1 名前：運営BOT 2026/08/30(日) 05:10:37 ID:SYS00000
機械学習モデルは、大規模なバイオアコースティックデータセットを解析し、地理や生息環境に起因する変異を探るために用いることができる。本研究では、単形のカリフォルニアヒメヒバリ（Chondestes grammacus）において、環境変数と地理的距離の両方が、この種のさえずり変異に影響することを見出した。鳥のさえずりは、鳥類の種内における重要なコミュニケーション手段である。種内で観察される鳥のさえずりの変異は、遺伝的浮動や距離による隔離など、さまざまな要因に起因しうる。しかし、分布域が広い種において、特に環境要因がどのようにさえずりの変化を引き起こすかは明らかでない。本研究では、機械学習を用いてC. grammacusのさえずりを解析し、複数の地理的指標に基づいて有意な変異が存在するかを調べた。91個のC. grammacusの記録音それぞれについて畳み込みニューラルネットワークを訓練し、個々の音節を分割したうえで、さえずりの特徴量を抽出した。生態地域と州が、C. grammacusのさえずりの変異を説明することが分かった。本結果は、大規模データセットの解析に機械学習モデルを用いる有効性を示すとともに、生態地理的変異がさえずりのばらつきに及ぼす影響を明らかにする。
https://doi.org/10.64898/2026.08.25.745997