Billige og pålitelige lydopptakere utviklet ved Imperial ble brukt til pålitelig å identifisere fugler ved hjelp av sangene deres i et omfattende forsøk i norske skoger.

Forskere undersøker om vi kan bygge et nøyaktig bilde av sammensetningen av liv i skoger og andre økosystemer ved å bruke slike kontinuerlig registrerende lydenheter.

Forsøket brukte 41 lydopptakere over hele Norge og viste at disse kan identifisere 22 fuglearter med 100 % nøyaktighet fra sangene deres, og ytterligere 10 med over 70 % nøyaktighet.

Med fortsatt datainnsamling kan vi begynne å svare på større spørsmål, for eksempel hvordan klimaendringer påvirker disse økosystemene. Dr. Sarab Sethi

Lydopptakssystemet, kalt feil, inkluderer fysiske lydopptakere som kontinuerlig tar opp lyd og laster den opp til en skytjeneste via mobile SIM-kort. Skybasert kunstig intelligens analyserer deretter lydopptakene i sanntid for å trekke ut individuelle fuglesanger og identifisere arter, i tillegg til å analysere lydbildet som helhet.

Å analysere lydlandskap på denne måten kan gjøre overvåking av skoglivet mer kostnadseffektivt og gi bedre mål på økologisk tilstand, noe som gir et mer fullstendig bilde av naturens tilstand.

Bestått prøve

En prototypeversjon av Bugg ble testet i 2019 som en del av SAFE-prosjektet på Borneo, hvor den sporet lydbildene til skoger med varierende grad av hogstforstyrrelser. Siden den gang har teamet forbedret maskinvaren og programvaren for å lage en mer robust og pålitelig versjon, og testene i Norge representerer den første vellykkede storskala utrullingen av teknologien.

Dr. Sarab Sethi, som ledet utviklingen av Bugg ved Imperials matematiske avdeling, sa: «Ved å plassere lydopptakere opp og ned i Norge – i en rekke høyder og breddegrader – kan vi «få data om en gradient av miljøer. Gjennom kontinuerlige data samling, kan vi begynne å svare på bredere spørsmål, for eksempel hvordan klimaendringer påvirker disse økosystemene.»

Bugg-teamet samarbeidet med NINA, et forskningsinstitutt som jobber for Miljødirektoratet, for å teste Bugg-systemet. Fra 41 lydopptakere tok de opp nesten 60 000 timer med data.

Fuglesanger ble identifisert ved hjelp av BirdNET modell og verifisert av norsk ornitolog. I tillegg til å identifisere individuelle fuglearter, viser resultatene også at lydbildeanalyse kan karakterisere forskjeller mellom skog og semi-naturlig mark, samt forskjeller over en sesong.

Teamet opprettet også en Twitter-bot som tvitrer levende fuglelyder gjennom hele Norges overvåkingsprosjekt. Hver tweet har også en meningsmåling i svaret som ber folk sjekke om den automatisk identifiserte fuglen faktisk var riktig. Teamet håper at med nok av disse dataene vil de kunne forbedre modellene sine i fremtiden.

Søk i verden

Etter den vellykkede utprøvingen jobber teamet nå med NINA for å integrere lyddataene i andre undersøkelser for å forbedre dekningen. En undersøkelse er TOVe, der frivillige over hele landet registrerer fugler som ankommer i hekkesesongen.

Men ettersom det avhenger av personene, gjøres det bare en gang i året på et bestemt tidspunkt da de fleste hekkefuglene sannsynligvis har kommet. Dette kan bety at noen ikke telles – enten kom de tidlig og synger ikke lenger, eller så kommer de senere. Med Bugg kan tidsperioden forlenges, og få et mer nøyaktig bilde av hekkende fugler.

I tillegg til å jobbe med andre prosjekter, som å distribuere Bugg til en kaffefarm i Mexico, har teamet design for åpen kildekode maskinvare, slik at alle kan lage lydopptakere for seg selv. De planlegger også å gjøre programvaren tilgjengelig for alle, slik at den kan brukes som et forskningsverktøy av prosjekter over hele verden.