定向麦克风只能记录中远距离的叫声，而群体成员间亲密的低声交流——这些可能承载着重要社会信息的信号——往往被遗漏。就像人类在密谈时会降低音量一样，乌鸦在近距离互动时也可能使用轻柔的叫声，这些声音在野外环境中极难捕捉。此外，在鸟类身上安装记录设备可能影响其正常行为，特别是对飞行鸟类而言，设备的重量和安装方式可能改变它们的飞行效率、繁殖成功甚至生存率。

为了解决这些挑战，由Vittorio Baglione和Daniela Canestrari领导的研究团队开发了一种创新的研究方法。他们设计了一种名为MiniDTAG的微型生物记录仪，仅重12.5克，相当于乌鸦体重的约2.8%。这种设备集成了多个传感器，包括高频麦克风、三轴加速度计、磁力计和压力传感器，能够同步记录声音和行为数据。

研究人员在三个繁殖季节（2018、2019和2021年）在西班牙北部的乌鸦研究种群中部署了52个MiniDTAG。设备通过一个巧妙的自动释放系统固定在乌鸦的尾羽上——使用气球橡胶材料制成的固定装置会随着时间推移自然降解，使乌鸦能够自行摆脱设备，平均18.5天后设备会自动脱落。这种方法避免了重复捕捉动物取回设备带来的压力，也提高了设备回收率（达到87%）。

为了从海量音频数据中提取有用的信息，研究团队开发了基于Voxaboxen框架的机器学习检测模型。该模型采用对象检测方法，能够在音频中预测叫声的起始和结束时间，即使这些叫声在时间上重叠也能准确识别。研究人员首先人工标注了187.7小时的音频数据，将叫声分为四类：戴标签个体（Focal）、其他成年乌鸦（Non-focal）、乌鸦雏鸟（Crow chick）和大斑鹃雏鸟（Cuckoo）。这些标注数据用于训练模型，最终模型在测试集上表现出高精度和高召回率。

主要技术方法包括：在自由生活的乌鸦身上部署多传感器生物记录仪（MiniDTAG），采用自动脱落的尾羽附着方法；利用机器学习模型（Voxaboxen）对记录的音频数据进行自动检测和分类；结合加速度计数据分析特定行为（如反捕食俯冲）；通过825小时巢穴视频记录评估设备对乌鸦行为的影响。研究样本来自西班牙北部的野生乌鸦种群，涉及22个繁殖群体。

记录仪回收与数据记录

设备回收率高达87%，平均记录时间为83.15小时/个体。记录时间与设备在野外暴露时间无显著相关性（Spearman R=0.18, p=0.24），表明数据损失主要源于技术因素而非环境条件。这一结果证明了该方法的可行性，为长期野外声音监测奠定了基础。

乌鸦叫声检测

机器学习模型成功检测到127,750次成年乌鸦叫声，平均每个个体2,971次。这些叫声覆盖了广泛的振幅范围（-73.1至-2.52 dBFS），表明系统能够捕捉从轻柔近距离交流到响亮远距离呼叫的全范围声音。中低振幅叫声占主导地位，暗示乌鸦多数声音交流发生在群体成员间的近距离互动中。

信号噪声比分析

尽管记录环境中存在自身运动噪声（如振翅、着陆声）、环境噪声（风声、车辆声）和其他物种声音，焦点个体叫声的信噪比（SNR）质量良好。个体叫声的信噪比中位数范围为5.27至26.83 dB，平均中位数为14.68 dB。所有个体的下四分位数均高于1 dB，表明大多数声音（包括低振幅叫声）都适合后续分析。

俯冲行为的加速度特征

研究人员通过模拟捕食者（苍鹰模型）入侵实验，研究了乌鸦的反捕食行为。加速度数据分析显示，反捕食俯冲段与普通飞行段在静态加速度z方向峰值出现频率上存在显著差异（Fisher精确检验, p=0.018）。11/20的俯冲段包含至少一个峰值，而仅有3/20的离巢飞行段包含峰值，表明加速度数据可用于识别这种合作防御行为。

MiniDTAG的影响评估

通过825小时巢穴视频记录分析发现，佩戴记录仪对乌鸦育雏行为影响极小——仅导致每小时喂食次数减少0.61次。群体大小、雏鸟数量和一天中的时段对喂食努力有显著影响，而设备佩戴状态影响可忽略不计。繁殖成功率方面，群体中是否有戴标签个体（减少0.13只幼鸟）或戴标签个体数量（每增加一个标签增加0.14只幼鸟）的影响均不显著，变化幅度小于平均繁殖产出（2.39±0.05只幼鸟）的6%。

本研究通过创新性的生物记录技术，成功突破了传统鸟类声音通讯研究的限制。MiniDTAG设备使研究人员能够首次系统记录乌鸦全振幅范围的叫声，特别是那些轻柔的近距离交流声音。这些低声呼叫很可能在协调群体合作行为中扮演关键角色，为理解复杂社会系统中的信息交换机制提供了新视角。

机器学习方法的引入极大提高了海量音频数据的处理效率，仅用4.3%的人工标注数据就实现了对全部记录数据的自动分析。这种技术路径为未来大规模动物声音研究提供了可行方案。同时，多传感器数据的整合（声音+加速度）展示了从单一设备获取多维行为信息的潜力，特别是对难以直接观察的自然行为（如反捕食防御）的研究具有重要意义。

设备影响评估表明，精心设计的生物记录仪对野生动物影响极小，这为未来伦理研究提供了重要参考。设备重量（平均2.8%体重）、自动脱落机制和尾羽安装位置共同最小化了行为干扰，确保了数据的生态有效性。

这项研究不仅增进了我们对乌鸦通讯系统的理解，更建立了一套可推广的研究方法。随着技术的进一步小型化和人工智能分析工具的普及，类似方法有望应用于更多物种，特别是在认知能力复杂、社会系统高度结构化的动物中。未来研究可以进一步探索不同社会背景下叫声使用的变化，个体间声音特征的差异，以及声音与具体合作行为的直接关联，从而更全面揭示动物通讯在维持复杂社会结构中的作用。