换一批摘要被动声学监测技术能够以非侵入的方式进行长期有效的监测,已广泛应用于鸟类的监测,监测过程收集到的大量数据需要借助自动化识别技术进行分析处理.然而,不同录音设备的性能差异可能会影响自动化识别软件正确识别鸟类类别的能力.本研究使用国内外6种类型录音设备对4种不同频带范围的鸟声信号进行回放录音,选取BirdNET作为鸟类鸣声自动识别器,对2种植被类型录音环境、5种距离和3种声源方向的回放录音信号进行鸟声识别,评估这些变量对鸟类类别识别性能的影响.通过比较录音设备的基本参数和配置,并构建广义线性模型(generalized linear model,GLM)对识别结果进行统计分析,以评估不同录音设备的监测性能.结果表明,录音设备类型显著影响BirdNET对鸟类类别的识别准确率.总体上,随着距离增加,设备的监测有效性下降,且在50 m或更近距离内,BirdNET的识别准确率显著更高.声源方向对识别性能也有影响,当声源与录音设备方向相反时,识别准确率显著下降.不同设备对4种不同频带范围鸟声信号的识别有效性存在不一致性.此外,植被类型显著影响鸟声信号传播的衰减,草地植被下的总体识别准确率比林地植被高40.1％.本研究建议,在选择和部署长期录音监测设备前,除评估成本和参数外,还应进行实地录音监测有效性的评估.根据评估结果,优化监测距离和方向设置,以提升监测策略的有效性.
更多相关知识
关键词
被动声学监测声学录音设备鸟声识别深度学习BirdNETpassive acoustic monitoringacoustic recording devicesbird sound recognitiondeep learningBirdNET
栏目名称
DOI
10.17520/biods.2024273
发布时间
2025-01-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
