基于音节聚类分析的被动声学监测技术及其在鸟类监测中的应用

摘要

被动声学监测通过分析鸟鸣声信息来实现物种识别,为鸟类多样性监测提供了一种切实可行的技术方案。由于鸟种的鸣声复杂多变,如何通过声纹快速准确辨别物种,分析鸟类丰度,降低对人工操作的需求等技术难题,成为基于声纹的鸟类多样性监测所面临的挑战。本文提出了基于音节聚类的鸟类鸣声监测框架:首先通过音高、频率平坦度等音频特征在声纹数据中提取音节,然后通过无监督表征学习与狄利克雷过程(Dirichlet process)混合模型对音节进行深度无监督聚类训练,完成音节聚类和自动音节种类推断。分析结果表明,本文提出的基于音节聚类的鸟类鸣声监测框架在处理开源数据集白腰文鸟(Lonchura striata)的曲目时可获得接近90%的聚类准确率。在此基础上,本研究对2022年4-5月在广州市白云山公园固定监测点所录制的10种鸟类鸣声进行了无监督的音节聚类分析,验证了本文所提出的基于音节聚类的鸟类鸣声监测框架的有效性:本技术不仅可以支持快速鸟类物种识别,还可以统计和分析不同物种鸟鸣在时间、频度、数量上的变化。这些结果表明,基于音节聚类的鸟类鸣声监测框架可以显著降低对人工标注训练数据的要求,克服传统鸟鸣物种识别框架在处理重叠鸟鸣时难以处理多物种识别的缺点,为基于被动声学监测的鸟类多样性监测提供了一个快速物种识别、音节序列分析和精细化种群丰度分析的综合解决方案。