《American Journal of Primatology》：Vocalizations Reveal Species Differences in Endangered Lion Tamarins (Primates, Callitrichidae)
编辑推荐：
本文首次系统比较了四种濒危狮面狨（Leontopithecus）的七种共享鸣声类型，通过分析频谱（如频率5%/95%、峰值频率）和时域参数，发现频谱参数是区分物种的关键，其中黑脸狮面狨（L. caissara）声学特征最独特。研究为灵长类声学通信进化提供了新见解，并为基于声学的濒危物种监测（如被动声学监测PAM）建立了重要基线。
摘要
声学通信对于森林灵长类动物的社会凝聚力和领域防御至关重要，其中包括濒危的狮面狨属（Leontopithecus）物种。尽管已有对单个物种鸣声的研究，但尚无比较分析探讨声学参数是否能可靠区分所有四个物种。本研究假设声学特征的物种特异性差异可以区分狮面狨物种，并预测频谱和时域参数均会揭示种间变异。为此，我们分析了黑脸狮面狨（Leontopithecus caissara）、金狮面狨（L. rosalia）、金头狮面狨（L. chrysomelas）和黑狮面狨（L. chrysopygus）的七种共享鸣声（长鸣、哀鸣、颤鸣、粗嘎声、咯咯声、吱喳声和啾鸣声）。声学数据来自在线声音库，并使用Raven Pro软件进行分析。测量了频谱和时域参数，包括5%和95%频率、峰值频率、中心频率和90%带宽，随后进行主成分分析和非参数统计检验以识别物种特异性差异。结果显示，在多种鸣声中存在显著的种间差异，其中频谱参数对于区分物种最为相关，而时域参数贡献较小。L. caissara是声学上最独特的物种，而L. rosalia和L. chrysopygus表现出最大的鸣声相似性。本研究首次对所有四种狮面狨的七种鸣声类型进行了比较分析，建立了声学基线，确认了频谱参数对于物种分化的重要性，并展示了鸣声在保护应用中的潜力。
1 引言
声通信已在南美洲多种社会性灵长类动物中得到广泛研究。这种通信类型在维持群体凝聚力和防御领域方面起着至关重要的作用，尤其是在其他通信模式受限的森林环境中。社会群体规模和理毛行为持续时间与声音库的丰富程度呈正相关，表明具有更复杂社会系统的物种进化出了更多样化的声通信。
除了在各种生态和行为背景下发出的声音外，声学特征可以指示非人灵长类动物的特定个体状况。频谱参数，如基频、主频、最小和最大频率值反映了不同物种的体型大小。时域参数，如叫声持续时间，也与灵长类的体型和年龄有关。此外，狨科动物长鸣的声学参数为物种鉴定提供了重要信息，可能有助于狮面狨的分类学研
究。
狮面狨属包括四种不同的狮面狨，均被视为濒危物种，包括黑脸狮面狨、金狮面狨、金头狮面狨和黑狮面狨。该属分布于巴西的大西洋森林，目前所有四个物种的种群数量都在下降，并遭受栖息地丧失和破碎化的影响。所有这些物种都形成家庭式社会群体，具有母系社会结构和合作繁殖系统，并拥有广泛的声音库。
长鸣在新大陆灵长类动物中已被广泛研究。在狮面狨中，长鸣有助于群体凝聚力、群内通信和用于领域防御的群间通信。此外，狮面狨发出的其他声音，如哀鸣，与群体内的友好互动、食物分享、捕食者出现时的警报叫声以及作为长鸣的引子有关。
关于狮面狨声学通信的研究很少，且主要集中于长鸣。已发表著作的回顾显示，有17项研究专门关注金狮面狨，约占该属生物声学知识的74%。仅有一篇硕士论文涉及金头狮面狨，而黑狮面狨主要在被动声学监测的背景下被研究，关于黑脸狮面狨的数据则缺乏。该属物种间最显著的差异与长鸣的最高频率、音节数量和持续时间有关。
在此背景下，我们的研究比较了四种狮面狨的不同鸣声，以调查声学参数是否能有效区分它们。我们假设物种间不仅存在长鸣的声学差异（如先前对三个物种的报道），在其他研究较少的鸣声类型中也存在差异。我们预测频谱和时域参数都将揭示种间变异，从而允许识别物种特异性的声学特征。比较狮面狨属内物种间的声学多样性是理解进化、形态和生态因素如何塑造声学通信的第一步，并为未来研究种内变异和个体识别（行为和保护研究的关键方面）建立基线。
2 材料与方法
本研究遵守美国灵长类学家学会（ASP）非人灵长类伦理治疗原则和巴西的法律要求。许可由奇科·门德斯生物多样性保护研究所（ICMBio, Brazil: SISBIO 78701-4）提供。
2.1 数据收集
四种狮面狨物种的声学数据由坎皮纳斯大学（UNICAMP, S?o Paulo, Brazil）的生物多样性博物馆（MDBio）视听馆藏提供，该馆藏集成了新热带Jacques Vielliard（FNJV）声音库。获得了19份录音，物种分布如下：L. caissara（N=4）、L. rosalia（N=2）、L. chrysomelas（N=7）、L. chrysopygus（N=6）。录音主要包括长鸣和哀鸣。另外16份录音来自康奈尔鸟类学实验室的Macaulay图书馆，包括L. rosalia（N=2）、L. chrysomelas（N=6）和L. chrysopygus（N=8）。这些录音最初采集自野生和圈养个体，元数据有时缺乏详细的野外信息。所有文件以未压缩的WAV格式提供，采样率≥44.1 kHz，确保了足够的频率分辨率。仅选择时域和频谱参数在波形图和声谱图上清晰可见的高质量鸣声进行分析。我们分析了该属四种物种共有的七种鸣声，包括长鸣、哀鸣、颤鸣、粗嘎声、咯咯声、吱喳声和啾鸣声。
2.2 数据分析
通过声谱图分析（FFT=1024，90%重叠，“Hann”窗）估计频谱参数，包括低频率（Hz）、高频率（Hz）、5%频率（Hz）、95%频率（Hz）、峰值频率（Hz）、中心频率（Hz）和包含90%鸣声能量的带宽（Hz）。通过波形图测量时域参数，包括时间差和90%持续时间。使用Raven Pro软件（v1.6, K. Lisa Yang Center for Conservation Bioacoustics, Cornell Lab of Ornithology, Cornell University 2022）分析录音。参数的选择遵循先前对狮面狨的研究，其中最小、最大和峰值频率是常用的。为了减少观察者偏差，我们还包含了5%和95%频率，这些是根据信号能量分布自动计算的，提供了更客观和可比较的估计。声谱图设置（FFT=1024，Hann窗，高重叠）提高了频谱分辨率，并最大限度地减少了时间窗之间的信息丢失，确保了更精确的频率测量。我们承认从声谱图中视觉选择信号可能会引入观察者偏差；然而，包含自动计算的参数有助于减少这种限制并提供更客观的测量。
我们测试了数据的正态性和方差齐性，以确定它们是否适合参数ANOVA检验。由于数据不满足这些假设，我们选择非参数检验进行后续分析。我们对每个频谱和时域变量进行了Kruskal-Wallis检验，比较每种鸣声类型的不同物种。当这些检验表明存在显著差异时，我们使用Wilcoxon检验进行事后比较，以确定哪些物种对显示出显著差异。
我们使用主成分分析和聚类分析进行多变量分析，以基于四种物种的七种鸣声类型识别组群，考虑以下频谱参数：5%频率、95%频率、峰值频率、中心频率和包含90%鸣声能量的带宽。使用R语言中的“stats”包的“prcomp”函数进行PCA。使用“ggplot2”包生成生成的PCA散点图和聚类分析。我们还进行了层次聚类分析，以探索四种物种之间的声学相似性模式，使用R语言“stats”包中的“hclust”函数。基于所有七种鸣声类型的每种物种的声学参数平均值计算欧几里得距离矩阵，并使用完整链接方法进行层次聚类以对物种进行分组。
3 结果
我们考虑了狮面狨属物种发出的七种不同的鸣声类型，包括长鸣、哀鸣、颤鸣、粗嘎声、咯咯声、吱喳声和啾鸣声。这些鸣声在频率调制和持续时间方面是可变的，并且可以以不同的方式使用。一些研究将金狮面狨的长鸣分为不同的短语，用于不同的行为背景。第一短语用于移动时的群体协调，第二短语用于个体迷失时的群体凝聚力，第三短语主要用于划定领域和群间间隔。在本工作中，我们考虑用于分析的两短语长鸣，排除了在领域防御背景下使用的带有尾音的长鸣。
Kruskal-Wallis秩和检验用于评估属内所有鸣声的频谱和时域参数的差异，以识别可能的种间差异。在不同鸣声类型方面与其它物种差异最大的是黑脸狮面狨，在颤鸣、吱喳声、啾鸣声和粗嘎声中均如此，其次是金狮面狨，在哀鸣和咯咯声中差异显著。颤鸣和咯咯声是所分析的鸣声中呈现差异对比较多的鸣声，在76%的配对比较中与区分物种相关。
对于长鸣（主要是两短语长鸣），在频谱和时域参数中观察到显著差异。在物种间的配对比较中，黑狮面狨仅在一个声学参数上与其他三种狮面狨不同，与金头狮面狨在另外三个参数上不同，与金狮面狨在另一个参数上不同。黑脸狮面狨与黑狮面狨在所有参数上均存在差异，除了5%频率。此外，黑脸狮面狨与金头狮面狨和金狮面狨在几乎所有参数上都存在差异，除了时域参数。类似地，金狮面狨与金头狮面狨在所有参数上均存在差异，除了90%带宽。
对于其他鸣声（哀鸣、颤鸣、吱喳声、咯咯声、啾鸣声和粗嘎声），也观察到了种间差异，特别是在频谱参数上。对于哀鸣、颤鸣和吱喳声，频谱参数在几乎所有物种间都显示出显著差异。黑脸狮面狨最 consistently 地与其他物种不同，尤其是在颤鸣、吱喳声、啾鸣声和粗嘎声中，在配对比较中几乎所有频谱参数上都显示出显著差异。金狮面狨主要在哀鸣和咯咯声上存在差异，在5%频率、峰值频率和中心频率上存在显著差异。黑狮面狨经常通过吱喳声和颤鸣中的时间差和90%持续时间与其他物种区分开，尽管在某些鸣声中频谱参数也有贡献。金头狮面狨表现出中等程度的分化，在几个频谱参数上与黑狮面狨和金狮面狨不同，但不如黑脸狮面狨那样一致。
我们观察到，即使考虑了狮面狨发出的所有不同类型的鸣声，时域参数在区分物种方面似乎不如频谱参数重要。在考虑七种鸣声类型的所有比较中，区分物种最重要的参数是5%频率、中心频率、峰值频率和95%频率。
PCA显示，第一主成分（PC1）占总方差的66.26%。相比之下，第二主成分（PC2）额外贡献了27.43%，前两个成分累计解释的方差达到93.69%。PC1主要受频率变量影响：5%频率、95%频率、峰值频率和中心频率。相比之下，PC2主要由5%频率、95%频率、峰值频率和90%带宽代表。此外，聚类分析显示，黑狮面狨与金头狮面狨最接近，而与黑脸狮面狨距离最远，黑脸狮面狨在声学参数上被认为是差异最大的物种。
4 讨论
我们的分析表明，虽然四种狮面狨共享本研究中包含的七种鸣声类型，如咯咯声、吱喳声、颤鸣、粗嘎声、哀鸣、啾鸣声和长鸣，但它们在各种鸣声中存在显著的声学差异。我们证明频谱参数，特别是95%频率、峰值频率、中心频率和90%带宽，在区分物种方面比时域参数更相关。黑脸狮面狨是声学上最独特的物种，显示出最多数量的显著配对比较，特别是在长鸣和其他六种鸣声类型中的四种。相比之下，金狮面狨和黑狮面狨表现出最相似的声谱，其次是金头狮面狨和黑狮面狨。
需要注意的是，某些模式可能受分析的鸣声数量影响，特别是黑脸狮面狨的样本量较小。此外，PCA中观察到的重叠可能反映了多个非排他性的过程，例如由相似生态或社会压力驱动的部分声学趋同，或共享的环境和地理影响。由于所有四个物种都栖息在森林栖息地，这些环境的声学特性可能充当环境过滤器，有利于有效传播的信号。
我们的声学数据表明，当我们考虑长鸣时，黑狮面狨和金狮面狨是最相似的物种，而黑狮面狨和黑脸狮面狨是差异最大的物种。黑狮面狨和金狮面狨的鸣声相似性与将它们归为姐妹物种的线粒体DNA系统发育一致，但当前研究表明黑狮面狨和黑脸狮面狨亲缘关系更近。这一系统发育假设意味着这两个物种之间的鸣声差异可能不是系统发育分离的产物。相反，它们可能是由对其不同栖息地的适应所驱动的声学分化的结果。
对狨科的野外研究表明，地理上接近的物种在声音库上存在更大的差异。我们观察到黑脸狮面狨和黑狮面狨之间存在显著差异。黑脸狮面狨分布在巴拉那州和圣保罗州靠近海岸的低海拔热带雨林地区，而黑狮面狨发现于圣保罗州的内陆季节性半落叶林中。尽管这些物种的分布区不重叠，但它们在地理上最接近，然而它们的鸣声表现出明显的分化。这种情况可能突出了环境选择在塑造鸣声中的作用。更多的遗传学研究，以及整合了分子、形态和行为数据（包括这些鸣声参数）的综合系统发育，将有助于增强我们对物种系统发育关系的理解，以及这如何反映在特定的鸣声上。
总之，我们的研究首次对所有四种狮面狨的七种共享鸣声类型进行了比较分析，建立了声学基线，并确认了频谱参数对于物种分化的重要性。物种的独特性以及鸣声、系统发育和地理之间的关系突出了未来研究的可能性。未来的研究应侧重于：量化已识别的频谱参数如何随个体和社会背景变化；开发基于鸣声参数的物种识别自动分类器；检验我们记录的声学分化与系统发育以及环境和景观变量的关系。所有狮面狨物种都濒临灭绝，我们的结果有助于理解它们的生态学，并支持它们的保护和管理。基于我们在物种间鸣声差异方面的发现，我们可以在未来的工作中了解鸣声如何根据环境变化，并探索鸣声的个体变异，以使用非侵入性方法估计种群密度和监测未来的人口变化。
作者贡献
（略）
致谢
（略）
利益冲突
作者声明无利益冲突。
数据可用性声明
（略）
