| dc.description.abstract | Sethi, S. S., Fossøy, F., Cretois, B. & Rosten, C. M. 2021. Management relevant applications of acoustic monitoring for Norwegian nature – The Sound of Norway. NINA Report 2064. Norwegian Institute for Nature Research.
High quality, large scale, and long-term field data is required as a foundation for any successful evidence-based nature management scheme. Whilst traditionally this data has been painstakingly collected by hand, breakthroughs in microelectronics and machine learning have opened the door for fully automated methods of ecosystem monitoring. Acoustic monitoring has shown particular promise as an affordable means to obtaining high quality ecological data on vast scales, and an array of sophisticated methods for data collection and analysis have been developed in the past decade.
In this report, we first survey existing literature in ecological acoustic monitoring through the lens of four Norwegian nature management priority areas: ecological base maps, green infrastructure, ecological condition, and species action plans. In each case, we detail the type of data needed for effective management, how acoustic monitoring can contribute to the desired goals, and identify the areas in which further research is required for acoustic monitoring to contribute to these priority areas. We find straightforward opportunities for automated vocalisation detection approaches to contribute species occurrence, abundance, and behavioural data at high resolutions and large scales to ecological base maps, green infrastructure, and species action plans. Additionally, we note that soundscape level analyses can provide new, holistic measures of ecosystem health which may improve measures of ecological condition.
We then cover the design, implementation, and results from the Sound of Norway project; a fully autonomous acoustic monitoring network deployed across the nation. Using the first large scale deployment of Bugg, a state-of-the-art ecological acoustic monitoring system, we surveyed 41 sites across forest, semi-natural grasslands, and urban settings between July and November 2021. 58 355 hours of audio data were uploaded directly from the field over a mobile internet link and analysed in real-time using a bird vocalisation detection model (BirdNET) and a soundscape fingerprinting approach. Once the analyses had been processed in the cloud, results were delivered through an intuitive and interactive web dashboard and the full dataset was exported in a machine-readable format for more in-depth analyses.
From expert annotations, we derived precision and recall metrics for the BirdNET model. The model had over 60% precision for 44 species (of which 21 species had 100% precision) and failed to identify any true calls for 5 species. Quantifying accuracy in this way gave us insight into strengths and weaknesses of the model and allowed us to control for potential misclassifications in downstream analyses. We used the filtered BirdNET detections to map species communities and changes in species richness across the full monitoring network, and to demonstrate that important phenological patterns could be derived from continuous acoustic monitoring data.
We also demonstrated that high level soundscape fingerprints could be used to discern spatial and temporal patterns across our monitoring network, without the need for vocalisation detection models. Spatially, we showed that soundscape features differed across different land-use types through our network, and temporally, we showed that changes in the community driven by the seasons were represented in a similar way.
Finally, we provide clear recommendations for how acoustic monitoring can best contribute to Norwegian nature management today. We identify existing monitoring programs which can, (i) benefit from the fine temporal resolution of acoustic data (e.g., TOVe, SEAPOP), (ii) integrate soundscape analyses to measure overall ecosystem health (e.g., ANO), and (iii) make use of audio based continuous measures of human disturbance (e.g., the national insect monitoring project). We then conclude by suggesting the most impactful directions for further methodological development to fine tune existing acoustic monitoring solutions to best serve the needs of Norwegian nature management. | en_US |
| dc.description.abstract | Sethi, S. S., Fossøy, F., Cretois, B. & Rosten, C. M. 2021. Management relevant applications of acoustic monitoring for Norwegian nature – The Sound of Norway. NINA Rapport 2064. Norsk institutt for naturforskning.
Høykvalitets, storskala og langsiktige feltdata er et viktig grunnlag for å sikre en vellykket empirisk basert naturforvaltning. Tradisjonelt sett har disse dataene blitt innsamlet for hånd, men gjennombrudd innen mikroelektronikk og maskinlæring har nå muliggjort helautomatiserte metoder for overvåkig av økosystemer. Akustisk overvåking er en lovende og kostnadseffektiv metode for å samle inn økologiske data på stor skala, og det har blitt utviklet en rekke sofistikerte metoder for datainnsamling og analyse det siste tiåret.
I denne rapporten starter vi med å kartlegge eksisterende litteratur innenfor økologisk akustikk med fokus på fire norske naturforvaltningsområder: økologiske grunnkart, grønn infrastruktur, økologisk tilstand og handlingsplaner for trua arter. I hvert tilfelle diskuterer vi hvilken type data som trengs for en effektiv forvaltning, hvordan akustisk overvåking kan bidra til å nå de ønskede målene, og identifiserer områder der ytterligere forskning er nødvendig for at akustisk overvåking skal kunne bidra til disse prioriterte områdene. Vi viser hvordan enkle automatiserte deteksjonsmetoder for lyd kan bidra med høyoppløselige data på artsforekomst, bestandsstørrelse og atferd på en stor skala til økologiske grunnkart, grønn infrastruktur og handlingsplaner for trua arter. I tillegg kan analyser av lydbilder gi nye, helhetlige mål på økosystemhelse og forbedre mål på økologisk tilstand.
Vi rapporterer deretter oppsett, implementering og resultater fra Lyden av Norge-prosjektet; et helautonomt akustisk overvåkingsnettverk fordelt over store deler av landet. Vi presenterer den første storskala testen av BUGG, et toppmoderne økologisk akustisk overvåkingssystem, der vi overvåket 41 lokaliteter på tvers av skog, seminaturlig mark og mer urbane habitater mellom juli og november 2021. Totalt ble 58 355 timer med lyddata lastet opp direkte fra felt over en mobil internettkobling og analysert i sanntid ved hjelp av en deteksjonsmodell for fuglelyd (BirdNET) og en lydbilde-fingeravtrykkstilnærming. Når analysene var behandlet i skyen, ble resultatene levert gjennom et intuitivt og interaktivt online dashbord, og hele datasettet ble til slutt eksportert i et maskinlesbart format for mer dyptgående analyser.
Vi utledet presisjons- og gjenkallingsmålinger for modellen ved hjelp av ekspertvurderinger. Modellen hadde over 60 % presisjon for 44 arter (hvorav 21 arter hadde 100 % presisjon) og identifiserte 5 arter der modellen gav falske positiver, altså at disse artene ikke fantes på lokaliteten.
Å kvantifisere nøyaktighet på denne måten ga oss innsikt i styrker og svakheter ved modellen og tillot oss å kontrollere for potensielle feilklassifiseringer i videre analyser. Vi brukte de filtrerte BirdNET-deteksjonene for å kartlegge artssamfunn og endringer i artsrikdom på tvers av hele overvåkingsnettverket, og for å demonstrere at viktige fenologiske mønstre kan utledes fra kontinuerlige akustiske overvåkingsdata.
I tillegg demonstrerte vi at lydbilder kan brukes til å beskrive mønstre i tid og rom på tvers av overvåkingsnettverket vårt. Fra disse analysene har vi vist at automatisert akustisk overvåking kan gi kontinuerlige økologiske data både for enkeltarter og på et overordnet samfunnsnivå, inkludert informasjon om biodiversitet, samfunnsendringer og migrasjonstidspunkt.
Til slutt gir vi anbefalinger for hvordan akustisk overvåking kan benyttes av norsk naturforvaltning i dag. Vi identifiserer eksisterende overvåkingsprogrammer som kan, (i) dra nytte av den høye tidsmessige oppløsningen til akustiske data (f.eks. TOVe, SEAPOP), (ii) integrere lydbildeanalyser for å måle generell økosystemhelse (f.eks. ANO), og (iii) integrere lydbaserte kontinuerlige mål på menneskelig påvirkning (f.eks. nasjonal overvåking av insekter). Vi avslutter med å peke på de mest effektive løsningene for videre metodeutvikling som kan finjustere eksisterende akustiske overvåkingsløsninger og ivareta behovene til norsk naturforvaltning. | en_US |
