王靜怡,李春明,林嬰倫,李大鋒

1 中國(guó)科學(xué)院城市環(huán)境研究所,福建省流域生態(tài)學(xué)重點(diǎn)實(shí)驗(yàn)室,城市環(huán)境與健康重點(diǎn)實(shí)驗(yàn)室,廈門 361021

2 中國(guó)科學(xué)院大學(xué),北京 100049

3 福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院,福州 350002

4 廣東省林業(yè)科學(xué)研究院,廣州 510520

聲景生態(tài)學(xué)是研究景觀中生物與非生物聲音在多種時(shí)空尺度下的聲學(xué)格局與過(guò)程,揭示聲音與人類,以及聲音與自然之間關(guān)系的學(xué)科[1],由Pijanowski和Farina開(kāi)創(chuàng),吸納了景觀生態(tài)學(xué)、生物地理學(xué)、聲學(xué)生態(tài)學(xué)及生物聲學(xué)的內(nèi)涵,具有多學(xué)科交叉融合的特征(圖1)。Pijanowski認(rèn)為對(duì)聲景的研究可參考景觀生態(tài)學(xué)中不同尺度上格局與過(guò)程的交互,以及生物地理學(xué)中不同生物物理梯度中物種分布和多樣性的變化來(lái)進(jìn)行,聲景生態(tài)學(xué)還吸收了聲學(xué)生態(tài)學(xué)[2]中人對(duì)環(huán)境聲音感知為核心的研究,并拓展了聚焦于單個(gè)物種或物種間對(duì)比的生物聲學(xué)[3]的研究范圍。采用社會(huì)生態(tài)系統(tǒng)的研究方法,更關(guān)注宏觀群落聲學(xué),并且更強(qiáng)調(diào)景觀中聲音的生態(tài)特征及其呈現(xiàn)的生態(tài)環(huán)境的多維時(shí)空格局與動(dòng)態(tài)變化。

Pijanowski基于景觀生態(tài)學(xué)[4—5],結(jié)合“人與自然耦合系統(tǒng)”[6]理論,提出了聲景生態(tài)學(xué)的概念性框架(圖1),指出生物聲、地理聲和人類聲共同組成了完整的聲景(圖1-層次Ⅱ),且三者之間相互作用(圖1-層次Ⅲ)。同時(shí),還提出了6個(gè)研究領(lǐng)域：(1)聲音的測(cè)量和量化,(2)不同尺度的時(shí)空動(dòng)態(tài)分析,(3)揭示聲景與環(huán)境協(xié)變量的聯(lián)系,(4)評(píng)估聲景對(duì)生態(tài)系統(tǒng)的影響,(5)評(píng)估聲景對(duì)人類的影響,(6)評(píng)估人類對(duì)聲景的影響[1](圖1-層次Ⅳ及①、②及③)。

圖1 聲景生態(tài)學(xué)的產(chǎn)生、概念性框架及其研究?jī)?nèi)容

隨著存儲(chǔ)介質(zhì)成本的降低及網(wǎng)絡(luò)傳輸技術(shù)的進(jìn)步,聲景大數(shù)據(jù)逐漸形成。盡管Pijanowski所提的6個(gè)研究領(lǐng)域已為聲景生態(tài)學(xué)數(shù)據(jù)的應(yīng)用指明了方向,但由于對(duì)聲音這類非結(jié)構(gòu)化數(shù)據(jù)的分析存在困難,目前有關(guān)聲景生態(tài)學(xué)研究?jī)?nèi)容和技術(shù)方法的研究案例仍然較少。本文從聲景生態(tài)學(xué)的研究?jī)?nèi)容出發(fā),詳細(xì)介紹了聲景生態(tài)學(xué)數(shù)據(jù)在聲景元素解析、生物多樣性評(píng)估、人類身心健康三大應(yīng)用領(lǐng)域的前沿分析方法；梳理了從各類傳統(tǒng)方法到新興的機(jī)器學(xué)習(xí)方法的技術(shù)細(xì)節(jié)與優(yōu)劣勢(shì)對(duì)比；并從數(shù)據(jù)分析技術(shù)的優(yōu)化與標(biāo)準(zhǔn)化以及與多學(xué)科融合的方面對(duì)聲景生態(tài)學(xué)數(shù)據(jù)分析方法的發(fā)展進(jìn)行了展望,以期為聲景生態(tài)學(xué)數(shù)據(jù)分析方法的完善和應(yīng)用領(lǐng)域的拓展提供參考。

1 聲景元素解析

1.1 人工識(shí)別

聲景元素的解析是聲景生態(tài)學(xué)研究中的基本內(nèi)容。傳統(tǒng)的方法主要依靠人工識(shí)別,除了由動(dòng)物學(xué)專家根據(jù)鳴聲頻率高低、時(shí)長(zhǎng)、婉轉(zhuǎn)程度等顯性特征進(jìn)行具體物種的識(shí)別之外,在實(shí)際研究中應(yīng)用更為廣泛的是通過(guò)直觀的聽(tīng)覺(jué)感知進(jìn)行聲源識(shí)別和分類。包括研究者基于其聲景專業(yè)知識(shí)事先進(jìn)行研究空間內(nèi)聲源類別的定義與劃分,進(jìn)一步將其用于聲景感知的問(wèn)卷調(diào)查或?qū)嶒?yàn)室模擬感知等研究中。如侯建鑫等[7]在城市公共開(kāi)放空間中,通過(guò)實(shí)地考察、網(wǎng)上查閱及居民訪問(wèn)確定城市公共開(kāi)放空間中存在的42種主要聲音,進(jìn)一步進(jìn)行各類聲音愉悅程度和煩惱程度的問(wèn)卷調(diào)查；甘永洪等[8]在廈門市集美區(qū)的城鄉(xiāng)視聽(tīng)景觀研究中,通過(guò)實(shí)地聲景觀調(diào)查記錄樣點(diǎn)的聲音類型,將其劃分為地質(zhì)聲、生物聲和人工聲三大聲景元素,并基于此開(kāi)展實(shí)驗(yàn)室聲景觀認(rèn)知評(píng)價(jià)；周武忠等[9]將城市公園聲景觀區(qū)分為人工聲、自然聲、生活聲和歷史文化聲四大類別,選取江陰市的市中心公園進(jìn)行城市公園各類聲景觀的調(diào)查與評(píng)價(jià)分析；劉江等[10]在德國(guó)瓦爾內(nèi)明德區(qū)的城市多功能區(qū)中進(jìn)行聲景信息的標(biāo)準(zhǔn)化主觀記錄,識(shí)別出人工聲、生物聲、地理聲三大類具體27種通俗可辨識(shí)的聲源,并繪制出反映聲景組成時(shí)空動(dòng)態(tài)的聲源地圖。也有學(xué)者強(qiáng)調(diào)公眾對(duì)于聲源的感知,利用問(wèn)卷直接獲取特定場(chǎng)地中常見(jiàn)的聲景類型。如馬蕙等[11]在城市公園聲景觀要素定量分析中,通過(guò)在問(wèn)卷中設(shè)計(jì)“在公園中常常能被感知到的聲音是什么？”這一問(wèn)題,引導(dǎo)公眾對(duì)聲源類別進(jìn)行識(shí)別,由此確定了交通噪聲、流水聲、噴泉聲、鳥(niǎo)鳴聲、風(fēng)聲、波浪聲和海鳥(niǎo)聲7種用作聲學(xué)心理實(shí)驗(yàn)的聲音刺激。

1.2 機(jī)器識(shí)別

機(jī)器學(xué)習(xí)算法可根據(jù)聲音特征進(jìn)行分類,實(shí)現(xiàn)聲景元素的解析。首先,采用等長(zhǎng)向量計(jì)算其特征,其中關(guān)鍵是找到特征向量的表示形式,使其成為某物種某一特定類型鳴聲的參考向量。然后,根據(jù)提取的特征向量進(jìn)行分類,可采用無(wú)監(jiān)督方式[12](如自組織映射網(wǎng)絡(luò)),或有監(jiān)督學(xué)習(xí)方式(如支持向量機(jī)[13],決策樹(shù)[14])來(lái)實(shí)現(xiàn)聲元素的識(shí)別。

機(jī)器學(xué)習(xí)算法尤其是深度學(xué)習(xí)雖能快速和批量地實(shí)現(xiàn)物種識(shí)別,但和人工識(shí)別結(jié)果仍然存在差距。Priyadarshani等[15]對(duì)自動(dòng)鳥(niǎo)類識(shí)別技術(shù)進(jìn)行了綜述,介紹了當(dāng)前常見(jiàn)的鳥(niǎo)鳴識(shí)別軟件,包括SoundID、Raven Pro、Song Scope、Sound Analysis Pro 2011、Avisoft-SASLab Pro、Arbimon、Kaleidoscope Pro,以及R語(yǔ)言中的monitoR包。然而,總體而言這些工具仍不能滿足物種識(shí)別的需求,背景噪聲及鳴聲微弱的問(wèn)題仍然是應(yīng)用時(shí)的主要挑戰(zhàn),導(dǎo)致識(shí)別結(jié)果存在假陽(yáng)性及假陰性。假陰性主要由于目標(biāo)物種發(fā)聲微弱或檢測(cè)閾值設(shè)置而造成；假陽(yáng)性的原因則有很多,如自然地理或人工機(jī)械噪聲的影響或物種之間高相似度造成誤判等。另一方面,機(jī)器學(xué)習(xí)算法的輸入也會(huì)影響精確度,如以頻譜圖作為輸入時(shí),一些短促的鳥(niǎo)鳴聲和雨滴聲的頻譜圖相似,導(dǎo)致聲源的可觀測(cè)屬性重疊,此時(shí)機(jī)器將難以識(shí)別,但人類可以通過(guò)聽(tīng)覺(jué)有效區(qū)分。實(shí)際上,頻譜圖作為算法輸入會(huì)導(dǎo)致許多時(shí)間精細(xì)結(jié)構(gòu)信息的丟失,應(yīng)該進(jìn)一步改進(jìn)算法,以完整的音頻數(shù)據(jù)作為輸入實(shí)現(xiàn)聚類和鳴聲識(shí)別[16]。

一些優(yōu)化策略也可以用作機(jī)器學(xué)習(xí)算法的改進(jìn),包括進(jìn)行相關(guān)知識(shí)的遷移學(xué)習(xí)或綜合人工識(shí)別與機(jī)器識(shí)別的優(yōu)勢(shì)。比如可以結(jié)合監(jiān)測(cè)對(duì)象的相關(guān)知識(shí),進(jìn)行遷移學(xué)習(xí)或多任務(wù)學(xué)習(xí)。如Chen等[17]在熱帶蝙蝠的識(shí)別任務(wù)中,開(kāi)發(fā)的Waveman軟件,通過(guò)繪制物種的系統(tǒng)發(fā)育樹(shù)來(lái)說(shuō)明種群之間的遺傳關(guān)系,并將其嵌入到蝙蝠網(wǎng)絡(luò)(BatNet)網(wǎng)絡(luò)中,最終實(shí)現(xiàn)36種熱帶蝙蝠物種的自動(dòng)識(shí)別,各物種的識(shí)別準(zhǔn)確率均在86%以上,總體精度超過(guò)90%。也有研究采取自動(dòng)聚類和人工驗(yàn)證相結(jié)合的半自動(dòng)化方法。其中,自動(dòng)聚類方法可以過(guò)濾噪聲,減少后期人工審查的工作量,而通過(guò)回放音頻或目視解譯頻譜圖進(jìn)行人工審查可以減少假陽(yáng)性,二者結(jié)合可以一定程度上提高識(shí)別結(jié)果的準(zhǔn)確度[18]。

總體而言,進(jìn)行聲源分類的人工識(shí)別方式不需要過(guò)于專業(yè)的專家知識(shí),常結(jié)合問(wèn)卷調(diào)查用于城市開(kāi)放空間的聲景研究或?qū)嶒?yàn)室聲景模擬研究,但這種方法無(wú)法進(jìn)行具體的物種識(shí)別。基于專家知識(shí)的人工識(shí)別可以實(shí)現(xiàn)物種識(shí)別,準(zhǔn)確度高,但耗時(shí)長(zhǎng),可推廣性差。而機(jī)器學(xué)習(xí)的方法基于大量音頻數(shù)據(jù)庫(kù)自動(dòng)提取數(shù)百萬(wàn)個(gè)特征,從而有效捕捉物種內(nèi)的特定變異,實(shí)現(xiàn)更準(zhǔn)確的自動(dòng)識(shí)別。

2 生物多樣性評(píng)估

聲學(xué)生態(tài)位假說(shuō)[19]、形態(tài)學(xué)適應(yīng)假說(shuō)[20],與聲學(xué)適應(yīng)性假說(shuō)(Acoustic Adaptation Hypothesis)[21—22]為通過(guò)聲音來(lái)反映生物多樣性的合理性提供了理論基礎(chǔ)。目前通過(guò)聲音進(jìn)行生物多樣性評(píng)估的方法主要有基于聲音能量和頻率的聲學(xué)指數(shù)法,以及基于聲音特征的語(yǔ)譜圖和機(jī)器學(xué)習(xí)法。

2.1 聲學(xué)指數(shù)法

聲學(xué)指數(shù)是通過(guò)統(tǒng)計(jì)聲學(xué)能量分布,得出關(guān)于聲音時(shí)頻或振幅的復(fù)雜程度、異質(zhì)性等信息[23],從而間接用于反映生物的多樣性。聲學(xué)指數(shù)種類繁多,典型的包括時(shí)間熵(H[t])、頻譜熵(H[s])、聲學(xué)復(fù)雜指數(shù)(ACI)、聲學(xué)豐富度指數(shù)(AR)、聲學(xué)均勻度指數(shù)(AEI)、標(biāo)準(zhǔn)差異聲景指數(shù)(NDSI)、聲學(xué)多樣性指數(shù)(ADI)等[24]。當(dāng)前使用較廣泛的聲學(xué)指數(shù)計(jì)算軟件包括MATLAB、SoundscapeMeter2.0[25],及R語(yǔ)言中的Tune R、Seewave、Soundecology程序包[26—27]。

隨著研究者對(duì)各類聲學(xué)指數(shù)的深入理解以及計(jì)算軟件的發(fā)展,聲學(xué)指數(shù)廣泛應(yīng)用于生物多樣性評(píng)估領(lǐng)域。同時(shí),越來(lái)越多的學(xué)者針對(duì)聲學(xué)指數(shù)的指標(biāo)性能展開(kāi)研究。然而由于研究對(duì)象和所使用的數(shù)據(jù)集存在差異,難以從各類研究得到的聲學(xué)指數(shù)評(píng)價(jià)中總結(jié)一致的結(jié)論。Gasc等[28]提出聲學(xué)指數(shù)代表物種豐富度的三個(gè)標(biāo)準(zhǔn)：(1)在衡量生物多樣性時(shí)對(duì)噪聲不敏感；(2)在指示物種多樣性時(shí)對(duì)同一物種的不同個(gè)體識(shí)別不敏感；(3)在指示物種豐富度時(shí)受物種均勻度和鳴聲之間的重疊影響小。然而他的實(shí)驗(yàn)研究表明,沒(méi)有一個(gè)聲學(xué)指數(shù)可以同時(shí)滿足三個(gè)標(biāo)準(zhǔn)。

另一方面,使用聲學(xué)指數(shù)進(jìn)行生物多樣性評(píng)估還存在其他局限性：(1)絕大多數(shù)指數(shù)對(duì)噪音敏感,需要在分析前對(duì)音頻進(jìn)行降噪處理,預(yù)處理步驟更復(fù)雜且會(huì)造成一定程度的信息丟失[29]；(2)實(shí)際應(yīng)用較復(fù)雜,需要綜合考慮數(shù)學(xué)與生態(tài)意義,即單一的聲學(xué)指數(shù)往往難以說(shuō)明問(wèn)題,需要進(jìn)行加權(quán)組合才更加適用,此外,指數(shù)需要進(jìn)行歸一化處理,或當(dāng)其最大值、最小值具有生態(tài)意義時(shí),才便于使用[24,30]；(3)聲學(xué)指數(shù)存在閾值問(wèn)題,難以檢測(cè)微弱的或是超過(guò)閾值的鳴聲,當(dāng)聲學(xué)特征存在冗余或存在高頻聲音的重疊時(shí),聲學(xué)指數(shù)對(duì)生物聲音的預(yù)測(cè)也會(huì)達(dá)到閾值,使得指數(shù)只能在低于這一閾值所代表的生物多樣性的群落中有效地應(yīng)用[28, 31]；(4)聲學(xué)指數(shù)雖然能在局部環(huán)境下預(yù)測(cè)關(guān)鍵的生態(tài)指標(biāo),但無(wú)法在更大的生態(tài)梯度上發(fā)揮作用[32],也無(wú)法轉(zhuǎn)換并適用于新環(huán)境[33],即相同或相近的聲學(xué)指數(shù)數(shù)值在不同的生態(tài)系統(tǒng)下的生態(tài)內(nèi)涵可能具有較大的差異,難以反映大尺度下時(shí)空格局的過(guò)程演變。

總體而言,聲學(xué)指數(shù)的信息特征有限,對(duì)指數(shù)的生態(tài)學(xué)解釋也僅適用于特定區(qū)域,且需要結(jié)合目標(biāo)物種的聲學(xué)特征,進(jìn)行有針對(duì)性的指數(shù)選擇。另外,還需進(jìn)一步分析不同鳴聲類型(強(qiáng)/軟,持續(xù)/零星)、不同植被結(jié)構(gòu)、采樣半徑等對(duì)指數(shù)分析的影響。

2.2 語(yǔ)譜圖分割法

語(yǔ)譜圖用于生物多樣性評(píng)估,包括基于語(yǔ)譜圖的鳴聲識(shí)別以及識(shí)別特定鳴聲后的聲音特征分析。鳴聲識(shí)別可以結(jié)合頻率進(jìn)行閾值設(shè)定,采用中值剪切方法,即當(dāng)頻率超過(guò)了語(yǔ)譜圖相關(guān)列和行的中位數(shù)的預(yù)定義倍數(shù)時(shí),這些信號(hào)會(huì)被識(shí)別為鳥(niǎo)鳴,相關(guān)的圖像處理技術(shù)如基本形狀形態(tài)學(xué)方法可用于改進(jìn)這一過(guò)程[34—36]。另外,可以選取合適的濾波器剔除非目標(biāo)音頻信號(hào),以便進(jìn)行后續(xù)特征分析。

通過(guò)鳴聲識(shí)別提取目標(biāo)物種音頻后,基于語(yǔ)譜圖進(jìn)一步進(jìn)行聲音特征的分析。蔣錦剛等[37]認(rèn)為聲學(xué)指數(shù)針對(duì)的通常是聲景結(jié)構(gòu)或功能的某一方面,具有一定的局限性。另一方面,傳統(tǒng)的頻譜分析主要應(yīng)用統(tǒng)計(jì)分析方法評(píng)估頻譜特征的復(fù)雜性和差異性,缺少圖像時(shí)頻結(jié)構(gòu)特征的分析?；诖?他將遙感領(lǐng)域的面向?qū)ο髨D像分割技術(shù)引入語(yǔ)譜圖分割,在完成鳴聲識(shí)別后,進(jìn)行圖像紋理和幾何結(jié)構(gòu)信息的提取,最終提出適合于自然界鳥(niǎo)類生物多樣性提取的知識(shí)規(guī)則和斑塊統(tǒng)計(jì)分析聚類方法,充分挖掘了音頻文件中的時(shí)間-頻率結(jié)構(gòu)特征,提供了多維度的生物叫聲綜合特征分析,包括頻譜圖中斑塊數(shù)目反映的鳥(niǎo)類生物叫聲和多樣特性、斑塊面積周長(zhǎng)比反映的鳥(niǎo)類叫聲婉轉(zhuǎn)度,以及斑塊時(shí)長(zhǎng)反映的鳴聲長(zhǎng)短等豐富的生態(tài)信息參數(shù)。

語(yǔ)譜圖分割的方法不需要對(duì)音頻文件進(jìn)行降噪處理,能夠反映聲音頻率隨時(shí)間的變化特征,但處理過(guò)程中人為參與較多,如閾值和分割尺寸的設(shè)定,主觀的經(jīng)驗(yàn)性因素會(huì)對(duì)結(jié)果造成影響。且此方法不適用于缺乏清晰度的微弱鳴聲,在長(zhǎng)時(shí)間的聲景監(jiān)測(cè)數(shù)據(jù)中的應(yīng)用效果也未得到驗(yàn)證。另外,如何將語(yǔ)譜圖中提取的斑塊屬性與生物鳴聲特征聯(lián)系起來(lái)進(jìn)行定量分析仍是需要解決的問(wèn)題。

2.3 機(jī)器學(xué)習(xí)法

利用特定的機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)鳴聲識(shí)別或分類之后,可采取一定的數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)生物多樣性的評(píng)估。包括直接以聚類結(jié)果的個(gè)數(shù)指示生物多樣性,或?qū)垲惤Y(jié)果進(jìn)行一定的數(shù)學(xué)運(yùn)算作為物種生物多樣性評(píng)估的預(yù)測(cè)數(shù)據(jù)。也可以通過(guò)可視化聚類結(jié)果,呈現(xiàn)生物多樣性的時(shí)間、空間特征。

Xie等[38]基于聲學(xué)事件檢測(cè)(AED)技術(shù)和多標(biāo)簽學(xué)習(xí)方法,提出了一種估算青蛙群落鳴聲活動(dòng)和物種豐富度的智能系統(tǒng)。具體而言,使用隨機(jī)森林進(jìn)行聲學(xué)事件檢測(cè),以過(guò)濾掉未包含蛙鳴的音頻,而對(duì)于豐富度計(jì)算,則是使用線性預(yù)測(cè)編碼系數(shù)(LPCs)、梅爾倒譜系數(shù)(MFCCs)、線性倒譜系數(shù)(LFCCs)、聲學(xué)復(fù)雜度指數(shù)(ACI)、聲學(xué)多樣性指數(shù)(ADI)和聲學(xué)均勻度指數(shù)(AEI)六個(gè)聲學(xué)特征訓(xùn)練三個(gè)多標(biāo)簽分類模型并進(jìn)行音頻的分類,最后分別通過(guò)AED和多標(biāo)簽學(xué)習(xí)的結(jié)果進(jìn)行累積計(jì)算,從而預(yù)測(cè)青蛙群落鳴聲活動(dòng)豐富度和物種豐富度。 Ulloa等[39]設(shè)計(jì)了一種新的方法用以自動(dòng)檢測(cè)音頻結(jié)構(gòu),稱為聲學(xué)多樣性多分辨率分析,其目的是基于音頻特征將聲學(xué)群落分解為若干基本成分(即聲學(xué)類型)。首先通過(guò)短時(shí)傅里葉變換檢測(cè)感興趣區(qū)域(ROIs),然后通過(guò)頻率中值估算和二維小波分析來(lái)表征這些ROIs,最后使用基于模型的子空間聚類技術(shù)對(duì)ROIs進(jìn)行分組,使ROIs自動(dòng)注釋并聚類為特定的聲音類型,聲音類型的個(gè)數(shù)即作為該環(huán)境的聲學(xué)類型豐富度。 Sethi等[33]采取VGGish(一種類視覺(jué)幾何組模型)的卷積神經(jīng)網(wǎng)絡(luò)(CNN),將音頻樣本逐個(gè)輸入具有11個(gè)權(quán)重層的視覺(jué)幾何組(VGG)模型,生成128維的特征,進(jìn)一步通過(guò)“統(tǒng)一流形逼近與投影(UMAP)”降維工具，將聚類結(jié)果降至二維以此可視化,揭示了其聲景數(shù)據(jù)在生態(tài)(不同生境質(zhì)量)、時(shí)間(季節(jié)與晝夜)、空間(不同地理位置)三方面的結(jié)構(gòu),以此反映生物多樣性的時(shí)空信息。與傳統(tǒng)的反映低維度特征的聲學(xué)指數(shù)方法相比,將音頻樣本置入共同的高維特征空間能夠避免特定生態(tài)系統(tǒng)產(chǎn)生的偏差,從而準(zhǔn)確地量化大尺度下生境質(zhì)量的時(shí)空變化,并實(shí)現(xiàn)異常聲音事件的監(jiān)測(cè)。

機(jī)器學(xué)習(xí)的方法在聲景監(jiān)測(cè)的鳴聲識(shí)別和分類中具有廣泛前景,目前受限于訓(xùn)練數(shù)據(jù)集的缺乏,機(jī)器學(xué)習(xí)方法的有效性仍待驗(yàn)證和發(fā)展。但其在生物多樣性評(píng)估中的應(yīng)用將隨著聲景監(jiān)測(cè)網(wǎng)絡(luò)的建設(shè)、聲音標(biāo)簽庫(kù)的豐富、神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)方法的改進(jìn),可能成為生物多樣性實(shí)時(shí)評(píng)價(jià)技術(shù)的突破口。

3 人類身心健康評(píng)價(jià)

在聲景研究的發(fā)展進(jìn)程中,眾多學(xué)者利用聲景數(shù)據(jù),結(jié)合社會(huì)學(xué)、心理學(xué)或生理學(xué)的理論與方法進(jìn)行聲景評(píng)價(jià)。如采取愉悅度、豐富度等反映聲景感知的心理學(xué)指標(biāo),或反映壓力水平的皮質(zhì)醇等生理學(xué)指標(biāo),或利用腦成像、神經(jīng)成像等生理醫(yī)學(xué)領(lǐng)域的方法進(jìn)行聲景認(rèn)知的研究,并進(jìn)一步揭示評(píng)價(jià)結(jié)果與人類身心健康的關(guān)系。研究表明,積極的聲景對(duì)健康及生活質(zhì)量存在潛在的正效益。如Hunter等[40]通過(guò)實(shí)驗(yàn)研究創(chuàng)造性地提出“自然藥丸”的處方,實(shí)驗(yàn)結(jié)果表明每天20—30分鐘置身自然環(huán)境可以大大降低應(yīng)激激素皮質(zhì)醇水平,從而提高工作效率和生活質(zhì)量。Liu等[41]結(jié)合眼動(dòng)追蹤實(shí)驗(yàn)與傳統(tǒng)主觀心理測(cè)量,指出鳥(niǎo)鳴伴蟲(chóng)聲、流水或輕音樂(lè)伴古剎鐘聲可以顯著降低腦力負(fù)荷,積極的自然聲音和山頂景觀有利于緩解游客心理壓力；Erfanian等[42]研究了心理健康和人口統(tǒng)計(jì)學(xué)因素對(duì)人類聲景感知的影響,研究數(shù)據(jù)結(jié)果顯示以自然聲音為主導(dǎo)的地點(diǎn),聲景的愉悅度最高；Jo等[43]基于視聽(tīng)交互視角,研究人類行為特征對(duì)城市公園聲景感知的影響,指出自然聲音可以減少聽(tīng)者困惑和不愉快的感覺(jué),人發(fā)出的聲音在降低公園平靜感的同時(shí)增加了對(duì)公園活力的體驗(yàn)感；Buxton等[44]通過(guò)文獻(xiàn)綜述及薈萃分析方法,研究國(guó)家公園中自然聲音及其分布的健康效益,他結(jié)合心理學(xué)上的注意力恢復(fù)理論與壓力恢復(fù)理論,指出自然界的流水聲和鳥(niǎo)鳴聲對(duì)身心治愈和壓力紓解的作用最大。

聲景在生態(tài)保護(hù)、公共健康等方面發(fā)揮著積極的作用,反映生物多樣性的自然聲音對(duì)民眾身心健康具有重要的服務(wù)功能。隨著近年來(lái)公共衛(wèi)生事件的爆發(fā),城市人居環(huán)境與公眾健康研究快速發(fā)展[45],應(yīng)進(jìn)一步加強(qiáng)聲景與人類生理、心理健康的相關(guān)性研究,從而為聲景促進(jìn)人類健康、緩解公共醫(yī)療壓力的研究提供理論依據(jù)。

4 結(jié)論與展望

4.1 技術(shù)進(jìn)步下的聲景研究發(fā)展趨勢(shì)

隨著聲元素標(biāo)簽庫(kù)的豐富、人工智能技術(shù)的發(fā)展,以及聲景大數(shù)據(jù)的形成,聲景生態(tài)學(xué)數(shù)據(jù)分析技術(shù)得到了快速發(fā)展。目前已在聲景元素解析、生物多樣性評(píng)估、人類身心健康評(píng)價(jià)等方面得到了應(yīng)用,充實(shí)了聲景生態(tài)學(xué)的研究?jī)?nèi)容。聲景生態(tài)學(xué)數(shù)據(jù)分析技術(shù)的發(fā)展正在經(jīng)歷從人工到機(jī)器、從單一特征計(jì)算到多維特征提取、從單學(xué)科研究到多學(xué)科聯(lián)合分析的狀態(tài),并不斷拓展著聲景生態(tài)學(xué)的研究深度與廣度。

4.2 加強(qiáng)分析技術(shù)的優(yōu)化與標(biāo)準(zhǔn)化

目前,神經(jīng)網(wǎng)絡(luò)算法與深度學(xué)習(xí)在自動(dòng)識(shí)別與聚類分析方面的優(yōu)勢(shì)得到顯著體現(xiàn),但需要進(jìn)一步優(yōu)化和標(biāo)準(zhǔn)化,以此提高方法的通用性和研究結(jié)果的可比性。各種途徑的分析技術(shù)也存在一定的局限性,如聲學(xué)指數(shù)法存在閾值和通用性差等問(wèn)題,語(yǔ)譜圖分割法則面臨不同設(shè)備頻譜圖的差異問(wèn)題,機(jī)器學(xué)習(xí)的方法在神經(jīng)網(wǎng)絡(luò)的超參數(shù)設(shè)置中也存在標(biāo)準(zhǔn)化問(wèn)題。這意味著要實(shí)現(xiàn)標(biāo)準(zhǔn)化及可比性,應(yīng)開(kāi)發(fā)移植性更強(qiáng)的聲學(xué)指數(shù),統(tǒng)一語(yǔ)譜圖分析中頻譜圖規(guī)格和提取方法,或優(yōu)化神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)和參數(shù)設(shè)置。逐漸形成聲景生態(tài)學(xué)自身的技術(shù)方法體系,進(jìn)而基于標(biāo)準(zhǔn)化的聲景數(shù)據(jù)分析方法實(shí)現(xiàn)研究結(jié)果之間的可比性。

4.3 推動(dòng)聲景生態(tài)學(xué)的多學(xué)科融合

從聲景生態(tài)學(xué)的發(fā)展以及聲景數(shù)據(jù)的綜合性特征來(lái)看,注重多學(xué)科交叉融合是聲景領(lǐng)域研究的重中之重。盡管Pijanowski已明確提出聲景生態(tài)學(xué)的6個(gè)研究領(lǐng)域,但仍然缺乏針對(duì)6項(xiàng)內(nèi)容的共識(shí)性結(jié)論和具體分析方法的研究,需要借助其他學(xué)科的理論體系及技術(shù)手段進(jìn)行聲景生態(tài)學(xué)的理論突破與深入剖析。聲景作為一種重要的聽(tīng)覺(jué)景觀,同樣具有顯著的時(shí)空異質(zhì)性,因此,聲景監(jiān)測(cè)可以參考景觀生態(tài)學(xué)的研究方法,從大區(qū)域尺度采樣,采取多尺度分析方法,充分量化其空間異質(zhì)性格局,在此基礎(chǔ)上結(jié)合時(shí)間維度,反映聲景的時(shí)空格局變化。另一方面,聲景監(jiān)測(cè)在應(yīng)用于物種識(shí)別及其生物多樣性評(píng)估時(shí),需要進(jìn)一步結(jié)合物種生態(tài)學(xué)、生物聲學(xué)的相關(guān)理論,明確各類物種在環(huán)境中的發(fā)聲特性和相互關(guān)系,如鳥(niǎo)類發(fā)聲存在倫巴第效應(yīng)[27]。而關(guān)注人類身心健康的聲景生態(tài)學(xué)研究則需要結(jié)合心理學(xué)、生理學(xué)及其相關(guān)指標(biāo),進(jìn)行二者相互作用機(jī)制的研究,以此揭示聲景對(duì)人類健康正向效益的定性或定量結(jié)果。還可以結(jié)合聲學(xué)領(lǐng)域從物理、工程的角度研制靈敏度更高,頻率響應(yīng)范圍更廣,環(huán)境適應(yīng)性更強(qiáng)的聲學(xué)傳感器,從而采集涵蓋更多種群與生態(tài)系統(tǒng)的數(shù)據(jù)信息。同時(shí)結(jié)合計(jì)算機(jī)學(xué)科,進(jìn)一步挖掘有針對(duì)性的機(jī)器學(xué)習(xí)方法,提高物種識(shí)別和生物多樣性評(píng)估的精度?？偠灾?未來(lái)的聲景生態(tài)學(xué)應(yīng)當(dāng)靈活借鑒其他學(xué)科的智慧,進(jìn)一步豐富其研究?jī)?nèi)容,并完善其自身技術(shù)體系。