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。

　　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。

　　论文第一作者和通讯作者、德国维尔茨堡大学J rg 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。

　　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。(完)