Перші результати акустичного моніторингу фонових видів птахів в Українських Карпатах

Акустичний моніторинг птахів Франкфуртським зоологічним товариством у рамках Панєвропейської програми дослідження птахів. Практична апробація методу спостереження фонових птахів на природно-заповідних територіях Українських Карпат та суміжних теренах.

Рубрика Биология и естествознание
Вид статья
Язык украинский
Дата добавления 19.05.2024
Размер файла 540,8 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.Allbest.Ru/

Перші результати акустичного моніторингу фонових видів птахів в Українських Карпатах

Височин М.О., Корнієнко Т.М.,

Струс Ю.М., Кузьо Г.О.,

Гавриленко В.С., Башта А.-Т.В.,

Погрібний О.О., Юзик Д.І.

Анотація

У 2023 році Франкфуртське зоологічне товариство розпочало акустичний моніторинг птахів в Українських Карпатах у рамках Панєвропейської програми моніторингу фонових видів птахів (PECBMS). Пілотні території включали в себе природний заповідник «Розточчя» та національні природні парки Карпатський, «Бойківщина», «Сколівські Бескиди», «Зачарований край», «Черемоський», «Яворівський» і «Гуцульщина». Завдяки сприянню WildLife Acoustics, Каталонського орнітологічного інституту (Барселона, Іспанія) та Чеського орнітологічного товариства (Прага, Чеська Республіка), в дослідженнях використано 20 акустичних ресиверів, включаючи 4 Song Meter Mini Acoustic Recorder (SM mini) і 16 Song Meter Micro Acoustic Recorder (SM micro).

Отримані аудіофайли опрацьовані за допомогою програмного забезпечення BirdNET V2.2 у Raven Pro 1.6. Програма BirdNET, заснована на глибокому навчанні, автоматизує визначення видів птахів за їх вокалізацією. Дослідження продемонструвало ефективність програмного забезпечення та здатність розпізнавати значну кількість фонових видів птахів і одночасно неефективність у визначенні окремих видів.

Проведено аналіз виявлених помилок. У результаті прослуховування акустичних файлів і дешифрування отриманих сонограм виявлено 66 видів птахів, зокрема види, занесені до Червоної книги України. З них 50 видів очікувано належали до ряду Passeriformes, 6 видів представляли ряд Piciformes, 3 види ряд Falconiformes, 2 види ряд Columbiformes, по 1 виду ряди Cuculiformes та Upupiformes. Згідно з поділом птахів за екологічними угрупованнями, домінували дендрофіли 59 видів; кампофіли представлені 3 видами; до лімнофілів та склерофілів належали по 2 види. Хоча аналіз акустичних даних не дає безпосередньої інформації про чисельність особин виявлених птахів, проте частоти трапляння видів на локалітетах записів можуть слугувати проксі-індикаторами популяційних трендів.

Ключові слова: акустичний моніторинг, Українські Карпати, птахи, природно-заповідний фонд, сонограми, ROC-аналіз.

Annotation

First results of acoustic monitoring for common bird species in the Ukrainian Carpathians

Vysochyn M.O., Korniienko T.M., Strus I.M., Kuzyo H.O., Havrylenko V.S., Pohribnyi O.O., Bashta A.-T.V., Yuzyk D.I.

In 2023, the Frankfurt Zoological Society initiated acoustic monitoring of common bird species in the Ukrainian Carpathians as part of the Pan-European Common Bird Monitoring Scheme (PECBMS, https://pecbms. info). As the pilot territories were chosen the «Roztochchya» Nature Reserve and the national natural parks Carpathian, «Boikivshchyna», «Skolivsky Beskydy», «Zacharovanyi Kray», «Cheremoskyi», «Yavorivskyi» and «Hutsulshchyna». Supported by WildLife Acoustics, the Catalan Ornithological Institute (Barselona, Spain), and the Czech Ornithological Society (Prague, Czech Republic), the study included 20 acoustic receivers: 4 Song Meter Mini Acoustic Recorders (SM mini) and 16 Song Meter Micro (SM micro). Audio files obtained during the research were processed using BirdNET software in Raven Pro 1.6. BirdNET V2.2, based on deep learning, automates the identification of bird species through their vocalizations.

The effectiveness of BirdNET was manually assessed for 5232 indications, confirming its reliability at higher «score» values. The study demonstrated its efficiency in recognizing a significant number of background bird species. However, it revealed inefficiencies in identifying certain species and analysed the associated errors. As a result, 66 bird species were identified, including listed in the Red Book of Ukraine.

As a result of listening to acoustic files and deciphering the obtained sonograms, 66 bird species were identified, of which 50 species were expectedly classified under the order Passeriformes, 3 species were representatives of the order Falconiformes, 2 species belonged to the order Columbiformes, 1 species was a representative of the order Cuculiformes, 1 species belonged to Upupiformes, and 6 species represented the order Piciformes. According to the division of birds into ecological groups, dendrophiles dominated with 59 species; campophiles were represented by 3 species; limnophiles included 2 species; sclerophiles were represented by 2 species. The frequencies of occurrence of these species can serve as indicators of ecosystem stability in protected areas.

Keywords: Acoustic monitoring, Ukrainian Carpathians, birds, nature protected areas, sonograms, ROC-analysis.

Вступ

Сучасні екологічні виклики людству, такі як зміни клімату, трансформація природних оселищ, скорочення ареалів видів флори і фауни, вимагають впровадження ефективних заходів збереження біорізноманіття, які повинні базуватися на наукових дослідженнях змін, що відбуваються в екосистемах. Одним з індикаторів стану навколишнього природного середовища є птахи [5]. Традиційні методи досліджень цієї групи (точкові та маршрутні обліки) потребують значних зусиль і ресурсів і мають безпосередній вплив на об'єкти досліджень, зокрема присутність спостережника на гніздовій території впливає на поведінку птахів. [3, 8, 9]. Останнім часом набувають поширення методи пасивного акустичного моніторингу, які розширюють просторове охоплення та тривалість спостережень за тваринами [10, 11]. Як зазначають деякі автори, застосування пасивного акустичного моніторингу дозволяє виявляти на 11% більше видів птахів, ніж за допомогою «традиційних» методів [2].

Метою нашої роботи була практична апробація використання методу акустичного моніторингу для дослідження фонових видів птахів на територіях природно-заповідного фонду регіону Українських Карпат та суміжних із ним теренах.

Матеріали та методи. У 2023 році в рамках Панєвропейської програми моніторингу фонових видів птахів (The Pan-European Common Bird Monitoring Scheme (PECBMS)) розпочато акустичний моніторинг птахів в Українських Карпатах, який реалізує Франкфуртське зоологічне товариство. У якості пілотних територій обрані природний заповідник «Розточчя», національні природні парки Карпатський, «Бойківщина», «Сколівські Бескиди», «Зачарований край», «Черемоський», «Яворівський» та «Гуцульщина». Цей науковий проект став можливим завдяки сприянню WildLife Acoustics, Каталонського орнітологічного інституту (Барселона, Іспанія), Чеського орнітологічного товариства (Прага, Чеська Республіка), які надали 16 акустичних ресиверів Song Meter Micro (SM micro) для проведення досліджень у західних регіонах України, а також Франкфуртського зоологічного товариства, яке передало природоохоронним установам 4 Song Meter Mini Acoustic Recorder (SM mini).

Протокол проведення збору первинного матеріалу досить ретельно описаний у попередній публікації [12]. Згідно з методикою, на території обраних об'єктів ПЗФ закладали 2 трансекти, на яких з інтервалом 500 м обрали 5 локацій. Запис звукових сигналів птахів на акустичні ресивери здійснювали працівники установ природнозаповідного фонду на кожній локації (по 5 хв.) у ранкові години (до 10:00) двічі впродовж польового сезону: 1-й облік проводили з 24 квітня до 5 травня, 2-й з 29 травня до 9 червня. Відповідно до розроблених методичних рекомендацій, між періодами реєстрації вокалізацій мало минути не менше 4 тижнів.

Отримані аудіофайли опрацьовували із застосуванням програмного обладнання Raven Pro 1.6 [7] у «напівавтоматичному» режимі з обов'язковою верифікацією отриманих результатів.

Для розпізнавання вокалізації птахів використовували програмне забезпечення BirdNET V2.2, яке вмонтовано в інструмент Raven Pro 1.6 Learning Detector. Програма BirdNET забезпечує автоматизоване визначення видів птахів на основі сонограм їх вокалізації. Основний принцип роботи BirdNET базується на використанні технології глибокого навчання (deep learning), зокрема, нейронних мереж. Програма застосовує велику базу аудіозаписів птахів, яка включає різні види з усіх регіонів світу та використовує нейронну мережу для вивчення характерних особливостей цих звуків. Коли користувач завантажує аудіозапис птаха, BirdNET використовує попередньо навчену модель для аналізу звукових характеристик запису. Результатом є ідентифікація виду птаха разом з показником релевантності результатів визначення (т.з. «Confidence level» або «score»), які слугують оцінкою достовірності розпізнавання.

Ми використовували стандартну модель «BirdNET GLOBAL 3K V2.2».

Вихідний файл для класифікації, що містить перелік усіх видів птахів, які BirdNET «вміє» розпізнавати, було замінено на власний файл, що включає лише види, які трапляються в Карпатському регіоні та на інших прилеглих територіях в будь-яку пору року. «Threshold», або поріг оцінки визначення (зі значеннями від 0 до 1) встановлено на 0.1. Налаштування «Overlap» (перекриття діагностування фрагментів аудіофайлів) залишали за замовчуванням 0 сек.

Детектор обирав фрагменти аудіофайлів тривалістю 3 сек і визначав види птахів, вокалізація яких потрапляла в ці відрізки записів, та оцінював достовірність визначення за шкалою від 0 до 1 («Threshold») і формував таблицю у форматі csv, із зазначенням показника релевантності результатів визначення виду для кожної трисекундної детекції.

Для визначення ефективності розпізнавання вокалізації птахів у BirdNET V2.2 «вручну» опрацьовано (прослухано або переглянуто сонограми) для 9310 індикацій, з яких позитивними виявились 5232 (достовірно відповідали визначеному програмою виду).

Відомо, що правильність визначення видів алгоритмом BirdNET залежить від вибору порогового значення для показника «score» релевантності результатів визначення [1]. Це загальне правило діє для всіх завдань класифікації за допомогою машинного навчання, не лише у випадку з визначенням голосів птахів [4]. Загалом, ймовірність хибно-позитивних результатів зменшується з підвищенням порогу цього параметра, але, в той же час, зростає ймовірність хибно-негативних результатів. Іншими словами, чим вищий поріг показника релевантності результату визначення задається, тим менше неправильних визначень цільового виду ми отримаємо, але шанси виявити всі сигнали виду на всіх локалітетах зменшуються. Проблемою є те, що вибір оптимального порогу, який збалансує кількість хибно-позитивних і хибно-негативних результатів, є видоспецифічним. Для різних видів оптимальний поріг буде різним.

Паралельно зі складанням списків видів для локалітетів ми також спробували виявити оптимальні порогові значення для досліджуваних видів, що дозволить зменшити кількість ручної перевірки аудіозаписів у майбутньому, оскільки ми вже знатимемо похибку алгоритму для різних видів при обраних порогових значеннях. Це зроблено для більшості ідентифікованих видів на рівні фіксованих порогових значень між 0.1 і 1, з кроком у 0.1, а також за допомогою побудови ROC-кривих [4] для більшої деталізації, але лише для окремих видів, для яких ми мали достатню вибірку. Для оцінки загальної точності класифікації вибраних видів розраховували показник AUC (площа під ROC-кривою). Загалом, показник, близький до 0.5, є ознакою класифікатора, не кращого за генератор випадкових чисел, а показник, близький до 1 ідеального класифікатора, що не робить помилок. Чим ближче AUC-крива наближається до верхнього лівого кута графіка, тим краще класифікатор визначає певний вид.

Результати дослідження

Програмне забезпечення BirdNET, а саме версія 2.2, досить добре визначає аудіозаписи, що містять звуки вівчарика-ковалика Phylloscopus collybita, дрозда співочого Turdus philomelos, припутня Columba palumbus, золотомушки жовточубої Regulus regulus, золотомушки червоночубої Regulus ignicapilla, дрозда чорного Turdus merula, синиці великої Parus major, кропив'янки чорноголової Sylvia borin (табл. 1). Для зяблика Fringilla coelebs, вівчарика жовтобрового Phylloscopus sibilatrix, зозулі Cuculus canorus, волового очка Troglodytes troglodytes, крука Corvus corax, повзика Sitta europaea, у випадку, коли показник релевантності результату визначення, що присвоює BirdNET для індикації, був вищим ніж значення 0.4, всі індикації програма визначала правильно. Це свідчить про широкий аплікативний потенціал програми в реальних умовах для обмеженої кількості видів.

Таблиця 1

Ефективність застосування BirdNET для визначення птахів за результатами проведених досліджень

Вид

Кількість індикацій

Кількість позитивних індикацій

% позитивних індикацій

% правильних визначень для показника score>0.9

% правильних визначень для показника score>0.8

% правильних визначень для показника score>0.7

% правильних визначень для показника score>0.6

% правильних визначень для показника score>0.5

% правильних визначень для показника score>0.4

% правильних визначень для показника score>0.3

% правильних визначень для показника score>0.2

% правильних визначень для показника score>0.1

Phylloscopus collybita

665

654

98.3

100.0

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.8

Turdus philomelos

243

231

95.1

100.0

100.0

100.0

100.0

100.0

100.0

100.0

100.0

98.8

Columba palumbus

156

140

89.7

100.0

100.0

100.0

100.0

100.0

100.0

100.0

100.0

97.7

Regulus regulus

93

87

93.5

100.0

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.4

Regulus ignicapilla

75

73

97.3

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.8

99.0

Turdus merula

70

67

95.7

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.7

99.2

Parus major

90

86

95.6

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.2

98.0

Sylvia borin

62

52

83.9

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.0

94.6

Fringilla coelebs

543

540

99.4

100.0

100.0

100.0

100.0

100.0

100.0

100.0

99.9

99.7

Phylloscopus sibilatrix

393

223

56.7

100.0

100.0

100.0

100.0

100.0

100.0

99.9

98.8

88.5

Cuculus canorus

312

268

85.9

100.0

100.0

100.0

100.0

100.0

100.0

99.9

99.6

97.5

Troglodytes troglodytes

253

230

90.9

100.0

100.0

100.0

100.0

100.0

100.0

99.5

98.6

96.7

Corvus corax

38

18

47.4

100.0

100.0

100.0

100.0

100.0

100.0

98.9

92.5

81.0

Sitta europaea

38

31

81.6

100.0

100.0

100.0

100.0

100.0

100.0

95.5

93.2

91.0

Dryocopus martius

247

128

51.8

100.0

100.0

100.0

100.0

100.0

99.9

99.6

97.6

87.2

Coccothraustes coccothraustes

181

152

84.0

100.0

100.0

100.0

100.0

99.8

99.7

99.2

98.4

96.5

Sylvia atricapilla

355

312

87.9

100.0

100.0

100.0

100.0

99.8

99.3

98.9

98.0

95.0

Ficedula parva

431

136

31.6

100.0

100.0

100.0

99.7

99.3

98.4

96.9

88.5

67.8

Spinus spinus

149

134

89.9

100.0

100.0

99.9

99.6

99.1

98.4

97.7

97.2

95.5

Periparus ater

272

235

86.4

100.0

100.0

99.8

99.7

99.4

98.8

98.0

97.2

94.0

Erithacus rubecula

443

402

90.7

100.0

100.0

99.8

99.2

98.9

98.1

97.5

96.8

94.9

Dendrocopos major

248

203

81.9

100.0

98.5

98.2

98.2

98.3

98.3

98.0

97.2

94.6

Columba oenas

134

26

19.4

100.0

98.4

96.1

94.2

93.6

86.9

83.6

70.7

47.9

Anthus trivialis

449

45

10.0

100.0

88.9

72.7

66.1

56.0

45.3

37.3

26.3

16.8

Ficedula albicollis

772

475

61.5

99.9

99.8

99.6

99.5

99.4

99.2

98.8

97.7

92.0

Certhia brachydactyla

127

44

34.6

97.2

93.3

93.2

93.7

94.0

92.6

90.9

85.7

65.2

Prunella modularis

56

18

32.1

93.8

89.1

88.9

83.9

81.8

76.5

73.2

65.4

51.1

Poecile montanus

27

20

74.1

0.0

100.0

100.0

100.0

100.0

95.6

92.5

88.3

81.9

Turdus viscivorus

36

12

33.3

0.0

100.0

100.0

100.0

100.0

75.3

73.5

65.7

55.9

Oriolus oriolus

167

33

19.8

0.0

11.1

28.7

34.1

34.7

35.1

34.8

31.7

25.5

Muscicapa striata

83

43

51.8

0.0

0.0

100.0

100.0

100.0

100.0

97.7

80.5

70.6

Poecile palustris

53

22

41.5

0.0

0.0

100.0

100.0

75.0

65.3

62.8

51.9

44.0

Buteo buteo

9

8

88.9

0.0

0.0

0.0

100.0

100.0

100.0

100.0

100.0

89.1

Upupa epops

4

2

50.0

0.0

0.0

0.0

25.0

25.0

25.0

38.9

38.9

41.7

Certhia familiaris

25

11

44.0

0.0

0.0

0.0

0.0

100.0

100.0

100.0

91.1

65.1

Pyrrhula pyrrhula

8

1

12.5

0.0

0.0

0.0

0.0

100.0

100.0

100.0

75.0

40.8

Dendrocoptes medius

98

5

5.1

0.0

0.0

0.0

0.0

0.0

100.0

75.3

54.2

26.3

Loxia curvirostra

1

1

100.0

0.0

0.0

0.0

0.0

0.0

0.0

100.0

100.0

100.0

Garrulus glandarius

12

7

58.3

0.0

0.0

0.0

0.0

0.0

0.0

100.0

100.0

90.4

Curruca communis

62

16

25.8

0.0

0.0

0.0

0.0

0.0

0.0

6.3

12.3

22.7

Ficedula hypoleuca

40

3

7.5

0.0

0.0

0.0

0.0

0.0

0.0

3.2

5.3

9.0

Cyanistes caeruleus

5

5

100.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

100.0

100.0

Serinus serinus

2

2

100.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

100.0

100.0

Phylloscopus trochilus

1

1

100.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

100.0

100.0

Chloris chloris

10

7

70.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

20.8

48.2

Picus viridis

554

3

0.5

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.5

0.9

Pica pica

1

1

100.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

100.0

Saxicola rubicola

1

1

100.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

100.0

Anthus campestris

2

1

50.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

75.0

Dendrocopos leucotos

8

1

12.5

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

15.8

Picus canus

19

2

10.5

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

9.9

Phoenicurus phoenicurus

9

2

22.2

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

9.5

Accipiter nisus

13

1

7.7

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

14.6

Accipiter gentilis

247

9

3.6

0.0

0.0

0.0

0.0

26.1

24.6

23.1

16.5

7.6

Вивчення прикладів неправильних визначень допомагає зрозуміти, які фактори можуть впливати на їх точність. Наявність шумів як фонових (гірський потік, вітер, автомобільний транспорт, залізниця), так і тих, що створює людина біля звукозаписуючого приладу (розмови, шум одягу, взуття, кроків) знижує значення релевантності результату визначення, що присвоює BirdNET для індикації вокалізації птаха. Досить часто ці шумові ефекти призводять до «визначення» неіснуючих в області спостереження видів птахів (хибно-позитивний результат). Хибні результати визначення також спостерігали для ділянок аудіозаписів у випадку, коли спостережник торкався мікрофона активованого декодера. Досить часто програма «розпізнавала» звуки, що видавали собаки у населених пунктах, як зозулю або бугая Botaurus stellaris.

Окрім того, ефективність BirdNET V2.2 для визначення представників ряду Дятлоподібні Piciformes була досить низькою. Якщо для жовни чорної Dryocopus martins рівень позитивних значень становив 100% ідентифікацій, які мали значення показника релевантності результату визначення більші за 0.6, то для достовірного виявлення дятла звичайного Dendrocopos major ці значення мали бути вищими за 0.9. Такі види як жовна зелена Picus viridis та жовна сива Picus canus мали дуже велику кількість хибних визначень (табл. 1).

Ідентифікації таких видів, як шишкар ялиновий Loxia curvirostra, синиця блакитна Cyanistes caeruleus, щедрик Serinus serinus, вівчарик весняний Phylloscopus trochilus, сорока Pica pica і трав'янка європейська Saxicola rubicola хоча і мали 100% правильних визначень, але робити висновки щодо ефективності програми для цих видів не можна, адже вибірка для них була дуже малою (табл. 1).

Залежно від мети досліджень, можна застосовувати різні пороги релевантності результату визначення для швидкого відсікання результатів автоматичної класифікації. Наприклад, якщо б задачею було мінімізувати хибно-позитивні визначення тинівки лісової Prunella modularis, то варто було б обрати значення порогу близьке до 0.8, де крива специфічності починає виходити на плато. Для вівчарика-ковалика чи мухоловки білошийої Ficedula albicollis (рис. 1), різкий вихід на плато відбувається вже за значень порогів близьких до 0.2-0.3, за рахунок загалом високої здатності BirdNET визначати ці види. Відповідно, низького рівня хибно-позитивних результатів для цих видів можна досягти і за низьких значень порогів.

Якби ж метою було максимально повно виявити сигнали тих чи інших видів на різних локалітетах, наприклад, щоб максимально не пропустити можливу реєстрацію рідкісного виду, то тактика мала би бути протилежною. У такому випадку ми мали вибрати поріг, який максимізує чутливість (сині криві на графіках чутливості/специфічності рис. 1, 2). При цьому, неминуче зростатиме рівень хибно-позитивних виявлень і доведеться вручну верифікувати велику кількість записів, але одночасно ми мінімізуємо шанс пропустити той чи інший вид на локації.

Найпростішою часто застосовуваною практикою [1] є вибір компромісного значення порогу на перетині кривих. Як видно з наших результатів ROC-аналізу, оптимальні для загальних цілей досліджень порогові значення релевантності результату визначення, для різних видів є відмінними і лежать навколо значень 0.2-0.3 (рис 2).

Загальна точність класифікації (показник AUC) змінюється від 0.681 у випадку тинівки лісової, до 0.979 у мухоловки білошийої. Очевидно, що точність класифікації BirdNET V2.2 або аналогічних алгоритмів буде змінюватис з розробкою нових версій програми.

Рис. 1. Приклади ROC-аналізу результатів класифікації вівчарика-ковалика та мухоловки білошийої за допомогою BirdNET V2.2

Але є і видоспецифічна залежність, яка насамперед пов'язана з унікальністю та складністю акустичних сигналів видів птахів як у частотному діапазоні, так і в структурі пісні або поклику. Наприклад, ми очікуємо, що точність визначення мухоловки білошийої завжди буде високою, незалежно від версії моделі BirdNET, а можливо, і від іншого застосованого методу машинного навчан-ня, оскільки поклики чи пісня виду є напрочуд простою і стандартною, тобто варіація між різними особинами невелика, а також, у порівнянні з іншими видами, акустичний сигнал добре відмінний. Така ж ситуація і з вівчариком-коваликом. Навпа-ки, очікувати значного покращення у визначені таких видів як тинівка лісова чи вільшанка Erithacus rubecula з їх складною й дещо мінливою піснею найімовірніше доведеться ще довго.

Рис. 2. Приклади ROC-аналізу результатів класифікації жовни чорної, тинівки лісової та вільшанки Erithacus rubecula за допомогою BirdNET V2.2

акустичний моніторинг карпатський фоновий птах

Внаслідок прослуховування акустичних файлів і дешифрування отриманих сонограм виявлено 66 видів птахів (табл. 2), з яких 50 видів очікувано належали до ряду Горобцеподібні Passeriformes, 3 види були представниками ряду Соколоподібні Falconiformes, 2 види входили до ряду Голубоподібні Columbiformes, 1 вид зозуля Cuculus canorus представник ряду Зозулеподібні (Cuculiformes), 1 вид одуд Upupa epops належав до Одудоподібних Upupiformes і 6 видів представляли ряд Дятлоподібні Piciformes.

Згідно з поділом птахів за екологічними угрупованнями, домінували дендрофіли 59 видів; кампофіли представлені 3 видами трав'янка європейська, щеврики гірський Anthus spinoletta та лучний Anthus pratensis; до лімнофілів належали 2 види; до склерофілів ластівка сільська Hirundo rustica та одуд.

Перелік зареєстрованих видів птахів в межах природоохоронних установ представлені в таблиці 2 та наведені за Handbook of the Birds of the World [6].

Показники кількості ідентифікованих видів птахів у розрізі природоохоронних установ наведено на діаграмі (рис. 3).

Обговорення

Таблиця 2

Результати пасивного акустичного моніторингу фонових видів птахів в Українських Карпатах

Вид

НПП «Бойківщина»

НПП «Гуцульщина»

НПП «Зачарований край»

Карпатський НПП

ПЗ «Розточчя»

НІНІ «Сколівські Бескиди»

НПП «Черемоський»

НПП «Яворівський»

Accipiter gentilis

-

-

+

+

+

-

-

+

Accipiter nisus

-

-

-

+

+

-

-

-

Buteo buteo

-

+

+

+

+

-

+

-

Columba palumbus

-

+

-

+

+

-

-

+

Columba oenas

-

+

-

+

-

-

-

+

Cuculus canorus

+

+

+

+

+

-

-

+

Upupa epops

-

-

-

-

+

-

-

-

Picus viridis

-

-

-

+

+

-

-

+

Picus canus

-

+

-

+

+

-

-

+

Dryocopus martius

+

+<...


Подобные документы

  • Загальна характеристика птахів: лелека білий, бусол, або чорногуз, гуска сіра, шпак звичайний, зозуля звичайна, ластівка сільська. Перельоти птахів та методи дослідження цього процесу. Аналіз спостережень за строками прильотів вказаних видів птахів.

    реферат [28,1 K], добавлен 21.09.2010

  • Загальна характеристика птахів, будова скелету, специфіка травної, дихальної систем. Характеристика видового складу птахів-синантропів. Опис та особливості життєдіяльності птахів-синантропів місцевої орнітофауни. Значення птахів в природі та житті людини.

    курсовая работа [376,3 K], добавлен 21.09.2010

  • Ліс як складний рослинний біоценоз. Видовий склад птахів лісу Чернігівського району, особливості його флористичного складу і площа. Опис видів птахів, які найбільш зустрічаються в даному районі дослідження. Діяльність людини та її вплив на птахів лісу.

    курсовая работа [39,1 K], добавлен 21.09.2010

  • В Україні заради збереження багатьох рідкісних і зникаючих видів птахів створюються природні заповідники, заказники. Рідкісних птахів розводять у вольєрах і випускають потім на волю, у природні для них умови життя. Особливості будови органів птахів.

    реферат [22,2 K], добавлен 19.05.2008

  • Історія виникнення птахів. Загальна характеристика класу Птахи. Характерні особливості будови опорно-рухової системи та внутрішньої будови птахів, що зумовили здатність до польоту. Роль та значення пір'яного покрову птахів, який надає їм обтічної форми.

    реферат [2,6 M], добавлен 21.07.2015

  • Характеристика розмноження птахів та значення даного процесу для популяції в цілому. Поведінка птахів на різних етапах життя, її відмінні особливості. Табличні дані характеристики розмноження. Графічні дані характеристики розмноження птахів, їх аналіз.

    курсовая работа [235,2 K], добавлен 01.02.2012

  • Узагальнення видів тварин, пристосованих до польоту, які належать до класу Птахи. Зовнішня будова птахів. Покриви тіла та скелет. Голосовий апарат та його роль. Міграція або переліт птахів. Класифікація птахів на екологічні групи: фітофаги, зоофаги.

    презентация [903,3 K], добавлен 21.10.2014

  • Вивчення зовнішньої будови птахів. Характеристика відділів тіла і особливостей їх будови. Узагальнення знань з теми будови класу птахів. Прогнози біологів, які говорять, що глобальне потепління клімату планети може призвести до зникнення видів птахів.

    контрольная работа [22,0 K], добавлен 18.11.2010

  • Особливості розмноження птахів. Специфіка перельотів, гніздування та будови яйця птахів: гусака сірого, сірого журавля, великого строкатого дятла. Характеристика кладки яєць, висиджування та вигодовування пташенят у різних представників класу птахів.

    курсовая работа [35,7 K], добавлен 21.09.2010

  • Поняття польоту та загальна характеристика птахів. Типи польоту: маховий, переривчастий (кілька помахів чергуються з вільним польотом), зависання на місці та ширяння, особливості їх застосування. Пристосування птахів до польоту, структура органів.

    презентация [1,5 M], добавлен 20.03.2013

  • Розміри, розмноження, спосіб життя та споріднені види птахів. Характерні особливості беркута. Площа території життєзабезпечення беркута. Поліпшення охорони виду. Знищення й забруднення місць перебування птахів. Чисельність беркутів, які живуть в Альпах.

    презентация [561,6 K], добавлен 22.04.2014

  • Птахи малих і середніх розмірів, з жорстким оперенням. Стернові пера, на які вони спираються під час лазіння по деревах, особливо жорсткі. Оперення строкате, білих, чорних, зелених і червоних кольорів. Дзьоб прямий, гострий, у птахів більшості видів.

    доклад [5,2 K], добавлен 05.12.2004

  • Коротка фізико-географічна характеристика Коропського району, методика систематизування видового складу району дослідження. Характеристика біологічних особливостей основних різновидів птахів-синантропів, що заселяють досліджуваний Коропський район.

    курсовая работа [32,0 K], добавлен 21.09.2010

  • Характер і способи гаструляції в тваринному царстві, інвагінація, імміграція та інволюція. Епіболія як рух епітеліальних пластів клітин. Провізорні органи зародка у птахів, їх будова і функції, розвиток із клітинного матеріалу зародкових листків.

    реферат [2,6 M], добавлен 20.03.2011

  • Ознайомлення з результатами фітохімічного дослідження одного з перспективних видів рослин Українських Карпат - волошки карпатської. Розгляд залежності вмісту досліджуваних біологічно активних речовин від виду сировини. Аналіз вмісту фенольних сполук.

    статья [23,3 K], добавлен 11.09.2017

  • Пінгвіни - чемпіони витривалості до низьких температур. Білий ведмідь, нерп, вівцебик, песець. Життя високогірних тварин. Найвисотніші мешканці гір серед птахів. Рекордисти з глибини проникання у грунт. "Верблюжі таємниці", мешканці гарячих джерел.

    реферат [8,5 M], добавлен 15.04.2010

  • Сальні та потові залози, їх будова та функції. Епіфіз, його роль у птахів і ссавців як нейроендокринного перетворювача. Зв'язок епіфізу з порушеннями у людини добового ритму організму. Регуляція біологічних ритмів, ендокринних функцій та метаболізму.

    контрольная работа [18,3 K], добавлен 12.07.2010

  • Птахи, які зимують в Україні. Зовнішній вигляд журавля сірого, його вага, тривалість життя, сезонні міграції. Журавлині танці, їх значення. Особливості харчування птахів. Устрій гніздівлі, насиджування кладки. Поширеність сірого журавля, цікаві факти.

    презентация [1,3 M], добавлен 07.04.2014

  • Еколого-морфологічна характеристика фонових представників іхтіофауни району дослідження. Аналіз видового складу іхтіофауни. Вікова і статева структура угруповань промислових видів. Фактори антропогенного походження, які негативно впливають на іхтіофауну.

    дипломная работа [3,4 M], добавлен 23.09.2012

  • Загальна характеристика флори Українських Карпат. Систематична характеристика та біоекологічні особливості Leontopodium alpinum Cass. Збереження фіторізноманіття шляхом інтродукції. Оцінка схожості насіння рослини, характеристика ранніх етапів онтогенезу.

    курсовая работа [1006,3 K], добавлен 17.02.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.