音響録音とAIは、熱帯林における生物多様性の回復を把握するために利用できる。
エクアドルの研究では、再生中の森林に早ければ25年ほどで種が戻ってくることがわかった。
音響モニタリングとAIに基づく手法は、再生された森林の生物多様性レベルを評価するための、強力で費用対効果の高い技術である。
植樹すれば動物も戻ってくるのだろうか。世界各地で、植樹や、植物相が自然に回復するに任せる方法によって、森林の再生に取り組んでいる。しかし木々が育つにつれ、鳥、昆虫、カエルなどのその他の生物群集も回復しているかどうかを見極めることは難しい場合がある。
エクアドル北西部のChocóは、世界で最も生物多様性に富む熱帯雨林の一つであり、そこでドイツとエクアドルの科学者グループが、活発に利用されている牧草地や農場、放棄された農場が若い二次林へと再生した土地、そして成熟した老齢林など、さまざまな土地タイプにおける生物多様性の回復を測定した。
音響モニタリングとDNAに基づく調査を組み合わせた結果、研究チームは種が戻ってきていることを、わずか数十年で再生中の森林において確認した。
「Chocóの熱帯雨林が時間の経過とともにどのように再生していくかがわかります。25年以内に多くの種が戻ってくるのです」と、本研究の共著者の一人であるMartin Schaefer氏（エクアドルのNGOJocotoco Foundationのディレクター）は、Mongabayに語った。「私たちが一般の人々に伝えるべき前向きなメッセージです……わずか30年で、森林は再生しつつあります。」
研究者らはまた、動物や昆虫の鳴き声を分析することで、歌ったり、呼んだり、さえずったり、鳴いたりしない静かな生き物を含め、森林全体の生物多様性に関する情報が得られることも明らかにした。
世界経済フォーラムは自然に関してどのような取り組みを行っているのか？
自然・気候センターは、リーダーが気候、自然、経済開発の相互関係を理解する助けとなっている。地球の限界の範囲内で、レジリエンスと繁栄を支える道筋を探究するためのプラットフォームを提供している。
セクターや地域をまたぐ協力を可能にすることで、同センターは、共有された理解を実践的な気候および自然の解決策へと具体化するパートナーを支援している。
人工知能ツールを用いた音声ベースのモニタリングは、熱帯林における生物多様性の回復を監視するための強力で費用対効果の高い技術であり、著者らによれば、これらのツールは「生態系サービスへの支払い、生物多様性オフセット、クレジット市場など、森林再生に依存しうる市場ベースの保全メカニズムを支える」ために必要とされている。
「彼らの成果は、音響モニタリングが森林再生事業の効果を評価するために使えるという説得力のある論拠を示したことです」と、コーネル大学鳥類学研究所の生態学者で、本研究には関与していないWesley Hochachkaは、Mongabayに語った。「[音響モニタリングの]可能性が実際に現実のものであり、実現可能であることを、これ以上徹底的に検証・実証したものは知りません。」
研究チームは、Chocó熱帯雨林の「森林回復勾配」に沿って43の調査区を設定した。各調査区では、3種類の音響モニタリング手法と1種類のDNAに基づく手法を用いた。
各調査区で、研究チームは、雨や風などのあらゆる環境音のほか、昆虫や、カエル、サル、鳥などの鳴く脊椎動物の音を捉える録音ボックスを設置した。
最初の音響手法では、専門家が28分間の録音区間を聴き取り、その鳴き声から哺乳類、鳥類、両生類を特定した。これは長年用いられてきた手法だが、人間が耳で処理できるデータ量に限界があり、費用もかかる場合がある。
2番目の手法では、録音を用いて音響指数分析を行った。これは音の複雑さや多様性などの特性を表すものである。例えば、成熟した森林の音風景は牧草地のものより多様で、その分密度も高い。
最後に、畳み込みニューラルネットワーク（CNN）と呼ばれるディープラーニングのコンピューターモデルを、既知の75種の鳥類の録音で訓練した。訓練後、CNNは短い区間ではなく、数週間分の録音から鳴き声を特定するという、鳥類の専門家の作業を実質的に代行した。
「専門家が手作業で行う代わりに、この[CNN]によって、モデルを本当に大規模に拡張することができた」とSchaefer氏は述べた。
最終調査では、DNAを用いるため、研究チームは夜間に光トラップを設置して昆虫を捕獲した。その後、「メタバーコーディング」と呼ばれる技術を用いて昆虫のDNAを解析し、存在する昆虫の多様性を把握した。
研究チームによると、AIによる音響データは、音声中に直接検出されなかった種についても、全体的な生物多様性のレベルとよく相関していた。Schaefer氏は、これは予想どおりだったが、AIモデルの性能が良好だったことに満足していると述べた。
「最も重要な発見は、単純な版であっても、AIモデルが生物多様性のレベルをかなり適切に測定できるということです」とSchaefer氏は述べた。「これらのAIモデルは、森林の音風景では聞こえない種の回復についても、良い指標となります。」
「もちろん、植物や鳴かない動物に関する情報はありません。しかし、鳥類と両生類は生態系の健全性に非常に敏感であり、非常に良い代理指標です」と、ヴュルツブルク大学生物センターの教授で鳥類学者のJörg Müller氏（AFPに語った
ニューラルネットワークモデルは、勾配全体にわたる鳥類群集の変化も効果的に追跡した。結果として、鳴く動物の群集は回復勾配に沿って変化し、最も成熟した森林は、明確で多様性に富んだ音風景を持っていることが示された。
「この論文の最も優れた点は、音響分析、ニューラルネットワークモデル、そして音とは無関係に測定された生物多様性レベル……特に昆虫のデータを統合したことです」とShaefer氏は述べた。
これらの手法にはいくつかの留意点がある。例えば、音響モニタリングでは、種（特に鳥類）が単に通過しているだけなのか、それとも調査区に生息して利用しているのかを判断できない。また、調査区内の種の個体数についても把握できない。
この手法をより多くの森林に広げるには、より多様で数多くの動物の音でAIモデルを訓練する必要がある。音声ライブラリーとしては、Xeno-CantoおよびCornell’s Macauley Library of Natural Soundsなどがこれらの目標に向けて取り組んでいるが、Hochachka氏によれば、特にグローバル・サウスにおいて、さらなる研究と資金が必要だという。
しかし本研究は、音声録音とAIが、生物多様性のモニタリングをより透明性が高く、説明責任を果たせ、アクセスしやすいものにする可能性を有することを示している。著者らは、これにより管理者が、苦心して取り組んできた努力が、木々だけでなく森林全体を回復させているかどうかを判断できるようになることを期待している。
