利用生物聲學指標評估暗針葉林鳴禽圍攻事件中的鳴聲特征

王江月 田佳 周正暘 馬曉昀 龍玉 王戎疆 李晟

北京大學學報(自然科學版) 第60卷 第1期 2024年1月

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 60, No. 1 (Jan. 2024)

10.13209/j.0479-8023.2023.099

國家自然科學基金區域創新發展聯合基金重點項目(U23A2019)資助

2022–12–29;

2023–03–30

利用生物聲學指標評估暗針葉林鳴禽圍攻事件中的鳴聲特征

王江月 田佳 周正暘 馬曉昀 龍玉 王戎疆 李晟?

北京大學生命科學學院, 北京 100871; ?通信作者,E-mail: shengli@pku.edu.cn

利用鳴聲播放實驗, 并結合自動錄音技術, 綜合使用多種聲學指數, 探究亞高山森林生態系統中, 森林鳴禽在圍攻事件中鳴聲的聲學特征及其變化規律。2021 年夏季, 在四川王朗國家級自然保護區冷云杉暗針葉林中分別播放領鵂鹠()鳴聲和暗綠柳鶯()報警鳴叫來引發鳴禽圍攻, 使用自動錄音設備記錄播放期間及播放前后在實驗位點上自由活動的森林鳴禽的鳴聲。設置 12 個位點, 每個位點進行領鵂鹠和暗綠柳鶯播放實驗各一次。24 次實驗共記錄到分屬 3 目 17 科的 28 種鳥類參與圍攻行為, 實驗錄音總有效時長為 1057 分鐘。對圍攻行為的觀察和對錄音記錄的聲學指數分析結果表明: 1)領鵂鹠鳴聲和柳鶯報警鳴叫都可以有效地引發鳴禽的圍攻行為, 柳鶯類與山雀類鳴禽是參與圍攻的主體; 2)兩種鳴聲播放期間, 森林鳴禽的鳴聲聲強均顯著高于播放前(領鵂鹠鳴聲實驗 SPLavg=?31.02±4.87dB(播放期間), SPLavg=?42.74±4.68dB(播放前空白段),=0.001; 暗綠柳鶯報警鳴叫回放實驗 SPLavg=?33.26±4.05dB (播放期間), SPLavg=?46.38±4.54dB(播放前空白段),=0.001), 鳴聲復雜度均顯著低于播放前(領鵂鹠鳴聲 實驗=0.76±0.02(播放期間),=0.80±0.03(播放前空白段),=0.001; 暗綠柳鶯報警鳴叫回放實驗=0.77±0.02(播放期間),=0.82±0.02(播放前空白段),=0.001); 3)播放領鵂鹠鳴聲或暗綠柳鶯報警鳴叫并未引發聲學指數變化程度的顯著不同。研究結果從聲學層面為鳥類行為研究提供新的思路, 同時為大范圍的聲景監測數據提供新的行為學應用場景。

自動錄音技術; 聲學指數; 鳥類圍攻行為; 鳴聲播放實驗; 森林鳴禽; 王朗國家級自然保護區

圍攻行為(mobbing behavior)在鳥類中廣泛存在, 通常由被捕食者向捕食者、受侵害者向侵害者或者弱勢方向優勢方發起, 用來干擾、驅逐潛在的捕食者或侵害者(如種間巢寄生鳥類), 從而保衛自身、同類、幼鳥或繁殖巢的安全[1–2]。在鳥類的圍攻事件中, 誘發圍攻行為的通常是單只或少數具有潛在威脅的猛禽或其他鳥類, 周圍一定范圍內的多種鳥類組成針對該目標的圍攻群體[3], 以高頻次、高強度的大聲鳴叫對其進行騷擾、驅趕, 或直接進行物理攻擊[4–5]。強烈的圍攻行為可以使捕食者放棄捕食機會, 甚至改變巢穴選址[6]。鳥類在圍攻時發出的鳴聲與平時的鳴聲明顯不同, 針對不同類型圍攻目標的鳴聲也不同[7]。在圍攻事件中, 最早發現目標并開始鳴叫的鳥類在圍攻事件的發起中可能扮演重要角色[8], 其他鳥類可以快速地在同種或非同種鳥類的鳴叫中識別風險信息, 其中部分鳥類繼而加入圍攻之中[9–11]。

以鳴聲為主要表現形式的聲音信號是鳥類交流信息和識別風險的主要方式之一[12], 對圍攻行為的研究大多從行為觀察方面著手[13]。在圍攻過程中, 鳥類鳴聲會由圍攻行為發生之前的低強度和多樣化鳴聲轉變為圍攻中的高頻率和高強度報警鳴叫。雖然這一現象在相關的行為觀察中被廣泛記述, 但現有研究缺乏對圍攻行為發生期間圍攻鳥類鳴聲特征及其變化動態的量化描述。隨著錄音和聲學記錄技術的發展, 研究人員開發出多種聲學指數, 可以從不同的維度反映聲音在頻率、振幅和時間方面的特征, 并廣泛用于物種識別、行為描述和多樣性監測等[14–15]。近年來, 有研究者利用聲學指數, 量化地描述單一鳥類物種在參與圍攻時鳴聲的變化[16]。隨著聲景生態學(soundscape ecology)概念的普及和自動錄音技術(automatic acoustic recording, AAR)的成熟與推廣[17], 研究人員開始使用聲學指數, 大批量地處理和量化聲音信息[18], 用于評估鳥類多種行為中鳴聲的聲學特征與多樣性[19]。利用這些在生物聲學領域新興的自動化檢測手段和高通量分析方法, 我們可以在鳥類圍攻行為的研究中, 通過聲學指數衡量鳥類圍攻行為中的聲學特征, 進而指示小尺度范圍鳥類的豐度(數量)、豐富度(物種數)和鳴聲模式(鳴唱或鳴叫)。

鳴聲播放實驗是探究鳥類對潛在風險反應的有效手段[20]。在圍攻行為研究中, 經常通過播放捕食者鳴聲或圍攻鳥類報警鳴叫的方式, 引發自然環境中鳥類的圍攻行為, 觀察參與圍攻的鳥類對激發信號的反應[21–24]。

本研究通過鳴聲播放實驗, 在中國西南山地的亞高山暗針葉林中引發鳴禽的圍攻行為, 通過自動聲學記錄與生物聲學指標量化分析, 期望回答以下兩個問題: 1)在圍攻事件中, 圍攻鳥類的鳴聲表現出怎樣的聲學特征, 圍攻前后發生怎樣的變化? 2)不同類型(小型猛禽鳴聲或者圍攻鳥類的報警鳴叫)的鳴聲播放實驗引發的圍攻事件在鳴聲特征上有何差異?

1 材料與方法

1.1 實驗地點

本研究的野外調查于 2021 年 7 月開展, 實驗地點位于四川省平武縣王朗國家級自然保護區(32.49° —33.02°N, 103.55°—104.10°E)。王朗保護區成立于1963 年, 以大熊貓()、扭角羚()以及川金絲猴()等珍稀瀕危動物及其棲息地為主要保護對象, 是我國最早成立的大熊貓保護區之一[25]。保護區地處岷山山系中部, 面積為 323km2, 海拔范圍為 2300～4980m, 屬于丹巴–松潘半濕潤氣候區。區內分布大片原始針葉林, 是川西暗針葉林帶的典型代表[26]。保護區內共記錄有 271 種鳥類, 隸屬于 16目 55 科。雀形目物種數最多, 有 194 種; 鸮形目鳥類有 7 種, 包括紅角鸮()、雕鸮()、灰林鸮()、四川林鸮()、領鵂鹠()、長耳鸮()和短耳鸮(), 其中領鵂鹠是體型最小的一種[27]。

選擇保護區內大窩凼溝的溝谷林區布設實驗點(圖 1)。實驗區域內海拔為 2800～3000m, 7 月平均氣溫為 12.8℃, 月降雨量約為 131mm。區域內植被類型為原生亞高山暗針葉林, 喬木層優勢種為岷江冷杉(var.)和紫果云杉(), 有缺苞箭竹()和多種灌木密生于林下[28–29]。

1.2 實驗音頻準備

從 Xeno-canto 鳥類鳴聲數據庫(http://www.xeno- canto.org/)獲取 1 段時長為 35s 的領鵂鹠高質量鳴聲錄音(數據庫記錄編號為 XC499489, 采集自峨眉峰自然保護區), 其鳴聲頻率范圍在 0.6～1.6kHz 之間。使用 Adobe Audition 2021 (Adobe Systems, Inc., CA, USA)去除 2.0kHz 以上的頻段, 降低背景噪音(圖 2(a))。將這段領鵂鹠鳴聲錄音處理制作為循環播放的時長為 15 分鐘的音頻, 然后在前后各加入時長 15 分鐘的空白音頻, 形成總時長為 45 分鐘的領鵂鹠鳴聲實驗音頻。在對王朗保護區的前期預調查中, 發現在圍攻行為中柳鶯類鳥類的報警鳴叫最為頻繁和強烈, 于是在實驗區域實地錄制了暗綠柳鶯()的報警鳴叫, 單段時長 60秒, 其鳴叫頻率范圍為 6.3～9.4kHz 之間。然后, 利用 Adobe Audition 去除 5.0kHz 以下的頻段來降低背景噪音, 并增益振幅 10dB 來還原實地錄制時的報警鳴叫聲強(圖 2(b))。參照領鵂鹠鳴聲實驗音頻的制作方法, 制作了總時長為 45 分鐘的包含前后各15 分鐘空白的暗綠柳鶯報警鳴叫實驗音頻。

1.3 錄音播放實驗

本研究共選擇 12 個調查點(圖 1), 相鄰位點的間距不小于 100m。在每個實驗位點, 選擇距離地面約 2m 處的樹枝放置 1 只領鵂鹠模型, 在其下方 1m 處設置一部音箱(EXOGEAR, Inc., CA, USA), 用來播放實驗音頻。在每個實驗點設置一臺 Wildlife AcousticsTMSM4 鳥類鳴聲記錄儀(Wildlife Acous-tics, Inc., MA, USA), 采用雙通道記錄, 文件格式為16bit.wav, 內置麥克風指向特性為全向, 采樣頻率設置為 32kHz(可記錄最高頻率為 16kHz 的動物叫聲, 記錄帶寬為 0～16kHz), 靈敏度設置為默認值?35±4dB (1kHz), 信噪比為默認值 80dB (1kHz)。實驗裝置安裝完畢即開始播放實驗音頻, 實驗人員隱蔽在實驗裝置 10m 之外, 觀察并記錄實驗點周圍活動的鳥類以及參與圍攻行為鳥類的種類、數量與活動情況。

在每個位點分別播放領鵂鹠鳴聲實驗音頻和暗綠柳鶯報警鳴叫實驗音頻各 1 次, 共完成 24 次實驗。為避免鳥類對播放的音頻習慣化, 或因領鵂鹠鳴聲而對該位點產生趨避, 在每個位點開展領鵂鹠鳴聲播放實驗后, 至少間隔 2 天, 再進行暗綠柳鶯報警鳴叫回放實驗。

1.4 數據分析

1.4.1數據處理

在鳥類鳴聲記錄儀記錄到的音頻文件中, 刪除1.6kHz 以下和 6.3kHz 以上(即領鵂鹠鳴聲和暗綠柳鶯報警鳴叫對應的頻率范圍)的頻段, 消除其對后續聲學指數計算的影響。為避免實驗裝備設置和拆除時人為噪音的干擾, 將音頻文件統一裁剪為時長35 分鐘的文件, 包括 10 分鐘播放前空白(Pre)、15分鐘鳴聲播放(During)和 10 分鐘播放后空白(Post)這 3 個時期, 獲得統一標準的 24 個分析音頻。由于部分位點的實驗受降雨天氣干擾, 個別分析音頻的播放后空白段可能不足 10 分鐘。

1.4.2聲學指數計算與分析

分別使用聲壓級(sound pressure level, SPL)、聲音多樣性指數(acoustic diversity index, ADI)和聲學熵指數(entropy,)衡量鳥類鳴聲的聲強、多樣性和復雜度。

聲壓級是反映音量大小的指標, 單位為分貝(dB), 計算公式為

其中,表示聲壓, 單位為帕斯卡(Pa);ref為參考聲壓[30]。本研究中,ref表示鳥類鳴聲記錄儀可記錄到的最高聲壓, 即輸入音頻為 1kHz 時,ref=1Pa。聲壓級越高, 表明鳴聲越強烈。當每只鳥類鳴聲的聲強保持一定數值時, 聲壓級與發出鳴聲的鳥類數量正相關。

聲音多樣性指數[31]是一個反映聲音多樣性的指標, 計算公式為

其中,p表示聲信號在第種頻段所占比例,表示頻段總數量。ADI 取值大于 0, 且沒有單位。聲音多樣性指數越高, 說明鳴聲的頻率越多樣化; 由于單一物種鳥類的鳴聲頻段通常是固定的, 聲音多樣性指數與發出鳴聲的鳥類物種數之間往往存在正相關關系[31]。

底圖來自Google Earth

圖1 本研究調查位點在四川王朗國家級自然保護區中的位置

Fig. 1 Survey locations of this study in Wanglang National Nature Reserve, Sichuan Province

圖2 領鵂鹠鳴聲(a)和暗綠柳鶯報警鳴叫(b)的聲譜

聲學熵指數[32]是一個反映聲信號在時頻域的復雜度和均勻度的指標, 是目前在生物多樣性監測中使用最多的聲學指數[33], 計算公式為

=t×f,

其中,t表示時間熵, 指示振幅的均勻度;f表示頻譜熵, 指示頻率的均勻度。取值范圍在 0～1 的閉區間內, 且沒有單位。聲學熵指數越高, 說明鳴聲越復雜, 在一定時間內產生的鳴聲頻率和振幅的變化越大。一般來說, 鳥類鳴唱的聲學熵指數比鳴叫 更高。

使用 Kaleidoscope Pro軟件(Wildlife Acoustics, Inc., MA, USA)計算 24 個分析音頻中每分鐘的平均聲壓級, 使用 R 4.1.0[34]中的 soundecology 包[35]計算各分析音頻中每個時期的聲音多樣性指數和聲學熵指數。利用配對的 Wilcoxon 符號秩檢驗, 并用 Bon-ferroni 法校正值, 比較鳴聲播放前、播放中和播放后這 3 個時期間各聲學指數的差異, 用來指示圍攻行為鳴聲的聲強、多樣性和復雜度特征, 進而揭示圍攻事件引起的鳥類數量、物種數和鳴聲模式變化。利用配對的 Wilcoxon 符號秩檢驗, 比較領鵂鹠鳴聲播放實驗和暗綠柳鶯報警鳴叫回放實驗中實驗音頻播放引起鳴聲聲學指數變化程度的差異(即播放時和播放前的數值差, 可以認為不受時間和地點的影響), 以便揭示兩種實驗引起的鳥類數量、物種數和鳴聲模式變化程度是否存在差異。

2 結果

在全部 24 次播放實驗中, 領鵂鹠鳴聲和暗綠柳鶯報警鳴叫均可引起附近鳥類的報警鳴叫與圍攻行為, 包括圍繞音箱和領鵂鹠模型在樹叢間頻繁進出、持續發出高聲報警鳴叫等。在播放實驗中共記錄到分屬 3 目 17 科的 28 種鳥參與了圍攻行為(詳見附錄) (訪問 http://xbna.pku.edu.cn 查看附錄)。

在參與圍攻的鳥類中, 暗綠柳鶯往往最先發出報警鳴叫。柳鶯類(包括暗綠柳鶯、橙斑翅柳鶯等)和山雀類(包括黑冠山雀和褐冠山雀等)是參與圍攻的主要類群。在領鵂鹠鳴聲或暗綠柳鶯報警鳴叫播放期間, 圍攻行為會一直持續; 播放結束后, 鳥類的圍攻行為也隨之結束。

全部 24 次實驗中, 鳥類鳴聲記錄儀的總有效記錄時長為 1057 分鐘。其中, 位點 1 和 2 的領鵂鹠鳴聲播放是人工手動控制的, 鳴聲播放期持續20分鐘(后裁剪為 15 分鐘); 在位點 3, 4 和 12 進行領鵂鹠鳴聲實驗時, 遇強降雨天氣, 鳴聲播放后的空白音頻分別持續 2, 5 和 5 分鐘, 鳴聲播放期未受影響。

領鵂鹠鳴聲播放實驗中, 森林鳴禽的報警鳴叫在鳴聲播放期間平均聲壓級 SPLavg=?31.02±4.87 dB, 顯著高于播放前空白段(SPLavg=?42.74±4.68 dB)(Wilcoxon 檢驗統計量=0,=0.001), 也顯著高于播放后的空白段(SPLavg= ?34.52±6.83 dB)(= 69,=0.048); 同時, 鳴聲播放后空白段的平均聲壓級顯著高于播放前的空白段(=4,=0.010)(圖3(a1))。在聲音多樣性指數上, 鳴聲播放前(ADI= 1.69±0.12)、播放期間(ADI=1.59±0.10)與播放后(ADI=1.67±0.14) 3 個時期兩兩相比, 均無顯著差異(圖 3(b1))。在聲學熵指數上, 鳴聲播放前的空白段(=0.80±0.03)顯著高于播放期間(=0.76±0.02) (=78,=0.001)(圖 3(c1)), 播放期間與播放后(=0.77±0.03)相比無顯著差異, 播放前與播放后相比亦無顯著差異。

領鵂鹠鳴聲播放實驗和暗綠柳鶯報警鳴叫回放實驗中, 實驗音頻播放時和播放前的聲學指數變化程度在兩種鳴聲下沒有表現出顯著差異(圖 4)。

3 討論

在本項實驗中, 無論是播放領鵂鹠鳴聲還是暗綠柳鶯報警鳴叫, 均可引發鳥類的圍攻行為。鳴聲播放前后相比, 播放期間的聲學指數存在一定的差異。鳴聲播放期間的平均聲壓級均顯著高于播放前后空白段, 聲學熵指數也都顯著低于播放前后空白段, 表明鳴聲播放期間的鳥類鳴聲聲強變高, 復雜度變低。單一、強烈的報警鳴叫可以在物種間有效地傳遞受威脅的信息[1], 號召更多鳥類加入圍攻并鳴叫, 使得總體上鳴聲的平均聲壓級更高, 從而達到成功驅逐捕食者、保衛自身及幼鳥安全的目的。平均聲壓級的升高表明, 鳴聲播放引發的圍攻行為中, 鳥類豐度變高。本項實驗開展期間是當地鳥類的繁殖期, 柳鶯和山雀等森林鳴禽的鳴聲中有較大比例是復雜婉轉的鳴唱(song), 具有相對較高的聲學復雜度。在圍攻事件發生期間, 這些鳥類的鳴唱大大減少甚至終止, 鳴聲變成以單調、重復的報警鳴叫(call)為主, 這可能是本研究的播放實驗期間記錄到鳥類鳴聲的聲學復雜度降低的主要原因。

(a1), (b1)和(c1): 領鵂鹠鳴聲播放實驗; (a2), (b2)和(c2): 暗綠柳鶯報警鳴叫回放實驗

聲音多樣性指數可以指示頻率的多樣化程度。在本項實驗鳴聲播放期間和播放前、后這 3 個階段均沒有顯著差異。圍攻事件中, 同一種鳥的報警鳴叫頻段較為單一[36], 由于在圍攻行為中擔任不同的角色, 傳遞不同的信息[11], 不同物種的鳥的報警鳴叫存在差異[37]。雖然同種鳥的鳴叫與鳴唱明顯不同, 但同種鳥的鳴聲頻段是一定的, 而不同鳥種的主要鳴聲頻段往往有較大的差異[38]。不同鳥種差異化的鳴聲頻段組成播放實驗前、中、后的鳴聲頻率范圍, 頻率的多樣性指示了小尺度范圍的鳥類豐富度。聲音多樣性指數在實驗前、中、后無顯著差異, 說明在鳥類鳴聲記錄儀工作范圍內鳥類物種沒有發生顯著的變化。這與我們在播放實驗期間的目視觀察結果一致, 即播放實驗沒有從遠處吸引來新的鳥種加入圍攻行為, 實驗點周圍已有的鳥種也未在播放實驗期間離開。

圖4 領鵂鹠鳴聲播放實驗和暗綠柳鶯報警鳴叫回放實驗中, 實驗音頻播放前與播放時聲學指數變化程度的對比

本文實驗選擇的領鵂鹠鳴聲來源于峨眉峰自然保護區, 與實驗地點王朗自然保護區有一定的距離, 兩地領鵂鹠的鳴聲之間可能存在地域性(方言)差異。對于本地可能參與圍攻行為的鳥類來說, 外來的、相對陌生的鳴聲可能會引起它們更高強度的報警鳴叫, 也有可能因無法被當地鳥種識別而不能有效地引起圍攻行為。實驗中播放的暗綠柳鶯報警聲來源于實驗人員布設領鵂鹠模型時, 位點附近的暗綠柳鶯對領鵂鹠模型和實驗人員發出的報警鳴叫。雖然領鵂鹠鳴聲可能存在其他地區的方言, 報警鳴叫僅為暗綠柳鶯單一物種, 但本研究的兩類鳴聲播放實驗中均發生圍攻行為, 且播放時和播放前的聲學指數變化程度在兩種鳴聲播放條件下沒有顯著差異, 說明實驗選擇的領鵂鹠鳴聲與當地記錄的暗綠柳鶯報警鳴叫引發的圍攻事件強度沒有顯著差異。這進一步說明, 作為最先開始報警的鳴禽之一, 暗綠柳鶯的報警鳴叫在引發圍攻行為上起到的作用與作為被圍攻對象的領鵂鹠鳴聲相當。在該森林生態系統的鳴禽群落中, 以暗綠柳鶯為代表的最先開始鳴叫的柳鶯類和山雀類可能擔任警戒者角色, 其鳴叫中包含有效的入侵者信息, 且對鳥群具有普適的重要含義, 可以迅速召集周圍個體加入圍攻事件, 以期驅逐入侵者。然而, 由于本實驗選擇的領鵂鹠鳴聲的單一性和可能存在的地域間差異, 領鵂鹠鳴聲播放實驗引起的圍攻行為強度可能低于應有的水平, 導致對暗綠柳鶯報警鳴叫作用的高估。未來對圍攻事件具體過程的刻畫仍需進一步研究, 例如詳細記錄當地圍攻行為的鳥種、數量和具體行為, 識別圍攻前后及圍攻時的各個鳴聲語句并量化聲學特征等。同時, 為深入探究不同鳥種擔任警戒者的差別, 可采集多種鳥類報警鳴叫的音頻, 參考本研究的流程進行鳴聲播放實驗, 并利用平均聲壓級等聲學指數, 量化圍攻行為中的鳴聲特征, 用來識別何種鳥類報警鳴叫引發圍攻行為的效力最強。

另外, 我們在播放實驗音頻的音箱上方擺放了1 只領鵂鹠模型, 目的是為圍攻鳥類提供視覺刺激, 同時便于研究人員觀察參與圍攻事件的鳥種及其數量與行為。本研究的鳴聲播放期設置為 15 分鐘, 這樣的時長遠大于自然情況下可引起圍攻行為的聽覺刺激, 目的是便于觀察記錄到明顯的行為和鳴聲變化。鳴聲播放前, 單純的視覺信號未能引發圍攻事件或報警鳴叫; 鳴聲播放時, 領鵂鹠模型成為圍攻行為的物理中心, 更好地模擬了真實圍攻行為情景。在暗綠柳鶯報警鳴叫回放實驗中, 作為入侵者的領鵂鹠僅保留了視覺信號而沒有聲音信號, 但播放警戒者的報警鳴叫依然可以有效地引發同等強度的圍攻事件。這進一步印證了擔任警戒者角色的鳥類的報警鳴叫對于群落中其他物種和個體的重要意義。

目前, 聲學指數已廣泛應用于聲景生態學的相關研究與監測中, 如森林鳥類多樣性監測、鳥類繁殖物候監測和不同位點的聲景比較區分等[39]。本研究將聲學熵指數和平均聲壓級結合使用, 可以有效地區分圍攻行為發生和未發生的時段。因此, 在摸清鳥類典型行為過程中聲學指標的特征與動態模式的基礎上, 利用各種聲學指標的組合可以對小尺度下不同時段的鳥類鳴聲模式進行快速識別與區分, 進而指示不同的鳥類行為, 如求偶、育雛和圍攻等, 為鳥類行為的研究提供聲學角度的新思路, 同時也為大范圍的聲景監測數據提供新的行為學應用場景。

致謝 感謝北京大學生命科學學院“生態學野外實踐”課程對本研究的支持。感謝王朗國家級自然保護區在本研究野外工作開展期間提供的支持與保障。

[1] Curio E, Ernst U, Vieth W. The adaptive significance of avian mobbing. II. Cultural transmission of enemy recognition in blackbirds: effectiveness and some constraints. Zeitschrift für Tierpsychologie, 1978, 48: 184–202

[2] Flasskamp A. The adaptive significance of avian mobbing: V. An experimental test of the ‘move on’ hypothesis. Ethology, 1994, 96: 322–333

[3] Betts M G, Hadley A S, Doran P J. Avian mobbing response is restricted by territory boundaries: experi-mental evidence from two species of forest warblers. Ethology, 2005, 111: 821–835

[4] Francis A M, Hailman J P, Woolfenden G E. Mobbing by Florida scrub jays: behavior, sexual asymmetry, role of helpers and ontogeny. Animal Behaviour, 1989, 38: 795–816

[5] Thompson T. Conditioned avoidance of mobbing call by chaffinches. Animal Behaviour, 1969, 17: 517–522

[6] Pavey C R, Smyth A K. Effects of avian mobbing on roost use and diet of powerful owls,. Animal Behaviour, 1998, 55: 313–318

[7] Naguib M, Mundry R, Ostreiher R, et al. Cooperatively breeding Arabian babblers call differently when mob-bing in different predator-induced situations. Behavio-ral Ecology, 1999, 10: 636–640

[8] Wheatcroft D, Price T D. Collective action promoted by key individuals. The American Naturalist, 2018, 192: 401–414

[9] Colombelli-Negrel D, Evans C. Superb fairy-wrens respond more to alarm calls from mate and kin com-pared to unrelated individuals. Behavioral Ecology, 2017, 28: 1101–1112

[10] Pell F S E D, Potvin D A, Ratnayake C P, et al. Birds orient their heads appropriately in response to func-tionally referential alarm calls of heterospecifics. Ani-mal Behaviour, 2018, 140: 109–118

[11] Kalb N, Anger F, Randler C. Subtle variations in mobbing calls are predator-specific in great tits (). Scientific Reports, 2019,9: 6572

[12] Pawlak P, Kwiecinski Z, Husek J. Mobbing of the top predator: a correlation between avian community richness and the number of mobbing species. Journal of Ornithology, 2019, 160: 665–672

[13] Forsman J T, Monkkonen M. Responses by breeding birds to heterospecific song and mobbing call play-backs under varying predation risk. Animal Behaviour, 2001, 62: 1067–1073

[14] Brodie S, Allen-Ankins S, Towsey M, Roe P, et al. Automated species identification of frog choruses in environmental recordings using acoustic indices. Eco-logical Indicators, 2020, 119: 106852

[15] Gan H, Towsey M, Li Y, Zhang J, et al. Animal call recognition with acoustic indices: little spotted kiwi as a case study // 2018 Digital Image Computing: Tech-niques and Applications. Canberra, 2018: 683–690

[16] Billings A C. The low-frequency acoustic structure of mobbing calls differs across habitat types in three pas-serine families. Animal Behaviour, 2018, 138: 39–49

[17] 趙瑩, 申小莉, 李晟, 等. 聲景生態學研究進展和展望. 生物多樣性, 2020, 28(7): 806–820

[18] Fuller S, Axel A C, Tucker D, et al. Connecting soundscape to landscape: which acoustic index best describes landscape configuration?. Ecological Indica-tors, 2015, 58: 207–215

[19] Rajan S C, Athira K, Jaishanker R, et al. Rapid assess-ment of biodiversity using acoustic indices. Biodi-versity Conservation, 2019, 28: 2371–2383

[20] De Rosa A, Castro I, Marsland S. The acoustic play-back technique in avian fieldwork contexts: a syste-matic review and recommendations for best practice. IBIS, 2022, 164: 371–387

[21] Doran P J, Gulezian P Z, Betts M G. A test of the mobbing playback method for estimating bird repro-ductive success. Journal of Field Ornithology, 2005, 76: 227–233

[22] Jiang D M, Sieving K E, Meaux E, et al. Seasonal changes in mixed-species bird flocks and antipredator information. Ecology and Evolution, 2020, 10: 5368–5382

[23] Shimazaki A, Yamaura Y, Senzaki M, et al. Mobbing call experiment suggests the enhancement of forest bird movement by tree cover in urban landscapes across seasons. Avian Conservation and Ecology, 2017, 12: 16

[24] Yves T, Andre D. Playbacks of mobbing calls of black-capped chickadees help estimate the abundance of forest birds in winter. Journal of Field Ornithology, 2002, 73: 303–307

[25] 李晟之. 王朗志: 四川王朗國家級自然保護區志(1965—2015). 成都: 四川科學技術出版社, 2018

[26] 蔣有緒. 川西亞高山暗針葉林的群落特點及其分類原則. 植物生態學與地植物學叢刊, 1963(1): 42–50

[27] 尚曉彤, 羅春平, 李斌, 等. 四川王朗國家級自然保護區鳥類多樣性與區系組成. 四川動物, 2020, 39(1): 93–106

[28] Taylor A H, Qin Z, Liu J. Structure and dynamics of subalpine forests in the Wang Lang Natural Reserve, Sichuan, China. Vegetatio, 1996, 124: 25–38

[29] 樊凡, 趙聯軍, 馬添翼, 等. 川西王朗亞高山暗針葉林25.2 hm2動態監測樣地物種組成與群落結構特征. 植物生態學報, 2022, 46(9): 1005–1017

[30] 漆安慎, 杜嬋英. 普通物理學教程力學. 第 3 版. 北京: 高等教育出版社, 2012

[31] Villanueva-Rivera L J, Pijanowski B C, Doucette J, et al. A primer of acoustic analysis for landscape eco-logists. Landscape Ecology, 2011, 26: 1233–1246

[32] Sueur J, Aubin T, Simonis C. Seewave: a free modular tool for sound analysis and synthesis. Bioacoustics, 2008, 18: 213–226

[33] 倫可環, 張雁云, 夏燦瑋. 基于聲音指數的鳥類多樣性監測. 生物學通報, 2017, 52(11): 1–5

[34] R Core Team. R: a language and environment for statistical computing [CP/OL]. Vienna: R Foundation for Statistical Computing. 2021 [2021–08–19]. https:// www.r-project.org

[35] Villanueva-Rivera L J, Pijanowski B C. Soundecology: soundscape ecology [CP/OL]. 2018 [2021–08–19]. https://cran.r-project.org/web/packages/soundecology

[36] Dutour M, Lena J P, Lengagne T. Mobbing calls: a signal transcending species boundaries. Animal Beha-viour, 2017, 131: 3–11

[37] Suzuki T N. Referential calls coordinate multi-species mobbing in a forest bird community. Journal of Etho-logy, 2016, 34: 79–84

[38] Priyadarshani N, Marsland S, Castro I, et al. Bird- song denoising using wavelets. PLOS ONE, 2016, 11: e0146790

[39] Bradfer-Lawrence T, Gardner N, Bunnefeld L, et al. Guidelines for the use of acoustic indices in environ-mental research. Methods in Ecology and Evolution, 2019, 10: 1796–1807

Evaluating the Characters of Songbirds’ Vocalizations during Mobbing Event in Dark Coniferous Forest Using Bio-acoustic Indicators

WANG Jiangyue, TIAN Jia, ZHOU Zhengyang, MA Xiaoyun, LONG Yu, WANG Rongjiang, LI Sheng?

School of Life Sciences, Peking University, Beijing 100871; ? Corresponding author, E-mail: shengli@pku.edu.cn

This study investigated the acoustic variation of songbirds’ vocalization during mobbing event in the sub-alpine forests using playback experiment and automatic acoustic recording (AAR). We playedvocalization andalarm call to induce songbirds’ mobbing behavior and recorded their response vocalizations using automatic acoustic recorders in the-dark coniferous forest in Wanglang National Nature Reserve, Sichuan Province, during the summer of 2021. Altogether 24 experiments were performed on 12 experiment sites, with a total length of 1057 min acoustic recordings, including 12vocalization experiments, and 12alarm call experiments. A total of 28 species of birds belonging to 17 families and 3 orders were observed to participate in mobbing behavior. By analyzing the acoustic indexes of recordings, it was concluded that 1) bothvocalization andalarm call could trigger mobbing event, during which Phylloscopidae and Paridae species were the majority being involved; 2) during playback period, songbirds’ vocalizations are more intense (experiments: SPLavg=?31.02±4.87 dB vs ?42.74±4.68 dB,= 0.001;experiments: SPLavg= ?33.26±4.05 dB vs ?46.38±4.54 dB,= 0.001) and less complicated (experiments:= 0.76±0.02 vs 0.80±0.03,= 0.001;experiments:= 0.77±0.02 vs 0.82±0.02,= 0.001) than that of pre-playback period; 3) the variability of acoustic indices from pre-playback to during-playback didn’t change significantly betweenexperiments andexperiments. The results provide a new insight into avian behavior studies in the acoustic aspect, and novel behavioral application scenarios for large-scale soundscape monitoring data.

automatic acoustic recording (AAR); acoustic indices; avian mobbing behavior; playback experiment; forest songbirds; Wanglang National Nature Reserve