從聲景資訊分析生態環境、野生動物與人為活動之交互作用

本計畫由科技部獨立博士後研究學者計畫支持 (MOST105-2321-B-001-069-MY3),自2016年8月開始為期3年,目前由林子皓博士主持本計畫,曹昱副研究員協助,於中央研究院資訊科技創新研究中心執行。本研究也和農委會林業試驗所、王豫煌博士、中央研究院網格中心合作,共同維持亞洲聲景平台。如果對計畫內容有任何疑問,或有興趣合作研究,歡迎來信:schonkopf@gmail.com

計畫摘要:

自然環境變遷與人為開發對生物多樣性的影響,已是全球性的生態研究課題。透過被動式聲學收集環境音、生物音與人為噪音等聲景資訊,可以了解物理環境的特性與調查動物和人類的活動。隨著自動錄音技術的發展,聲景生態學逐漸興起,並嘗試從巨量資料探討生態群聚的動態變化以及動物聲音溝通的交互作用。然而,環境中充滿各種不同的聲音,目前也仍缺乏完整資料庫以及良好的分析工具可以輔助。本研究將結合生態與資訊領域,透過亞洲聲景平台的森林錄音與台灣近海的水下錄音,並與日本、香港等國際團隊合作針對生態聲景進行大數據分析。本研究將視覺化分析聲景資訊,結合機器學習建立聲音類別名錄以分析聲景的時空變化。開發不易受到噪音影響的聲學多樣性指標,作為探討生物多樣性時空變化的量化指標。藉由非專一性聲音偵測器取得野生動物的聲音資料,應用聲景資訊建構活動預測模式,驗證各地動物群聚的聲音是否符合聲音適應或聲音區位等假說,並分析人為噪音對野生動物活動頻度、聲音溝通空間與棲地環境的衝擊。本研究成果將能了解聲景資訊和生物多樣性的關聯,並能提供生態研究社群從長時間錄音分析棲地環境與動物群聚交互作用的資訊分析工具。

計畫成果:

在內嵌網頁最下方的Google Map中,可選擇各錄音位置,並可點擊連結前往資料分析結果,或是錄音資料庫。各監測站的錄音資料與分析資料,將視研究進度與資料庫許可之狀況下公開,不另行通知。

在已經公開資料的監測站中,點擊資料分析連結後將會跳到下列圖表類型的頁面。下圖是長期聲景的變動的視覺化資料,橫軸(X)為每天的24小時,縱軸(Y)為日期,每個網格中的色彩(Z)代表應用機器學習所自動判斷出的聲音場景編號 (編號0代表缺乏錄音資料)。目前雖然沒有辨識資料庫可供判斷每個聲音場景中的聲音來源,但由於各個聲音場景都有其獨特的音頻特徵,當氣候環境驟變,或是不同的野生動物在鳴唱,都可能會被歸類為不同的聲音場景。歡迎大家前往資料分析網站,挑選有興趣的聲音場景,並在錄音資料網站中聆聽對應時間的聲音,我們相信大家將能夠發掘出許多有趣的聲音變化。

期刊論文

  1. Tzu-Hao Lin, Shih-Hua Fang, Yu Tsao. (2017) Improving biodiversity assessment via unsupervised separation of biological sounds from long-duration recordings. Scientific Reports, 7: 4547.

研討會論文

  1. 林子皓、曹昱 (2017) 聆聽海洋的訊息:應用深度學習分析海洋聲景之變動。2017海洋科學年會。(五月,高雄)
  2. Tzu-Hao Lin, Yu-Huang Wang, Han-Wei Yen, Yu Tsao (2017) Listening to the ecosystem: the integration of machine learning and a long-term soundscape monitoring network. International Symposium on Grids & Clouds 2017 (March, Taipei, Taiwan)
  3. 林子皓、曹昱、方士豪 (2017) 應用機器學習探討海洋聲景變動與中華白海豚發聲活動之關聯。2017 動物行為暨生態研討會。(一月,高雄)
  4. Tzu-Hao Lin, Chih-Kai Yang, Lien-Siang Chou, Shih-Hau Fang, and Yu Tsao (2016) Acoustic response of Indo-Pacific humpback dolphins to the variability of marine soundscape. 5th Joint Meeting of the Acoustical Society of America and Acoustical Society of Japan (November, Honolulu, USA)
  5. Tzu-Hao Lin, Lien-Siang Chou, and Yu-Huang Wang (2016) Investigation on the dynamics of soundscape by using unsupervised detection and classification algorithms. Ecoacoustics Congress 2016 (June, Michigan, USA)

其他文章

  1. 林子皓 (2017) 用「聲物」識生物 以自動錄音聆聽自然谷之聲。環境資訊中心。
Advertisements