《Methods in Ecology and Evolution》：SANE: An index of anthropogenic noise levels for wildlife research in terrestrial ecosystems
编辑推荐：
由于将人为成分从声景（soundscape）中分离出来本身具有复杂性，理解噪声污染对野生动物的影响一直面临挑战。声景研究通常采用声学指数（acoustic indices），通过设置阈值将人为声（anthrophony）与自然声音隔离。然而，自然声音与人为声音
由于将人为成分从声景（soundscape）中分离出来本身具有复杂性，理解噪声污染对野生动物的影响一直面临挑战。声景研究通常采用声学指数（acoustic indices），通过设置阈值将人为声（anthrophony）与自然声音隔离。然而，自然声音与人为声音并不总是符合这些阈值界限，从而削弱了所得指数的准确性与可比性。尽管基于人工智能（Artificial Intelligence, AI）分类器的声学事件自动识别已经取得显著进展，但目前仍缺乏一种能够有效量化人为声学压力的方法。
研究人员提出了一种新的指数——选择性人为噪声暴露指数（Selective Anthropogenic Noise Exposure, SANE），该指数利用 BirdNET 深度神经网络（deep neural network）从录音中分离与人类活动相关的声音。该指数由所有人为噪声类别的中位振幅指数（Median Amplitude Index）之和构成，因此既能够表征多种干扰事件的强度，也能够反映其累积影响，同时还可将总体噪声水平拆分为不同干扰类别的贡献（例如交通、人声）。
研究人员在真实城市环境和声景模拟条件下测试了 SANE 的性能，并将其与两种基于频率的指数及另一种基于人工智能的声学指数 CityAnthroNet 进行了比较。结果表明，SANE 能够有效描述不同城市化水平区域中的人为噪声，并弥补其他指数存在的不足。此外，SANE 在极精细的时间尺度上也具有稳健性，能够对单次录音中的人为声水平进行精确量化。在所比较的各类指数中，SANE 是唯一一种对低频生物声（biophony）不敏感的指标，而低频生物声会对基于频率和基于人工智能的其他度量造成混淆。
通过利用基于人工智能的分类器检测多类人造声音，SANE 指数能够捕捉人为噪声的强度。同时，落在传统人为声频段范围内的自然声音会被忽略。此外，SANE 还有潜力评估不同噪声类型对总体声学污染的相对贡献，从而为探索声学污染对野生动物影响开辟新的研究方向。
该研究发表于《Methods in Ecology and Evolution》，围绕生态声学中一个关键而长期存在的问题展开：如何在复杂声景中准确、稳健且可比较地量化人为噪声对野生动物的暴露水平。既有研究已表明，人为噪声（anthrophony）可对野生动物产生从行为到生理层面的多重负面影响，包括干扰捕食—被捕食关系、削弱交流效率，并进一步影响个体适合度。随着人口增长及基础设施扩张，陆地生态系统中的人为噪声预计将持续增加，因此亟需建立可靠工具，用于监测和比较不同空间与时间尺度上的噪声干扰。
当前被动声学监测（passive acoustic monitoring）已广泛应用于生态学研究，随之发展出的多种声学指数，试图将复杂声景特征压缩为可分析的数值指标。其中，归一化声景差异指数（Normalized Difference Soundscape Index, NDSI）与 1–2?kHz 功率谱密度（Power Spectral Density, PSD）常被用来估计人为声。然而，这类方法依赖预设频率边界，将 1–2?kHz 视为人为声范围、2–11?kHz 视为生物声（biophony）范围。问题在于，真实声景中的人为声、生物声及地球物理声（geophony）并不稳定地受限于这些频带，导致不同声源之间存在显著频谱重叠。例如某些鸟类或野猪等动物发声可落入所谓“人为声频段”，而车辆喇叭或高转速发动机等人为噪声也可能在“生物声频段”内具有明显能量。因此，仅凭固定频率阈值识别人为噪声，往往会引入混淆并损害结果解释力。
人工智能（Artificial Intelligence, AI）尤其是神经网络分类器的发展，为解决这一问题提供了新路径。现有工具如 CityAnthroNet 可估计录音中人为声音占据的时间比例，但其并不量化声音强度，也无法区分不同人为干扰类型。研究人员据此提出 SANE（Selective Anthropogenic Noise Exposure）指数，将 AI 分类与传统声学能量表征相结合，目标是实现对人为噪声“类型+强度+累积暴露”的综合刻画，同时降低自然声音造成的误判。研究目的包括：展示 SANE 的构建流程；评估其沿人为干扰梯度捕捉时空变化的能力；验证其在不同人为噪声类别上的可分解性；并与现有方法进行系统比较。
研究所用的关键技术方法主要包括以下几类。第一，基于 BirdNET V2.4 深度神经网络对录音进行 3?s 片段级分类，以识别人声、引擎、警笛、犬吠等多类人为相关声音，并通过本地验证选择高精确率阈值。第二，对被识别出的目标声段进行 20–20,000?Hz 带通滤波，再计算中位振幅指数（Median Amplitude Index），并在录音内按类别求和，生成全局及分类别 SANE 值。第三，使用来自意大利罗马市 2024 年 3–6 月的 75 个监听点、共 13,100 段 5 分钟录音开展真实声景分析。第四，构建 100 个受控模拟声景，在不同阶段操控人为声与鸟类鸣声比例，以比较 SANE、CityAnthroNet、NDSI 和 PSD 的响应与稳健性。
3.1 BirdNET classifier's performance
研究人员首先评估了 BirdNET 识别人为噪声的分类表现。在全部音频中，BirdNET 共识别出 434′865 个含有人为噪声的片段，其中“Engine”占比最高，达到 73%。验证结果显示，BirdNET 在区分自然声与人为声方面具有很高精确率（precision），整体平均精确率达到 0.99，在 0.1 置信度阈值下最低也有 0.97。对总体人为声而言，使精确率达到最大值的最小置信度阈值为 0.5。不同人为噪声类别之间召回率（recall）存在差异，但总体人为声在低阈值条件下即可维持较高 F1 值。该结果说明 BirdNET 作为 SANE 前端分类器，能够以较高可靠性从复杂城市录音中筛出目标人为声音。
3.2 Real soundscape temporal patterns of anthrophony
在真实城市声景分析中，研究人员比较了 SANE、CityAnthroNet、invNDSI 与 PSD 随城市化梯度和昼夜时间变化的模式。结果显示，两种基于频率的指数彼此高度相关，但在不同城市化水平上的变化趋势相似且存在局限，未能像预期那样随城市化增强而清晰升高。相比之下，两种 AI 基指数表现出明显不同，其中 SANE 随城市化升高而均值增加，更符合人为活动增强的现实背景。时间序列分析还表明，SANE 是唯一能够在高城市化区域晚间识别出噪声强度上升的指数，这与傍晚及夜间人类活动增强的情景一致。CityAnthroNet 在低和中等城市化区域晚间反而较高，研究人员认为这可能与日落前后生物声活动增加有关。清晨时段，CityAnthroNet 在低城市化区域也明显升高，而 SANE 未出现同样现象，提示前者可能更容易受到非目标生物声干扰。
进一步地，SANE 的可分解性分析展示了不同城市化等级下人为噪声构成的差异。低城市化区域以人声贡献较突出，可能反映休闲活动；低和中等城市化区域以交通噪声和犬吠较显著；中高城市化区域中警笛贡献增加。这一结果说明，SANE 不仅能给出总体人为噪声暴露水平，还能揭示驱动该暴露的具体噪声类型，为生态学解释提供更细粒度信息。
3.3 Simulated soundscape acoustic indices patterns and consistency
在受控模拟声景中，研究人员测试了各指数在不同鸟类鸣声与人为声组合下的响应。SANE 在前 3 个场景中均随着人为噪声片段比例增加而近似成比例上升，而在第 4 个仅含鸟声、完全无人为声的阶段保持低且平坦。相比之下，频率型指数在含有“落入人为声频段”的鸟类鸣声时表现偏高，在无人为声但该类鸟声逐渐增多时仍持续上升，显示其受到频谱重叠的明显干扰。值得注意的是，CityAnthroNet 的模式也与频率型指数相似：在含有此类鸟声的场景中偏高，并在最后无人为声阶段继续升高，表明其同样会将部分鸟声误识为人为声。
一致性分析进一步显示，SANE 在 100 个模拟声景重复中表现最稳定，能够在 30?s 的精细时间尺度上可靠追踪人为噪声变化。频率型指数则在所有场景下波动较大，说明其对单条录音或短时段估计不够稳健。研究人员据此指出，SANE 具有用于单次录音和高时间分辨率监测的潜力，而这恰是许多传统指数难以胜任的。
讨论部分强调，SANE 的优势主要体现在四个方面。第一，借助 BirdNET 对目标声音类别的识别，SANE 能有效摆脱固定频率边界带来的系统性混淆，对低频生物声尤其稳健。第二，SANE 通过对中位振幅求和，表征的是累积强度，而非仅仅是“人为声音出现的时间比例”，因此在高噪声环境中不易像 CityAnthroNet 那样达到饱和上限。第三，SANE 支持按噪声类型分解，这对于研究不同噪声源引发的差异化行为和生理效应具有重要价值。第四，随着 AI 分类器性能提升，SANE 的应用潜力还将继续扩大。
同时，研究人员也谨慎指出了该方法的限制。SANE 的计算本身较快，但前期音频分类可能具有较高计算开销；不同分类器版本之间的绝对值可比性需要谨慎对待；在高物种丰富度、声景极其复杂的环境中，分类性能可能下降，从而影响指数表现。此外，强风、暴雨等强地球物理声会遮蔽目标信号，录音设备过于接近稳定且极响的噪声源也可能造成偏差。因此，研究人员建议在使用 SANE 时，应明确报告采样设计、录音设备参数以及 AI 分类器的型号与版本，并尽量避免受强烈气象噪声影响的录音。
研究结论部分可译为：人工智能分类器（AI-classifiers）是生物声学研究中具有高度潜力的强大工具，但其只是生态研究过程中的一部分。该研究提出了通过新型 SANE 指数实现人工智能与声学指数协同的方法，并证明与 CityAnthroNet 及传统声学指数相比，SANE 能够提高人为噪声量化的质量。这种提升源于 SANE 不仅能够估计声景中人为声音的数量，还能够量化噪声暴露的幅度。通过利用 AI 分类器识别多类人造声音的能力，SANE 能够捕捉人为噪声的强度，并有潜力评估不同噪声类型对总体声学污染的相对贡献。识别噪声来源的性质有助于提升其生态效应解释，因为不同人为声源可能引发不同的行为和生理反应。此外，SANE 不受限于特定频率范围，因此也可以仅在某一特定频谱窗口内计算，例如人类可听频段或超声频段。这一特性可能为未来研究开辟新方向，例如探索超声人为噪声对蝙蝠的影响。该研究虽然将 SANE 应用于 BirdNET 分类器，但其工作流程也可方便地适配其他分类器。随着 BirdNET 更新版本或新分类算法的发布，SANE 在描绘人为声学干扰水平方面的准确性有望进一步提高。因此，无论采用何种分类器，该研究都强调了将人工智能工具与声学指数整合起来，以更好评估人为噪声的强度和性质，从而为声学研究提供可靠且灵活的解决方案。
