《Ecological Indicators》：Complementary, not competing: passive acoustic monitoring and point counts reveal different facets of bird communities in agricultural landscapes
编辑推荐：
可靠且可扩展的衰退鸟类群落监测对于评估保护管理措施至关重要。本研究在德国萨克森-安哈尔特州的11块冬小麦田中对点计数法与被动声学监测（PAM）进行了比较。田地分别采用无农药农业环境计划（AES）或常规管理，分析中同时考虑了香农栖息地多样性（SHDI）和地块
可靠且可扩展的衰退鸟类群落监测对于评估保护管理措施至关重要。本研究在德国萨克森-安哈尔特州的11块冬小麦田中对点计数法与被动声学监测（PAM）进行了比较。田地分别采用无农药农业环境计划（AES）或常规管理，分析中同时考虑了香农栖息地多样性（SHDI）和地块面积。PAM以盲听参考数据集进行了验证。研究人员评估了物种丰富度、点计数相对多度、PAM检测天数以及两种方法获得的群落组成。研究人员根据功能性状对物种进行分类，包括栖息地偏好、营养生态位、体重和手翼指数。结合前5%平均置信度与时间覆盖度的验证指数实现了约84%的专家确认率。与点计数相比，PAM检测到更多物种，平均丰富度高出74%，而两种方法间的重叠仍然显著。非度量多维尺度分析表明，鸟类群落按调查方法呈现部分分离，PAM的离散度较低，这与标准化采样下更均匀的群落一致。环境向量拟合确定管理方式为群落组成的最强相关因子，而SHDI和地块面积未显示显著效应。方法对环境梯度的响应总体相似：地块尺度丰富度格局基本一致，群落加权性状差异较小，仅点计数在开放栖息地物种方面存在适度偏移。总体而言，点计数保留了多度信息，而PAM在保持点计数所捕获生态格局的同时拓宽了检测范围。研究人员建议采用混合工作流程，将目标点计数与广泛PAM网络相结合，以提供可扩展的AES监测和稳健的生物多样性评估指标。
**论文解读文章**
**一、研究背景与科学问题**
当前全球生物多样性危机背景下，高效且可大规模部署的监测计划对于可靠评估农业环境计划（agri-environment schemes, AES）等保护干预措施至关重要。鸟类被广泛用作生态系统状态的指示生物以及保护措施有效性的哨兵物种，同时也是农业景观中受物种丧失影响最严重的类群之一。传统鸟类调查方法，尤其是点计数法，数十年来一直是监测鸟类多度和多样性的标准手段，积累了宝贵的数据集。然而，这些方法面临持续性制约，包括高昂的时间和人力成本、狭窄的调查时间窗口（如仅限于清晨）、观察者偏差及相关误差，以及重叠鸣声、听力限制和潜在干扰等因素对可检测性的负面影响。被动声学监测（passive acoustic monitoring, PAM）使用自动录音单元（如AudioMoth）作为一种资源高效型替代方案被日益广泛应用，可实现连续或定时、非侵入性的数据采集，并在多个位点同时进行高度标准化的采样。结合自动物种识别技术的进步，PAM可生成大规模、一致性强的鸟类群落组成数据集。然而，PAM输出需要系统性验证，因为算法错误可能具有物种特异性和情境依赖性。现有大多数点计数与PAM的比较研究开展于森林或半森林生态系统，在农业景观中的并排评估仍十分稀缺，且关于环境驱动因子和物种性状如何共同塑造方法特异性检测和推断的系统性检验仍然有限。鉴于AES评估和基于指标的生物多样性评估依赖于跨位点、跨年份和跨观察者的可比测量，在集约化管理的农业景观中开展方法-环境-性状相互作用的定向测试十分必要。
**二、研究概述与意义**
针对上述空白，研究人员在德国萨克森-安哈尔特州高度集约化的农业景观中开展了一项系统性比较研究。该研究于2024年在11块冬小麦田中进行，采用配对设计比较了空间上邻近的无农药AES田与常规管理田。研究人员使用点计数法和经过验证的PAM工作流程对同一批研究田块在繁殖季节进行了鸟类调查，从物种丰富度、相对多度、时间声学活动、群落组成和基于功能性状的群落结构等多个维度评估了两种方法间的一致性，并测试了方法特异性推断是否沿关键环境梯度（管理方式、香农栖息地多样性SHDI和地块面积）发生变化。研究结果表明，PAM检测到的物种显著多于点计数法，平均丰富度高出74%，两种方法在群落组成上存在部分分离但生态格局基本一致。该研究首次在农业景观中对两种方法进行了系统性的并排验证比较，证明了验证后的PAM可提供更完整的声学清单，而点计数保留了多度信息，二者具有明确互补性。研究发表在《Ecological Indicators》。
**三、主要关键技术方法**
研究人员在11个冬小麦田（6块无农药AES田，5块常规田，地块面积0.5~43.5公顷）中，于2024年繁殖季节同步开展点计数调查与AudioMoth录音。点计数在日出后4小时内完成，每块田3次调查；PAM每日记录03:00–08:00时间窗口，持续约6周，共部署39台设备，获得4341小时录音。PAM数据经BirdNET-Analyzer v2.4自动识别后，采用两步骤验证：首先构建物种水平的前5%平均置信度与时间覆盖度综合指数，通过五折交叉验证优化F1阈值；随后进行地块水平的检测评分过滤。一位鸟类学家对每块田60分钟录音进行盲听标注，生成包含53个物种的参考真值清单用于验证。功能性状数据提取自AVONET数据库，包括体重、手翼指数、栖息地偏好和营养生态位。统计分析采用非度量多维尺度分析（NMDS）、PERMANOVA、环境向量拟合、线性混合效应模型和群落加权均值（CWM）等方法。
**四、研究结果**
**4.1 验证与过滤性能**
盲听验证物种在置信度（0.824对0.380）和时间覆盖度（0.763对0.458）上均显著高于未验证物种。在评估的5种置信度指标中，前5%平均置信度表现最优（秩双列相关r=0.913）。经84种额外配置测试，置信度与时间覆盖度的等权平均组合表现最佳（F1=0.748，ROC-AUC=0.964）。全局F1最优阈值为0.708，应用后产生70个候选物种，排除7个先验生态/时间不匹配物种后，最终保留63个物种用于下游分析。相对于参考真值，该最终物种集实现了F1=0.793、精确率=73.0%、召回率=86.8%和准确率=95.2%。
**4.2 物种丰富度与多度加权指标**
点计数共鉴定55个物种，地块平均丰富度为16.8±6.7种；PAM保留63个阈值验证物种，地块平均丰富度为29.5±9.4种。PAM在所有地块中均检测到比点计数更多的物种，平均丰富度高出74%（配对Wilcoxon符号秩检验，p=0.004）。PAM存在矩阵的地块水平平均验证率为83.9%。丰富度与录音努力量之间无显著相关性（Spearman ρ=0.516，p=0.104）。两种方法在汇总物种列表层面有44个共有物种（Jaccard相似度=0.596）。方法特异性环境响应相似：丰富度在方法与管理方式、SHDI和地块面积的交互作用中均无显著差异。点计数相对多度指数平均为41.0±24.9，香农多样性平均为2.40±0.42；PAM时间声学活动指数平均为960.2±355.4检测天。FDR校正后，各标准化地块水平模型中无环境预测因子保持显著。
**4.3 鸟类群落组成**
基于点计数与PAM组合存在-不存在矩阵的NMDS排序（Jaccard距离，k=2，应力=0.199）显示，群落按调查方法呈现部分分离。地块分块PERMANOVA确认了显著的方法效应（F?,??=3.08，R2=0.13，p=0.002）。两种方法在离散度上也存在显著差异（betadisper：F?,??=7.56，p=0.015），点计数的平均质心距离（0.505）高于PAM（0.406）。未检测到方法与环境因子（管理方式、SHDI、地块面积）的显著交互作用。环境向量拟合识别管理方式为排序的唯一显著相关因子（R2=0.207，p=0.007），SHDI和地块面积不显著。在四种方法特异性群落矩阵的单独PERMANOVA分析中，FDR校正后无环境预测因子保持显著，表明两种方法对测量环境梯度的敏感性无稳健差异。
**4.4 基于性状的功能群落结构**
群落加权均值在两种方法间总体相似，最明显的差异体现在栖息地开放性上：点计数记录的群落比PAM群落表现出更高的开放栖息地偏好（Hedges' g=?1.20，95% CI ?1.93至?0.43）。经FDR校正后，所有其他群落加权性状差异均较小且不显著（所有q>0.05），表明两种方法间的差异主要由检测广度而非功能性状组成的广泛偏移所驱动。
**五、讨论部分总结**
讨论部分围绕四个核心主题展开。第一，从专家确认到可扩展验证：PAM的优势高度依赖于自动识别流程的准确性；地块水平约84%的专家确认率为农业景观中的PAM应用提供了有用的验证基准。置信度分数与时间覆盖度之间的强相关性支持了多维验证策略的有效性。第二，调查方法对物种丰富度、多度和群落组成的影响：PAM检测到更多物种可能源于减少的观察者回避效应，在开阔农业景观中鸟类可在远处发现观察者并逃离或停止鸣叫；PAM的延长灵活采样窗口可捕获隐秘、夜行性和晨昏性物种。但PAM检测到而点计数未检测到的物种不应自动解释为持续栖息地利用的证据。点计数在检测非发声个体、估计多度和提供情境观察方面保持明确优势。第三，环境驱动因子的效应：管理方式是最强相关因子，但在该研究系统中农药使用与管理方式完全共线性，无法分离农药效应与其他相关管理差异。SHDI和地块面积未检测到显著效应，可能归因于梯度范围过窄、空间尺度不匹配或样本量有限。第四，性状特异性互补性：点计数在开放栖息地中可结合视觉和声学检测实现更远距离的探测，这是其情境特异性优势；其他性状差异较小表明PAM较高的物种丰富度更多源于更广泛的检测广度而非功能组成的偏移。
**六、研究结论翻译**
为了有效监测农业景观中的鸟类多样性，保护计划应将传统的、往往耗时的调查方法与可扩展且标准化的方法相结合，特别是考虑到越来越多的证据表明生物多样性监测正日益受到分类学和实地调查专业知识下降的制约。在中欧，活跃的生物多样性专业知识已下降到与20世纪70年代相当的水平，近一半的国家动物区系缺乏足够的技术专家能力。与此同时，欧盟2030年生物多样性战略和自然恢复法规等框架下的法定监测义务持续扩大。这些发展共同增加了对高效监测方法的需求，这些方法可以在保持稳健生物多样性评估的同时减少专家工作量。对于农业景观中的鸟类，本研究表明点计数提供多度相关和情境化的实地信息，而经过验证的PAM提供更完整且可扩展的声学清单，同时保持大体相似的生态和功能格局。尽管绝对物种丰富度存在差异，但功能群落结构的广泛一致性表明两种方法捕获了大致相似的基于性状的格局，这支持使用经过验证的PAM进行群落水平监测。认识到两种方法的互补优势——点计数调查提供视觉确认、情境行为观察和多度相关信息，而PAM提供可扩展性、标准化和高检测灵敏度——研究人员得出结论，混合调查方法为综合鸟类监测提供了最稳健的框架。只要PAM计划在长期标准化、可扩展性和数据整合方面得到妥善规划，将广泛的PAM网络与目标点计数相结合可以提高大规模AES监测的准确性、透明度和效率。
