Акустический мониторинг для улучшения сохранения находящегося под угрозой исчезновения хайнаньского гиббона

С конца ноября 2021 года по начало декабря 2021 года Хайнаньский институт национальных парков (HINP) провел полевые исследования в пяти семейных группах (группы A - E) гиббонов в заповеднике и вокруг них при участии соответствующих экспертов и сотрудников заповедника Баванлин. В ходе исследования было организовано 8 стационарных пунктов и 21 пункт наблюдения, охватывающих ареал обитания каждой популяции гиббонов Хайнаня, в котором одновременно участвовали 48 членов группы.

По результатам исследования, в сочетании с покрытием сигнала 4G, комплект отечественного автоматического звукозаписывающего оборудования с сигналом 4G, имеющего функцию передачи данных в режиме реального времени (модель продукта: LBird-01211), был установлен в типичной среде обитания хайнаньских гиббонов в заповеднике Баванглин.

Импортируйте необработанные звуковые данные в программу Adobe Audition 3.0 или Avisoft-SASLab Pro для анализа звука, повторно сэмплируйте (размер выборки: 44100 Гц; размер окна: 1024 точки), а затем сохраните отдельно в формате WAV. Высококачественные волновые формы и сонограммы были отобраны для измерения характеристик позывов хайнаньских гиббонов, анализа различий в акустических показателях между особями и создания базы данных звуковых паттернов хайнаньских гиббонов на индивидуальной основе. Затем с помощью реализованной модели распознавания звуков выполняется индивидуальное распознавание звуков. Наконец, оценивается эффективность сбора звуков и точность их распознавания. При этом оценка эффективности распознавания звуков проводится в основном путем сравнения с результатами полевых исследований и других видов звукового мониторинга.

Завершена ручная проверка 532 акустических образцов хайнаньских гиббонов, включая те, что были получены во время слежения и наблюдения за гиббонами с помощью портативного диктофона, и те, что были получены с помощью автоматического диктофона. В процессе отбора изначально были выделены три категории качества записи: высокое, среднее и низкое. Было получено 44 высококачественных записи от семи индивидуальных абонентов. Семь индивидуальных абонентов - это GAM1、GBM1、GBSA、GCM1、GCM2、GDM1、GEM1, где буква после "G" означает номер семейной группы, а буква после "M/S" - индивидуальный номер взрослого самца/взрослого самца. Только около 40,9% записей были сделаны вручную. Необработанные файлы всех автоматизированных записей были предоставлены командой профессора Ван Цзичао, а соответствующие данные были сохранены в Хайнаньском институте национальных парков.

Из-за чрезмерного количества признаков для ранжирования важности признаков после их извлечения был использован 10-кратный кросс-валидированный SVM-RFE, затем признаки последовательно добавлялись для классификации LDA, чтобы зафиксировать изменение точности в зависимости от количества выбранных признаков, и, наконец, наилучшее количество признаков было записано в качестве входных данных для последующих классификаций (см. рис. 8). Наибольшая точность классификации LDA составила 89,2 % (pre) / 95,6 % (pre + n×mR0).

Поскольку ни один из MFCC, извлеченных с фиксированным числом окон, не показал лучших результатов, чем метод подгонки GMM для классификации LDA (6 окон: 86,6 %; 10 окон: 88,5 %; 100 окон: < 80 %), мы проверили эффективность других классификаторов, используя только признаки, извлеченные методом подгонки GMM. В этом тесте мы случайным образом выбрали 20 % данных в качестве тестового набора, а остальные данные использовали для обучения классификатора, которое повторили 10 раз для каждой функции ядра, чтобы записать распределение точности. Среди них эффект классификации GMM плох при использовании только pre в качестве MRU, в то время как при использовании pre + n×mR0 в качестве MRU эффект в целом лучше, чем при использовании только pre.

Симпозиум проходил под руководством Управления иностранных дел провинции Хайнань, Департамента природных ресурсов и планирования провинции Хайнань, Департамента экологии и окружающей среды провинции Хайнань, Департамента лесного хозяйства провинции Хайнань; и при поддержке лаборатории больших данных Научно-исследовательского института экоцивилизации CASS, исследовательского аналитического центра Научно-исследовательского института экоцивилизации CASS, Института зоологии Китайской академии наук, Тропического ботанического сада Сишуанбаньна Китайской академии наук, Института углеродной нейтральности Университета Цинхуа, Передового междисциплинарного института окружающей среды и экологии, компании Huawei Technologies Co., Ltd., Хайнаньский университет, Хайнаньский нормальный университет, Федерация академиков Хайнаня, Саньяская исследовательская база Международного центра бамбука и ротанга.

Двухдневный симпозиум был посвящен теме "сохранение флагманских видов тропических дождевых лесов - гиббонов", "сохранение биоразнообразия тропических дождевых лесов" и проходил в сочетании онлайн и офлайн мероприятий.