我們用聲音來評估生物多樣性，這非常奇妙。
今年早些時候，音景生態學家Bryan Pijanowski在婆羅洲的一個研究塔上安裝絨毛狀的麥克風。圖片來源：KRISTOFFER AHLM
Michael Scherer-Lorenzen是向德國科學基金會申請資金的80多位科學家中的一員。去年11月，他在波茨坦市召開的一次評審會議上的發言被記錄下來。這段錄音只持續了幾秒鐘，顯示出他刺耳嘶啞的聲音，但這正是弗萊堡大學的研究人員費盡心思想要收集的一類數據。這個由300個麥克風組成的巨大網絡覆蓋德國全境，Lorenzen指出，該網絡每年能記錄下總時長4.4萬小時的錄音。而回報就是：這些詳細的「音景」有助於研究人員將鳥兒、昆蟲和其他動物與德國森林和草原的土地管理模式相關聯。Lorenzen說：「我們用聲音來評估生物多樣性，這非常奇妙。」
新興的音景生態學吸引了很多科學家，Lorenzen只是其中一員。便宜耐用的自動化錄音器和強大的聲音分析軟體激勵科學家花費大量精力根據聲音分析生態系統。許多傳統的生物聲學項目一次只關注某一種或幾種生物的聲音，而音景生態學家摒棄了這種方法，他們試圖描繪出整體景觀中的雜音，包括非生物的聲音，例如流水聲、雷聲、汽車啟動和飛機起飛的聲音。
研究人員希望找到更多高效的方式描繪生態系統的特性。他們計劃找到隱藏在聲學領域背後的獨特模式，並追蹤生態系統在面對突發事件（諸如越來越多的航空運輸和施工項目，外來物種的入侵，氣候變化帶來的漸進性影響）時是如何響應的。美國印第安納州普渡大學西拉法葉校區音景生態學家Bryan Pijanowski說：「研究人員希望量化在一天時間裡，我們體驗了什麼以及聽到了什麼。」
研究完整的音景面臨技術上和概念上的重大挑戰。研究人員正試圖找到能把收集到的大量數字錄音轉化為可用數據的切實可行的辦法。將複雜的音景轉化為相對簡單的反應生物多樣性的數值索引是非常困難的。音景生態學家認為，由麥克風構成的大規模網絡可以呈現出一個有意義的故事。Pijanowski說：「就在不久前，一些生物聲學領域的科學家還不相信該方法的可行性。其實這個方法已經存在很久了。」
堅實基礎
長久以來，科學家一直觀察動物如何發出和感知聲音，並分析它們的溝通模式。一個世紀前誕生了第一個記錄鳥鳴的錄音。但大多數情況下，生物聲學研究只關注單一物種。
Bernie Krause是一個研究現代音景生態學工作室的負責人。他說，這類停留在物種層面的方法「只見樹木，不見森林」。「用分離的、片段的角度看世界是不合邏輯的。」
相反，Krause提出了名為「聲學分區」的理論，1987年，該理論首次刊登在《全球評論》雜誌上。Krause的靈感來自於他在肯亞聽到的複雜音景——當他在一個科學博物館展覽上收集聲音的數據時，他發現大自然的聲音可以被視為一種有聲生物體共享的資源，就像鳥巢或食物供給一樣。他指出，任何一種動物都必須形成自己獨特的辨別聲音的方法，以避免來自其他聲音的幹擾。
Krause認為，一個健康的生態系統可根據頻率或時間被清晰地劃分為一個個生態單位。當外來入侵者或人為發出的聲音出現在某個生態單位時，現有的模式將會發生變化。
很多科學家對Krause的理論持懷疑態度。Krause回憶道：「在當時，我確實沒有找到用科學化、系統化的語言表達這一理論的方法。很多人認為這只是一種美好的願景。」
Krause的理論引起了一些研究人員的注意，其中包括東蘭辛市密西根州立大學名譽教授、音景生態學家Stuart Gage。早在21世紀初，Gage就和Krause一起研究「聲音分類法」。通過分析錄音中的頻率分布，他們認為音景由三部分構成：「biophony」，即野生動物的聲音；「geophony」，即地球物理學類的聲音，諸如風聲、雨聲、流水聲；「anthrophony」，即人類發出的聲音。
Gage開發出一種電腦程式，能夠在某一頻率範圍內量化聲能，隨後他和Krause著手比較某一區域內自然的聲音與人為製造的聲音的不同。這一工作耗費了大量人力物力。在加州紅杉國家公園，他們使用的記錄裝置總長約5千米，他們不得不在公園裡密切注視著這些裝置。
Gage回憶道：「一天夜晚，我們發現這一方法存在很明顯的弊端。當時我一個人站在草原上等待一隻黑熊經過我們的裝置。結果黑熊發現了錄音設備，並對它重擊。」幸運地是，黑熊並沒有完全損壞錄音設備，黑熊低沉的發怒聲被清晰地記錄下來。
Gage和其他同行一直想設計出不易引起動物注意的小型裝置，可以隱藏在野外數周甚至數月，收集到數小時的高保真的聲音，且不需要工作人員實時照看。Gage開始研發這種自動化裝置，將記錄裝置和筆記本電腦連接，結果他發現該方法耗電很大且失敗率很高。
神奇數字
法國巴黎市國家自然歷史博物館生態學家Jerome Sueur是首批使用Song Meter（一種不受天氣影響的錄音裝置）的研究者之一，他希望藉此證明聲音是生物多樣性的縮影。Sueur與同事對分清每一種聲音的來源並不感興趣，相反，他們希望對記錄下的聲音進行全局性分析。為此，他們採用了獨特的計算法則——只需簡單的數字就可以代表持續數小時的聲音。隨著時間的推移，Sueur藉此來描述一個生態系統中的聲學能量在頻率譜的範圍內是如何分布的。
這一思路借鑑了香農指數的概念，該指數以特定區域內可觀測到的生物數量來推測物種多樣性。Sueur的研究小組將這種新的測量方法稱為聲熵指數——將聲音的各種頻率與物種的多樣性相連。例如，如果是單一的純音，聲熵指數將趨近於0，表示極低的聲音多樣性；若聲音頻率多種多樣，且非常嘈雜混亂，則聲熵指數將趨近於代表極高聲音多樣性的1。
2007年，Sueur的研究小組在坦尚尼亞開始了首次實地測試——在兩片相距50公裡的古老沿海森林內持續數天記錄黎明和黃昏時的聲音。其中一片森林已於數十年前遭到砍伐，而另一片森林則是今年才被砍伐。2008年，該小組在發表的一份論文中報告，砍伐較少的森林，代表其音景多樣性的聲熵指數也越高，這一結果是意料之中的。
此後，音景生態學發展出諸多以不同音景信息而劃分的指數。義大利烏爾比諾大學的Almo Farina以聲音的質量為基礎開發出一套聲音複雜度指數，用以區分動物的叫聲和人類製造的噪音。動物的叫聲在強度上表現為快而尖，例如突然響起的漸強或漸弱的鳥鳴聲；而人類製造的噪音（諸如嗡嗡作響的引擎）則非常單調平緩。
Sueur的研究小組還研發出一套基於時間和聲音頻率差異的聲音相異指數，用於比較兩個不同的生態系統。在實地測試中，某種生物可能存在於一個生態系統，而不存在於另一個生態系統，聲音相異指數尤其適用於在這種情況下推算物種的數量，這是一種最便捷的方法。
技術困難
康奈爾大學生物聲學研究計劃負責人Aaron Rice認為，以上這些聲學測量手段是非常有用的工具，但仍有很多操作上的困難。例如，許多指數都假設來自生物的聲音比人類製造的聲音持續時間更短。然而，在Rice領導的海洋聲學研究中，經常會受到海洋地震勘探氣槍不時發出的幹擾。該技術常用於石油和天然氣勘探，因此是一大幹擾性因素。Rice的結論是：當研究者非常清楚聲音來源時，這些指數是非常有用的參考；但當研究者並不清楚聲音來源時，指數可能將起不到任何作用。
Sueur提出的聲熵指數也難以避免相似的局限性，該指數對人造聲音非常敏感。實際上，Sueur本人也不再相信他可以僅憑一種聲學測量手段推斷出生物的多樣性程度。他說：「指數並不是萬能的，靠單一值來概括所有的數據是非常愚蠢的做法。」
但Sueur仍相信，聲學指數必將有助於描繪出完整的生態系統特徵，尤其是當它與其他指標相互補充印證時。例如， Pijanowski曾發現生物多樣性和植被結構之間存在某種聯繫。他的研究小組在哥斯大黎加雨林中的14處地點安裝了錄音設備，並將記錄下的音景特徵與通過光探測獲得的植被數據作對比。研究發現：發出聲音的植物大都遠離上層樹冠或者樹葉茂密的區域，研究者將這一結果發表在2012年的一篇論文中。
這一結果使Pijanowski對音景生態學的前景感到樂觀，他認為該技術能夠在未來改變管理決策，因為它不僅能突出呈現哪塊區域是多種生物的棲息地，還有助於解釋哪種地貌能夠養育特殊的物種。Pijanowski說，去年湧現出一大批想要更加全面了解音景生態學的人。西維吉尼亞州亨廷頓市馬歇爾大學的Anne Axel就是其中的一員，她利用該技術預測阿巴拉契亞山脈頂端那些已經被遺棄的礦井對生物來說是否為一處潛在的棲息地。（段歆涔）
《中國科學報》 (2014-02-26 第3版 國際)