北美各地的云雀雀鸣声存在生态地理差异

机器学习模型可用于分析大规模生物声学数据集，并探究由地理因素或栖息地造成的变异。我们发现，在单型种草原歌雀（Chondestes grammacus）中，环境变量和地理距离都会影响该物种的鸣唱变异。鸟鸣是鸟类物种内部进行交流的重要方式。同一物种内鸟鸣的变异可能由多种因素引起，包括遗传漂变和距离隔离。然而，对于分布范围广泛的物种而言，环境因素究竟如何导致鸣唱变化，仍不明确。本研究利用机器学习分析 C. grammacus 的鸣唱，以确定其是否基于多种地理指标表现出显著变异。我们训练了一个卷积神经网络，对 91 段 C. grammacus 录音中的独立音节进行分割，随后提取鸣唱特征。我们发现，生态区和州可以解释 C. grammacus 鸣唱的变异。研究结果表明，利用机器学习模型分析大规模数据集是有效的，同时也揭示了生态地理变异对鸣唱差异的影响。

机器学习模型可用于分析大型生物声学数据集，并探究由地理位置或栖息地造成的变异。我们发现，在单型种草原雀（Chondestes grammacus）中，环境变量和地理距离均会影响该物种鸣唱的变异。鸟鸣是鸟类物种内部进行交流的重要方式。同一物种内鸟鸣的变异可能由多种因素造成，包括遗传漂变和距离隔离。然而，对于分布范围广泛的物种而言，环境因素具体如何导致鸣唱发生变化，仍不清楚。在本研究中，我们利用机器学习对 C. grammacus 的鸣唱进行了分析，以确定其是否会基于多个地理指标产生显著变异。我们训练了一个卷积神经网络，对 91 条 C. grammacus 录音中的单个音节进行分割，随后提取鸣唱特征。我们发现，生态区和州别可以解释 C. grammacus 鸣唱的变异。研究结果表明，利用机器学习模型分析大型数据集是有效的，同时也揭示了生态地理变异对鸣唱差异的影响。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.25.745997v1?rss=1

🏷️ 鸟类鸣唱 生态地理变异 机器学习 生物声学 动物行为