整合自动声学鸣声数据与样点调查以估计鸟类丰度

监测野生动物在时空上的丰度是研究其种群动态并制定有效管理策略的基本任务。声学记录单元是一种有前景的用于高效监测鸟类种群和群落的技术。我们提出一个整合建模框架，将高质量但时间稀疏的鸟类样点调查数据与声学记录相结合。利用模拟，我们比较了使用由聚类算法获得的不同数量的声学鸣声、样点数据以及一小部分人工验证的声学鸣声时丰度估计的准确度和精度。我们还将建模框架用于案例研究，估计美国佛蒙特州东林三声鹃（Contopus virens）的丰度。模拟研究表明，通过整合模型结合声学数据与样点数据，相比仅使用声学或仅使用样点数据的模型，提高了丰度估计的准确度和精度。将声学数据与仅少量样点调查结合，可在无需验证任何从声学数据识别出的鸣声的情况下给出丰度估计。在我们的案例研究中，整合模型为该区域东林三声鹃的下降提供了中等支持。我们的整合建模方法将密集声学数据与少量样点调查结合，提供可靠物种丰度估计，而无需人工辨识声学鸣声或大量重复样点调查的高昂成本。当样点数据难以获取或监测聚焦于低检测概率的稀有物种时，我们提出的方法为大面积时空区域提供了一种高效的监测替代方案。