| 我们用声音来评估生物多样性，这非常奇妙。 今年早些时候，音景生态学家Bryan Pijanowski在婆罗洲的一个研究塔上安装绒毛状的麦克风。图片来源：KRISTOFFER AHLM Michael Scherer-Lorenzen是向德国科学基金会申请资金的80多位科学家中的一员。去年11月，他在波茨坦市召开的一次评审会议上的发言被记录下来。这段录音只持续了几秒钟，显示出他刺耳嘶哑的声音，但这正是弗莱堡大学的研究人员费尽心思想要收集的一类数据。这个由300个麦克风组成的巨大网络覆盖德国全境，Lorenzen指出，该网络每年能记录下总时长4.4万小时的录音。而回报就是：这些详细的“音景”有助于研究人员将鸟儿、昆虫和其他动物与德国森林和草原的土地管理模式相关联。Lorenzen说：“我们用声音来评估生物多样性，这非常奇妙。” 新兴的音景生态学吸引了很多科学家，Lorenzen只是其中一员。便宜耐用的自动化录音器和强大的声音分析软件激励科学家花费大量精力根据声音分析生态系统。许多传统的生物声学项目一次只关注某一种或几种生物的声音，而音景生态学家摒弃了这种方法，他们试图描绘出整体景观中的杂音，包括非生物的声音，例如流水声、雷声、汽车启动和飞机起飞的声音。 研究人员希望找到更多高效的方式描绘生态系统的特性。他们计划找到隐藏在声学领域背后的独特模式，并追踪生态系统在面对突发事件(诸如越来越多的航空运输和施工项目，外来物种的入侵，气候变化带来的渐进性影响)时是如何响应的。美国印第安纳州普渡大学西拉法叶校区音景生态学家Bryan Pijanowski说：“研究人员希望量化在一天时间里，我们体验了什么以及听到了什么。” 研究完整的音景面临技术上和概念上的重大挑战。研究人员正试图找到能把收集到的大量数字录音转化为可用数据的切实可行的办法。将复杂的音景转化为相对简单的反应生物多样性的数值索引是非常困难的。音景生态学家认为，由麦克风构成的大规模网络可以呈现出一个有意义的故事。Pijanowski说：“就在不久前，一些生物声学领域的科学家还不相信该方法的可行性。其实这个方法已经存在很久了。” 坚实基础 长久以来，科学家一直观察动物如何发出和感知声音，并分析它们的沟通模式。一个世纪前诞生了第一个记录鸟鸣的录音。但大多数情况下，生物声学研究只关注单一物种。Bernie Krause是一个研究现代音景生态学工作室的负责人。他说，这类停留在物种层面的方法“只见树木，不见森林”。“用分离的、片段的角度看世界是不合逻辑的。” 相反，Krause提出了名为“声学分区”的理论，1987年，该理论首次刊登在《全球评论》杂志上。Krause的灵感来自于他在肯尼亚听到的复杂音景——当他在一个科学博物馆展览上收集声音的数据时，他发现大自然的声音可以被视为一种有声生物体共享的资源，就像鸟巢或食物供给一样。他指出，任何一种动物都必须形成自己独特的辨别声音的方法，以避免来自其他声音的干扰。 Krause认为，一个健康的生态系统可根据频率或时间被清晰地划分为一个个生态单位。当外来入侵者或人为发出的声音出现在某个生态单位时，现有的模式将会发生变化。 很多科学家对Krause的理论持怀疑态度。Krause回忆道：“在当时，我确实没有找到用科学化、系统化的语言表达这一理论的方法。很多人认为这只是一种美好的愿景。” Krause的理论引起了一些研究人员的注意，其中包括东兰辛市密歇根州立大学名誉教授、音景生态学家Stuart Gage。早在21世纪初，Gage就和Krause一起研究“声音分类法”。通过分析录音中的频率分布，他们认为音景由三部分构成：“biophony”，即野生动物的声音;“geophony”，即地球物理学类的声音，诸如风声、雨声、流水声;“anthrophony”，即人类发出的声音。 Gage开发出一种电脑程序，能够在某一频率范围内量化声能，随后他和Krause着手比较某一区域内自然的声音与人为制造的声音的不同。这一工作耗费了大量人力物力。在加州红杉国家公园，他们使用的记录装置总长约5千米，他们不得不在公园里密切注视着这些装置。 Gage回忆道：“一天夜晚，我们发现这一方法存在很明显的弊端。当时我一个人站在草原上等待一只黑熊经过我们的装置。结果黑熊发现了录音设备，并对它重击。”幸运地是，黑熊并没有完全损坏录音设备，黑熊低沉的发怒声被清晰地记录下来。 Gage和其他同行一直想设计出不易引起动物注意的小型装置，可以隐藏在野外数周甚至数月，收集到数小时的高保真的声音，且不需要工作人员实时照看。Gage开始研发这种自动化装置，将记录装置和笔记本电脑连接，结果他发现该方法耗电很大且失败率很高。 神奇数字 法国巴黎市国家自然历史博物馆生态学家Jerome Sueur是首批使用Song Meter(一种不受天气影响的录音装置)的研究者之一，他希望借此证明声音是生物多样性的缩影。Sueur与同事对分清每一种声音的来源并不感兴趣，相反，他们希望对记录下的声音进行全局性分析。为此，他们采用了独特的计算法则——只需简单的数字就可以代表持续数小时的声音。随着时间的推移，Sueur借此来描述一个生态系统中的声学能量在频率谱的范围内是如何分布的。这一思路借鉴了香农指数的概念，该指数以特定区域内可观测到的生物数量来推测物种多样性。Sueur的研究小组将这种新的测量方法称为声熵指数——将声音的各种频率与物种的多样性相连。例如，如果是单一的纯音，声熵指数将趋近于0，表示极低的声音多样性;若声音频率多种多样，且非常嘈杂混乱，则声熵指数将趋近于代表极高声音多样性的1。 2007年，Sueur的研究小组在坦桑尼亚开始了首次实地测试——在两片相距50公里的古老沿海森林内持续数天记录黎明和黄昏时的声音。其中一片森林已于数十年前遭到砍伐，而另一片森林则是今年才被砍伐。2008年，该小组在发表的一份论文中报告，砍伐较少的森林，代表其音景多样性的声熵指数也越高，这一结果是意料之中的。 此后，音景生态学发展出诸多以不同音景信息而划分的指数。意大利乌尔比诺大学的Almo Farina以声音的质量为基础开发出一套声音复杂度指数，用以区分动物的叫声和人类制造的噪音。动物的叫声在强度上表现为快而尖，例如突然响起的渐强或渐弱的鸟鸣声;而人类制造的噪音(诸如嗡嗡作响的引擎)则非常单调平缓。 Sueur的研究小组还研发出一套基于时间和声音频率差异的声音相异指数，用于比较两个不同的生态系统。在实地测试中，某种生物可能存在于一个生态系统，而不存在于另一个生态系统，声音相异指数尤其适用于在这种情况下推算物种的数量，这是一种最便捷的方法。 技术困难 康奈尔大学生物声学研究计划负责人Aaron Rice认为，以上这些声学测量手段是非常有用的工具，但仍有很多操作上的困难。例如，许多指数都假设来自生物的声音比人类制造的声音持续时间更短。然而，在Rice领导的海洋声学研究中，经常会受到海洋地震勘探气枪不时发出的干扰。该技术常用于石油和天然气勘探，因此是一大干扰性因素。Rice的结论是：当研究者非常清楚声音来源时，这些指数是非常有用的参考;但当研究者并不清楚声音来源时，指数可能将起不到任何作用。Sueur提出的声熵指数也难以避免相似的局限性，该指数对人造声音非常敏感。实际上，Sueur本人也不再相信他可以仅凭一种声学测量手段推断出生物的多样性程度。他说：“指数并不是万能的，靠单一值来概括所有的数据是非常愚蠢的做法。” 但Sueur仍相信，声学指数必将有助于描绘出完整的生态系统特征，尤其是当它与其他指标相互补充印证时。例如， Pijanowski曾发现生物多样性和植被结构之间存在某种联系。他的研究小组在哥斯达黎加雨林中的14处地点安装了录音设备，并将记录下的音景特征与通过光探测获得的植被数据作对比。研究发现：发出声音的植物大都远离上层树冠或者树叶茂密的区域，研究者将这一结果发表在2012年的一篇论文中。 这一结果使Pijanowski对音景生态学的前景感到乐观，他认为该技术能够在未来改变管理决策，因为它不仅能突出呈现哪块区域是多种生物的栖息地，还有助于解释哪种地貌能够养育特殊的物种。Pijanowski说，去年涌现出一大批想要更加全面了解音景生态学的人。西弗吉尼亚州亨廷顿市马歇尔大学的Anne Axel就是其中的一员，她利用该技术预测阿巴拉契亚山脉顶端那些已经被遗弃的矿井对生物来说是否为一处潜在的栖息地。(段歆涔) 本文来源于《中国科学报》 (2014-02-26 第3版 国际) |
GMT+8, 2024-11-25 08:48 , Processed in 0.052507 second(s), 24 queries , Gzip On.
Powered by Discuz! X3.4
Copyright © 2001-2021, Tencent Cloud.
