Ako vedci merajú rozdiely medzi piesňami veľrýb a jednotlivých veľrýb?

Veľryby keporkaky produkujú niektoré z najkomplexnejších hlasových prejavov v oceáne. Ich piesne obsahujú opakované zvuky, organizované frázy a sekvencie, ktoré sa môžu časom meniť. Aj keď veľryby v rámci populácie môžu zdieľať mnohé funkcie piesní, výskumníci môžu tiež pozorovať variácie vo zvukoch produkovaných rôznymi spevákmi.

Pochopenie týchto rozdielov pomáha vedcom skúmať hlasové správanie, porovnávať nahrávky a skúmať, ako keporkaky komunikujú. Nastoľuje to tiež dôležitú otázku: dokážu výskumníci určiť, ktorá individuálna veľryba vytvorila konkrétnu pieseň skúmaním jej akustických vlastností?

Odpoveď si vyžaduje starostlivú analýzu. Vedci môžu merať rozdiely medzi nahrávkami, ale rozdiel vo zvuku automaticky neidentifikuje konkrétnu veľrybu. Spoľahlivé závery závisia od opakovaných pozorovaní, kvality záznamu a dôkazov spájajúcich zvuky so známymi jedincami.

Ľuďom, ktorí sa zaujímajú o pozorovanie veľrýb Samaná v Dominikánskej republike, tento výskum ponúka ďalší spôsob, ako pochopiť zvieratá, ktoré navštevujú región počas obdobia rozmnožovania.

Prečo vedci porovnávajú jednotlivé piesne veľrýb?

Porovnávanie jednotlivcov a výskumníkov medzi skupinami a skupinami, ako sa veľryby správajú, ako sa veľryby správajú. ročné obdobia.

Niektoré rozdiely sa môžu týkať štruktúry piesne, zatiaľ čo iné môžu odrážať, ako veľryba vydáva konkrétny zvuk. Výskumníci môžu skúmať výšku tónu, trvanie, frekvenčné vzorce a usporiadanie opakujúcich sa jednotiek.

Tieto porovnania môžu pomôcť pri riešení niekoľkých otázok:

• Pretrvávajú rôzni speváci merateľne odlišné akustické vzorce?
• Produkuje jednotlivec podobné vokalizácie, kým iní sú vo viacerých reláciách nahrávania>
• Dajú sa akustické pozorovania spoľahlivo prepojiť s vizuálne identifikovanými veľrybami?
• Aká veľká variácia existuje v rámci populácie alebo obdobia zaznamenávania?

Odpovedanie na tieto otázky vyžaduje od vedcov, aby rozlíšili skutočné biologické variácie od rozdielov spôsobených podmienkami prostredia alebo záznamovým zariadením.

1. Zhromažďovanie vysokokvalitných podvodných nahrávok

Prvým krokom je získanie nahrávok vhodných na porovnanie.

Vedci bežne používajú hydrofóny, čo sú podvodné mikrofóny určené na zachytávanie zvuku. V závislosti od dizajnu výskumu môžu byť tieto zariadenia nasadené z plavidla, pripojené ku kotvisku alebo použité v iných vhodných záznamových zariadeniach.

Výskumníci musia zdokumentovať dôležité podrobnosti vrátane času nahrávania, miesta, nastavenia zariadenia a podmienok prostredia, ak je to možné.

Na týchto detailoch záleží, pretože tá istá veľryba môže znieť na nahrávkach odlišne, aj keď sa jej hlasové správanie podstatne nezmenilo. Vzdialenosť od hydrofónu, hluk v pozadí, podmienky vody a poloha nahrávacieho zariadenia – to všetko môže ovplyvniť signál.

Napríklad vzdialený spevák môže znieť tichšie alebo menej zreteľne ako blízky spevák. Vedci sa musia vyhýbať interpretácii každého rozdielu v hlasitosti ako rozdielu medzi jednotlivými veľrybami.

Dobré nahrávacie postupy poskytujú základ pre zmysluplné akustické porovnania.

2. Vizualizácia skladieb pomocou spektrogramov

Spektrogram je vizuálna reprezentácia zvuku, ktorá zobrazuje, ako sa frekvencia mení v priebehu času. Umožňuje výskumníkom skúmať vlastnosti, ktoré môže byť ťažké konzistentne porovnávať iba pri počúvaní.

V spektrograme sa čas zvyčajne zobrazuje horizontálne a frekvencia vertikálne. Sila zaznamenaného zvuku je reprezentovaná rozdielmi vo vizuálnej intenzite alebo farbe v závislosti od softvéru.

Vedci používajú spektrogramy na skúmanie funkcií, ako sú:

• Frekvenčný rozsah, ktorý zvuk zaberá.
• Ako stúpa alebo klesá výška tónu jednotlivých zvukov.
• Trvanie jednotlivých zvukov.
• rozostupy medzi opakujúcimi sa jednotkami.
• Štruktúra a načasovanie fráz.

Výskumníci môžu porovnať tieto vlastnosti naprieč nahrávkami, aby kvantifikovali podobnosti a rozdiely.

Spektrogram však automaticky neodhalí identitu veľryby. Poskytuje dôkaz o akustickom signáli, ktorý je potrebné interpretovať spolu s ďalšími informáciami.

3. Meranie vzorcov frekvencie a výšky tónu

Frekvencia je jednou z akustických vlastností, ktoré môžu výskumníci merať pri porovnávaní vokalizácie veľrýb.

Zvuk môže obsahovať frekvencie, ktoré sa počas svojho trvania menia. Výskumníci môžu merať základnú frekvenciu, ak ju možno spoľahlivo identifikovať, ako aj ďalšie relevantné spektrálne vlastnosti.

Môžu porovnať počiatočnú frekvenciu, koncovú frekvenciu, frekvenčný rozsah alebo rýchlosť, pri ktorej zvuk mení výšku.

Napríklad dve nahrávky môžu obsahovať podobné vokálne jednotky, ale vykazujú rozdiely vo frekvenčných obrysoch. Vedci môžu tieto rozdiely kvantifikovať a určiť, či sú konzistentné pri opakovaných vzorkách.

Je dôležité rozlíšiť frekvenciu od vnímanej hlasitosti. Zmena frekvencie popisuje zmenu v frekvencii oscilácií zvuku, zatiaľ čo hlasitosť sa vzťahuje na silu zvuku tak, ako je prijímaný a vnímaný.

Výskumníci tiež berú do úvahy kvalitu záznamu a šum, čo môže znížiť spoľahlivosť meraní frekvencie.

4. Porovnanie trvania zvuku a časovania

Dĺžka vokálnej jednotky môže poskytnúť ďalšiu užitočnú funkciu porovnania.

Vedci merajú, ako dlho zvuk trvá, koľko času oddeľuje po sebe nasledujúce jednotky a ako sú usporiadané frázy. Môžu tiež skúmať frekvenciu opakovania a pauzy v rámci skladby.

Dvaja speváci môžu produkovať podobné typy zvuku, líšia sa však v načasovaní. Alternatívne môže ten istý jednotlivec zmeniť načasovanie pri rôznych spevoch.

Na pochopenie významu týchto rozdielov výskumníci potrebujú viac nahrávok, a nie izolované príklady.

Jeden nezvyčajne krátky zvuk môže byť výsledkom prekrývajúcich sa vokalizácií, hluku v pozadí alebo neistej hranice medzi jednotkami. Opakované merania pomáhajú odhaliť, či je pozorovaná variácia trvalá alebo jednoducho odráža obmedzenia záznamu.

Merania načasovania môžu byť obzvlášť užitočné v kombinácii s frekvenčnými a štrukturálnymi vlastnosťami.

5. Štúdium jednotiek piesní a štruktúry fráz

Piesne veľryby hrbatej často obsahujú opakujúce sa akustické jednotky usporiadané do fráz a väčších sekvencií. Vedci môžu porovnávať nielen jednotlivé zvuky, ale aj spôsob, akým sú tieto zvuky organizované.

Môžu napríklad skúmať, ktoré jednotky sa vyskytujú spolu, v akom poradí sa objavujú a ako často sa určitá sekvencia opakuje.

Výskumníci potom môžu porovnať štruktúru nahrávok vytvorených v rôznych časoch alebo spojených s rôznymi spevákmi.

Zdieľaná štruktúra piesní však nemusí nevyhnutne znamenať, že pochádzajú z dvoch nahrávok veľrýb. Piesne veľryby hrbatej môžu obsahovať vzory zdieľané viacerými spevákmi a tieto vzorce sa môžu časom meniť.

Štruktúra piesne je preto užitočná na opis vokálneho správania a porovnávanie skupín, ale ak je cieľom identifikácia jednotlivca, musí sa interpretovať opatrne.

6. Meranie variácií v rámci tej istej veľryby

Predtým, než sa vedci rozhodnú, že akustická vlastnosť odlišuje jednu veľrybu od druhej, musia vedci pochopiť, do akej miery sa táto vlastnosť v rámci jednotlivca líši.

Veľryba môže pri rôznych reláciách produkovať vokalizácie s mierne odlišným načasovaním alebo frekvenčnými charakteristikami. Jej pieseň sa tiež môže meniť, keď spieva alebo ako sa vyvíja širší vzorec piesne.

Výskumníci to môžu preskúmať porovnaním nahrávok spojených s rovnakou identifikovanou veľrybou počas viacerých pozorovaní.

Potom skúmajú, či konkrétne vlastnosti zostávajú primerane stabilné alebo sa značne líšia.

Tento krok je kľúčový. Funkcia, ktorá sa v rámci jednej veľryby značne mení, môže byť zlým identifikátorom, aj keď sa medzi dvoma vybranými nahrávkami javí ako odlišná.

Meraním variácií v rámci jednotlivca aj medzi jednotlivcami môžu vedci posúdiť, či je akustický prvok užitočný na rozlíšenie spevákov.

7. Spájanie skladieb so známymi jednotlivcami

Akustické porovnania sa stanú informatívnejšími, keď výskumníci dokážu spojiť nahrávky s veľrybami, ktorých identita je nezávisle stanovená.

Jedným zavedeným prístupom k identifikácii jednotlivých veľrýb keporkakov je identifikácia pomocou fotografií. Výskumníci fotografujú spodnú stranu veľrybieho chvosta, ktorý môže zobrazovať charakteristické znaky a vzory.

Keď je možné fotografie a akustické nahrávky prepojiť prostredníctvom starostlivo zdokumentovaných pozorovaní, výskumníci môžu porovnať hlasové správanie známych jedincov.

Napríklad, ak je vizuálne identifikovaná veľryba pozorovaná a zaznamenaná za vhodných podmienok, výskumníci môžu vždy spojiť hlasové spojenie s daným jednotlivcom. V blízkosti sa môže nachádzať niekoľko veľrýb, zvuky sa môžu prekrývať a môže byť ťažké určiť zdroj vokalizácie z plavidla.

Vedci preto musia rozlíšiť záznam vytvorený v čase, keď bola prítomná veľryba, od záznamu, ktorý je s istotou pripísaný tejto veľrybe.

8. Používanie štatistických metód na porovnávanie skladieb

Keď výskumníci získajú akustické merania, štatistické metódy môžu pomôcť vyhodnotiť vzory nahrávok.

Súbor údajov môže zahŕňať merania frekvencie, trvania, časovania fráz a ďalšie funkcie. Výskumníci môžu skúmať, do akej miery sa tieto merania líšia a či určité kombinácie rozlišujú nahrávky spojené s rôznymi jednotlivcami.

V závislosti od výskumnej otázky môžu vedci použiť viacrozmernú analýzu, zhlukovanie, klasifikačné metódy alebo iné štatistické techniky.

Tieto nástroje môžu pomôcť odhaliť vzorce, ktoré je ťažké odhaliť samotným počúvaním. Štatistický rozdiel však nemusí nevyhnutne predstavovať biologické vysvetlenie.

Výskumníci musia zvážiť veľkosť vzorky, kvalitu jednotlivých označení, variácie v rámci relácií a možnosť, že model zisťuje skôr podmienky záznamu než skutočné rozdiely medzi veľrybami.

Vždy, keď sa použije automatická klasifikácia, je dôležité nezávislé overenie. Systém by mal byť otestovaný na vhodných nahrávkach, ktoré neboli použité na jeho zostavenie alebo vyladenie.

9. Dokáže umelá inteligencia identifikovať jednotlivých spevákov?

Systémy strojového učenia dokážu analyzovať veľké súbory akustických údajov a identifikovať opakujúce sa vzorce. V závislosti od údajov a cieľa výskumu môžu tieto systémy pomôcť zoskupiť podobné vokalizácie, klasifikovať jednotky skladieb alebo zistiť, či nahrávky obsahujú informácie spojené s jednotlivými spevákmi.

Systém, ktorý rozlišuje dve nahrávky, však nemusí nutne identifikovať dve rôzne veľryby.

Môže namiesto toho zisťovať rozdiely v šume pozadia, charakteristikách mikrofónu, vzdialenosti nahrávania alebo či je potrebné vyhodnotiť jednotlivé sekvencie piesní v každej vzorke. nahrávky so spoľahlivými identifikačnými štítkami a vhodnou stratégiou testovania. V ideálnom prípade by hodnotenie malo zahŕňať samostatné nahrávacie relácie, aby systém jednoducho nerozpoznal funkcie špecifické pre jednu nahrávku.

AI môže podporovať výskum, ale jej predpovede by sa nemali považovať za potvrdené individuálne identity bez adekvátneho overenia.

10. Oddelenie individuálnych rozdielov od zdieľaných piesní

Jednou z najväčších výziev je, že veľryby môžu zdieľať vzory piesní.

Ak viaceré veľryby produkujú podobné jednotky a sekvencie, tieto funkcie môžu byť užitočné na štúdium širšej vokálnej kultúry populácie, ale menej užitočné na identifikáciu jedného speváka.

Výskumníci preto potrebujú rozlíšiť tieto dve akustické nahrávky

Táto akustická nahrávka musí byť podobná pýta sa, či sa ich merateľné zvukové vlastnosti navzájom podobajú.

Vytvorila obe nahrávky tá istá veľryba? Pýta sa to na identitu vokalizátora a vyžaduje si ďalšie dôkazy.

Prvú otázku možno často preskúmať pomocou akustickej analýzy. Druhý je náročnejší, pretože podobné hlasové správanie môže zdieľať mnoho jednotlivcov.

Kombinácia akustických meraní so spoľahlivými individuálnymi pozorovaniami môže pomôcť objasniť rozdiel.

11. Aplikácia týchto metód na výskum v zálive Samaná

Záliv Samaná je dôležitou sezónnou destináciou na pozorovanie veľrýb. Jeho navštevujúce veľryby poskytujú príležitosti na pozorovanie, ale identifikácia jednotlivých spevákov prostredníctvom akustických údajov si vyžaduje špeciálny výskumný dizajn.

Štúdia v tejto oblasti by mohla zbierať podvodné nahrávky v zdokumentovaných časoch a miestach, analyzovať charakteristiky piesní a porovnávať nahrávky v rámci viacerých relácií.

Ak je to možné, výskumníci by tiež mohli zbierať fotografie a pozorovania správania na prepojenie akustických údajov so známymi veľrybami. Opakované vzorkovanie by pomohlo určiť, či konkrétne funkcie zostávajú u jednotlivca stabilné alebo sa líšia v rámci relácií.

Vedci budú musieť vziať do úvahy hluk lode, prekrývanie sa spevákov, záznamovú vzdialenosť a rozdiely vo vybavení. Potrebovali by tiež dostatok overených pozorovaní na podporu akýchkoľvek záverov o individuálnej identite.

Pokiaľ nie sú k dispozícii vhodné miestne údaje, nebolo by vhodné tvrdiť, že konkrétne akustické podpisy už boli potvrdené pre jednotlivé veľryby v zálive Samaná.

Tieto metódy popisujú, ako by sa takýto výskum mohol uskutočniť, namiesto tvrdenia, že tieto zistenia priniesla konkrétna miestna štúdia.

12. Prečo sú tieto porovnania dôležité pre ochranu veľrýb

Porozumenie individuálnym hlasovým variáciám môže prispieť k širšiemu výskumu komunikácie a správania veľrýb.

Spoľahlivé akustické údaje môžu vedcom pomôcť študovať, ako veľryby používajú zvuk, ako sa hlasové vzorce líšia medzi skupinami a či sa určité správanie mení v priebehu ročných období.

Keď sa môžu hlasové prejavy spájať so známym správaním jednotlivcov a ako sa môžu spájať so známym správaním a sociálnym správaním výskumníkov. opakované návštevy konkrétnych oblastí.

Akustické monitorovanie však nie je úplnou náhradou iných výskumných metód. Identifikácia fotografií, vizuálne pozorovania, údaje o pohybe a merania životného prostredia môžu poskytnúť doplnkové dôkazy.

Kombinácia týchto prístupov umožňuje vedcom vytvoriť si úplnejší obraz o správaní veľrýb a zároveň uznať limity každej metódy.

Pre zodpovedné pozorovanie veľrýb tento výskum tiež posilňuje dôležitosť minimalizácie vyrušovania a dodržiavania rozdielov medzi miestnymi vedcami v oblasti pozorovania voľne žijúcich živočíchov2>2