Surveillance acoustique pour améliorer la conservation du gibbon de Hainan, espèce en danger critique d'extinction

De fin novembre 2021 à début décembre 2021, l'Institut du parc national de Hainan (HINP) a mené des recherches sur le terrain dans et autour des cinq groupes familiaux (groupe A - E) de gibbons de la réserve avec la participation d'experts et de personnel concernés de la réserve de Bawangling. La recherche a mis en place 8 sites fixes et 21 sites de surveillance, couvrant l'habitat de chaque population de gibbons de Hainan, avec la participation simultanée de 48 membres de l'équipe.

Sur la base des résultats de la recherche, combinés à la couverture du signal 4G, un ensemble d'équipement d'enregistrement sonore automatique domestique avec signal 4G, doté d'une fonction de transmission en temps réel (modèle de produit : LBird-01211), a été installé dans l'environnement typique des gibbons de Hainan dans la réserve de Bawangling.

Importer les données brutes du son dans le logiciel d'analyse sonore Adobe Audition 3.0 ou Avisoft-SASLab Pro, rééchantillonner (taille de l'échantillon : 44100 Hz ; taille de la fenêtre : 1024 points), puis enregistrer séparément au format WAV. Des formes d'ondes et des sonogrammes de haute qualité ont été sélectionnés pour mesurer les caractéristiques des cris des gibbons de Hainan, pour analyser les différences d'indices acoustiques entre les individus et pour construire une base de données des modèles sonores des gibbons de Hainan sur une base individuelle. Ensuite, la reconnaissance des sons individuels est effectuée à l'aide du modèle de reconnaissance des sons mis en œuvre. Enfin, l'efficacité de l'acquisition des sons est évaluée, ainsi que la précision de la reconnaissance des sons. L'évaluation de l'effet de la reconnaissance des sons se fait principalement en comparant les résultats de la recherche sur le terrain et d'autres résultats de surveillance des sons.

L'examen manuel de 532 échantillons acoustiques de gibbons de Hainan a été achevé, y compris ceux obtenus lors du suivi et de l'observation des gibbons à l'aide d'un enregistreur portable et ceux obtenus à l'aide d'un enregistreur automatisé. Au cours du processus de sélection, trois qualités d'enregistrement ont été initialement classées, à savoir haute, moyenne et basse. 44 enregistrements de haute qualité provenant de sept individus ont été obtenus. Les sept interlocuteurs individuels étaient GAM1、GBM1、GBSA、GCM1、GCM2、GDM1、GEM1, où la lettre après "G" représente le numéro du groupe familial et la lettre après "M/S" représente le numéro individuel de l'homme adulte/de l'homme subadulte. Seuls 40,9 % des enregistrements ont été effectués manuellement. Les fichiers bruts de tous les enregistrements automatisés ont été fournis par l'équipe du professeur Wang Jichao, et les données correspondantes ont été sauvegardées à l'Institut du parc national de Hainan.

En raison du nombre excessif de caractéristiques, un SVM-RFE à validation croisée 10 fois a été utilisé pour classer l'importance des caractéristiques après leur extraction, puis les caractéristiques ont été ajoutées séquentiellement pour la classification LDA afin d'enregistrer le changement de précision avec le nombre de caractéristiques sélectionnées, et enfin le meilleur nombre de caractéristiques a été enregistré comme entrée pour les classifications suivantes (voir Fig. 8). La précision la plus élevée pour la classification LDA était de 89,2 % (pre) / 95,6 % (pre + n×mR0).

Étant donné qu'aucun des MFCC extraits avec un nombre fixe de fenêtres n'a obtenu de meilleurs résultats que la méthode d'ajustement du GMM pour la classification LDA (6 fenêtres : 86,6 % ; 10 fenêtres : 88,5 % ; 100 fenêtres : <80 %), nous avons testé l'efficacité des autres classificateurs en utilisant uniquement les caractéristiques extraites par la méthode d'ajustement du GMM. Dans ce test, nous avons sélectionné au hasard 20 % des données comme ensemble de test, et le reste des données a été utilisé pour former le classificateur, ce qui a été répété 10 fois pour chaque fonction noyau afin d'enregistrer la distribution de la précision. Parmi eux, l'effet de classification du GMM est médiocre lorsque l'on utilise uniquement pre comme MRU, tandis que l'effet est généralement meilleur que lorsque l'on utilise pre + n×mR0 comme MRU.

Le symposium a été guidé par le Bureau des affaires étrangères de la province de Hainan, le Département des ressources naturelles et de la planification de la province de Hainan, le Département de l'écologie et de l'environnement de la province de Hainan, le Département des forêts de la province de Hainan ; et soutenu par le laboratoire de big data de l'Institut de recherche sur l'écocivilisation, CASS, le groupe de réflexion sur la recherche de l'Institut de recherche sur l'écocivilisation, CASS, l'Institut de zoologie de l'Académie chinoise des sciences, le Jardin botanique tropical de Xishuangbanna de l'Académie chinoise des sciences, l'Institut pour la neutralité carbone de l'Université Tsinghua, l'Institut interdisciplinaire avancé de l'environnement et de l'écologie, Huawei Technologies Co., Ltd, l'université de Hainan, l'université normale de Hainan, la fédération des académiciens de Hainan, la base de recherche de Sanya du Centre international du bambou et du rotin.

Le symposium de deux jours s'est concentré sur le thème de la "conservation de l'espèce phare des forêts tropicales humides, le gibbon" et de la "conservation de la biodiversité des forêts tropicales humides", et s'est déroulé en combinant des activités en ligne et hors ligne.