德国app家研究发现，人工智能辅助动物声音景观可用于作为监测农地抛荒后森林生物多样性恢复的有效工具。这些发现指出一个可能的自动化、成本效益好而且可靠的方法，检测森林生物多样性和评估恢复结果。相关研究近日发表于《自然—通讯》。

大规模监测森林生物多样性对保育很重要，但需要成本效益好的标准化工具。研究已表明，生物声学（研究动物声音的学科）在用声景检测动物群落时是很有前景的工具。但其中还有很大的不确定性，如这些声景是否也能反映出非发声动物物种的状态。要结合传统声学测量和机器学习方法，也存在着技术困难。

维尔茨堡大学的Jorg Muller和合作者测试了一种方法，用声景追踪热带森林生物多样性。在厄瓜多尔的Choco地区低地，他们从最近抛荒的可可种植园和牧场到原始森林中，记录了环境中的动物声音。他们将专家对发声动物物种的鉴别与两类自动化方法相结合，其中一种使用深度学习模型。研究发现两种自动方法都能很好地反映森林环境范围。

研究者还用一种不同类型的生态信息对他们基于声音的结果进行了评估，他们采用了DNA宏条形码获取的昆虫多样性数据，其中主要是非发声物种。虽然这两个数据库不能完全吻合，结果表明，结合生物声学和深度学习，有望监测森林生物多样性。（来源：明升中国app报 冯维维）

紫胸蜂鸟是厄瓜多尔热带再造林中记录到声音的鸟类之一。图片来自：Martin Schaefer

班鸡鹃是厄瓜多尔热带再造林中记录到声音的鸟类之一。图片来自：John Rogers

声音记录器和自动光陷阱，用来记录声音和夜间昆虫。图片来自：Annika Busse

研究区域在厄瓜多尔北部。图片来自：Constance Tremlett

相关论文信息：