Contributor and city concentration shape apparent urban differences in the call–song balance of a global sound archive

Technisches Resümee: Konzentration von Beitragenden und Städten formt scheinbare urbane Unterschiede im Call–Song-Verhältnis eines globalen Audio-Archivs

Problemstellung
Opportunistische Audio-Archive wie Xeno-canto bieten umfangreiche Aufzeichnungen von Vogelvokalisationen, leiden jedoch unter nicht standardisierter Probenahme. Die Beitragenden variieren hinsichtlich der Arten, Standorte, Jahreszeiten und Vokalisationstypen, die sie aufzeichnen. Während bekannt ist, dass urbane Umgebungen die Kommunikation von Vögeln verändern (z. B. Lärmmaskierung von Signalen, Auswirkungen von künstlichem Licht auf die Physiologie), bleibt unklar, ob die beobachteten Unterschiede im Gleichgewicht zwischen „Calls“ (Rufe) und „Songs“ (Gesängen) in großen Datensätzen echte biologische Veränderungen oder Artefakte von Stichprobenfehlern (Sampling Bias) widerspiegeln. Konkret untersucht die Studie, ob die scheinbaren urbanen Gradienten in der Wahrscheinlichkeit, dass eine Aufnahme als Call oder als Song etikettiert wird, durch die zugrunde liegende Struktur von Beitragen-Standort-Überlappungen getrieben sind oder durch universelle Artenreaktionen.

Methodik
Die Autoren analysierten 66.741 Aufnahmen von 227 Arten aus 115 Ländern, die aus Xeno-canto stammen. Die Zielvariable war der vom Uploader zugewiesene Vokalisationstyp (Call vs. Song), abgeleitet aus tokenisierten Metadaten.

• Definition des urbanen Gradienten: Die Aufnahmen wurden einem fünfstufigen Stadt-Nähe-Gradienten zugeordnet (ländlich, vorstädtisch, urban, Stadtkern, Großstadtkern), basierend auf der Großkreisdistanz zum nächstgelegenen Ort mit einer Bevölkerung $\ge$ 100.000, mit weiterer Stratifizierung nach Bevölkerungsschwellen ($\ge$ 500.000 und $\ge$ 1.000.000) für die Kernkategorien.
• Statistische Modellierung:
  • Artenspezifische Gradienten: Es wurden logistische Regressionen für jede Art durchgeführt, um die Steigung der Call-Wahrscheinlichkeit gegen den urbanen Score zu schätzen. Diese Steigungen wurden mittels Fixed-Effect- und Random-Effects-Meta-Analysen synthetisiert.
  • Varianz und Gewichtung: Standardfehler wurden sowohl unter Verwendung modellbasierter Schätzungen als auch unter Verwendung von Beitragen-geclusterten Sandwich-Standardfehlern berechnet, um die Nicht-Unabhängigkeit von Aufnahmen desselben Beobachters zu berücksichtigen.
  • Kategoriale Kontraste: Logistische Modelle mit Arten-, Monat- und Breitengrad-Fixed-Effects wurden verwendet, um spezifische urbane Ebenen gegenüber ländlichen Baselines zu vergleichen.
  • Dekomposition: Die Autoren dekomponierten die gepoolten Rural–Großstadt-Differenzen in „Komposition“ (Änderungen in der Artenzusammensetzung) und „Innerhalb-der-Art“-Komponenten (Änderungen in den Label-Proportionen) unter Verwendung von Standardisierungstechniken.
  • Sensitivitäts- und Einflussanalyse: Die Studie wandte umfassende diagnostische Prüfungen an, einschließlich:
    • Entfernung spezifischer Beitragen mit hohem Volumen und spezifischer Städte.
    • Zufällige und artengleiche Entfernung von Aufnahmekomplexen (Recording Blocks).
    • Matched-Analysen (Mantel–Haenszel), die auf Strata beschränkt waren, in denen derselbe Beitragen dieselbe Art sowohl in ländlichen als auch in urbanen Settings aufgezeichnet hat.
    • Phylogenetische Meta-Analyse unter Verwendung von BirdTree-Topologien.
    • Exposure-Dekomposition, die die Variation innerhalb von Beitragen von der Variation zwischen Beitragen trennt.

Zentrale Ergebnisse

• Scheinbarer urbaner Kontrast: In einem Vergleich zwischen ländlichen Gebieten und Großstädten über 73 Arten betrug die art-, monats- und breitengradbereinigte Odds Ratio (OR) für eine Aufnahme als Call 1,59 (95 % KI 1,06–2,39).
• Konzentration der Beitragen: Drei Beitragen in drei Städten (Sevilla, Paris, Berlin) lieferten 526 der 983 nutzbaren Großstadt-Aufnahmen (53,5 %). Diese Beitragen hatten hohe Call-Anteile (0,80–0,84) im Vergleich zum ländlichen Durchschnitt (0,53).
• Auswirkung der Löschung:
  • Das Ausschlussen nur der 526 Großstadt-Aufnahmen dieser drei Beitragen reduzierte die bereinigte OR auf 1,04 (0,71–1,54).
  • Das Ausschlussen aller Aufnahmen (ländlich und Großstadt) dieser drei Beitragen ergab eine OR von 1,05 (0,72–1,55).
  • Die zufällige Entfernung von 526 Großstadt-Aufnahmen (ohne gezielte Auswahl spezifischer Beitragen) reduzierte die OR nicht auf dieses Niveau, was den spezifischen Einfluss der Beitragen-Stadt-Blöcke verdeutlicht.
• Artenzusammensetzung vs. Veränderung innerhalb einer Art: Die beobachtete Lücke im Call-Anteil zwischen ländlichen und Großstadt-Settings (0,187) wurde weitgehend durch die spezifischen Beitragen getrieben. Als diese Beitragen ausgeschlossen wurden, sank die Lücke auf 0,066, und die Kompositionskomponente der Differenz wurde vernachlässigbar.
• Matched-Analyse: Eine Beitragen-pro-Art-Matched-Analyse, beschränkt auf 54 informative Strata mit 413 Großstadt-Aufnahmen, ergab eine OR von 0,85 (0,58–1,23), was darauf hindeutet, dass kein signifikanter urbaner Effekt vorliegt, wenn man für spezifische Beobachter–Art-Kombinationen kontrolliert.
• Heterogenität und Gewichtung: Eine signifikante Heterogenität ($I^2$) bestand unter den Arten-Slopes. Die Präzisionsgewichtung bevorzugte stark einige wenige Arten mit großen Stichproben; das Clustering der Beitragen erhöhte die Standardfehler für diese Arten, was die meta-analytischen Gewichte veränderte und die effektive Stichprobengröße reduzierte.
• Phylogenetisches Signal: Der phylogenetische Signalparameter ($\lambda$) wurde unter Berücksichtigung der Beitragen-geclusterten Varianzen auf 0,00 geschätzt, was darauf hindeutet, dass die verbleibende Heterogenität in diesem spezifischen Datensatz nicht stark phylogenetisch strukturiert war.

Wesentliche Beiträge

1. Quantifizierung des Stichprobenfehlers: Die Arbeit zeigt, dass ein starker scheinbarer urbaner Gradient in den Labels der Vokalisationen in einer kleinen Anzahl von Beitragen–Stadt-Blöcken konzentriert ist.
2. Methodischer Rahmen für Archivanalysen: Sie führt eine Reihe von Diagnosetools für Citizen-Science-Archive ein, darunter:
   • Explizite Identifizierung von Beitragen–Stadt-Netzwerkstrukturen (bipartite Graphen).
   • Gezielte Block-Einflussvergleiche (Entfernung spezifischer Beitragen vs. zufällige Entfernung).
   • Dekomposition der Exposition in Within- und Between-Contributor-Komponenten.
   • Matched-Overlap-Diagnostik zur Quantifizierung der verfügbaren Unterstützung für kausale Inferenzen.
3. Neubewertung urbaner akustischer Trends: Die Studie legt nahe, dass breite Behauptungen über urbane Verschiebungen in der Call–Song-Balance sensibel gegenüber der spezifischen Zusammensetzung des Archivs und den Aufnahmegewohnheiten weniger dominanter Beobachter sein können.

Bedeutung und Behauptungen
Die Autoren behaupten, dass ihre Ergebnisse „den beobachteten Großstadt-Kontrast in einer kleinen Anzahl von Beitragen–Stadt-Blöcken lokalisieren und die verfügbare Überlappung für Vergleiche quantifizieren“. Sie argumentieren, dass Beitragen-Standort-Konzentration, Abrufhistorie und Abhängigkeitsstrukturen „informative Komponenten der ornithologischen Archivanalyse“ sind.

Die Arbeit behauptet nicht, dass urbane Umgebungen keinen Effekt auf Vogelvokalisationen haben; vielmehr stellt sie fest, dass in diesem spezifischen globalen Archiv der beobachtete Kontrast stark von einer nicht repräsentativen Stichprobenstruktur abhängt. Die Studie betont, dass die Meldung von Beitragen-Standort-Konzentration, Abrufhistorie und Matched-Overlap essenziell für eine reproduzierbare Basis zur Bewertung großer, von Freiwilligen gesammelter Datensätze ist. Die Ergebnisse verdeutlichen, dass ohne Berücksichtigung der Beobachterstruktur erscheinbare ökologische Muster in opportunistischen Archiven eher Stichprobenartefakte widerspiegeln können.