Monitoraggio acustico per migliorare la conservazione del gibbone di Hainan, specie a rischio di estinzione.

Dalla fine di novembre 2021 all'inizio di dicembre 2021, l'Istituto del Parco Nazionale di Hainan (HINP) ha condotto una ricerca sul campo all'interno e intorno ai cinque gruppi familiari (gruppo A - E) di gibboni nella riserva, con la partecipazione di esperti del settore e del personale della Riserva di Bawangling. La ricerca ha istituito 8 siti di stazionamento e 21 siti di sorveglianza, coprendo l'habitat di ciascuna popolazione di gibboni di Hainan, con la partecipazione simultanea di 48 membri del team.

Sulla base dei risultati della ricerca, in combinazione con la copertura del segnale 4G, è stata installata un'apparecchiatura domestica di registrazione automatica del suono con segnale 4G, con funzione di trasmissione in tempo reale (modello di prodotto: LBird-01211) nell'ambiente tipico dei gibboni di Hainan nella riserva di Bawangling.

Importare i dati grezzi del suono in Adobe Audition 3.0 o nel software di analisi del suono Avisoft-SASLab Pro, ricampionare (dimensione del campione: 44100 Hz; dimensione della finestra: 1024 punti) e salvare separatamente in formato WAV. Le forme d'onda e i sonogrammi di alta qualità sono stati selezionati per misurare le caratteristiche dei richiami dei gibboni di Hainan, per analizzare le differenze negli indici acustici tra gli individui e per costruire un database dei modelli sonori dei gibboni di Hainan su base individuale. In seguito, si è proceduto al riconoscimento dei suoni individuali utilizzando il modello di riconoscimento sonoro implementato. Infine, viene valutata l'efficacia dell'acquisizione dei suoni e l'accuratezza del riconoscimento dei suoni. La valutazione dell'effetto del riconoscimento sonoro avviene principalmente attraverso il confronto con la ricerca sul campo e con i risultati di altri monitoraggi sonori.

È stato completato lo screening manuale di 532 campioni acustici di gibbone di Hainan, compresi quelli ottenuti durante il monitoraggio e l'osservazione dei gibboni con un registratore portatile e quelli ottenuti con un registratore automatico. Durante il processo di screening, sono state inizialmente classificate tre qualità di registrazione: alta, media e bassa. Sono state ottenute 44 registrazioni di alta qualità da sette singoli chiamanti. I sette singoli chiamanti erano GAM1、GBM1、GBSA、GCM1、GCM2、GDM1、GEM1, dove la lettera dopo "G" rappresenta il numero del gruppo familiare e la lettera dopo "M/S" rappresenta il numero individuale di maschio adulto/subadulto. Solo il 40,9% circa delle registrazioni è stato effettuato manualmente. I file grezzi di tutte le registrazioni automatiche sono stati forniti dal team del professor Wang Jichao e i relativi dati sono stati archiviati presso l'Istituto del Parco Nazionale di Hainan.

A causa del numero eccessivo di caratteristiche, è stata utilizzata una SVM-RFE con convalida incrociata di 10 volte per classificare l'importanza delle caratteristiche dopo averle estratte, quindi le caratteristiche sono state aggiunte in sequenza per la classificazione LDA per registrare la variazione dell'accuratezza con il numero di caratteristiche selezionate e infine il numero migliore di caratteristiche è stato registrato come input per le classificazioni successive (cfr. Fig. 8). L'accuratezza massima per la classificazione LDA è stata dell'89,2% (pre) / 95,6% (pre + n×mR0).

Poiché nessuna delle MFCC estratte con un numero fisso di finestre ha ottenuto risultati migliori del metodo di adattamento GMM per la classificazione LDA (6 finestre: 86,6%; 10 finestre: 88,5%; 100 finestre: <80%), abbiamo testato l'efficacia degli altri classificatori utilizzando solo le caratteristiche estratte con il metodo di adattamento GMM. In questo test, abbiamo selezionato a caso il 20% dei dati come set di prova, mentre il resto dei dati è stato utilizzato per addestrare il classificatore, che è stato ripetuto 10 volte per ogni funzione kernel per registrare la distribuzione dell'accuratezza. Tra questi, l'effetto di classificazione della GMM è scarso quando si utilizza solo pre come MRU, mentre l'effetto è generalmente migliore rispetto all'utilizzo di solo pre quando si utilizza pre + n×mR0 come MRU.

Il simposio è stato guidato dall'Ufficio Affari Esteri della Provincia di Hainan, dal Dipartimento delle Risorse Naturali e della Pianificazione della Provincia di Hainan, dal Dipartimento di Ecologia e Ambiente della Provincia di Hainan, dal Dipartimento Forestale della Provincia di Hainan; e supportato dal laboratorio big data dell'Istituto di ricerca per l'eco-civilizzazione, CASS, dal think tank di ricerca dell'Istituto di ricerca per l'eco-civilizzazione, CASS, dall'Istituto di zoologia dell'Accademia cinese delle scienze, dal Giardino botanico tropicale di Xishuangbanna dell'Accademia cinese delle scienze, dall'Istituto per la neutralità del carbonio dell'Università Tsinghua, dall'Istituto interdisciplinare avanzato per l'ambiente e l'ecologia, da Huawei Technologies Co., Ltd., l'Università di Hainan, l'Università Normale di Hainan, la Federazione degli Accademici di Hainan, la Base di Ricerca di Sanya del Centro Internazionale per il Bambù e il Rattan.

Il simposio, della durata di due giorni, si è concentrato sul tema "conservazione della specie faro delle foreste pluviali tropicali - i gibboni" e "conservazione della biodiversità delle foreste pluviali tropicali" e si è svolto con una combinazione di attività online e offline.