6月26日，CForBio讲坛第六十讲在线顺利举行。本期讲坛由中国科学院生物多样性委员会与中国科学院生物多样性监测与研究网络—森林网联合主办，浙江钱江源森林生物多样性国家野外观测研究站协办。讲坛由植物研究所植被与环境变化重点实验室副主任、森林网负责人及钱江源站站长陈磊研究员主持，特邀北京林业大学谢将剑教授作学术报告，近60人参会。

报告围绕“基于声景的鸟类多样性智慧监测”展开，系统介绍了其团队在该领域的研究进展与深度思考。报告指出，鸟类作为生态环境变化的敏感指示类群，其多样性监测是生物多样性保护的重要基础。依托声景生态学假说与声音适应性假说，声景特征可反映从生态系统、群落到物种等多尺度的生态信息。在梳理声景监测理论基础与国内外实践时，谢将剑提到，目前全球已建成多个声景监测网络，包括欧洲的TABMON网络、澳大利亚全境监测网络，以及我国“声景中国”“聆听生物圈”和东亚-澳大利西亚迁飞通道栖息地监测网络等。报告重点介绍了海量声学数据的处理方法，主要分为自动识别与声学指数两类。自动识别方面，其团队开发了系列深度学习模型，可实现鸟鸣声筛选、跨地域及零样本的物种/个体识别，以及混叠鸣声分离等功能。声学指数方面，团队在分析常用指数后发现，非生物声音会显著干扰计算结果；通过声景类别识别去除此类干扰后，声学指数与鸟类多样性的关联性明显增强。谢将剑同时深入剖析了当前声景监测面临的挑战与未来方向。他指出，声景监测固有的局限包括：并非所有生物都会发声、录音设备存在频率响应偏差、声音传播衰减及环境噪声掩蔽易造成记录失真。主流数据分析方法也存在短板：声学指数受非生物声干扰大且信息维度过分压缩；自动识别模型则面临“黑箱”问题、跨域泛化能力不足、精确标注数据稀缺等困境。未来应着力建立声景监测标准化体系，构建声学探测、声学-生物多样性关联及声音传播模型以校正观测偏差，发展具有可解释性的分析方法，并推动声学与视觉、加速度计等多模态数据融合，实现更全面的生物多样性综合监测。

报告结束后，参会人员围绕多个议题展开热烈讨论，包括机器学习区分鸟类方言与近缘种的技术路径、全国声学标记数据的地理分布不均衡、保护地声纹设备布设密度与网格化标准、声纹监测技术规范的统一路径、全国鸟类声学数据库建设，以及保护地海量监测数据的处理与应用等。