基于长期被动声学监测的虎鲸社会性与发声复杂性关联研究：机器学习在生物声学中的应用

研究人员通过长期被动声学监测和CNN（卷积神经网络）技术，分析了加拿大不列颠哥伦比亚省北部居留型虎鲸（NRKW）A族群的发声复杂性。研究发现群体规模与发声复杂性呈正相关（PLC=-1.1），并验证了社会复杂性假说。该研究创新性地提出关联熵率（EAR）指标，为理解海洋哺乳动物通信系统演化提供了新视角。

　　

在浩瀚的海洋中，虎鲸（Orcinus orca）以其复杂的社会结构和独特的发声系统闻名于世。作为高度社会化的海洋哺乳动物，它们通过脉冲呼叫（pulsed calls）等声音信号维持群体联系，这些声音信号甚至表现出类似人类语言的"方言"特征。然而，长期以来科学家们面临一个关键问题：虎鲸复杂的社会组织与其发声系统之间是否存在内在联系？这个问题的答案不仅关乎我们对海洋哺乳动物认知能力的理解，更能为研究动物通信系统的演化机制提供重要线索。

为了探索这个科学问题，来自国外研究机构的研究团队在《Ecological Informatics》发表了创新性研究成果。该研究以加拿大不列颠哥伦比亚省北部居留型虎鲸（NRKW）A族群为研究对象，这个种群因其稳定的社会结构和已知的声学特征而成为理想模型。研究团队通过OrcaLab NGO长达20年建立的七水听器监测网络，收集了2015-2020年夏季（7-9月）共计403天的连续录音数据，相当于超过50平方公里海域的声学监测。

研究采用了多项关键技术方法：1）基于YOLO框架的CNN（卷积神经网络）模型进行脉冲呼叫检测和分类，训练集包含1750个手动标注的呼叫样本；2）开发序列提取算法，将间隔小于10秒的呼叫归为同一序列；3）创新性提出关联熵率（EAR）指标解决"鸡尾酒会问题"（cocktail party problem）；4）结合视觉观测数据（2016年夏季）和N09呼叫亚型自动识别技术进行群体归属判定；5）采用多种复杂性指标（包括Zipf定律PLC、香农熵H、熵率ER等）进行量化分析。

研究结果首先验证了检测系统的可靠性。通过100个随机样本的验证显示，模型F-score达0.76（置信度0.5），虽然存在低能量呼叫漏检（约1-3个/序列），但主要影响熵率（ER）测量。Zipf分析揭示了呼叫类型分布的断裂幂律特征，高频部分PLC=-1.1，接近人类语言特征，低频部分PLC=-14.9，反映罕见呼叫样本不足。

在序列结构方面，研究重现了Ford（1989）的经典发现：呼叫类型转移概率矩阵显示强烈重复倾向（矩阵对角线显著），特别是N04呼叫。创新性的是，通过三连分析发现重复模式可跨越中间呼叫持续存在，如"N09 N04 N09"序列，暗示可能存在群体层面的发声匹配（vocal matching）现象。

最关键的发现来自复杂性比较分析。通过Kruskal-Wallis H检验，77%的组间比较显示群体规模与发声复杂性正相关（P<0.001）。具体而言：1）A1（24个体）复杂性显著高于A5（15个体）；2）混合群体（如A1-A5）复杂性介于纯群体之间；3）Pearson检验证实群体规模与复杂性指标呈中度相关（R=0.36-0.51）。研究还发现行为和环境显著影响复杂性：觅食时EAR高于旅行时，而擦滩行为（rubbing）因水听器故障导致数据异常。

讨论部分强调了三个重要观点：首先，这是首次在单一鲸群内验证社会-发声复杂性关联，虽然不能直接支持进化假说，但表明短期因素（如群体组成）同样重要。其次，提出的EAR指标有效解决了多发射体（multiple emitters）序列分析难题，为被动声学研究提供了新工具。最后，文化传承可能影响结果——A族群各小群（pod）虽共享部分呼叫类型，但各自保持独特"方言"，这种文化差异可能混淆复杂性测量。

这项研究的科学意义在于：1）建立了长期被动声学监测与机器学习结合的研究范式；2）为理解海洋哺乳动物通信系统提供了量化工具；3）提示未来研究需考虑文化传承等非遗传因素。正如作者指出，要实现更精确的分析，还需解决个体识别（diarization）和行为背景标注等挑战。这些发现不仅推进了鲸类行为生态学研究，也为跨物种语言演化比较提供了宝贵数据。