本报讯 德国科学家发现，人工智能辅助动物声音景观可作为监测森林生物多样性恢复的有效工具。研究人员开发了一种自动化、成本效益高且可靠的方法，用于监测森林生物多样性和评估恢复结果。相关研究10月17日发表于《自然-通讯》。
研究表明，生物声学在用声景检测动物群落方面具有广泛应用前景。目前，这一技术还有很大的不确定性，尚不清楚声景是否能反映非发声动物物种的状态。在实际检测中，需要结合传统声学测量和机器学习方法，因此存在技术困难。
在厄瓜多尔北部，德国维尔茨堡大学教授Jorg Muller等研究人员在最近抛荒的可可种植园、牧场和原始森林中记录了环境中的动物声音。他们将专家对发声动物物种的鉴别与两类自动化方法相结合，其中一种使用了深度学习模型。研究发现，两种自动化方法都能很好地反映森林环境。
研究者还用一种不同类型的生态信息评估了基于声音的结果，他们采用了DNA宏条形码获取昆虫多样性数据，其中主要是非发声物种。虽然这两个数据库不能吻合，但结合生物声学和深度学习的方法有望监测森林生物多样性。（冯维维）
相关论文信息：
https://doi.org/10.1038/s41467-023-41693-w