Comparison of semiautomated bird song recognition with manual detection of recorded bird song samples
Comparaison de la reconnaissance semi-automatisée de chants d'oiseaux avec des détections manuelles d'échantillons de chants d'oiseaux enregistrés

Lisa A. Venier, Canadian Forest Service, Natural Resources Canada, Sault Ste. Marie, Ontario, Canada
Marc J. Mazerolle, Centre d'étude de la forêt, Département des sciences du bois et de la forêt, Université Laval, Québec, Québec, Canada
Anna Rodgers, Canadian Forest Service, Natural Resources Canada, Sault Ste. Marie, Ontario, Canada
Ken A. McIlwrick, Canadian Forest Service, Natural Resources Canada, Sault Ste. Marie, Ontario, Canada
Stephen Holmes, Canadian Forest Service, Natural Resources Canada, Sault Ste. Marie, Ontario, Canada
Dean Thompson, Canadian Forest Service, Natural Resources Canada, Sault Ste. Marie, Ontario, Canada

DOI: http://dx.doi.org/10.5751/ACE-01029-120202

Full Text: HTML   
Download Citation


Abstract

Automated recording units are increasingly being used to sample wildlife populations. These devices can produce large amounts of data that are difficult to process manually. However, the information in the recordings can be summarized with semiautomated sound recognition software. Our objective was to assess the utility of the semiautomated bird song recognizers to produce data useful for conservation and sustainable forest management applications. We compared detection data generated from expert-interpreted recordings of bird songs collected with automated recording units and data derived from a semiautomated recognition process. We recorded bird songs at 109 sites in boreal forest in 2013 and 2014 using automated recording units. We developed bird-song recognizers for 10 species using Song Scope software (Wildlife Acoustics) and each recognizer was used to scan a set of recordings that was also interpreted manually by an expert in birdsong identification. We used occupancy models to estimate the detection probability associated with each method. Based on these detection probability estimates we produced cumulative detection probability curves. In a second analysis we estimated detection probability of bird song recognizers using multiple 10-minute recordings for a single station and visit (35–63, 10-minute recordings in each of four one-week periods). Results show that the detection probability of most species from single 10-min recordings is substantially higher using expert-interpreted bird song recordings than using the song recognizer software. However, our results also indicate that detection probabilities for song recognizers can be significantly improved by using more than a single 10-minute recording, which can be easily done with little additional cost with the automate procedure. Based on these results we suggest that automated recording units and song recognizer software can be valuable tools to estimate detection probability and occupancy of boreal forest birds, when sampling for sufficiently long periods.

Résumé

Les unités d'enregistrement automatisé sont de plus en plus utilisées pour échantillonner les populations fauniques. Ces instruments peuvent produire une grande quantité de données qui s'avèrent difficiles à traiter manuellement. Toutefois, les informations contenues sur les enregistrements peuvent être résumées à l'aide de logiciels de reconnaissance vocale semi-automatisée. L'objectif de notre étude était d'évaluer l'utilité des reconnaisseurs de chants d'oiseaux semi-automatisés pour produire des données utiles à la conservation et à l'application de mesures d'aménagement forestier durable. Nous avons comparé les données de détection générées par les experts ayant écouté les enregistrements de chants d'oiseaux collectés au moyen d'unités d'enregistrement automatisé avec les données obtenues au moyen d'un processus de reconnaissance semi-automatisée. Nous avons enregistré des chants d'oiseaux à 109 sites en forêt boréale en 2013 et 2014 à l'aide d'unités d'enregistrement automatisé. Nous avons élaboré des reconnaisseurs de chants pour 10 espèces grâce au logiciel Song Scope (Wildlife Acoustics) et chaque reconnaisseur a été utilisé pour balayer un jeu d'enregistrements qui avait aussi été écouté par un expert en identification de chants d'oiseaux. Nous avons utilisé des modèles d'occupation pour estimer la probabilité de détection associée avec chaque méthode. À partir de ces estimations de probabilité de détection, nous avons produit des courbes de probabilité cumulée de détection. Ensuite, nous avons estimé la probabilité de détection des reconnaisseurs de chants au moyen d'enregistrements multiples de 10 minutes pour une unique station et visite (35 à 63 enregistrements de 10 minutes dans chacune de quatre périodes d'une semaine). Nos résultats indiquent que la probabilité de détection de la plupart des espèces dans les enregistrements de 10 minutes est beaucoup plus élevée lorsque les enregistrements sont écoutés par un expert comparativement à l'utilisation d'un logiciel de reconnaissance de chants. Cependant, nos résultats montrent aussi que la probabilité de détection par les reconnaisseurs de chants peut être améliorée si on utilise davantage qu'un seul enregistrement de 10 minutes, ce qui peut aisément être fait, à faible coût, grâce au processus automatisé. À la lumière de ces résultats, nous pensons que les unités d'enregistrement automatisé et les logiciels de reconnaissance de chants peuvent être des outils utiles afin d'estimer la probabilité de détection et l'occurrence des oiseaux forestiers boréaux si l'on échantillonne durant des périodes suffisamment longues.

Key words

automated recording units; boreal forest birds; detection probability; point counts; song recognition; song recognizer software

Copyright © 2017 by the author(s). Published here under license by The Resilience Alliance. This article  is under a Creative Commons Attribution-NonCommercial 4.0 International License.  You may share and adapt the work for noncommercial purposes provided the original author and source are credited, you indicate whether any changes were made, and you include a link to the license.

Avian Conservation and Ecology ISSN: 1712-6568