Spektrograma nėra vienintelis būdas garsų akustinėms savybėms atvaizduoti. Vystomi ir kiti alternatyvūs matematiniai ir kompiuteriniai įrankiai garso bangoms į sudedamuosius komponentus išskaidyti (Priyadarshani ir kt. 2016, Stowell ir Plumbley 2014, Sandsten ir kt. 2016).

Kokias paslaptis gali atskleisti spektrograma?

Daugumoje bioakustikos tyrimų neapsieinama be spektrogramų analizės. Viena pagrindinių šios mokslo srities hipotezių – akustinės nišos hipotezė. Ši neseniai pradėta tikrinti (tam taip pat naudojamos spektrogramos) hipotezė teigia, kad įvairių rūšių gyvūnai užima savitas nišas ne tik pagal mitybos ir kitus įprastus ekologinius parametrus, bet ir pagal akustinius. Manoma, kad kartu gyvenantys gyvūnai keičia savo kalbą ir elgseną, kad netrukdytų vieni kitiems. Ši hipotezė įprastai tikrinama lyginant atskirai nuo kitų gyvūnų ir kartu su panašius garsus skleidžiančiais gyvūnais gyvenančių tos pačios rūšies gyvūnų garsus. Pavyzdžiui, Villanueva‑Rivera (2014) patikrino šią hipotezę lygindamas, kaip kurkia Puerto Riko salos varlės (5 pav.). Įvairiose vietovėse tirtų tų pačių rūšių varlių garsų dažnis skyrėsi, pavyzdžiui, varlės E. coqui kurkė žemesniu dažniu, kad jų garsai atsiskirtų nuo varlių E. portoricensis garsų. Manoma, kad taip šios rūšys gali lengviau bendrauti ir mažiau trukdyti viena kitai, pavyzdžiui, ieškant partnerių. Tiesa, skleidžiamų garsų pokyčiai negali būti dideli – juos riboja gyvūnų anatominės savybės. Kita vertus, yra šią hipotezę paneigiančių tyrimų, pvz., Kleyn ir kt. (2021) nenustatė skirtingų akustinių nišų. Galbūt tam tikromis sąlygomis gyvūnams naudinga bendrauti tame pačiame dažnių diapazone?

5 pav. Įvairių rūšių Puerto Riko salos varlių kurkimo dažnis (dvi rūšys skleidžia po du skirtingus skiemenis, vadinamus co ir qui). Parengta pagal Villanueva‑Rivera (2014).

 Kitas įdomus bioakustikos fenomenas yra Lombardo efektas: triukšmingoje aplinkoje žmonės linkę kalbėti garsiau, kad būtų išgirsti (Zollinger ir Brumm 2011). Ar taip elgiasi ir gyvūnai, vis dar nėra aišku. Panašu, kad paukščiai triukšmingoje aplinkoje gali giedoti garsiau, kartais didesniu dažniu (dažniausiai triukšmo, pvz., pravažiuojančios mašinos ar vėjo gūsio, garsai yra žemesnio dažnio nei paukščių balsai; Dorado‑Correa ir kt. 2018, Zollinger ir kt. 2017). Tačiau Lombardo efektą tirti lauko sąlygomis sunku – įrašomo garso intensyvumas gali pakisti vos paukščiui pasukus galvą. Bioakustikos tyrimai pradėti palyginti neseniai, todėl tikėtina, kad greitu laiku mokslininkai paaiškins daugelį neįprastų reiškinių.

Garso įrašai padeda stebėti ir saugoti nykstančias rūšis

 Gamtos garsų įrašai naudojami įvairioms gyvūnų rūšims stebėti. Šį darbą labai palengvina naujausios technologijos: saulės baterijos, belaidis internetas, nedideli mažai energijos naudojantys įrenginiai. Pavyzdžiui, automatiniais mikrofonais miško garsus galima įrašinėti kelias savaites ar net mėnesius. Taip mokslininkai gali užregistruoti, kokie gyvūnai lankėsi tiriamoje vietovėje, ir net aptikti tuos, kuriuos gamtoje labai sunku pastebėti. Pavyzdžiui, Lietuvoje retą didijį baublį lengva atpažinti iš žemo dažnio garsų, tačiau pamatyti jį pakrančių nendrynuose toliau nei už kelių metrų greičiausiai nepavyks (6 pav.). Tokios sunkiai pastebimos rūšys vadinamos kriptinėmis. Gyvūnams išlikti nepastebėtiems padeda ne tik jų spalva, bet ir elgsena (pvz., šikšnosparniai ar kiviai aktyvūs būna naktį), gyvenamoji aplinka. Ypač svarbu stebėti retas rūšis, tačiau kartais tai apsunkina jų gyvenamoji vietovė, pvz., atokūs kalnai, salos. Naudojant automatinius mikrofonus, mokslininkams kur kas lengviau nuolat stebėti tokių rūšių populiacijas. Jūs taip pat galite padėti analizuoti gyvūnų garsus net neišeidami iš namų. Mokslininkai kuria garso įrašų archyvus, kuriais pasidalija su kitais tyrėjais, taip pat prašo savanorių padėti atpažinti gyvūnus iš garsų ar nuotraukų. Interneto svetainėje https://www.zooniverse.org rasite įvairių projektų, prie kurių galite prisidėti ir jūs.

6 pav. Didysis baublys (Botaurus stellaris). © Chme82

 Galima įrašyti garsus, kurių žmogus įprastai negirdi. Ar žinojote, kad garsus skleidžia ir žuvys? O omarai Palinurus elephas gali taip garsiai spragtelėti antenomis, kad juos užfiksuoti įraše galima net už 3 kilometrų (Jézéquel ir kt. 2020). Šikšnosparniai gaudydami grobį skleidžia ultragarso signalus – tai kelių ar keliolikos impulsų, kurių dažnis keliskart didesnis už žmogaus girdimą 20 kHz ribą, seka (7 pav.). Iš tokių garsų kiekio įrašuose galima nustatyti, kaip šikšnosparnių gausa priklauso nuo įvairių veiksnių ir gamtosaugos priemonių. Pavyzdžiui, Parker ir kt. (2019) įrengė automatinius mikrofonus prie nedidelės dirbtinės pelkės Šiaurės Karolinoje (JAV), kad įvertintų, ar atkūrus nusausintas pelkes galima išsaugoti nykstančias šikšnosparnių populiacijas. Jie įrašė net 185 000 šikšnosparnių echolokacijos (echolokacija – daiktų ar objektų buvimo vietos nustatymas pagal garsą) signalų ir nustatė, kad praėjus metams po pelkės sukūrimo šikšnosparnių ėmė gausėti. Taip dar prieš pradedant taikyti gamtosaugos priemones dideliu mastu iš garso įrašų galima spręsti apie šių priemonių efektyvumą.

7 pav. Mažojo rudojo pelėausio (Myotis lucifugus) echolokacijos impulsų, skleidžiamų prieš pat sugaunant vabzdį, seka. Spektrogramoje užfiksuoti garsai trunka maždaug trečdalį sekundės. Sulėtinto šio garso įrašo galima paklausyti https://u.osu.edu/biomuseum/2017/08/09/bat-sounds. © osu.edu

 Atlikdami tyrimus mokslininkai dažniausiai perklauso tūkstančius valandų įrašų ar peržiūri ne mažesnį kiekį spektrogramų. Ypač daug vertingos informacijos surenkama, kai ieškoma nykstančių rūšių, pvz., Callaeas cinereus. Šį paukštį tikimasi aptikti klausantis Naujosios Zelandijos miškų garso įrašų (daugiau informacijos apie šį projektą rasite www.southislandkokako.org, 8 pav.). Kitu dideliu projektu siekiama sukurti automatinę pavojaus sireną Afrikos kaimų gyventojams įspėti apie artėjančią dramblių kaimenę (Zeppelzauer ir Stoeger 2015). Tam šiuo metu kuriami automatiniai gyvūnų garsų atpažinimo metodai.

Jau kelerius metus vyksta konkursai BirdCLEF ir DCASE – galima išbandyti jėgas kuriant automatinius garso įrašų analizės metodus. Šių konkursų organizatoriai taip pat pateikia duomenų su ekspertų anotacijomis ir kompiuterio programos kodo pavyzdžių norintiems kurti paukščių balsų atpažinimo programas.

8 pav. Sunkiai prieinamose vietovėse naudojant automatinius mikrofonus ieškomas galimai išnykęs Naujosios Zelandijos paukštis Callaeas cinereus. © southislandkokako.org

Kokių priemonių reikia garsams įrašyti?

Mokslininkų naudojami automatiniai mikrofonai kainuoja šimtus dolerių, tačiau tyrimams tinkamos kokybės garso įrašų galima padaryti ir mobiliuoju telefonu. Jo įrašymo kokybę galima pagerinti prijungus išorinį mikrofoną, tačiau net ir be jo įrašyti garsai gali atskleisti gyvūnų pasaulio paslapčių, ypač Lietuvoje, kur bioakustikos tyrimų kol kas atliekama mažai.

Įrašytus garsus paversti spektrograma galima įvairiomis kompiuterio programomis, pvz., AviaNZ, Raven, Avisoft. Pirmoji ir paskutinių dviejų programų supaprastintos versijos yra nemokamos. Jei patys įrašinėti garsų nenorite, bet norite paklausyti stručių, kivių ar tukanų kalbos, apsilankykite  xeno‑canto duomenų bazėje. Čia rasite jau identifikuotų paukščių garso įrašų iš įvairių pasaulio vietų, tarp jų ir Lietuvos. Įrašus ir spektrogramas galima atsisiųsti ir analizuoti anksčiau aptartomis programomis, kurios turi įvairių funkcijų garsams atpažinti, aprašyti ir klasifikuoti. Interneto svetainėje https://quiz.natureid.no/bird/eBook.php rasite Europoje paplitusių paukščių aprašymų ir jų giesmių įrašų, taip pat testą, kuriuo galėsite įvertinti savo paukščių atpažinimo įgūdžius.

Štai keletas idėjų, kurios gali būti naudingos atliekant bioakustikos srities mokslo tiriamuosius darbus.  

1. Įrašykite gamtos garsus įvairiu paros, metų laiku ir nustatykite, kaip kinta gyvūnų rūšių skaičius, kurios rūšys ir kada yra aktyviausios.
2. Įrašykite gamtos garsus įvairiomis aplinkos sąlygomis, pavyzdžiui, esant dideliam, mažam gatvių triukšmui, ir nustatykite, ar jos turi įtakos vietinių paukščių aktyvumui.
3. Sukurkite algoritmą kurio nors Lietuvoje paplitusio gyvūno garsams atpažinti (tam galite pasinaudoti xeno-canto duomenų bazės įrašais, taip pat BirdCLEF ir DCASE konkursuose pateiktų kompiuterio programų kodų pavyzdžiais).
4. Patyrinėkite paukščių elgesį, pvz., gal jūsų tiriamas paukštis gieda pamatęs patelę, o gal naudoja tam tikrus piktus garsus konkurentams nuo lesyklos atbaidyti.
5. Aprašykite tiriamos rūšies garsų repertuarą, t. y. kiek skirtingų skiemenų galima išgirsti vieno individo kalboje (programa Raven pravers norint tiksliau aprašyti skiemenis).
6. Patyrinėkite, ar skiriasi įvairiose Lietuvos vietose gyvenančių tos pačios rūšies individų garsai. Įrašykite šių gyvūnų skleidžiamus garsus ir paanalizuokite jų spektrogramas. Gal jūsų aprašoma rūšis turi skirtingas „tarmes“? O gal skiriasi Lietuvoje ir kitose šalyse gyvenančių šios rūšies atstovų skleidžiami garsai? Tai galite išsiaiškinti palyginę savo įrašus su pateiktais, pvz., xeno-canto duomenų bazėje.  

 Apie gyvūnų bendravimą garsais, ką jie reiškia, kaip jie vienas kitą atpažįsta, kaip juos veikia miesto triukšmas ir kt. žinoma labai mažai. Taigi, gyvūnų garsai slepia daug paslapčių, kurias įminti gali ir tu.

 Literatūra

Dorado‑Correa A. M., Zollinger S. A., Brumm H. 2018, Vocal plasticity in mallards: multiple signal changes in noise and the evolution of the Lombard effect in birds. Journal of Avian Biology, 49, 1, https://doi.org/10.1111/jav.01564

Jézéquel Y., Chauvaud L., Bonnel J. 2020, Spiny lobster sounds can be detectable over kilometres underwater. Scientific Reports, 10, 7943, https://doi.org/10.1038/s41598-020-64830-7

Kleyn T., da Cruz Kaizer M., Passos L. F. 2021, Sharing sound: Avian acoustic niches in the Brazilian Atlantic Forest. Biotropica, 53, 2, 658–670, https://doi.org/10.1111/btp.12907

Parker K. A., Springall B. T., Garshong R. A. ir kt. 2019, Rapid Increases in Bat Activity and Diversity after Wetland Construction in an Urban Ecosystem. Wetlands, 39, 717–727, https://doi.org/10.1007/s13157-018-1115-5

Priyadarshani N., Marsland S., Castro I., Punchihewa A. 2016, Birdsong Denoising Using Wavelets. PLoS ONE, 11, 1, https://doi.org/10.1371/journal.pone.0146790

Sandsten M., Große Ruse M., Jönsson M. 2016, Robust feature representation for classification of bird song syllables. EURASIP Journal on Advances in Signal Processing, 68, https://doi.org/10.1186/s13634-016-0365-8

Stowell D., Plumbley M. D. 2014, Automatic large‑scale classification of bird sounds is strongly improved by unsupervised feature learning. PeerJ, 2, https://doi.org/10.7717/peerj.488

Szöke P., Filip M. 1977, The Study of Intonation Structure of Bird Vocalizations: An Inadequate Application of Sound Spectrography. Opuscula Zoologica (Budapest), 14, 1–2, 127–154.

Villanueva‑Rivera L. J. 2014, Eleutherodactylus frogs show frequency but no temporal partitioning: implications for the acoustic niche hypothesis. PeerJ, 2, https://doi.org/10.7717/peerj.496

Zeppelzauer M., Stoeger A. S. 2015, Establishing the fundamentals for an elephant early warning and monitoring system. BMC Research Notes, 8, 409, https://doi.org/10.1186/s13104-015-1370-y

Zollinger S. A., Brumm H. 2011, The Lombard effect. Current Biology, 21 (16),  R614–R615,  https://doi.org/10.1016/j.cub.2011.06.003

Zollinger S. A., Slater P. J. B., Nemeth E., Brumm H. 2017, Higher songs of city birds may not be an individual response to noise. Proceedings of The Royal Society B, 284,1860, http://doi.org/10.1098/rspb.2017.0602