智能声学监测驱动的鸟类多样性保护：从技术创新到生态管理实践.pdfVIP

2025年12月第16卷第23期

智能声学监测驱动的鸟类多样性保护：

从技术创新到生态管理实践

杨生文

固原市六盘山林业局红峡国有林场，宁夏固原756400

摘要：

针对全球鸟类种群近30a下降29%的现状及传统监测方法的局限性，该研究采用

CRNN卷积循环神经网络与多尺度特征融合算法，构建了基于深度学习的智能声学监测技术

体系。将该体系应用于六盘山林区，采集并处理了15680条音频数据，共识别出56种鸟类，物

种识别准确率为97.3%。基于监测结果构建的生态系统健康评价模型显示，六盘山林区生态

2

健康指数为91.8%，鸟类害虫控制服务价值评估为2150元/hm。研究结果为构建全域生物多

样性智能保护网络提供了技术支撑。

关键词：

生物多样性保护；声学监测；人工智能识别；生态系统服务；智能预警系统

中图分类号：文献标志码：A文章编号：

X171.4；F326.21674-7909（2025）23-140-4

DOI：10.19345/ki.1674-7909.2025.23.028

0引言1智能声学监测技术体系

近30a来，全球鸟类种群下降了29%，累计减少1.1技术体系总体架构设计

近30亿只，其中温带草原鸟类种群下降幅度超过该研究构建的智能声学监测技术体系采用模

53%，森林鸟类与湿地鸟类数量分别减少了25%、块化设计理念，包含数据采集层、信号处理层、特征

37%［1］。传统鸟类调查方法存在时空覆盖有限、数提取层、模型识别层与应用服务层。其中，数据采

据连续性差与主观性强等局限，难以满足现代生物集层部署有高保真度声学传感器阵列，支持48kHz

多样性保护的精准化需求。现有的被动声学监测采样率与24位量化精度，确保捕获完整的鸟类声学

技术虽能实现连续记录，但在物种识别准确率、复信号频谱范围；信号处理层实现多通道音频同步采

杂环境适应性与生态功能评估方面仍存在不足。集、噪声滤波与信号增强功能，采用自适应维纳滤

目前，广州市湾咀头湿地公园的AI声学监测项波算法，能有效抑制环境噪声干扰；特征提取层是

目已积累了96848条音频数据，初步识别出49种鸟该技术体系的核心组件，采用多尺度时频特征融合

［2］机制，先对原始音频信号进行短时傅里叶变换，生

类，但识别精度与物种覆盖率仍需要进一步提升。

Cornell大学鸟类实验室的eBird项目在全球范围内成时频谱图矩阵，再用Mel滤波器组提取128维Mel

开展公民科学调查，累计有超过20亿条观测记频谱特征，并计算出13维MFCC系数与12维色度

［3］特征形成153维综合特征向量，为增强时序信息表

录。中国科学院动物研究所建立的声学监测数据

库包含中国主要生态区的鸟类声谱特征。该研究达，引入一阶与二阶差分特征，最终构成459维特征

旨在构建基于深度学习的智能声学监测技术体系，空间；模型识别层采用端到端深度学习架构，整合

实现从传统经验驱动向现代数据驱动的生物多样卷积特征提取与循环时序建模，实