Automated acoustic classifiers provide insights into calling patterns of cicadas in tropical Australia
이 연구는 딥러닝 모델인 BirdNET이 호주 열대 지역의 매미 5종에 대한 탐지 및 모니터링을 효과적으로 자동화할 수 있음을 입증하며, 높은 정확도를 달al성하고 15개월 동안 이들의 울음 패턴에 대해 생태학적으로 일관된 통찰을 제공한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
태양 빛이 내리쬐는 열대 지방의 광활한 풍경 속에서, 공기는 종종 곤충들의 소리로 가득합니다. 이들 중 가장 크고 끈질긴 소리를 내는 것은 매미인데, 이 생물들은 땅속에서 수년을 보낸 뒤 몇 달이라는 짧은 기간 동안 노래하기 위해 지상으로 올라옵니다. 과학자들에게 이 곤충들의 소리를 듣는 것은 단순한 청각적 경험 그 이상입니다. 그것은 생태계의 건강을 이해하는 필수적인 방법입니다. 곤충은 수분 매개자, 먹이원, 그리고 재활용자로서 자연에서 중요한 역할을 수행하지만, 그 개체 수는 전 세계적으로 감소하고 있습니다. 이들을 보호하기 위해서 연구자들은 그들이 어디에 있는지, 언제 활동하는지, 그리고 얼마나 많이 존재하는지를 알아야 합니다. 전통적으로 이 생물들을 세는 일은 느리고 고된 작업이었습니다. 과학자들은 덤불 속을 걸으며 주의 깊게 귀를 기울이고 각 종을 수동으로 식별해야 했는데, 이는 규모를 키우기 어렵고 놓치기 쉬운 과정이었습니다. 그러나 새로운 도구가 게임의 판도를 바꾸고 있습니다. 바로 자동 녹음 장치입니다. 이 장치는 낮과 밤을 가리지 않고 소리의 풍경을 기록하며, 특정 곤충의 호출음을 인식하도록 학습된 컴퓨터 프로그램과 결려 대규모로 생물 다양성을 모니터링할 수 있는 방법을 제공합니다.
호주 퀸즐랜드 북부의 열대 사바나에서 한 연구팀이 이 기술을 시험했습니다. 그들은 원래 새의 노래를 식별하기 위해 설계된 컴퓨터 프로그램이 다섯 가지 다른 종의 매미 호출음을 인식하도록 훈련될 수 있는지 확인하고자 했습니다. 레서 블래더(lesser bladder), 이스턴 래틀러(eastern rattler), 코로보리 매미(corroboree cicada), 노던 더블 드러머(northern double-drummer), 그리고 페어리 더스트 스쿼커(fairy dust squawker)를 포함한 이 곤충들은 바람, 비, 그리고 다른 동물들의 노래로 가득 찬 복잡한 음향 환경 속에 서식합니다. 연구진은 이 지역 전역에 18개의 녹음 스테이션을 설치하여 15개월 동안 지속적으로 소리를 포착했습니다. 그 결과 약 24,000시간에 달하는 방대한 오디오 라이브러리가 만들어졌습니다. 이 테이프의 모든 분을 직접 듣는 대신, 팀은 딥러닝 시스템을 사용하여 녹음본을 스캔했습니다. 그들은 몇 가지 명확한 예시 호출음을 사용하여 컴퓨터에게 다섯 종의 매미가 각각 어떻게 들리는지 가르쳤고, 그 후 시스템이 수천 시간의 현장 녹음본을 검색하여 일치하는 부분을 찾도록 했습니다.
결과는 컴퓨터가 매우 훌륭하게 임무를 수행했음을 보여주었습니다. 시스템은 다섯 가지 매매 종의 호출음을 높은 정확도로 식서히 식별해냈으며, 배경 소음이나 다른 곤충의 노래와도 성공적으로 구별해냈습니다. 연구진은 프로그램이 실제 매미의 호출과 가짜 알람을 신뢰성 있게 구별할 수 있다는 것을 발견했는데, 심지어 소리들이 서로 섞여 있을 때도 그러했습니다. 이러한 성공은 이제 데이터를 통해 이들이 정확히 언제, 어디서 노래하는지 확인할 수 있음을 의미했습니다. 그들은 각 종이 자신만의 독특한 일정을 가지고 있다는 것을 발견했습니다. 이스턴 래틀러와 코로보리 매미는 낮 동안 활동했는데, 이스턴 래틀러는 오전 중반에 큰 합창을 이루며 고조되었고, 코로보리 매미는 이른 아침부터 저녁까지 지속적으로 노래했습니다. 노던 더블 드러머는 더 복잡한 패턴을 보였는데, 아침에 노래를 부르고 잠시 휴식을 취한 뒤 오후와 이른 저녁에 다시 노래했습니다. 이와 대조적으로, 레서 블래더 매미는 주로 저녁에 노래하는 종으로 해가 질 무렵에 호출했으며, 페어리 더스트 스쿼커는 낮 동안 활동하다가 황혼 전에 노래를 멈췄습니다.
아마도 가장 놀라운 발견은 날씨가 나빠졌을 때 이 곤충들이 어떻게 행동하느냐 하는 점이었습니다. 흔히 곤충들이 비가 오면 노래를 멈출 것이라고 생각하지만, 자동 탐지기는 이 매미들이 가벼운 비, 중간 정도의 비, 심지어 폭우 중에도 계속해서 호출하는 것을 보여주었습니다. 사실, 연구진은 비가 강해질수록 합창이 때때로 더 커지는 것처럼 보인다는 점에 주목했습니다. 이는 이 곤식들을 듣기 위해 비를 피하는 것이 과학자들이 상당한 양의 활동을 놓치게 만들 수 있음을 시사합니다. 또한 이 연구는 매미들이 서로의 노래가 겹칠 때조차도 엄격하게 노래 시간을 피하지 않는다는 것을 밝혀냈습니다. 혼란을 피하기 위해 차례를 기다리는 대신, 그들은 자신들의 목소리가 들릴 수 있도록 호출의 음조와 구조의 차이에 의존했습니다. 이러한 발견은 곤충들이 간섭을 피하기 위해 항상 노래 시간을 분리한다는 통념에 도전하며, 대신 그들이 음향 공간을 효과적으로 공유할 수 있음을 보여줍니다.
자동화된 시스템이 야생에서 이 곤충들을 정확하게 추적할 수 있음을 입증함으로써, 이 연구는 생물 다양성을 모니터링하는 강력하고 새로운 방법을 제시합니다. 사용된 방식은 효율적이었으며, 전통적인 조사보다 훨씬 적은 인간의 시간을 필요로 하면서도 장기간에 걸친 곤충 생활의 상세한 모습을 제공했습니다. 연구진은 많은 종이 동시에 노래하는 열대 사바나의 복잡한 소리 속에서도 이 기술이 잘 작동한다는 것을 발견했습니다. 이 접근 방식은 이전에 불가능했던 규모의 데이터를 수집할 수 있게 해주며, 곤충 개체 수가 어떻게 변화하고 있는지에 대한 더 명확한 이해를 구축하는 데 도움을 줍니다. 세계가 곤충 다양성의 상실에 직면한 상황에서, 숲의 소리를 듣고 그 노래하는 이들을 자동으로 세는 도구를 갖는 것은 이 필수적인 생물들과 그들이 지탱하는 생태계를 추적하는 데 있어 매우 중요한 방법이 됩니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.