北极 “声” 探秘：SoundSHROOMs 解锁生物多样性监测新可能

为解决北极生物多样性监测难题，相关研究人员开展用 SoundSHROOMs 收集北极声学数据的研究。结果显示其能有效捕捉生物声学信息。该研究为北极生态监测提供新方法，值得科研读者一读。

　　

在遥远的北极，有一个叫斯瓦尔巴群岛（Svalbard）的地方，这里独特的生态环境孕育了许多珍稀的鸟类。然而，随着全球气候的变化，北极地区正面临着前所未有的挑战。气温上升的速度比全球平均速度快两倍多，这种现象被称为 “北极放大”。在这样的大环境下，北极的鸟类生存受到了极大的影响。

一些候鸟在迁徙途中和越冬地面临着栖息地被破坏的问题，迁徙时间也发生了变化。而对于那些在地面筑巢的鸟类来说，随着气温升高，一些入侵物种和捕食者的活动范围不断向北扩张，它们的生存面临着新的威胁。不同生态位的鸟类种群数量也呈现出不同的变化趋势，比如北极燕鸥（Sterna paradisaea）的数量在减少，而白颊黑雁（Branta leucopsis）的数量却在增加。这些变化导致北极鸟类群落的组成发生了改变。

在这样的背景下，传统的生物多样性评估方法在斯瓦尔巴群岛这样的偏远地区面临着重重困难。这里气候极端，地形复杂，交通不便，使得研究人员很难通过传统方式对生物多样性进行全面有效的监测。因此，寻找一种高效、可扩展的生物多样性监测工具变得迫在眉睫。

在这样的大背景下，来自相关研究机构的研究人员为了解决这些问题，在《Scientific Data》期刊上发表了一篇名为《Acoustic data collection in arctic environments during the midnight sun using multi - channel SoundSHROOMs》的论文。研究人员通过一系列的实验和数据分析，得出结论：利用定制的多通道声学记录设备 SoundSHROOMs 收集的生物声学数据，能够有效地监测斯瓦尔巴群岛鸟类种群的存在、数量和行为，展示了生物声学监测在偏远且具有挑战性的环境中的有效性。这一研究成果对于评估气候变化对北极生态系统的影响以及制定保护计划具有重要意义。

研究人员在开展这项研究时，用到了几个主要关键的技术方法。首先，他们自行研制了 SoundSHROOMs 设备，这一设备集成了 10 个麦克风，包括 8 个具有防尘、防震和防水功能的 MEMS 型麦克风（VM3011）以及 2 个高信噪比的模拟驻极体麦克风（AOM - 5024P - HD - MB - R），能够实现 360° 全方位监测。其次，在数据处理阶段，运用了多种模型和算法，比如用 Hugging Face 的说话人聚类模型去除音频中的语音部分，使用音频频谱 Transformer（AST）模型分析风噪，利用 BirdNET Python 库识别鸟类物种。

1. 录音设备

研究人员制造了 SoundSHROOMs 这种定制的多通道声学录音设备。它的设计很独特，有 10 个麦克风，其中 8 个是 MEMS 型的，这种麦克风专门设计用于户外长期应用，具有防尘、防震和防水的特点，对声音的敏感度为 - 26 dBFS（1 kHz，94 dB SPL） ，信噪比达到 64 dBA（94 dB SPL at 1 kHz 信号，20 Hz - 20 kHz，A 加权噪声） 。另外 2 个是模拟驻极体麦克风，它们的作用是为数字 MEMS 麦克风通道提供音质参考，并且让设备的功能更加灵活。这些麦克风的位置经过精心安排，以便在不同频率下进行波束形成实验。通过合成和实际实验，证明了 SoundSHROOMs 在波束形成应用中的有效性。与其他商业或研究用的系统相比，SoundSHROOMs 既有用于高保真立体声录音的双麦克风设置，又有用于定位和波束形成的多个麦克风，在功能上有自己的优势，但目前还不能自动同步各个单元，需要在后期处理中进行同步。

2. 数据收集

在 2023 年 7 月，研究人员在斯瓦尔巴群岛朗伊尔城（Longyearbyen）附近的不同地点部署了 3 个 SoundSHROOMs 设备。他们选择了 6 个部署区域，这些区域的选择综合考虑了生物多样性、环境特征以及与人类活动的距离等因素。比如，有些区域靠近溪流，有些在开阔平原，有些离人类活动近，有些则较远。在部署过程中，研究人员一方面收集关于在北极夏季部署设备的定性数据，评估设备在当地环境中的生存能力；另一方面测试不同类型的麦克风防风罩在实际有风情况下的性能。他们将 SoundSHROOMs 设置成四种不同的配置，在风洞中对小型防风罩进行测试，发现使用防风罩后，在 1kHz 及以下频率的噪音明显降低，而且大防风罩的效果比小防风罩更好，防风罩对驻极体麦克风通道的效果更明显。

3. 数据记录

研究人员收集的数据存放在 Figshare 平台上，数据按照部署位置、设备配置和会话进行分类存放。每个会话中包含一个或多个.WAV 文件，每个文件最大 2GB，大约对应 52 分钟的 10 通道未压缩音频。文件中的 10 个通道音频是由 10 个麦克风同步采样得到的，通道顺序和麦克风位置的对应关系在表格中有明确说明。同时，每个.WAV 文件的大致开始和结束时间记录在 start_end_times.xlsx 文件中。

4. 技术验证

• 语音去除：为了保护研究人员和附近人员的隐私，研究人员用自动化方法去除录音中的语音。他们使用基于 Hugging Face 说话人聚类模型的 Python 脚本，在 10 秒的音频片段中检测可理解的语音。这个模型的准确率会受到环境影响，在嘈杂环境中误检率较高，在安静环境中误检率较低。经过处理后，研究人员通过抽样检查，发现语音基本都被成功去除。
• 音频内容分析：研究人员用音频频谱 Transformer（AST）模型对每个部署地点的风进行分析，将收集的音频文件分成 10 秒的片段进行分类。结果发现，使用防风罩的麦克风检测到的风噪概率更低，大防风罩比小防风罩效果好，防风罩对驻极体麦克风通道效果更好。同时，研究人员利用 BirdNET Python 库处理音频数据来识别鸟类物种。他们将音频分割成重叠的 3 秒片段，输入相关参数后用 BirdNET 的深度学习算法进行分类。从分析结果来看，部署 2 和 3 的物种多样性最高，这两个区域靠近筑巢地和海湾，可能因为附近的狗场为鸟类提供了保护，减少了捕食者的威胁；部署 4 离前两者 8 公里，没有明显的筑巢地，分类密度明显降低；部署 1 分类最少，可能是因为鸟类活动少，且附近溪流的噪音影响了 BirdNET 的物种识别准确性。不过，研究人员也指出，BirdNET 的物种分类结果只是估计，需要人工验证才能用于推断生物多样性和生态系统健康的大规模趋势。
• 数字噪声伪影：在野外工作结束后，研究人员发现 MEMS 麦克风 MK1 - MK7 在 11kHz 处存在细微的窄带噪声伪影，这是由开关电源干扰引起的。不过这种噪声可以通过数字滤波去除，而且不会影响该频率范围内外部声音的定位，MK8 和两个驻极体麦克风则没有这种噪声。

在这次研究中，研究人员通过使用定制的 SoundSHROOMs 设备在北极地区收集生物声学数据，并运用多种技术方法进行分析，成功地展示了生物声学监测在偏远困难环境中的可行性和有效性。他们收集的数据为研究北极鸟类种群提供了宝贵的信息，有助于了解鸟类的分布、数量和行为变化。同时，对不同防风罩的测试也为今后在类似环境中优化录音设备提供了参考。

不过，研究也存在一些局限性。比如，BirdNET 的物种分类结果需要进一步验证，目前 SoundSHROOMs 设备还不能自动同步各个单元。未来，研究人员可以进一步改进设备，提高其性能和自动化程度。同时，结合更多的实地观察和其他监测方法，对北极生物多样性进行更深入、全面的研究，这对于保护北极脆弱的生态系统，应对气候变化带来的挑战具有至关重要的意义。