利用声学指标检测鸟类之间的种间互动和行为

《Ibis》：Using acoustic indices to detect interspecific bird interactions and behaviour

　　本研究通过回放实验测试声学熵（H）和声学复杂性指数（ACI）能否反映鸟类群内及群间交流网络的变化。结果显示，低噪音环境下ACI和H能有效捕捉物种响应变化，但在高噪音时效果不佳。提出实验需控制背景噪音，确保声学指标反映真实交流网络动态。

　　### 解读：利用声景指数探索鸟类间的交流网络

在自然界中，动物的交流行为不仅限于个体之间的互动，还涉及多个物种之间的信息传递。这种跨物种的交流方式被称为**异种交流**，在许多生态系统中都扮演着重要角色。鸟类作为生态系统中重要的声学参与者，其叫声和歌声构成了生态系统的声音景观（soundscape）的重要组成部分。近年来，研究者们开始关注声音景观的结构和动态变化，认为这些变化能够反映生态系统的功能和结构。然而，目前的研究主要集中在对声音景观的宏观分析，较少涉及声音刺激引发的交流网络变化，特别是声音景观的指数变化是否能准确反映鸟类行为的响应。

本研究尝试通过声音景观指数（如**声学复杂度指数（ACI）**和**声学熵（H）**）来评估声音刺激对鸟类交流网络的影响。我们选择在西班牙北部的落叶林区进行实验，这一地区是多种鸟类共存的典型生境。通过播放不同鸟类的叫声或歌曲，我们观察到鸟类在声音刺激后的反应，并利用声景指数来量化这些反应对整体声音景观的影响。

#### 声音景观与交流网络的关系

声音景观不仅仅是自然环境中各种声音的集合，它还反映了生物活动的模式、物种间的相互作用以及环境因素对声音传播的影响。在本研究中，我们关注的是声音景观中由生物活动产生的“生物声”（biophony），以及其在声音刺激后的变化。通过播放特定的声音刺激，我们希望观察鸟类是否会因此调整自己的叫声模式，从而影响整个声音景观的结构。

声学复杂度指数（ACI）和声学熵（H）是目前较为常用的两个声音景观指数。ACI通过分析声音在不同频率带的能量分布，反映声音景观的复杂性。而H则基于香农熵的概念，衡量声音在时间上的均匀分布情况。高H值意味着声音在时间上较为均匀，而低H值则表示声音在时间上更加集中或有序。在本研究中，我们预测声音刺激会引发声音景观的变化，进而影响这些指数的数值。

#### 实验设计与方法

为了测试这些假设，我们设计了一系列的播放实验。在实验中，我们选择了15种常见的鸟类，并在春季和秋季分别播放它们的叫声和歌曲。播放实验分为两个阶段：**播放阶段**和**静默对照阶段**。在播放阶段，我们记录了声音景观的变化，并在播放前后分别计算ACI和H的数值。而在静默对照阶段，我们仅记录环境中的自然声音，不播放任何刺激。通过比较这两个阶段的声音景观指数变化，我们能够评估声音刺激对鸟类交流行为的影响。

为了确保实验的准确性，我们采用了**AudioMoth**录音设备，并将其放置在距离播放器约40厘米的位置，以便记录声音的细微变化。同时，我们安排了两位有经验的观察员，在距离播放器20米的位置进行记录，他们通过听觉和视觉观察，记录下播放前后鸟类发声的种类数量变化。此外，我们还使用了**Avisoft-SASLab Pro**软件对录音进行处理，以过滤掉非鸟类声音（如风声、雨声或交通噪声），并确保声音数据的质量。

#### 实验结果

我们的实验结果显示，**在低背景噪声条件下**，播放声音刺激确实引发了鸟类发声行为的变化，这些变化足以被ACI和H所捕捉。具体来说，播放后ACI显著上升，而H显著下降。这表明声音刺激增加了声音景观的复杂性，同时减少了声音在时间上的均匀分布。这种变化在**秋季**和**播放报警叫声**时尤为明显，因为这些情况下鸟类更容易聚集在播放器周围，从而引发更强烈的声音反应。

然而，在**高背景噪声条件下**，如春季的清晨或雨天，声音刺激对鸟类行为的影响并未被声景指数所检测到。这可能是由于春季的鸟类鸣叫活动非常密集，导致背景噪声较高，掩盖了播放后的变化。此外，雨天或风天的自然噪声也会干扰声音的记录和分析。因此，我们在分析中发现，声景指数的性能受到实验环境的显著影响。

#### 声景指数的适用性与局限性

尽管ACI和H在某些条件下能够有效反映鸟类的交流行为，但它们也存在一定的局限性。首先，这些指数更适用于**低噪声环境**，如秋季或非繁殖季节。在繁殖季节，鸟类的鸣叫活动密集，声音景观的背景噪声较高，这可能使得声景指数无法准确捕捉声音刺激带来的变化。其次，声景指数对**报警叫声**的响应更为敏感，这可能是因为报警叫声通常引发更强烈的鸟类行为反应，如聚集或移动，从而导致声音景观的显著变化。

此外，声景指数的性能还受到**播放声音类型**的影响。当我们播放歌曲时，观察到的鸟类反应较少，而播放报警叫声时，更多的鸟类会参与反应。这表明，声景指数在评估不同类型的交流行为时可能表现出不同的灵敏度。因此，在使用这些指数时，需要根据实验的具体条件进行选择和调整。

#### 对生态学研究的启示

本研究的结果对生态学研究具有重要意义。首先，它表明**声景指数可以作为评估鸟类交流网络变化的工具**，特别是在低噪声环境中。这为研究者提供了一种新的方法，可以更高效地分析声音景观的变化，而无需进行繁琐的个体识别。其次，声景指数的应用有助于理解**生态系统中物种间的相互作用**，特别是异种交流在塑造社区结构中的作用。

然而，声景指数的应用也需要注意一些关键问题。首先，**实验环境的选择**至关重要。如果背景噪声过高，声景指数可能无法准确反映声音刺激带来的变化。因此，在进行播放实验时，应尽量选择低噪声的环境，如秋季或非繁殖季节。其次，**播放声音的类型**也会影响指数的性能。报警叫声由于其强烈的生物意义，更容易引发鸟类的反应，而歌曲可能对鸟类行为的影响较小。因此，在设计实验时，应根据研究目标选择合适的播放内容。

此外，**声景指数的计算方法**也需要进一步优化。在本研究中，我们使用了固定的频率范围（如2–8kHz）来计算ACI和H，但实际环境中，鸟类的声音可能分布在更宽的频率范围内。因此，未来的研究可以考虑使用更灵活的频率范围，以提高指数的准确性。同时，**数据处理的自动化程度**也是一个值得探索的方向，因为目前仍需要人工干预来识别和分类声音。

#### 未来的研究方向

本研究为声景指数在生态学中的应用提供了新的思路，同时也指出了其局限性。未来的研究可以进一步探索这些指数在不同生态系统中的适用性，如湿地、草原或森林等。此外，还可以研究声景指数在不同时间段（如白天和夜晚）或不同季节中的表现，以更全面地理解声音景观的动态变化。

另一个值得探索的方向是**声景指数与其他生态指标的结合**。例如，将声景指数与物种多样性指数（如Shannon多样性指数）结合，可以更全面地评估生态系统中的生物活动和物种间的相互作用。此外，还可以利用声景指数来评估**人类活动对生态系统的影响**，如城市扩张、交通噪声或气候变化对鸟类交流行为的影响。

#### 结论

总体而言，声景指数在评估鸟类交流网络的变化方面具有一定的潜力，尤其是在低噪声条件下。然而，它们的应用需要谨慎，尤其是在高背景噪声或密集的鸣叫环境中。通过结合传统的生物声学方法，如个体识别和行为观察，声景指数可以为生态学研究提供更全面的数据支持。未来的研究应进一步优化这些指数的计算方法，并探索其在不同生态系统和环境条件下的适用性。