Pemantauan Akustik untuk Meningkatkan Konservasi Owa Hainan yang Terancam Punah

Dari akhir November 2021 hingga awal Desember 2021, Institut Taman Nasional Hainan (HINP) melakukan penelitian lapangan di dalam dan di sekitar lima kelompok keluarga owa di cagar alam tersebut dengan melibatkan para ahli dan staf dari Cagar Alam Bawangling. Penelitian ini telah menetapkan 8 lokasi penelitian dan 21 lokasi pengamatan, yang mencakup habitat setiap populasi owa Hainan, dengan 48 anggota tim yang berpartisipasi secara bersamaan.

Berdasarkan hasil penelitian, dikombinasikan dengan cakupan sinyal 4G, satu set peralatan perekam suara otomatis domestik dengan sinyal 4G, yang memiliki fungsi transmisi waktu nyata (model produk: LBird-01211) dipasang di lingkungan khas owa Hainan di Cagar Alam Bawangling.

Mengimpor data mentah suara ke dalam perangkat lunak analisis suara Adobe Audition 3.0 atau Avisoft-SASLab Pro, disampling ulang (Ukuran sampel: 44100 Hz; Ukuran jendela: 1024 poin), dan kemudian disimpan secara terpisah dalam format WAV. Bentuk gelombang dan sonogram berkualitas tinggi dipilih untuk mengukur karakteristik panggilan owa hainan, menganalisis perbedaan indeks akustik antar individu, dan membangun basis data pola suara owa hainan per individu. Kemudian, melakukan pengenalan suara individu menggunakan model pengenalan suara yang diimplementasikan. Terakhir, efektivitas akuisisi suara dievaluasi, dan keakuratan pengenalan suara dinilai. Diantaranya, evaluasi efek pengenalan suara dilakukan terutama dengan membandingkan dengan penelitian lapangan dan hasil pemantauan suara lainnya.

Penyaringan manual terhadap 532 sampel akustik owa Hainan telah selesai dilakukan, termasuk yang diperoleh selama pelacakan dan pengamatan owa dengan menggunakan perekam portabel dan yang diperoleh dengan menggunakan perekam otomatis. Selama proses penyaringan, tiga kualitas rekaman pada awalnya dikategorikan, yaitu tinggi, sedang, dan rendah. Diperoleh 44 rekaman berkualitas tinggi dari tujuh individu owa. Ketujuh individu pemanggil tersebut adalah GAM1, BM1, GBSA, GCM1, GCM2, GDM1, GEM1, di mana huruf setelah "G" menunjukkan nomor kelompok keluarga dan huruf setelah "M/S" menunjukkan nomor individu jantan dewasa/individu jantan muda. Hanya sekitar 40,9% rekaman yang dibuat secara manual. File mentah dari semua rekaman otomatis disediakan oleh tim profesor Wang Jichao, dan data terkait dicadangkan di Institut Taman Nasional Hainan.

Karena jumlah fitur yang terlalu banyak, SVM-RFE yang divalidasi silang 10 kali lipat digunakan untuk menentukan peringkat pentingnya fitur setelah mengekstraknya, dan kemudian fitur-fitur tersebut ditambahkan secara berurutan untuk klasifikasi LDA untuk mencatat perubahan akurasi dengan jumlah fitur yang dipilih, dan akhirnya jumlah fitur terbaik dicatat sebagai input untuk klasifikasi berikutnya (lihat Gambar 8). Akurasi tertinggi untuk klasifikasi LDA adalah 89,2% (pre) / 95,6% (pre + n×mR0).

Karena tidak ada MFCC yang diekstraksi dengan jumlah jendela yang tetap yang mencapai hasil yang lebih baik daripada metode pencocokan GMM untuk klasifikasi LDA (6-jendela: 86,6%; 10-jendela: 88,5%; 100-jendela: <80%), kami menguji keefektifan pengklasifikasi lain dengan hanya menggunakan fitur-fitur yang diekstraksi dengan metode pencocokan GMM. Dalam pengujian ini, kami secara acak memilih 20% data sebagai set pengujian, dan sisa data digunakan untuk melatih pengklasifikasi, yang diulang 10 kali untuk setiap fungsi kernel untuk mencatat distribusi akurasi. Di antara mereka, efek klasifikasi GMM buruk ketika hanya menggunakan pre sebagai MRU, sementara efeknya secara umum lebih baik daripada hanya menggunakan pre ketika menggunakan pre + n×mR0 sebagai MRU.

Simposium ini dipandu oleh Kantor Urusan Luar Negeri Provinsi Hainan, Departemen Sumber Daya Alam dan Perencanaan Provinsi Hainan, Departemen Ekologi dan Lingkungan Hidup Provinsi Hainan, Departemen Kehutanan Provinsi Hainan; dan didukung oleh laboratorium big data dari Research Institute for Eco-civilization, CASS, lembaga pemikir penelitian Research Institute for Eco-civilization, CASS, Institut Zoologi Akademi Ilmu Pengetahuan Tiongkok, Kebun Raya Tropis Xishuangbanna Akademi Ilmu Pengetahuan Tiongkok, Institut Netralitas Karbon, Universitas Tsinghua, Institut Interdisipliner Lingkungan dan Ekologi Lanjutan, Huawei Technologies Co., Ltd, Universitas Hainan, Universitas Normal Hainan, Federasi Akademisi Hainan, Pusat Penelitian Sanya dari Pusat Internasional untuk Bambu dan Rotan.

Simposium yang berlangsung selama dua hari ini berfokus pada tema "konservasi spesies unggulan hutan hujan tropis - owa" "konservasi keanekaragaman hayati hutan hujan tropis", dan diselenggarakan dalam bentuk kombinasi kegiatan daring dan luring.