A new dive @ JAMSTEC !

From this month, I will start my new position at JAMSTEC as an international postdoctoral research fellow. At JAMSTEC, I will keep working on the soundscape-based biodiversity monitoring. Of course, most of the efforts will focus on marine ecosystem.

However, I do believe that the tools we developed should be able to facilitate the ecoacoustics researches in terrestrial ecosystems. So please contact me if you are interested in ecoacoustics or ecological informatics! I am very happy to collaborate with researchers from different disciplines!

從這個月開始,我將會從中研院資創中心轉換工作到日本國立研究法人海洋研究開發機構(JAMSTEC),擔任國際博士後研究員。在JAMSTEC我還是會持續以聲景為基礎的生物多樣性監測,只是大部分的時間都會主要專注於海洋生態系上(才不會不務正業…XD)。

不過,就如同我過去在資創中心進行的工作,我們未來開發的分析工具都還是會希望可以應用於各種不同環境,不管是海域或是陸域。如果是對於生態聲學、生態資訊學有興趣的朋友,都歡迎與我聯繫,我非常希望能夠和各種不同領域的研究人員一起合作、學習!

Advertisements

以國際技術指引探討我離岸風場水下噪音監測評估適用方法

論文發表於2017台灣風能協會會員大會暨學術研討會與科技部成果發表會

以國際技術指引探討我離岸風場水下噪音監測評估適用方法

湛翔智、蕭婷宇、潘柔安
知洋科技有限公司

連永順、王珮蓉、胡芳瑜
工業技術研究院

林子皓
中央研究院

我國政府採「先示範、次潛力、後區塊」三階段離岸風電推動策略,示範獎勵辦法在2012年公告,評選出3案離岸示範風場,接著於2015年公告潛力場址,目前有超過20件開發案提出申請,首先均需通過環評審查。然而各項環評審查項目中,風場開發產生水下噪音對海洋動物影響的問題較為複雜,主要原因是水下噪音監測方法尚無國際標準,困難處是要在海上取得足夠且有效數據,必須有詳實規劃和充分準備,才能利用測量資料來分析水下噪音影響程度。歐洲離岸風電有超過10個國家投入開發,但各國有不同的水下噪音影響評估方式,其中以德國政府提出的技術指引,在監測要求與開發限制上較為嚴格。而歐盟自2008年提出「良好環境狀態(GES)」綱要,提供給歐盟成員國作為管制參考依據,包含離岸風能開發的監測與評估要求。美國投入離岸風能的前期研究多年,直到2016年完成首座風場正式商轉,同年也公告「海洋哺乳類動物聽覺技術指引」,將水下噪音對數種鯨豚的各種影響程度,制訂出水下噪音傷害管制門檻。本研究將探討國際上最新的水下噪音監測與評估技術指引,並依循國內離岸風場的發展情況,提出適用方式的建議供各界參考。

The government devised the offshore wind promotion strategy with 3 phases, which include Demonstration Incentive Program, Zone Application for Planning, and Zonal Development. The demonstration incentive program was announced in 2012, and three projects have been selected accordingly. Then, the Directions of Zone Application for Planning (DZAP) was announced in 2015. More than 20 projects have applied for the DZAP, and they are required to pass environmental impact assessments (EIA) to obtain the first step approval for construction. However, the impact of underwater noise on marine mammal during construction and operation phases are very complex. The key issue is that the underwater noise monitoring method has no international standards and it is difficult to measure sufficient and valid data at sea. Moreover, EIA needs very detailed planning and comprehensive preparation to obtain data and analyze the impact assessment from underwater noise. More than 10 countries in Europe already installed offshore wind farms and employ different assessment methods for underwater noise impact. The requirement of the German government’s technical guidelines for underwater noise monitoring and assessment is most rigid and strict. Since 2008, the EU has proposed the “Good Environmental State (GES)” framework for the member states to achieve requirements for the offshore wind energy development monitoring and evaluation. The United States announced the Marine Mammal Acoustic Technical Guidance in 2016, which provides several acoustic thresholds on different species of marine mammal. This study will discuss the latest international technical guidelines for underwater noise monitoring and assessment. Finally, we carried out the report included the applicable method of underwater noise monitoring and assessment based on the development of offshore wind farms in Taiwan.

論文全文 (pdf)

聆聽大自然四季之音

「聆聽,森林的生命與故事」—系列講座

透過自動錄音機一年365天,從早到晚,每30分鐘錄下5分鐘的檔案,讓我們有機會透過聲音更認識自然谷的風吹草動、燕語鶯啼、龍吟虎嘯。藉著錄音機,錄下土地四季的聲音波動,更進一步運用聲波圖看到四季天氣變化。

講座時間:6月22日(四)晚上0700-0930

講座地點:清華大學圖書館 1樓清華沙龍(新竹市光復路二段101號)

講座報名:點此報名講座

對此講座有興趣的朋友,也歡迎閱讀 用「聲物」識生物 以自動錄音聆聽自然谷之聲 這篇文章,在文章裡面,我們簡單的分享了如何應用自動錄音機探索自然谷的豐富生物多樣性,也可以到我們所製作的互動式網頁中,一探自然谷的各種聲物!

2017年海洋科學年會

2017/5/4-5 @ 國立中山大學

聆聽海洋的訊息:應用深度學習分析海洋聲景之變動

林子皓、曹昱
中央研究院 資訊科技創新研究中心

被動式聲學監測已被廣泛應用在海洋環境與生態研究中,長期錄音中的各種環境音與動物音增加了我們對海洋生態環境的了解,許多研究也深入探討人為噪音對海洋生態的影響。然而,過去針對海洋聲景的分析大多著重噪音的時頻譜特性,並透過設定規則的偵測器尋找海洋動物的聲音。但海洋聲景受到地形、氣候、生物群聚與人為活動的高度影響,時頻譜分析可能無法有效描述同時出現的多種聲源,偵測器效能也隨著噪音變動而改變。為了有效分離海洋聲景中的各種聲源,本研究應用非負矩陣分解法 (non-negative matrix factorization) 及其變形方法分析長期時頻譜圖,將輸入資料拆解為特徵矩陣與編碼矩陣。雖然單層的非負矩陣分解法在多次疊代後,能夠在特徵矩陣與編碼矩陣約略學習到各種聲源的頻譜特徵與時域上的強度,但仍難以分離重疊的多種聲源。本研究將多層學習器分別預訓練後堆疊成深度學習架構,並在各層之間逐漸減少特徵矩陣之基底數量,藉由最末層回傳後之重建資料和輸入資料的誤差,在多次疊代中自行修正各層模型參數以達到最佳的聲源分離成果。本研究針對各地具有不同環境噪音特性的海洋聲景進行分析,結果顯示在不需要辨識樣本與資料標籤的情況下,深度學習能夠有效分離海洋中的各種主要聲源:魚群鳴唱、槍蝦脈衝聲、船隻噪音與環境音。學習到的特徵矩陣也能夠作為辨識樣本,透過半監督式學習分析大量的線上資料。透過深度學習分離聲源,未來將能夠更有效評估海洋聲景的複雜結構,並藉此探討海洋環境與生態的變動,以及人為開發的影響。

2017年動物行為生態研討會

2017/1/23-24 @ 高雄中山大學

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

林子皓、曹昱
中央研究院資訊科技創新研究中心

方士豪
元智大學電機工程學系

鯨豚的發聲行為相當多變,不同族群可能會在各種環境音改變哨聲特徵﹐也會在遭遇人為噪音時改變聲音結構。海洋聲景是由環境音、動物音與人為噪音組成,具有高度變異的特性。儘管過去已有不少針對鯨豚發聲與單一音源的研究,但是對鯨豚如何在多變的海洋聲景且多重聲源相互重疊的狀況下改變行為仍不清楚。本研究透過水下錄音機,長期收錄2014年苗栗海域的海洋錄音。首先應用自動偵測器尋找中華白海豚水下聲音,再應用非負矩陣分解法學習海洋聲景中的主要聲源特徵。透過非監督式學習器,可以有效拆解長期時頻譜圖,視覺化呈現石首魚鳴唱、槍蝦聲音、環境與人為噪音等主要聲源的相對變化。利用廣義疊加模型分析聲景與白海豚聲音後,我們發現白海豚的聲音偵測率與複雜度和各種聲源皆有不同的相關性。此結果顯示應用機器學習分離聲景中的各種聲源之後,將能夠有效瞭解動物和各種聲源的交互作用。未來,聲景中的各種訊息也可以作為預測動物活動的生態遙測資料。