我们正处于一个信息大暴发的时代,每天都能产生数以百万计的新闻资讯!
虽然有大数据推荐,但面对海量数据,通过我们的调研发现,在一个小时的时间里,您通常无法真正有效地获取您感兴趣的资讯!
头条新闻资讯订阅,旨在帮助您收集感兴趣的资讯内容,并且在第一时间通知到您。可以有效节约您获取资讯的时间,避免错过一些关键信息。
本文转自:中国新闻网
中新网北京10月18日电 (记者 孙自法)施普林格·自然旗下学术期刊《自然-通讯》最新发表一篇生物多样性研究论文认为,人工智能(AI)辅助动物声音景观(soundscape)可用于作为监测农地抛荒后森林生物多样性恢复的有效工具。这项研究发现提出了一个可自动化、成本效益好而且可靠的方法,以检测森林生物多样性和评估恢复结果。
班鸡鹃(Neomorphusradiolosus)是厄瓜多尔热带再造林中记录到声音的鸟类之一(图片来自JohnRogers)。施普林格·自然供图
该论文介绍,大规模监测森林生物多样性对保育很重要,但需要成本效益好的标准化工具。此前研究已表明,生物声学(研究动物声音的学科)在用声景检测动物群落时是很有前景的工具,但其中还有很大的不确定性,如这些声景是否也能反映出非发声动物物种的状态。这既要结合传统声学测量和机器学习方法,也存在着技术困难。
声音记录器和自动光陷阱,用来记录声音和夜间昆虫(图片来自AnnikaBusse)。施普林格·自然供图
论文第一作者和通讯作者、德国维尔茨堡大学Jörg Müller与同事及合作者共同测试了一种方法,即用声景追踪热带森林生物多样性。在厄瓜多尔的Chocó地区低地,他们从最近抛荒的可可种植园和牧场到原始森林中,记录了环境中的动物声音,同时,将专家对发声动物物种的鉴别与两类自动化方法相结合,其中一种使用深度学习模型。他们发现,两种自动方法都能很好地反映森林环境范围。
紫胸蜂鸟(Polyeratarosenbergi)是厄瓜多尔热带再造林中记录到声音的鸟类之一(图片来自MartinSchaefer)。施普林格·自然供图
本项研究过程中,论文作者还用一种不同类型的生态信息对他们基于声音的结果进行了评估,他们使用了DNA宏条形码获取的昆虫多样性数据,其中主要是非发声物种。研究结果表明,虽然这两个数据库不能完全吻合,但结合生物声学和深度学习,有望监测森林生物多样性。
以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。
快照生成时间:2023-10-18 15:45:06
本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。
信息原文地址: