开放草地生态系统中声学监测设备的探测范围

《Ecology and Evolution》：Detection Range of Acoustic Monitoring Devices in an Open Grassland Ecosystem

　　

被动声学监测（Passive Acoustic Monitoring, PAM）是一种估算鸟类生物多样性的新方法，其结果与传统方法（如点计数调查）相当。然而，声学记录单元（Acoustic Recording Units, ARUs）周围探测空间（detection space）的不确定性可能使监测设计复杂化，并可能导致结果偏差。因此，理解不同环境中ARU的探测空间对于提升PAM在鸟类种群监测中的可靠性至关重要。在本研究中，研究人员在美国内布拉斯加州东部的草地系统中，采用基于距离的广播方法，在距离ARUs七个不同距离处，量化了该景观中常见的六种焦点物种的探测空间。研究人员发现，探测空间具有物种特异性，但总体而言，大多数确认的探测（探测概率≥0.50）发生在ARU的100米（m）范围内。可探测性受振幅正向影响，而发声频率的影响则因物种而异，导致可探测性出现物种特异性差异。探测空间是大规模PAM系统设计中高度可变但至关重要的考虑因素，其估算应成为任何PAM研究的关键第一步。研究人员展示了一种可复制的评估探测空间的方法，该方法可应用于其他生态系统及其他鸟类物种。尽管比其他方法更耗费人力，但该方法提供了可靠的探测空间估算，这对于PAM技术持续应用于生物多样性保护具有重要意义。

**论文解读：开放草地生态系统中声学监测设备探测范围的量化与应用**

**研究背景与问题**
21世纪见证了技术进步与生物多样性加速丧失的并行。被动声学监测（Passive Acoustic Monitoring, PAM）作为一种新兴的鸟类多样性评估方法，可提供与传统点计数调查相当的物种丰富度估计，同时减少观察者偏差和野外调查的物流挑战。然而，PAM的可靠性依赖于声学记录单元（Acoustic Recording Units, ARUs）的探测空间（detection space），即监测系统能够采样的距离范围。探测空间受鸟类发声特征、植被高度和密度等因素影响，若未充分理解，可能导致物种占用率估计的偏差。以往研究多集中于森林环境，发现ARU有效探测距离约为50米，但开放草地系统中的探测空间数据匮乏。由于草地植被较矮，探测空间可能更大，但缺乏实证数据。因此，本研究旨在（1）展示一种可复制的ARU探测空间估算方法；（2）量化开放草地生态系统中六种焦点物种的ARU探测空间；（3）确定达到目标探测概率的最优距离。研究人员预测探测空间可被量化，且草地系统中的探测空间将大于森林环境。

**研究内容与结论**
研究人员在美国内布拉斯加州东部的Spring Creek Prairie Audubon Center的典型高草草原进行了距离广播实验。通过播放六种焦点物种（Dickcissel、Grasshopper Sparrow、Northern Bobwhite、Ring-necked Pheasant、Wild Turkey、Mourning Dove）的5秒声学片段，在七个距离（25、50、75、100、150、200、300米）和三个音量水平（低、中、高）下，围绕两台ARU（放置于不同管理地块）进行播放。手动注释录音后，使用广义线性混合模型（GLMMs）分析探测概率，并以风速为随机效应。研究发现：探测空间具有物种特异性，但总体而言，大多数确认探测（探测概率≥0.50）发生在ARU的100米内；可探测性受振幅正向影响，发声频率影响因物种而异；高音量水平下探测概率最高；风速影响极小。最优距离分析表明，在中等音量水平下，达到50%探测概率的平均最优距离为56米（各物种范围为<25米至91.58米）。ARU间存在差异，可能与设备老化及植被管理（割草 vs. 放牧）有关。方向性差异有限，南向探测概率略高。研究发表在《Ecology and Evolution》。

**关键技术方法**
本研究采用基于距离的广播方法，在七个距离（25-300米）和三个音量水平（低、中、高）下，向两台ARU（Wildlife Acoustic Song Meter Minis，位于内布拉斯加州东部Spring Creek Prairie Audubon Center的两个地块）播放六种焦点物种的预录声学片段。手动注释录音后，使用广义线性混合模型（GLMMs，以距离、播放水平、ARU为固定效应，风速为随机效应）分析探测概率，并通过AICc模型选择确定最优模型，再基于模型预测估计最优距离。

**研究结果**
**3.1 实验概况与模型选择**
实验历时5天，收集约34小时声学数据。6048次可能播放中，29.7%被确认。风速分为低、中、高三档。通过AICc比较，PHCO、COVI、MEGA的顶级模型为“Presence ~ Distance * ARU + Distance * Playback Level + Rj”；SPAM、AMSA、ZEMA的顶级模型与之相同，全局模型紧随其后。

**3.2 检测概率与距离的关系**
距离是显著预测因子（p≤0.001），随距离增加，各播放水平和ARU的探测概率均降低（图3）。高音量水平下探测概率最高，中、低水平次之。PHCO和COVI仅在300米高音量水平下被检测到。

**3.3 ARU型号与植被管理的影响**
ARU #1（位于部分割草地块）对PHCO和COVI的总体探测概率显著低于ARU #2（位于放牧地块），但随距离下降更慢；AMSA在ARU #1的探测概率低92%；MEGA和SPAM的ARU间差异不显著；ZEMA无显著差异。植被高度差异可能影响结果，但未纳入模型。

**3.4 播放水平的影响**
高音量水平下探测概率最高，但并非所有物种的顶级模型中播放水平均显著。低音量水平下，多数物种几乎无检测（如ZEMA低于任何距离）。

**3.5 物种特异性最优检测距离**
基于模型预测，25%探测概率的平均最优距离：低音量34.1米、中音量86.8米、高音量170.0米；50%探测概率对应25.0米、56.0米、116.0米；75%探测概率对应25.0米、28.3米、62.0米（表2）。物种间差异显著，如AMSA在高音量下50%探测概率需44.76米，而COVI需211.55米。

**3.6 方向性差异**
估计边际均值（EMMs）显示，南向探测概率最高，但仅9/36个配对比较显著，表明方向性影响有限。

**讨论与结论**
讨论部分指出，本研究填补了草地系统ARU探测空间的空白，证实了可复制的广播方法。与森林研究相比，草地系统探测空间并未显著更大，但探测概率下降更慢，可能因植被结构不同。物种特异性振幅和频率是重要影响因素，低频噪声（如ZEMA）可能被环境噪声掩盖。ARU差异可能与设备老化及植被管理（放牧降低植被高度）有关，但需进一步验证。方向性影响微弱。方法局限性包括：最大测试距离300米可能不足（PHCO和COVI仍在300米有检测），低音量水平对ZEMA过低，未考虑风向往。未来研究应扩展距离、标准化音量、进行原位测量。

**结论**（翻译）
ARU的探测空间受多种因素影响；若未加以考虑，这种变异可能导致有偏的生物多样性估计。本研究为草地生态系统中六种焦点物种提供了达到目标探测概率的最优距离。若目标物种包含在本研究中，研究人员建议使用表2来估算ARU的放置位置，并考虑可探测性差异。研究人员还展示了一种有效估算探测空间的方法，该方法最小化观察者偏差，并可应用于多种环境。由于鸟类生物声学及时空因素的显著变异，单一ARU距离无法确保完美探测。扩大记录时间尺度是增加探测空间的最有效方式。然而，在任何大规模PAM方案中，考虑探测空间应是必要的第一步。