持续而快速的城市化进程正加速生物多样性的丧失，其中鸟类多样性是城市生态系统的重要组成部分和城市物种多样性保护的重点目标。具有信息量大，持续时间长，低成本，低侵入等的特点的主动式生物声监测及声学方法研究受到到研究学者的重点关注。

  本研究基于城市生物声监测和数字信息自动识别提取技术，提出一种自动识别城市公园生物声景观和评价生物多样性的创新方法。研究选取北京市中山公园为研究地点，使用声音监测仪器Zoom H5进行连续4天的生物声监测，一共收集到17280分钟的原始数据。经过对声音原始数据的预处理，研究首先采用图像对象分析技术识别声音中的鸟类声音类型并进行精度验证，然后建立声景观指标体系评价鸟类声音的特征要素，最后分析鸟类声景观和城市公园鸟类物种多样性的关系。研究结果表明，新方法对于鸟类声的自动识别精度高达93.55%(±4.78%)，处理时间只有传统人工识别方法的1/8，并且效率会随着数据量的增加而更加显著。鸟类声景观特征可以解释57%的城市公园鸟类物种丰富度，41%的香浓多样性和38%的辛普森多样性。因此，自动识别评价生物声景观的新方法可以有效的补充传统人工识别方法的限制和不足，助力城市森林物种多样性长期监测和评价预测。

图 生物声自动识别分类技术路线图

  研究成果以"Diversity Monitoring of Coexisting Birds in Urban Forests by Integrating Spectrograms and Object-Based Image Analysis"为题发表在Forests上。 文献链接：https://doi.org/10.3390/f13020264