La bioacoustique de la faune est l’étude des animaux qui produisent des vocalisations. Les motifs sonores, aussi appelés signature spectrale, permettent d’identifier des espèces et même des individus. Ces données sont utilisées pour répondre à des questions de recherche et de surveillance sur des espèces ou des groupes d’espèces.
La Bioacoustic Unit est une initiative née de la collaboration entre le Bayne Lab, l’Université de l’Alberta et l’Alberta Biodiversity Monitoring Institute. Notre groupe de recherche élabore des outils, des protocoles et des recommandations pour les programmes de surveillance acoustique menés aux quatre coins du pays.
Pour en apprendre plus, cliquez ici.
La Bioacoustic Unit se sert de capteurs environnementaux robustes, appelés enregistreurs autonomes, qui sont essentiellement des microphones sophistiqués opérés par pile pour enregistrer les vocalisations produites par les animaux. Il y a des paramètres recommandés pour optimiser les enregistrements d’oiseaux, de mammifères et d’autres taxons.
La Bioacoustic Unit utilise les enregistreurs autonomes Song Meter de Wildlife Acoustics. Nous utilisons habituellement les enregistreurs autonomes de modèles SM2+ et SM4, et les modèles SM3, SM2 avec GPS et SM2+BAT à l’occasion. Les dispositifs activés par GPS permettent d’identifier des animaux avec plus de précision. Pour ce qui est des cartes mémoires, nous utilisons habituellement des cartes SanDisk de haute qualité. À l’occasion, nous utilisons des cartes Kingston de classe 4 et 10 SD.
Cumulativement, plus d’espèces sont détectées si l’on se déplace d’une station à l’autre au sein d’une zone d’étude que si l’on écoute un grand nombre d’enregistrements provenant d’une seule station. Cela dit, la différence n’est pas très grande. Si le financement dont vous bénéficiez vous permet de visiter plusieurs sites, vous serez plus à même d’estimer les populations d’espèces présentes au sein de votre zone d’étude. Si toutefois votre budget est limité, et si vous vous intéressez à de multiples taxons (p. ex., des hiboux et des oiseaux chanteurs), vous pouvez laisser des enregistreurs autonomes à un même emplacement et prélever des sous-échantillonnages de manière répétée.
Pour les oiseaux chanteurs, il est recommandé de laisser fonctionner un enregistreur autonome pendant plusieurs jours plutôt que de prélever des échantillons à plusieurs reprises durant une même journée en vue de déterminer avec le plus de précision possible le taux d’occupation et la détectabilité de cette catégorie d’animaux. Il n’est pas particulièrement avantageux de laisser fonctionner un enregistreur autonome pendant un mois pour détecter les oiseaux chanteurs. Des données probantes indiquent toutefois que plus d’espèces peuvent être détectées si les efforts d’échantillonnage sont soutenus. Les hiboux, les amphibiens et les mammifères ont des comportements de chant très différents de ceux des oiseaux chanteurs.
La période d’échantillonnage minimale recommandée par la Bioacoustic Unit pour optimiser la détection de la plupart des espèces acoustiques est de trois à sept jours. On recommande que chaque échantillonnage dure au moins trois minutes et soit prélevé à l’aube ou au crépuscule à intervalle d’une journée.
La question est de savoir si l’on peut obtenir les mêmes résultats en écoutant un nombre identique d’enregistrements réalisés la même journée ou sur une période d’une semaine ou d’un mois. Règle générale, un échantillonnage d’une semaine permet d’estimer avec plus de précision la richesse spécifique à une station comparativement à un échantillonnage d’une journée. Nos tests sur les oiseaux chanteurs ont révélé qu’il n’y a pas de différence importante entre le fait de laisser un enregistreur autonome une semaine ou un mois au même endroit.
Cela dépend entièrement de la fréquence à laquelle une espèce chante. Pour vous assurer de détecter une espèce présente, servez-vous des estimations que le Project de modélisaiton aviaire boréal ont produites.
L’attribut écologique qui a l’effet le plus important sur le taux de détection est le taux d’appel, qui donne lieu à une variation de 49 % dans le taux de détection. La combinaison du taux d’appel, de l’abondance d’une espèce, de la période d’échantillonnage et du poids corporel estimé d’une espèce donne lieu à une variation de 69 % dans le taux de détection. Plus une espèce est abondante, plus sa détectabilité est élevée. Les espèces qui chantent la nuit ont un taux de détection moins élevé que celles qui chantent le jour. Les espèces plus imposantes ont généralement des taux d’appel moins élevés. En général, les espèces moins abondantes qui ont un poids corporel plus élevé et qui émettent des vocalisations peu fréquentes et/ou plus fréquentes durant la nuit ont un taux de détection moins élevé et doivent faire l’objet d’un échantillonnage plus approfondi.
Il y a des avantages manifestes à prélever des échantillons de manière répétée au même endroit pour estimer les tendances d’une espèce, car cela permet de déterminer avec plus de certitude la présence ou l’absence d’une espèce. Toutefois, le pouvoir statistique des tendances repose sur le nombre de sites et le nombre d’années observés.
Dans la première minute d’un point d’écoute de dix minutes, 49,8 % de toutes les espèces qui émettent des vocalisations sont détectées. Dans les cinq premières minutes, 79,2 % de toutes les espèces qui émettent des vocalisations sont détectées. Cela dit, si vous avez le choix entre dix échantillons d’une minute prélevés à divers moments de la journée ou de l’année et un échantillon de dix minutes, vous détecterez bien plus d’espèces dans les segments d’une minute.
L’utilisation de nombreux enregistrements de courte durée permet de détecter une plus grande proportion d’espèces.
Si seulement quelques échantillons parmi tous les enregistrements disponibles sont prélevés, tout porte à croire que les échantillons d’après-midi peuvent être écartés.
Des algorithmes de détection (aussi appelés reconnaisseurs) peuvent être utilisés si vous ciblez des espèces particulières. Lorsque les vocalisations sont visuellement distinctes et reconnaissables, le balayage manuel d’un spectrogramme peut aussi s’avérer très efficace. En un mot, un reconnaisseur est un modèle créé à partir de données d’apprentissage qui est ensuite apparié à un segment d’enregistrement des données de test. En savoir plus
BirdNET est un classificateur d’oiseaux multi-espèces développé par l’Université de Cornell. WildTrax utilise l’API BirdNET pour permettre aux utilisateurs d’obtenir les résultats du classificateur pour leurs projets.
Lorsque vous utilisez BirdNET dans le cadre de la vérification des espèces, vous pouvez déterminer si l’étiquette atteint ou non un niveau de confiance élevé de BirdNET en survolant l’icône du cerveau. Ceci est généralement utile lorsque le moment de la première détection de l’étiquette n’est pas de haute qualité ; cependant, si l’individu occupe l’espace autour de l’enregistreur avec une amplitude de signal suffisamment élevée et des appels non obstrués, la confiance de BirdNET sera plus précieuse.
Vous pouvez également utiliser BirdNET comme guide pour renvoyer automatiquement les espèces qu’il pense avoir trouvées. BirdNET fournit des valeurs dans des fenêtres de 3 secondes pour chaque enregistrement d’un projet. Vous pouvez trouver les résultats de BirdNET dans le fichier _birdnet_report.csv dans les téléchargements de données.
Il est également possible d’évaluer la performance de BirdNET sur un ensemble de données. Dans une tâche de classification binaire (BirdNET = prédit, humain = observé), vous pouvez distinguer les faux positifs (détections incorrectes) et les faux négatifs (détections manquées) et ensuite créer des mesures de performance. Ceci est utile pour des questions telles que la présence d’espèces, où la valeur de confiance la plus élevée de BirdNET parmi de nombreux enregistrements, peut donner un résultat positif, avec un effort minimal.