基于声学传感器网络的领地性物种空间分布估计方法TASE及其在鸟类生态监测中的应用

本研究针对传统生物多样性监测方法效率低、误差大的问题，开发了领地性声学物种估计方法TASE。通过部署29个声学记录单元构建传感器网络，结合BirdNET分类器，成功在12公顷自然保护区内实现了鸟类领地空间模式的自动化提取。结果显示TASE与专家实地监测结果高度吻合，为声学生态监测提供了可量化物种丰度的新工具。

　　

在生物多样性保护领域，准确评估物种种群数量是制定有效保护策略的基础。然而传统依赖专家实地调查的方法存在明显局限：不仅耗时费力，且受限于观察者的经验和知识水平，容易产生误差。尤其对于鸣禽等发声物种，现有声学监测技术虽能识别物种，却难以量化个体数量——这种数据缺口可能导致对物种保护状态的误判。

针对这一挑战，德国研究团队在《Ecological Informatics》发表了创新性研究。他们开发了领地性声学物种估计方法TASE（Territorial Acoustic Species Estimation），通过分布式声学传感器网络(ASN)捕捉物种的领地空间模式，首次实现了基于声学数据的个体数量自动化估计。

研究团队在12公顷的自然保护区部署了29台AudioMoth v1.2自主记录单元(ARU)，连续6小时采集声学数据。利用开源分类器BirdNET v2.4处理数据后，创新性地将传感器网络建模为Delaunay三角化图，通过分析节点置信度分数的空间分布模式识别领地亚图(TS)。关键技术包括：1) 构建考虑最大距离d_max=100m的传感器网络拓扑；2) 设置动态阈值(阈值_R=0.5-0.8)筛选领地核心节点；3) 采用广度优先搜索(BFS)算法划分领地范围；4) 通过核密度估计(KDE)可视化领地分布。

研究结果显示：

1. 方法验证：对比专家实地调查，TASE对黑顶林莺(Sylvia atricapilla)等11种鸟类的领地数量估计准确率达82%，证明其可靠性。
2. 行为解析：通过30分钟时间切片分析，成功捕捉欧亚鹪鹩(Troglodytes troglodytes)的"对鸣计数"行为，揭示传统方法难以观测的领地互动模式。
3. 技术优势：在黎明合唱时段(04:00-04:30)，虽然分类器置信度下降50%，但TASE仍能保持75%的领地识别率，展现算法鲁棒性。
4. 局限发现：对欧歌鸫(Turdus philomelos)等大领地物种，声波传播范围过大会导致多节点高置信度，需结合物种特定阈值_T调整。

讨论指出，TASE的创新价值在于：1) 首次实现基于物种分类器(非个体识别)的丰度估计；2) 通过E_δ=0.2等参数补偿分类器距离衰减效应；3) 为长期声学监测提供标准化分析框架。相比传统方法，其优势在于可7×24小时不间断工作且不干扰野生动物。

该研究为生态监测开辟了新途径，未来可通过：1) 整合个体声学监测(IAM)技术；2) 开发自适应阈值_R算法；3) 扩展至蝉类等无脊椎动物研究，进一步推动声学生态学发展。特别在气候变化背景下，这种自动化监测方法将为追踪物种分布变化提供关键技术支持。