Montane Wälder, bekannt als Biodiversitäts-Hotspots, gehören zu den Ökosystemen, die durch den Klimawandel bedroht sind. Um mögliche Auswirkungen des Klimawandels auf Vögel in diesen Wäldern zu verstehen, haben Forscher im Yushan-Nationalpark, Taiwan, automatische Rekorder eingerichtet und ein KI-Tool zur Artenbestimmung anhand von Vogelgeräuschen entwickelt. Ihr Ziel ist es, Status und Trends der Tieraktivität durch akustische Daten zu analysieren.
Prof. Hsueh-Wen Chang und Ph.D. Die Kandidatin Shih-Hung Wu von der National Sun Yat-Sen University, Taiwan, Dr. Ruey-Shing Lin, der Assistenzforscher Jerome Chie-Jen Ko vom Endemic Species Research Institute und Frau Wen-Ling Tsai vom Yushan National Park Headquarters haben veröffentlicht ein Papier rein Zeitschrift für Biodiversitätsdatenin der die Verwendung von KI zur Erkennung von 6 Millionen Vogelgesängen detailliert beschrieben wird.
Im Vergleich zu herkömmlichen beobachtungsbasierten Methoden bietet die passive akustische Überwachung mit automatischen Rekordern zur Erfassung von Wildtiergeräuschen eine kostengünstige, langfristige und systematische Alternative für die langfristige Überwachung der Biodiversität. Die Autoren setzten sechs Rekorder im Yushan-Nationalpark in Taiwan ein, einem subtropischen Bergwaldlebensraum mit Höhen zwischen 1.200 und 2.800 Metern.
Von 2020 bis 2021 nahmen sie fast 30.000 Stunden Audiodateien mit zahlreichen biologischen Informationen auf. Die Analyse dieses riesigen Datensatzes ist jedoch eine Herausforderung und erfordert mehr als nur menschliche Anstrengung.
Das Geräusch des graukinnigen Minivet. Kredit: Ph.D. Kandidat Shih-Hung Wu
Um diese Herausforderung anzugehen, nutzten die Autoren Deep-Learning-Technologie, um ein KI-Tool namens zu entwickeln Kieselsäure die Arten anhand ihres Geräusches identifizieren können. SILIC kann den genauen Zeitpunkt jedes Tierrufs in den Audiodateien schnell lokalisieren. Nach mehreren Optimierungen ist das Tool nun in der Lage, 169 in Taiwan heimische Wildtierarten zu erkennen, darunter 137 Vogelarten sowie Frösche, Säugetiere und Reptilien.
In dieser Studie nutzten die Autoren SILIC, um 6.243.820 Lautäußerungen von sieben Bergwaldvogelarten mit einer hohen Genauigkeit von 95 % zu extrahieren und so den ersten frei zugänglichen KI-analysierten Datensatz zum Vorkommen von Arten zu erstellen, der verfügbar ist die Global Biodiversity Information Facility. Dies ist der erste frei zugängliche Datensatz mit Daten zum Vorkommen von Arten, die von künstlicher Intelligenz aus Geräuschen in Klanglandschaftsaufnahmen extrahiert wurden.
Der Datensatz enthüllt detaillierte akustische Aktivitätsmuster von Wildtieren sowohl auf kurzen als auch auf langen Zeitskalen. Beispielsweise identifizieren die Autoren in Diel-Mustern einen morgendlichen Vokalisationspeak für alle Arten. Auf jährlicher Basis weisen die meisten Arten einen einzigen Höhepunkt der Brutzeit auf; Einige, wie die Graukinn-Minivet, zeigen jedoch einen sekundären Höhepunkt außerhalb der Brutzeit, der möglicherweise mit dem Schwarmverhalten zusammenhängt.
Während die Überwachungsprojekte fortgesetzt werden, können die akustischen Daten dazu beitragen, Veränderungen und Trends im Tierverhalten und in der Population über Jahre hinweg auf kostengünstige und automatisierte Weise zu verstehen.
Die Autoren gehen davon aus, dass dieser umfangreiche Wildtier-Vokalisierungsdatensatz nicht nur für die Entscheidungsfindung der Zentrale des Nationalparks wertvoll sein wird. „Wir gehen davon aus, dass unser Datensatz dazu beitragen wird, die Datenlücken von feinskaligen zeitlichen Aktivitätsmustern von Vögeln in Bergwäldern zu schließen und zu Studien über die Auswirkungen des Klimawandels auf Bergwaldökosysteme beizutragen“, sagen sie.
Mehr Informationen:
Shih-Hung Wu et al., Ein Datensatz zur akustischen Erkennung von Vögeln (Aves) in Bergwäldern unter Verwendung eines Deep-Learning-Ansatzes, Zeitschrift für Biodiversitätsdaten (2023). DOI: 10.3897/BDJ.11.e97811