Опыт применения пассивного акустического мониторинга для оценки суточных и сезонных закономерностей вокальной активности лесных птиц Центральной России

Пассивный акустический мониторинг (ПАМ) – способ наблюдений, при котором автономные звукорегистрирующие устройства длительно фиксируют звуковую обстановку без постоянного присутствия наблюдателя. За последние годы этот подход широко вошёл в международную практику как в прикладной экологии, так и в охране природы: он позволяет получать непрерывные временные ряды наблюдений, выявлять суточные особенности голосовой активности, сезонные изменения и фенологические сдвиги, а также сохраняет исходные записи, к которым можно возвращаться при повторной проверке (Sugai et al . 2019; Gibb et al . 2019; Darras et al . 2025).

Отдельным шагом вперёд стало распространение автоматического распознавания видов по голосам на основе алгоритмов машинного обучения. Показано, что при корректной настройке и контроле качества автоматическая идентификация может давать результаты, сопоставимые с экспертной разметкой, а сама технология открывает возможность мониторинга в больших масштабах – от локальных сообществ до сезонных процессов на ландшафтном уровне (Kahl et al . 2021; Funosas et al . 2024).

Для Центральной России такой подход особенно перспективен при изучении лесных птиц, поскольку у многих видов выражены суточные пики вокализации и резкая сезонная динамика, связанная с размножением и миграциями (Bruni et al . 2014; Kempenaers et al . 2010; Dominoni et al . 2016).

В настоящей работе нами обобщён опыт применения ПАМ для выявления суточных и сезонных закономерностей вокальной активности лесных птиц Центральной России на материалах 2025 года, получен- ных с использованием станций BirdNET-Pi и сведённых в единую базу RU-BIRDS.

Материалы и методы

Исследование основано на данных пассивного акустического мониторинга птиц, собранных в 2025 году в Центральной России. Основной материал получен в Московской области, дополнительный – в соседних регионах. Регистрация велась сетью автономных станций BirdNET-Pi, размещённых независимыми наблюдателями; работа станций представляла собой совокупность отдельных сеансов наблюдений в течение года. Все материалы загружались в единую базу RU-BIRDS (Ukolov et al . 2021), где проходили первичную проверку и стандартизацию.

Пространственное распределение регистрирующих станций в пределах исследуемой территории показано на рисунке 1.

Рис. 1. Расположение акустических станций BirdNET-Pi, использованных в работе, в Центральной России. 2025 год

Автоматическое распознавание видов выполняли средствами BirdNET-Pi; для каждой детекции учитывали вид и показатель достоверности (далее Confidence). Для уменьшения повторного учёта результаты агрегировали в 10-минутные интервалы в пределах каждой станции и каждого вида, оставляя в каждом интервале одну запись с максимальным Confidence. Использование 10-минутного шага соответствует принятой практике анализа суточных и сезонных профилей вокальной активности по данным ПАМ (Singer et al . 2025).

Для снижения доли ложных срабатываний применяли видоспецифическую фильтрацию по Confidence. Объём наблюдений оценивали по числу уникальных пар «станция х дата» и производной величине станция-часы. В качестве показателя вокальной активности использовали число агрегированных 10-минутных событий, сопоставляя его с объёмом наблюдений по месяцам.

Результаты

Объём материала и объём наблюдений

Исходный массив данных пассивного акустического мониторинга (до фильтрации и агрегации) включал 440556 записей. Материал охватывал 328 уникальных дат и 11 станций BirdNET-Pi. Фактический объём наблюдений составил 822 уникальные пары «станция×день», что эквивалентно 19728 станция-часам. После фильтрации и стандартизации данных, а также укрупнения детекций во времени, итоговый массив включал 15430. В наборе представлены 58 видов птиц, относящихся к обычным гнездящимся (либо регулярно встречающимся в гнездовой сезон) видам Центральной России, преимущественно связанных с лесными биотопами.

Суточные и сезонные профили по видам

Суточно-сезонные диаграммы показывают выраженные межвидовые различия как по распределению активности в пределах суток, так и по длительности сезонного «окна» вокализации (рис. 2). Для ряда массовых лесных воробьиных в период максимальной вокализации характерна высокая активность в течение значительной части светлого времени суток, формирующая широкое дневное «окно» (например, Anthus trivialis , Sylvia borin , Parus major , Fringilla coelebs) . Вместе с тем у отдельных видов суточный профиль заметно неоднороден: у Turdus merula выражена предрасположенность к участию в утренних и вечерних хорах.

Для ночных и сумеречных видов выявляются иные типы суточной организации. У Glaucidium passerinum активность приурочена преимущественно к вечерним и утренним сумеркам и выражена в осенний и весенний периоды. Вокальная активность Strix aluco занимает ночные часы, усиливаясь ранней весной и осенью. Особый профиль демонстрирует Scolopax rusticola: регистрации концентрируются в утренние и вечерние сумерки, при этом сезонное «окно» активности приходится на весну и раннее лето и закрывается к периоду летнего солнцестояния. Сезонные «окна» вокализации у разных видов различаются по длительности и положению в годовом цикле. У большинства перелётных гнездящихся видов сезонные «окна» относительно узкие и приурочены к гнездовому сезону, что хорошо видно на примере Sylvia spp., Ficedula hypoleuca, Cuculus canorus, Luscinia luscinia и Carpodacus erythrinus (рис. 2). У пеночек Phylloscopus spp. сезонное окно выглядит более широким; это связано с тем, что заметную долю регистраций составляют позывки в период миграции, а не только песни в период гнездования. У ряда оседлых видов регистрации сохраняются более растянуто в течение года (например, Corvus corax, Parus major).

Time of day

Рис. 2. Суточные и сезонные профили вокальной активности лесных видов птиц по данным ПАМ (BirdNET-Pi) в Центральной России в 2025 году, отсортированные по убыванию количества детекций. По оси X — время года (месяцы), по оси Y — время суток; цветом показана относительная выявляемость.

В заголовке каждого графика указано число учтённых событий (n) . Линиями показаны ориентировочные времена восхода и захода Солнца.

Сезонная динамика вокальной активности и её связь с объёмом наблюдений

Распределение объёма наблюдений по году было неравномерным, поэтому сезонную динамику абсолютной вокальной активности анализировали совместно с объёмом наблюдений по месяцам (рис. 3). Сопоставление числа агрегированных 10-минутных событий с объёмом наблюдений показало положительную связь ( r = 0.69). Вместе с тем динамика активности не полностью определяется объёмом наблюдений: максимальные значения приходятся на май, после чего отмечается резкое снижение абсолютной активности при сопоставимом уровне станция-часов (рис. 3).

Рис. 3. Сопоставление абсолютной вокальной активности (число агрегированных 10-минутных событий) и объёма наблюдений (станция-часы) по месяцам 2025 года; коэффициент корреляции Пирсона 0.69.

Показан весенний максимум активности (май) и последующий спад при сопоставимом уровне объёма наблюдений.

Обсуждение

Пассивный акустический мониторинг с автоматическим распознаванием позволяет на одном массиве данных описывать сезонные и суточные «окна» вокальной активности для широкого набора лесных видов Центральной России. Существенным условием корректной интерпретации является сопоставление активности с объёмом наблюдений, что делает сезонные сравнения более устойчивыми к неравномерной работе сети и снижает риск смешения биологических закономерностей с эффектами наблюдательного усилия.

Суточно-сезонные диаграммы демонстрируют устойчивые межвидовые различия (рис. 2). Для многих массовых воробьиных в период максимальной вокализации характерно широкое дневное «окно», тогда как у отдельных видов заметны специфические суточные профили, включая утренние и вечерние подъёмы (например, у Turdus merula) . Сумеречные и ночные виды выделяются не менее отчётливо. Таким образом, ПАМ позволяет фиксировать не только сезон присутствия вида, но и типичное «время суток», в которое он наиболее вероятно регистрируется.

Отдельно следует подчеркнуть различия в длительности сезонных «окон» у перелётных гнездящихся видов. Для многих из них характерны относительно узкие периоды высокой вокальной активности, соответст - вующие гнездовому сезону (славки, мухоловки, кукушка, соловей, чечевица), что согласуется с их фенологией и наблюдается на рисунке 2. У других видов сезонное «окно» выглядит более широким, так как для них характерна вокализация в период миграции и кочёвок.

Следует учитывать, что «вокальная активность» по данным автоматических регистраций отражает суммарный поток сигналов вида и не всегда позволяет надёжно разделить песни и позывки; кроме того, без дополнительной полевой проверки не всегда возможно чётко отличить локально гнездящихся птиц от пролётных или кочующих особей. Поэтому сезонные «окна» следует трактовать как периоды присутствия и (или) повышенной слышимости вида. Дополнительно необходимо учитывать неодинаковую «узнаваемость» голосов разных видов алгоритмом BirdNET: точность распознавания и вероятность регистрации могут различаться между таксонами, поэтому межвидовые сравнения по абсолютному числу детекций следует интерпретировать осторожно.

В целом результаты подтверждают перспективность ПАМ как инструмента регионального мониторинга обычных лесных видов. При сохранении единых правил обработки (агрегация по времени, применение видоспецифичных методик анализа данных) данные пригодны для отслеживания возможных фенологических сдвигов, а также для уточнения оптимальных сроков и времени суток при проведении традиционных учётов (Singer et al . 2025).

Работы выполнялись при поддержке Зоологического музея Московского государственного университета имени М.В.Ломоносова и программы «Птицы Москвы и Подмосковья».