王天明教授利用AI+声学指数联合揭示道路干扰能导致更加简化的温带森林声景

作者：王士政，段雨萱，曹冉星，冯佳伟，葛剑平，王天明（通讯作者）

DOI：https://doi.org/10.1016/j.biocon.2025.111115

2025年3月，北京师范大学东北虎豹国家野外台站王天明教授在保护生物学旗舰期刊Biological Conservation发表研究论文“Road disturbance drives a more simplified soundscape in temperate forests revealed by deep learning and acoustics indices”。该研究结合深度学习和声学指数评估了道路干扰与鸟、昆虫、兽类等多种生物类群的复杂互作关系，为生态系统保护中统筹考量道路交通对野生动物与声景群落的级联效应提供了关键证据，论证了声场景分类与复合声学指数的联合应用解析声景对大尺度人为干扰响应机制的重要性。

全球道路网络扩张导致栖息地破碎化和生物多样性丧失，交通噪声严重掩盖了自然声音，可能干扰野生动物栖息地选择、繁殖过程和觅食行为。目前有大量研究分析了交通噪声对鸟鸣的影响，但关于道路如何影响多动物类群在复杂声景中动物发声模式的理解仍存在空白。尽管被动声学监测技术为声景研究提供了新途径，但传统声学指数反映区域生物声多样性方面存在局限性。该研究创新性地结合深度学习模型与声学指数，首次揭示了道路干扰梯度下声景的时空动态变化规律。

本研究在东北虎豹国家公园内的高、中、低交通量道路上共设置30个采样点，收集2021年7月至8月的声音数据（图1），选择声音复杂度指数(acoustic complexity index, ACI)、声音多样性指数(acoustic diversity index, ADI)、生物声学指数(bioacoustic index, BIO)、标准化声景差异指数(normalized difference soundscape index, NDSI)共4个常见声学指数描述不同交通量道路声景的属性。为了降低低频交通噪声对声学指数值的影响，还对2 kHz高通滤波后的音频计算了ACI2K和ADI2K。同时，计算每0.5 kHz频段的功率谱密度(power spectral density, PSD)来量化声景中各类声信号的能量分布；训练声场景分类(acoustic scene classification, ASC)模型确定每条音频的声学组成，包括鸟鸣声、昆虫声、两栖动物声、梅花鹿叫声、动物移动声、风声、降雨声、安静环境、人声、车辆声和牛铃声等。

图1 东北虎豹国家公园内高、中、低交通量道路的30个声景监测点

主要发现：

(1)随着交通量的增加，声景组成更加简化：高交通量道路声景中人为声占比达30%，生物声多样性显著下降。昆虫声可听度随交通量增加而上升，而梅花鹿等有蹄类动物声音减少（图2）。在高交通量道路上，车辆和昆虫声音主导了声景，蟋蟀和螽斯等夜行性昆虫成为道路干扰最强的声学标志（图3）。

(2)动物发声行为具有可塑性：随着道路干扰强度的增加，生物声的峰值(BIO)提前，鸟类通过增加鸣叫频次的方式适应噪声干扰，昆虫在高交通量区域占据狭窄频段并全天发声（图3和图4）。

此外，对于声景生态学分析方法，本研究发现：

(1)声学指数可以有效解释声景差异：声学指数对不同交通量道路的生物声组成和声能分布、鸟鸣声可听度以及昆虫声可听度具有较高的解释力，表明声学指数可以有效表征道路干扰对声景的影响。

(2)声景生态学研究应用深度学习的必要性：高交通量道路的ADI指数受到低频噪声影响显著高于其他道路（图4b），可能引发该区域声学群落多样性更高的误解，需结合ASC模型和滤波处理提高评估准确性，为声学指数提供可靠的生态学解释。

图2 高、中、低交通量道路声景构成的相对比例(a)以及各类声信号的日可听度(b, c)。同一声信号的不同小写字母表示显著差异(p < 0.05)。

图3 高、中、低交通量道路上主要声学信号可听度的日变化特征图。车辆声可听度(a)、鸟鸣声可听度(b)、昆虫声可听度(c)、两栖动物声可听度(d)、梅花鹿叫声可听度(e)以及动物移动声可听度(f)。

图4 声学指数的日变化特征图。曲线由广义加性模型(GAM)拟合，阴影表示95%的置信区间，垂直的虚线表示日出(6:00)和日落(18:00)。

北京师范大学生命科学学院博士研究生王士政为论文的第一作者，王天明教授为通讯作者，葛剑平教授、博士后冯佳伟、硕士研究生段雨萱和曹冉星参与了该研究。该研究工作得到了国家科技基础资源调查专项（2019FY101700、2021FY100702）资助。