第四次森林資源調查野生動物調查錄音檔案監聽辨識及資料分析 Sound Identification and Data Analysis of Wildlife Field Survey Recordings from the Fourth National Forest Resources Survey

Записи данных

Данные этого occurrence ресурса были опубликованы в виде Darwin Core Archive (DwC-A), который является стандартным форматом для обмена данными о биоразнообразии в виде набора из одной или нескольких таблиц. Основная таблица данных содержит 26 316 записей.

Данный экземпляр IPT архивирует данные и таким образом служит хранилищем данных. Данные и метаданные ресурсов доступны для скачивания в разделе Загрузки. В таблице версий перечислены другие версии ресурса, которые были доступны публично, что позволяет отслеживать изменения, внесенные в ресурс с течением времени.

Версии

В таблице ниже указаны только опубликованные версии ресурса, которые доступны для свободного скачивания.

Как оформить ссылку

Исследователи должны дать ссылку на эту работу следующим образом:

(2023): 第四次森林資源調查野生動物調查錄音檔案監聽辨識及資料分析 Sound Identification and Data Analysis of Wildlife Field Survey Recordings from the Fourth National Forest Resources Survey. v1.4. Taiwan Forestry Bureau. Dataset/Occurrence. https://ipt.taibif.tw/resource?r=e10500020&v=1.4

Права

Исследователи должны соблюдать следующие права:

Публикующей организацией и владельцем прав на данную работу является Forestry and Nature Conservation Agency (FANCA). Эта работа находится под лицензией Creative Commons Attribution Non Commercial (CC-BY-NC 4.0).

Регистрация в GBIF

Этот ресурс был зарегистрирован в GBIF, ему был присвоен следующий UUID: 35fd702c-c615-4fb2-a7ed-5ab0e1f0946c.  Forestry and Nature Conservation Agency (FANCA) отвечает за публикацию этого ресурса, и зарегистрирован в GBIF как издатель данных при оподдержке Taiwan Biodiversity Information Facility.

Ключевые слова

沿線記錄，錄音調查，人工監聽，頻譜法，電腦搜尋，動物分布，field observation，acoustic survey ，human monitoring，sonogram scanning，computer identification，wildlife distribution，行政院農業委員會林務局(Forestry Bureau; COA); Occurrence; Observation; Occurrence

Контакты

Географический охват

全台灣

Таксономический охват

Описание отсутсвует

Описание отсутсвует

Описание отсутсвует

Временной охват

Данные проекта

林務局自97年起展開第四次全國森林資源調查工作，除了林木資源調查外，並將野生動物列為調查項目之一，調查方式除由調查隊於外業行進間針對沿途發現之野生動物個體、排遺、足印、爪痕、窩巢等蹤跡，予以照相並填列紀錄表外，另外採用定點錄音調查方式，於外業宿營或設置樣區時，尋覓適當地點架設錄音筆，以錄取周遭野生動物鳴叫聲音，並記錄所在地座標，以累積野生動物分布資訊。沿線記錄總計有1,841筆紀錄，有照片可確認者，則觀察照片後確認，疑似記錄但無照片者，視為無效記錄，並去除無座標記錄之後，總計有1,651筆有效記錄。錄音樣點在扣除無座標、格式設定錯誤、時間過短的品質不佳或無效樣點之後，總計有260個錄音檔案，總長度5,689.2小時，多於邀標書之243個錄音檔案和5,542小時。錄音檔案在轉換格式之後，依據日間取樣監聽、夜間頻譜法以及採用電腦搜尋日間音檔辨識方式，分別切割成適當長度之音檔。先進行日間取樣監聽以及夜間頻譜法，在確認有紀錄之物種之後，再以電腦搜尋日間音檔以補充可能遺漏物種，總共累積27,621筆153種動物出現記錄，包括兩生類18種、哺乳類11種、鳥類123種以及疣尾蝎虎（Hemidactylus frenatus）一種，若僅區分不同地點而不考慮同種動物同一地點不同出現時間，總共有3,740筆不同動物不同地點的記錄，人工取樣監聽與頻譜法辨識出3,528筆，電腦搜尋辨識則補充了212筆記錄。沿線調查記錄29種野生動物，包括11種哺乳類、12種鳥類與6種蛇類，主要涵蓋很少發出聲音的蛇類與幾種哺乳類與鳥類。彙整錄音調查與沿線紀錄，總計有166種陸域脊椎動物，包括哺乳類16種、鳥類125種、蛙類18種、爬行動物7種。保育類動物部分，包括瀕臨絕種保育類台灣黑熊（Ursus thibetanus formosanus）、熊鷹（Nisaetus nipalensis）、林鵰（Ictinaetus malayensis）與黃鸝（Oriolus chinensis diffusus）4種、珍貴稀有保育類32種及其他應予保育類14種，總計50種保育類野生動物。彙整動物分布資料，建置野生動物分布資料庫，產出野生動物分布圖，呈現第四次全國森林資源調查之野生動物調查成果。本次森林資源調查利用新的錄音調查技術採用新的錄音調查技術，累積5,396筆166種不同物種記錄，並且透過全台灣260處錄音樣點，更為系統性的收集這些動物在不同海拔帶的分布趨勢，較第三次森林資源調查1,122筆92種陸域脊椎動物累積更多動物生態資訊。錄音調查方式遠比沿線調查記錄更多動物，可以作為森林資源調查隊的主要野生動物調查工具，並可做系統性與標準化的資料收集，可評估未來規劃系統性取樣直接在森林樣區進行錄音監測，結合森林樣區的植群環境資料，作為國有林班地的長期動物監測資料。 The Forestry Bureau started the fourth national forest resource survey in 2008. Wildlife sightings, foot prints, feces, and other tracks and signs were all recorded along survey routes. In addition, acoustic survey was utilized for the first time. Autonomous recorders, which could record up to 93 hours continuously, were deployed at suitable sites during forest survey routes. Of the 1,841 records of tracks, signs, or sightings recorded, 1,651 records were kept after eliminating those without coordinates and uncertain identity. There are 260 acoustic survey sites, totaling 5,689.2 hours of sound recording. These sound files were processed, transformed, and split for further identification. Based on previous established protocols, daytime recordings were sampled and listened for identification by experts; nighttime recordings were scanned using sonogram and only identified at where animal sounds occurred to save time; non-sampled daytime recordings were scanned by a computer software and confirmed by experts to see whether any rare species occurred. Total 27,621 wildlife occurrence records belonging to 153 different species were obtained from these sound recordings, including 18 amphibian species, 11 mammalian species, 123 avian species, and common house gecko (Hemidactylus frenatus). If site is treated as the unit of occurrences, there were total 3,740 records of different species at different sites, including 3,528 records from expert sampled real-time monitoring and sonogram scanning and 212 records from computer searching. Observation along routes documented 29 species, including 11 mammalian species, 12 avian species, and 6 species of snakes. Most species from field observation were those seldom make sounds. Combining acoustics surveys and file observations, there are total 166 terrestrial vertebrates consisting of 16 mammals, 125 birds, 18 frogs, and 7 reptiles. Total 50 species are protected species, including 4 endangered species of black bears (Ursus thibetanus formosanus), Hodgson’s hawk eagles (Nisaetus nipalensis nipalensis), Indian black eagles (Ictinaetus malayensis malayensis), and black-naped oriole (Oriolus chinensis diffusus), 32 rare and valuable species, and 14 other protected species. Occurrence maps were produced for all these species. This is the first time to use acoustic survey technique in the national forest surveys and accumulated 5,396 records of 166 species exceeding 1,122 records of 92 species from the third national forest resource survey. Furthermore, altitudinal distribution patterns of all these species were explored from the 260 acoustic sites across different altitudes. Acoustic survey could be a new tool for wildlife survey and monitor for future.

Исполнители проекта:

Методы сбора

野生動物鳴叫錄音檔案聲音監聽及辨識的程序，採用林務局相關計畫所訂程序(姜博仁等 2009, 姜博仁等 2010b)，進行分析。

Описание этапа методики:

1. 1.錄音檔基本資料整理聆聽每一錄音樣點錄音檔開頭及結束之操作員口述內容，逐筆整理各錄音檔基本資料，建立各個錄音點位基本屬性資料，包括錄音起始日期時間、結束日期時間、錄音單位、座標、錄音格式等基本點位資料，配合後續每個音檔辨識出之物種，建立動物出現資料庫。 2.MSV錄音檔格式轉換為WAV檔以及分割音檔林務局自動錄音設備的錄音檔格式，為Sony自行開發的 LPEC ST或是STHQ格式，而人工監聽與電腦辨識都是採用16bit/44.1kHz的LPCM WAV格式，因此需使用軟體將其轉換為WAV格式。若是使用ST格式，可以連續錄音93小時，該特殊錄音檔大小可達將近2GB，受限於檔案系統與多數聲音播放編輯軟體，WAV檔案有2GB的限制（16bit/44.1kHz的立體聲LPCM WAV約3.5小時的音檔），然而Sony錄音筆隨附的Digital Voice Editor軟體不支援自動分割，使用Digital Voice Editor軟體手動切割ST檔案再轉成WAV檔，相當耗費人力。參考原姜博仁等 (2010b)提出之方法進行轉換。步驟如下：(1)轉換LPEC MSV檔格式直接轉換為MP3，設定為MP3位元率至少256kbps以上，品質仍優於原始MSV檔，可確保錄音品質不減損，因此選擇轉換為MP3，以節省硬碟空間。(2)擴增錄音之音檔若為WAV檔，則需進行轉換。(3)採用姜博仁等 (2010b)開發之音檔切割程式，針對轉換後之MP3檔案或原始之WAV錄音音檔，進行切割，切割出取樣監聽辨識的各個時段音檔，包括人工取樣監聽日間時段音檔、頻譜法辨識之夜間時段音檔，以及以1小時為單位之分割音檔，提供電腦搜尋辨識所用。 3.日間時段音檔辨識原始需求書對於需要人工取樣監聽之日間時段與方式說明較為模糊，此依照姜博仁等 (2010b)之建議，包含更多取樣監聽的時段，特別是日出後15分鐘一樣進行人工取樣監聽，日間時段定義為日出時間到日落時間之間，需要人工取樣監聽的時段包括日出後15分鐘，以及日出後第2小時開始每小時取樣2分鐘。日間時段使用電腦聲音編輯軟體開啟播放（1:1原速播放並監聽），並採用頻譜顯示，提高警覺協助判斷有聲音處，記錄每一分鐘內出現之物種，例如日出後15分鐘切割音檔，每一分鐘都記錄該分鐘有出現之物種，其他2分鐘之切割音檔一樣記錄第0與第1分鐘出現之物種，如此日間時段出現物種之時間可以精確到分鐘。 4.夜間時段音檔辨識依照姜博仁等 (2010b)建議，夜間時段採用目視聲紋頻譜的監聽方式（頻譜法），先使用音檔切割程式，將夜間時段音檔切出固定每1小時的長度片段，未滿1小時者仍須予以切出並列入。監聽時使用可顯示頻譜圖的撥放軟體，目視觀察聲紋頻譜，針對有出現聲音處進行播放辨識，紀錄每1小時出現之物種，而同一小時內同一物種重複出現的鳴叫聲不列入紀錄，此乃為節省判讀時間，因此夜間時段物種出現時間精確在1小時內。因同一物種持續出現，其頻譜形式容易判別，因此可以快速掠過不用播放，沒有聲音的片段，亦可以快速掠過換頁，達到節省時間的目的。頻譜圖辨析監聽軟體使用可以觀察聲音頻譜並播放的軟體（如Adobe Soundbooth、Audition或Ocenaudio），將聲音檔以頻譜顯示，每一頁呈現1～2分鐘之音檔避免忽略較短之聲音（視螢幕大小與解析度調整），搭配試算表軟體輸入每一音檔辨識資料，以22吋以上高解析度螢幕作業，軟體視窗的排列，為求操作過程能清晰檢視頻譜及流暢輸入資料，採頻譜顯示在上，試算表軟體在下，平行不重疊的視窗分布形式，使用雙螢幕則可以更放大頻譜圖，觀察更多細節變化。 5.如錄音時間超過1天以上的檔案，在可能情況下，會盡量避開下雨或天氣惡劣影響動物鳴叫的時段，切出天氣較佳之24小時音檔，依前述作業程序切分夜間及日間時段方式進行監聽，而24小時以外之音檔，因物種重複出現比例極高，以目視頻譜法快速搜尋24小時以外的夜間音檔，但已經辨識記錄的物種則不再記錄（此以快速頻譜法稱之），其他日間時段音檔，以電腦搜尋辨識比對，尋找遺漏物種，以節省作業時間。 6.電腦搜尋辨識姜博仁等 (2010b)採用SoundID軟體，建立了24物種的辨識模型資料（表1），包括8種哺乳類（10種聲音類型）與16種鳥類的SoundID辨識模型資料，可以提供作為電腦搜尋辨識所用，除了哺乳動物中的松鼠科動物外，建立的SoundID辨識模型都是保育類動物。由於地點有260處，且每處地點錄音背景聲音有所差異，加上電腦搜尋目前仍須耗費相當多時間，因此不適合一次搜尋全部地點錄音檔，因此每次搜尋辨識一個地點，而軟體僅能每次搜尋一種聲音（即一種辨識模型），該軟體會自動先從要搜尋辨識的所有長時間錄音檔中（同一地點），判斷是否有動物聲音，判斷方式為根據搜尋物種聲音模型中指定的頻率範圍內是否有高於背景一定音量的聲音，擷取與聲音辨識模型資料一樣的聲音長度，以專門演算法計算兩種聲音的相似程度（GD值），一旦搜尋完全全部音檔，將超過閥值的聲音，根據其相似程度排序，依據姜博仁等 (2010b)之建議，人工驗證前50～100筆疑似記錄，判斷是否為搜尋目標物種，人工驗證的目的在電腦搜尋辨識的正確率仍不高，但在有機會搜尋到這些目標物種的可能性下，以人工驗證其正確性，確保獲得正確的物種出現資料。每1個地點的搜尋辨識音檔為日出後日落前的錄音檔（即日間時段音檔，因夜間時段音檔使用頻譜法已幾乎沒有遺漏，且建立的聲音辨識模型資料除4種中大型哺乳動物之外，皆為日行性動物），將可能是該動物聲音的段落，依辨識出的可能性分數加以排序，以人工確認前50筆可能資料，一旦確認有該物種成功搜尋到即停止確認，因此地點已可以確認有此物種，然後記錄其出現時間，換下一物種繼續搜尋。並非在每一地點，24個電腦辨識模型物種都需要進行搜尋辨識，如果該地點已經記錄某物種，則該地點該物種不進行電腦搜尋辨識。 7.在辨識過程中，隨時擷取品質較佳、具代表性之野生動物鳴叫聲音片段，製作聲紋樣版，並依物種妥為分類，擴充林務局野生動物聲紋樣板資料庫。

Дополнительные метаданные