《Landscape Ecology》：Eavesdropping on estuaries: soundscape spatial variation explained by habitat metrics at multiple scales
编辑推荐：
本研究针对河口生态系统声景空间异质性机制不明确的问题，通过整合多尺度生境指标与声学监测数据，揭示了景观尺度生境特征（如海草核心区面积、牡蛎礁周长）对声压级（SPL）和物种特异性鸣叫率的关键影响。结果表明声景指标可有效监测河口生境镶嵌结构与声学群落动态，但无法替代游泳生物群落结构评估，为景观生态学与生物声学交叉研究提供了新范式。
河口生态系统作为海陆交汇的过渡带，其生境异质性极高，常呈现海草床、盐沼沟渠、牡蛎礁和裸泥滩等镶嵌分布格局。这种空间复杂性如何影响生态过程一直是景观生态学的核心议题。近年来，声景生态学（soundscape ecology）的兴起为理解生物与环境的互动提供了新视角——生境关联的声景可能成为评估生物多样性和指导保护决策的潜在工具。然而，现有研究多聚焦陆地生态系统，对河口声景空间变异机制及其与生境结构、生物群落关系的认知仍存在空白。
为填补这一空白，研究人员于2019年5月至8月在美国北卡罗来纳州的Back Sound和Core Sound选取24个生境镶嵌体进行监测，覆盖海草床、盐沼沟渠、牡蛎礁和裸泥滩等典型生境。通过同步采集声景数据（包括声压级SPL和物种特异性叫声）与多尺度生境指标（斑块尺度和景观尺度）、nekton（游泳生物）群落数据及非生物变量，结合光谱异质性指数、多变量分析和多模型推断等方法，系统解析了声景变异的驱动因素。
关键技术方法包括：基于水听器阵列的声景连续监测（获取SPL和物种叫声）、景观格局量化（使用GIS计算生境斑块面积、周长、核心区等）、nekton群落拖网采样、多模型推论（Multi-model inference）和方差分解（variance partitioning）统计框架，以及深度学习算法对声谱模式的自动识别。
Results
- 1.
景观尺度生境指标的主导作用：多变量分析显示，声景差异主要受斑块和景观尺度的生境大小与形状指标调控，形成4类典型声景类型。景观尺度指标（如物种丰富度、海草核心区面积、牡蛎礁周长）对SPL变异的解释度最高。
- 2.
物种特异性叫声的独立规律：特定物种鸣叫率与生境和非生物变量相关，但与nekton丰度及多样性无显著关联，表明声景不能直接替代nekton群落结构评估。
- 3.
声景分异的机制解析：通过方差分解发现，生境结构（尤其是景观连通性）和优势生物声源共同驱动声景空间格局，非生物因素（如潮汐、水温）通过调节生物活动间接影响声景。
结论与意义
本研究首次在河口生态系统证实声景空间变异主要由景观尺度生境特征主导，深化了对声景与生境异质性耦合机制的理解。提出的声景指标可成为长期监测河口生境动态和声学群落变化的有效工具，尤其适用于大尺度生境评估。然而，声景对nekton群落结构的指示作用有限，提示需谨慎选择声景指标的应用场景。研究创新性整合遥感、声学监测与深度学习技术，为景观生态学提供了跨学科方法论框架，对海岸带生态系统保护与管理具有实践意义。论文发表于《Landscape Ecology》，为声景生态学在水生环境的拓展提供了关键案例。
