基于聲景觀智能識別的生態(tài)保護(hù)紅線日常監(jiān)測與侵?jǐn)_因素分析

王林森，周素紅，賴鵬程，鄒 丹，宋江宇

（1.中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院，廣州 510006；2.廣東省公共安全與災(zāi)害工程技術(shù)研究中心，廣州 510006）

生態(tài)環(huán)境是生產(chǎn)、生活活動的重要空間依存。隨著中國社會經(jīng)濟(jì)發(fā)展邁向高質(zhì)量發(fā)展的新階段，生態(tài)文明建設(shè)的地位逐漸突出。保護(hù)生態(tài)環(huán)境質(zhì)量、充分發(fā)揮生態(tài)服務(wù)價(jià)值是生態(tài)文明建設(shè)的基礎(chǔ)內(nèi)容（谷樹忠 等，2013；劉靜 等，2020）。已有研究表明，生態(tài)環(huán)境質(zhì)量，尤其是區(qū)域動植物多樣性，是維系文明穩(wěn)定的關(guān)鍵（Johann, 2004; Losev,2006；沈清基，2013；陳子琦 等，2022）。對于解決生態(tài)問題和構(gòu)建良好生態(tài)環(huán)境，最核心、最為廣泛應(yīng)用的工作抓手是生態(tài)空間的管控與限制。多數(shù)國家和地區(qū)實(shí)行相應(yīng)的生態(tài)空間管控措施，將天然或近天然的區(qū)域劃作保護(hù)地，建立生態(tài)空間體系，對物種及其生境進(jìn)行保護(hù)（劉冬 等，2015；何雄偉，2021）。

面向生態(tài)文明建設(shè)的落實(shí)需求，中國也開始逐漸進(jìn)行生態(tài)空間管控區(qū)域界定的實(shí)踐探索。生態(tài)保護(hù)紅線的提出是中國生態(tài)文明建設(shè)的重大政策創(chuàng)新（李干杰，2014；Gao, 2019；張琨 等，2022），是中國生態(tài)環(huán)境保護(hù)的重要制度（范玉龍 等，2022）。中國生態(tài)空間管控區(qū)域界定的實(shí)踐最早在地方層面進(jìn)行，可以追溯到2003年深圳市編制的《深圳市城市近期建設(shè)規(guī)劃（2003—2005）》文件①2003年出臺《深圳市近期建設(shè)規(guī)劃（2003—2005年）》.http://www.chinanews.com.cn/estate/2010/11-17/2661161.shtml，其中關(guān)于基本生態(tài)控制線的生態(tài)空間管控的開創(chuàng)性做法，逐漸被國內(nèi)眾多城市效仿，各地的相關(guān)政策與規(guī)劃文件隨之陸續(xù)發(fā)布和實(shí)施。2011 年國務(wù)院頒布了《關(guān)于加強(qiáng)環(huán)境保護(hù)重點(diǎn)工作的意見》②2011年國務(wù)院印發(fā)《關(guān)于加強(qiáng)環(huán)境保護(hù)重點(diǎn)工作的意見》。http://www.gov.cn/gongbao/content/2011/content_1977824.htm，在全國政策層面上明確指出生態(tài)紅線劃定以及生物多樣性保護(hù)考量的必要性和戰(zhàn)略意義（高吉喜，2014；楊邦杰 等，2014）。隨后2014 年2月由環(huán)保部發(fā)布的技術(shù)指南文件明確了技術(shù)用語為生態(tài)保護(hù)紅線③2014年2月，環(huán)境保護(hù)部印發(fā)《國家生態(tài)保護(hù)紅線——生態(tài)功能基線劃定技術(shù)指南（試行）》，清晰定義生態(tài)保護(hù)紅線體系框架并制定了生態(tài)保護(hù)紅線劃定技術(shù)流程。http://www.gov.cn/xinwen/2014-02/04/content_2612994.htm，同年4月頒布的《環(huán)境保護(hù)法》④2 014 年4 月修訂的《中華人民共和國環(huán)境保護(hù)法》首次將生態(tài)保護(hù)紅線寫入法律。http://www.gov.cn/zhengce/2014-04/25/content_2666434.htm將生態(tài)保護(hù)紅線上升至立法高度。生態(tài)保護(hù)紅線規(guī)劃實(shí)踐領(lǐng)域逐漸形成較為完善的政策法規(guī)體系和理論指導(dǎo)框架。尤其，在目前國土空間規(guī)劃的發(fā)展背景下，越來越多的研究和實(shí)踐工作致力于將生態(tài)保護(hù)紅線落地，與其他控制線組成“三區(qū)三線”，落在一張底圖上（王穎等，2018；魏旭紅 等，2019；岳文澤 等，2020；馬紅 等，2022）。結(jié)合國土空間規(guī)劃統(tǒng)籌意見⑤2019 年11 月，國務(wù)院印發(fā)《關(guān)于在國土空間規(guī)劃中統(tǒng)籌劃定落實(shí)三條控制線的指導(dǎo)意見》，以指導(dǎo)生態(tài)保護(hù)紅線在規(guī)劃落地中的統(tǒng)籌問題。http://www.gov.cn/gongbao/content/2019/content_5453396.htm和技術(shù)文件，如“雙評價(jià)”⑥2020年1月，自然資源部印發(fā)《資源環(huán)境承載能力和國土空間開發(fā)適宜性評價(jià)指南（試行）》，為“三區(qū)三線”的落圖工作提供技術(shù)依據(jù)。http://www.gov.cn/zhengce/zhengceku/2020-01/22/content_5471523.htm，生態(tài)保護(hù)紅線得到精確的地理位置劃定。生態(tài)保護(hù)紅線已從理論概念轉(zhuǎn)化為推進(jìn)生態(tài)文明建設(shè)的有力的空間規(guī)劃工具和研究目標(biāo)。

生態(tài)環(huán)境質(zhì)量評估和生態(tài)敏感性分析是生態(tài)保護(hù)紅線相關(guān)研究、實(shí)踐工作的核心內(nèi)容，主要包括水、土、氣要素評估和動植物多樣性監(jiān)測。水、土、氣、植被等靜態(tài)生態(tài)要素以及動物、人類活動等動態(tài)生態(tài)要素是生態(tài)環(huán)境的2 個重要組成方面。對其進(jìn)行精確、靈敏評估分析是生態(tài)保護(hù)紅線劃定和監(jiān)測的重要前提。目前，已有研究和實(shí)踐工作的生態(tài)環(huán)境質(zhì)量評估和生態(tài)敏感性分析方法主要有以下3種：基于遙感圖像解譯，通過遙感圖像對區(qū)域水土資源、植被覆蓋進(jìn)行評估分析（王麗霞 等，2017；王燕 等，2017；夏皓軒 等，2020）；基于人工調(diào)查，通過土地利用調(diào)查、野生動物調(diào)查以及氣象監(jiān)測站點(diǎn)等對區(qū)域土地利用、生物多樣性、氣候狀況進(jìn)行評估分析（劉軍會 等，2018；伏鐳，2021；馬星 等，2021）；基于野外紅外相機(jī)和物聯(lián)網(wǎng)技術(shù)監(jiān)測，通過設(shè)立“相機(jī)陷阱”和無線網(wǎng)絡(luò)傳輸技術(shù)對區(qū)域生境、動物多樣性進(jìn)行評估分析（李晟 等，2014；王天明 等，2020）。然而，上述方法均存在一些局限，基于遙感圖像解譯方法獲取的是植被覆蓋、水土等靜態(tài)生態(tài)要素的狀況，忽略了動物活動與人類活動對生態(tài)環(huán)境的影響，不利于生態(tài)敏感性分析；而基于人工調(diào)查的方法耗力又耗時(shí)，難以大范圍開展，也難以長時(shí)序監(jiān)測，不符合日常監(jiān)測需求。此外，兩者的技術(shù)流程過于冗雜，無法實(shí)現(xiàn)實(shí)時(shí)計(jì)算和預(yù)警，這也導(dǎo)致生態(tài)保護(hù)紅線的日常監(jiān)測管理工作缺乏技術(shù)支撐。而新興的基于野外紅外相機(jī)和物聯(lián)網(wǎng)技術(shù)監(jiān)測方法可在一定程度上獲取動態(tài)生態(tài)要素，利用無線傳輸技術(shù)和人工智能技術(shù)也可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)測，但該方法存在視頻數(shù)據(jù)量大、監(jiān)測范圍有限等局限。

一些學(xué)者認(rèn)為生態(tài)保護(hù)不僅是保護(hù)傳統(tǒng)生態(tài)景觀（Landscape Ecology），也要關(guān)注生態(tài)聲景觀（Soundscape Ecology）（Pijanowski et al., 2011a）。早在20 世紀(jì)60 年代，Rachel Carson（1962）在其經(jīng)典著作《寂靜的春天》（Silent Spring）中闡述聲景觀與生態(tài)環(huán)境質(zhì)量的密切關(guān)系。生態(tài)聲景觀作為自然環(huán)境的重要特性，可以表征動物活動與人類活動的空間分布差異，有助于更全面地反映地域生態(tài)環(huán)境質(zhì)量和分析生態(tài)敏感性（Pijanowski et al.,2011b）。如遙感影像無法觀測到交通工具以及工業(yè)機(jī)器對生態(tài)環(huán)境的侵?jǐn)_，但這種侵?jǐn)_可以被引擎聲音所表征。此外，生態(tài)聲景觀能更好地表征景觀生態(tài)環(huán)境的動態(tài)性，更靈敏地反映人類活動的侵?jǐn)_（Fuller et al., 2015）。已有研究發(fā)現(xiàn)，即使是在植被豐富的區(qū)域，人為噪音對野生動物有較強(qiáng)的驅(qū)離作用（Barber et al., 2011）。聲景觀的空間異質(zhì)性、強(qiáng)動態(tài)性、靈敏性將更有利于生態(tài)敏感性分析。雖然以往受限于理論內(nèi)涵不全面或技術(shù)問題，生態(tài)聲景觀的研究沒有得到重視（Merchant et al., 2015），但隨著人工智能、物聯(lián)網(wǎng)技術(shù)以及微型聲音采集器的普及，基于聲景觀的生態(tài)保護(hù)紅線的日常監(jiān)測成為可能。并且，環(huán)境聲音識別技術(shù)的可靠性已在其他領(lǐng)域得到驗(yàn)證，尤其是基于聲音頻譜圖和卷積神經(jīng)網(wǎng)絡(luò)的聲音類型識別技術(shù)已發(fā)展較為成熟（史秋瑩，2016；Salamon et al., 2017）。

生態(tài)保護(hù)紅線的相關(guān)研究及規(guī)劃實(shí)踐，在環(huán)境保護(hù)、生態(tài)治理等生態(tài)文明建設(shè)活動中發(fā)揮重要作用，且與其相關(guān)的政策法規(guī)體系和理論指導(dǎo)框架仍不斷發(fā)展與完善。然而，以往的規(guī)劃與研究大部分將工作重心放在生態(tài)保護(hù)紅線的劃定上，而生態(tài)保護(hù)紅線的實(shí)際生態(tài)環(huán)境保育效果，已劃定的生態(tài)保護(hù)紅線的合理性、可靠性、受侵?jǐn)_程度的監(jiān)測和評估等往往被忽視。并且，該領(lǐng)域常使用的基于遙感圖像解譯和基于人工調(diào)查的方法能對生態(tài)環(huán)境質(zhì)量的本底進(jìn)行大致評估，但對動態(tài)的生態(tài)要素把握不足，無法實(shí)現(xiàn)生態(tài)保護(hù)紅線的日常監(jiān)測。而生態(tài)聲景觀在生態(tài)敏感性分析上有良好的表征，在一定程度上可以彌補(bǔ)傳統(tǒng)評估分析方法對于動態(tài)生態(tài)要素的忽視。因此，本文從生態(tài)聲景觀視角出發(fā)，先制定一份面向日常監(jiān)測的聲景觀要素分類標(biāo)準(zhǔn)，并構(gòu)建深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到基于聲景觀智能識別的分類模型；再利用該模型在共成水庫保護(hù)區(qū)結(jié)合傳統(tǒng)GIS方法對生態(tài)保護(hù)紅線的日常監(jiān)測和生態(tài)侵?jǐn)_因素進(jìn)行探討。以期探索更科學(xué)的生態(tài)環(huán)境質(zhì)量評估和生態(tài)敏感性分析方法。

1 數(shù)據(jù)與案例地

本研究的技術(shù)思路如圖1所示：首先，基于現(xiàn)有文獻(xiàn)（Schafer, 1993; Pijanowski, 2011）和國土空間規(guī)劃特性制定一份聲景觀要素分類標(biāo)準(zhǔn)，并利用開源聲音素材對這些類型進(jìn)行人工標(biāo)注，以創(chuàng)建聲景觀類型數(shù)據(jù)庫；其次，搭建一個基于卷積神經(jīng)網(wǎng)絡(luò)和梅爾頻譜圖特征的聲景觀類型識別模型，并利用聲景觀類型數(shù)據(jù)庫進(jìn)行模型訓(xùn)練；第三，在案例地收集生態(tài)保護(hù)紅線的聲景觀數(shù)據(jù)，利用上述模型對生態(tài)保護(hù)紅線沿線監(jiān)測點(diǎn)的聲景觀要素類型進(jìn)行智能識別，并計(jì)算生態(tài)聲景觀要素占比，對生態(tài)狀況進(jìn)行動態(tài)評估，為日常監(jiān)測提供數(shù)據(jù)；最后，將分析生態(tài)易受侵?jǐn)_的主要影響因素，包括生態(tài)本底特征和人類侵?jǐn)_分布特征2 個方面，通過識別重要侵?jǐn)_要素，為全域的生態(tài)保護(hù)紅線的常態(tài)化監(jiān)測點(diǎn)選址提供參考。

圖1 基于聲景觀智能識別的生態(tài)保護(hù)紅線日常監(jiān)測技術(shù)路線Fig.1 Technical flow chart of daily monitoring of ecological conservation red line based on intelligent recognition of soundscape

1.1 聲景觀要素分類及標(biāo)簽數(shù)據(jù)

聲景觀的要素有2種基礎(chǔ)的分類體系：一種是以Schafer（1993）為代表的學(xué)者，認(rèn)為聲景觀由自然聲（natural）、人聲（human）、社會聲（societal）、機(jī)器聲（mechanical）、信號聲（indicators）以及安靜聲（quiet）組成；另一種是以Krause 和Pijanowski（2011）為代表的學(xué)者，將聲景觀組成要素分為生物聲（biophony）、地球物理聲（geophony）、人工聲（nthrophony）。目前的聲景觀研究大都以這2種分類為基礎(chǔ)進(jìn)行細(xì)分或調(diào)整。本文在現(xiàn)有分類體系的基礎(chǔ)上，參考國土空間規(guī)劃的生產(chǎn)空間、生活空間、生態(tài)空間的“三生空間”劃分聲景觀要素，制定一份面向生態(tài)保護(hù)紅線日常監(jiān)測的分類標(biāo)準(zhǔn)（表1）。為獲取訓(xùn)練標(biāo)簽，基于全球最大的音頻眾包平臺⑦Freesound: https://freesound.org/（Freesound）收集3 576條10 s的音頻，覆蓋每個二級分類。

表1 聲景觀要素分類Table 1 Classification of soundscape elements

1.2 案例地與監(jiān)測方案

監(jiān)測案例地是位于廣東省云浮市新興縣太平鎮(zhèn)的共成水庫保護(hù)區(qū)。該保護(hù)區(qū)包括1個省級自然公園以及周邊一定范圍的區(qū)域，對應(yīng)1條核心的生態(tài)保護(hù)紅線以及若干條一般的生態(tài)保護(hù)紅線，紅線的類型為水源涵養(yǎng)、生物多樣性維護(hù)。省級自然公園的面積為5.678 km2，紅線長度為22.140 km。監(jiān)測點(diǎn)主要沿自然公園生態(tài)保護(hù)紅線設(shè)置，并向一般生態(tài)保護(hù)紅線的一定范圍擴(kuò)展（圖2）。監(jiān)測點(diǎn)的數(shù)量為57個，監(jiān)測點(diǎn)間距約為350 m。由于本研究主要是監(jiān)測人為活動對生態(tài)保護(hù)紅線的侵?jǐn)_狀況，因此監(jiān)測點(diǎn)在等距設(shè)置的基礎(chǔ)上做了一定調(diào)整，向聚落點(diǎn)以及道路靠近。每個監(jiān)測點(diǎn)都收集至少2個時(shí)段1 min音頻（即1個時(shí)段對應(yīng)收集1 min的音頻），水庫上游作為影響整體生態(tài)質(zhì)量的重點(diǎn)區(qū)域，對該區(qū)域完整收集3個時(shí)段的音頻（早、中、晚），以充分把握聲景觀的時(shí)空動態(tài)。音頻的收集依靠手持Zoom H4n PRO 設(shè)備，并在采集時(shí)間點(diǎn)規(guī)避大風(fēng)、雷、大雨等氣象因素。收集的每段1 min 音頻被切割為6 段10 s 音頻，聲景觀要素的識別模型統(tǒng)一以10 s 為分類的基本單位，總共得到944 段10 s 的音頻。

圖2 案例地區(qū)位以及監(jiān)測點(diǎn)空間分布Fig.2 Location of case areas and spatial distribution of the sampling sites

為將深度學(xué)習(xí)模型的識別結(jié)果轉(zhuǎn)化為生態(tài)保護(hù)紅線監(jiān)測結(jié)果，采用生態(tài)聲景觀要素占比指標(biāo)評估生態(tài)保護(hù)紅線狀況。即先利用深度學(xué)習(xí)模型識別生態(tài)聲景觀要素?cái)?shù)目、生活聲景觀要素?cái)?shù)目以及生產(chǎn)或交通聲景觀要素?cái)?shù)目，再計(jì)算生態(tài)聲景觀要素?cái)?shù)目在所有聲景觀要素?cái)?shù)目的占比（如某點(diǎn)在早、中、晚共收集3段1 min音頻，模型將這3 min音頻分割為18段10 s音頻，然后識別18段音頻的類型，最后統(tǒng)計(jì)每種類型的數(shù)目及占比）。同理，通過計(jì)算生活聲景觀要素?cái)?shù)目以及生產(chǎn)或交通聲景觀要素?cái)?shù)目在所有聲景觀要素?cái)?shù)目的占比，還可以監(jiān)測侵?jǐn)_類型及程度。

1.3 空間特征數(shù)據(jù)及處理方法

識別生態(tài)易受侵?jǐn)_區(qū)域以設(shè)置常態(tài)化監(jiān)測點(diǎn)是日常監(jiān)測的前提，本文通過回歸模型分析易受侵?jǐn)_的主要因素。生態(tài)保護(hù)是要協(xié)調(diào)人地關(guān)系系統(tǒng)，因此回歸模型的自變量將圍繞地與人2 個方面選取，即生態(tài)本底特征和人類侵?jǐn)_分布特征。生態(tài)本底通過監(jiān)測點(diǎn)所在位置的植被歸一化指數(shù)（NDVI）、監(jiān)測點(diǎn)高程表征。NDVI 數(shù)據(jù)是董金瑋等（2021）基于Landsat5/7/8 遙感數(shù)據(jù)提取的，高程則來自地理空間數(shù)據(jù)云的ASTER GDEM 30 m分辨率數(shù)字高程數(shù)據(jù)⑧ASTER GDEM 30 m分辨率數(shù)字高程數(shù)據(jù)：http://www.gscloud.cn/home。

人類侵?jǐn)_分布特征可被分為活動影響范圍和活動影響程度2個方面，活動影響范圍通過監(jiān)測點(diǎn)距居民點(diǎn)距離、夜間燈光強(qiáng)度、距道路距離表征。居民點(diǎn)位置參考百度地圖。道路數(shù)據(jù)來自O(shè)pen Street Map。夜間燈光數(shù)據(jù)截取自美國國家海洋大氣管理局下屬國家環(huán)境信息中心生成的NPP/VIIRS夜間燈光數(shù)據(jù)集⑨NPP/VIIRS夜間燈光數(shù)據(jù)集：https://www.ngdc.noaa.gov/eog/index.html，原有空間分辨率為15″（約450 m）?；顒佑绊懗潭韧ㄟ^多尺度中心性表征，理論上中心性越強(qiáng)的空間，受影響程度越大。本文選擇空間句法理論中最典型的指標(biāo)——全局、局部整合度（楊滔，2017）表征多尺度中心性。整合度變量在拓?fù)鋱D形學(xué)的含義是空間系統(tǒng)中某一元素與其他元素之間的集聚或離散程度，反映該空間在整個系統(tǒng)的中心性。整合度高說明此類空間更有可能吸引全局或局部上的人類到此活動，生態(tài)受侵?jǐn)_的概率更大。具體實(shí)現(xiàn)是以道路網(wǎng)、居民點(diǎn)為人類活動范圍的基本框架，將其轉(zhuǎn)化為軸線圖，并通過DepthmapX軟件計(jì)算得到。

2 深度學(xué)習(xí)模型設(shè)計(jì)與訓(xùn)練

高效地提取聲景觀要素特征是模型的關(guān)鍵。通過傳統(tǒng)方法提取的聲音信號特征，包括韻律特征（音高、強(qiáng)度和持續(xù)時(shí)間）、音質(zhì)特征（共振峰、頻譜能量分布、諧波噪音比）以及頻譜特征（梅爾頻譜系數(shù)、線性預(yù)測系數(shù)、感知線性預(yù)測系數(shù)）（Zhang et al., 2022），往往是低維的，無法反映“三生空間”中各聲景觀要素的復(fù)雜特征。一種融合梅爾頻譜圖和卷積神經(jīng)網(wǎng)絡(luò)的新興方法逐漸在環(huán)境聲音分類模型中表現(xiàn)出優(yōu)勢，通過反向傳播學(xué)習(xí)聲音能量在時(shí)間和頻率上的分布特征，可以捕捉到復(fù)雜聲音的差別；此外，通過卷積核計(jì)算，能識別較強(qiáng)噪音背景下的環(huán)境聲音類型（Salamon et al., 2017）。本文的模型框架在該思路的基礎(chǔ)上設(shè)計(jì)。首先，將聲音信號轉(zhuǎn)化為梅爾頻譜圖，為增強(qiáng)模型對時(shí)間維度上的學(xué)習(xí)能力，該模型還計(jì)算一、二階差分的梅爾頻譜圖，并將原始、一、二階差分的梅爾頻譜圖作為3個通道輸入模型；其次，為最大程度地避免樣本數(shù)量較少以及標(biāo)簽質(zhì)量不佳等問題，該模型使用Mixup 的數(shù)據(jù)增強(qiáng)方法（Zhang et al., 2017）；最后，將 數(shù) 據(jù) 輸 入 VGG、GoogleNet、ResNet 三 個 主流的輕量級深度學(xué)習(xí)模型中，再使用2 層全連接輸出28類聲景觀要素（圖3）。

圖3 深度學(xué)習(xí)模型框架Fig.3 Schematic representation of the deep learning model

模型基于python3.6 的tensorflow1.18.3 的深度學(xué)習(xí)框架搭建。模型輸入分為2種情況，僅輸入原始梅爾頻譜圖和輸入含原始、一、二階梅爾頻譜圖（類似RGB三個通道的圖像），輸入尺寸為224×224；模型主體框架有3種，VGG、GoogleNet、ResNet，通過對比不同輸入情況和不同主體框架的模型精度以選取最佳模型?？v向?qū)Ρ瓤矗?種模型在加入一、二階梅爾頻譜圖作為另外2個通道后，模型精度皆有顯著提升（表2）。其中，VGG 的訓(xùn)練精度提升約3%，驗(yàn)證精度約提升5%；GoogleNet的訓(xùn)練精度約提升3%，驗(yàn)證精度約提升4%；ResNet 的訓(xùn)練精度約提升14%，驗(yàn)證精度約提升5%。橫向?qū)Ρ瓤?，ResNet 的訓(xùn)練精度和驗(yàn)證精度最高，分別為89.88%和72.41%，表明該模型框架可以較好地對聲景觀要素的復(fù)雜特征進(jìn)行捕獲和識別，因此，模型選取ResNet作為主體框架。

表2 不同模型訓(xùn)練精度與驗(yàn)證精度對比Table 2 Comparison of training accuracy and validation accuracy of different models %

3 案例地模型監(jiān)測結(jié)果

從空間分布看，該案例地東側(cè)的生態(tài)狀況明顯優(yōu)于西側(cè)，東側(cè)的監(jiān)測點(diǎn)生態(tài)聲景觀要素占比大部分都達(dá)到90%，侵?jǐn)_類型以生活類為主（圖4）。通過實(shí)地調(diào)查發(fā)現(xiàn)，東側(cè)的各居民點(diǎn)大都完成搬遷，房屋空置率較高，因此這些區(qū)域生態(tài)環(huán)境較少受到人類活動侵?jǐn)_。相反，西側(cè)的監(jiān)測點(diǎn)生態(tài)聲景觀要素占比大部分低于90%，并存在較多監(jiān)測點(diǎn)低于60%，侵?jǐn)_類型包括生活類和交通類，易受侵?jǐn)_的區(qū)域包括西南側(cè)的上游居民點(diǎn)和西北側(cè)的水庫下游大壩區(qū)域。這主要是因?yàn)榭h道沿紅線西側(cè)由北向南穿過，車流量相對大導(dǎo)致交通類侵?jǐn)_嚴(yán)重；此外，水庫上、下游地勢相對平坦，加上交通區(qū)位的優(yōu)勢，形成空間集中、規(guī)模較大的居民點(diǎn)，導(dǎo)致生活類侵?jǐn)_也相對更多。

圖4 生態(tài)聲景觀要素占比（a）與侵?jǐn)_類型（b）空間分布Fig.4 Spatial distribution of ecological compliance(a) and type of encroachment(b)

由于西南側(cè)的水庫上游作為影響整體生態(tài)質(zhì)量的重點(diǎn)區(qū)域，且存在相對多的侵?jǐn)_現(xiàn)象。為此，采集并分析該區(qū)域3個時(shí)段的聲景觀。區(qū)域在中午時(shí)段受侵?jǐn)_程度相對最高，晚上時(shí)段次之，早上時(shí)段相對最少，這與人類活動規(guī)律基本一致。但在居民點(diǎn)核心范圍內(nèi)的監(jiān)測點(diǎn)，3 個時(shí)段的侵?jǐn)_程度都較高（圖5）。

圖5 水庫上游區(qū)域受侵?jǐn)_情況的動態(tài)變化Fig.5 Dynamics of encroachment in the upstream area of the reservoir

4 生態(tài)聲景觀要素占比影響因素

本文嘗試選取地與人2個方面的空間特征為自變量，構(gòu)建因變量為生態(tài)聲景觀要素占比的回歸模型，分析易受侵?jǐn)_的主要要素。如表3所示，回歸模型的R2為0.472，并且各變量的方差膨脹系數(shù)最大值僅為1.756，可以認(rèn)為不存在共線性問題，表明各變量可以較好地解釋生態(tài)聲景觀要素占比。從空間的生態(tài)本底特征看，NDVI 變量的標(biāo)準(zhǔn)化β系數(shù)為0.146，但在統(tǒng)計(jì)意義上并不顯著，從側(cè)面驗(yàn)證通過傳統(tǒng)遙感數(shù)據(jù)對植被狀況的監(jiān)測并不能準(zhǔn)確地反映區(qū)域的生態(tài)狀況，因此，基于聲景觀的監(jiān)測是必要的。高程變量的標(biāo)準(zhǔn)化β系數(shù)為0.163，即地勢越高的地方生態(tài)聲景觀要素占比越高，但在統(tǒng)計(jì)意義上也不顯著。因此，僅考慮生態(tài)本底而忽略動態(tài)生物要素存在不足。

表3 生態(tài)聲景觀要素占比影響因素分析的回歸模型結(jié)果Table 3 Regression model results for the analysis of factors influencing the rate of compliance with the eco-soundscape

從空間的人類侵?jǐn)_分布特征看，距居民點(diǎn)距離變量的標(biāo)準(zhǔn)化β系數(shù)為0.261，且在統(tǒng)計(jì)意義上顯著。這表明距居民點(diǎn)愈遠(yuǎn)生態(tài)聲景觀要素占比愈高，受侵?jǐn)_的概率愈小。夜間燈光強(qiáng)度變量的標(biāo)準(zhǔn)化β系數(shù)為-0.319，并在統(tǒng)計(jì)意義上顯著。這表明夜間燈光強(qiáng)度越高的地方，生態(tài)聲景觀要素占比越低，受侵?jǐn)_程度越高。距道路距離變量的標(biāo)準(zhǔn)化β系數(shù)為0.185，且顯著性P值為0.088，說明距離道路越遠(yuǎn)生態(tài)聲景觀要素占比越高，受侵?jǐn)_概率越小。距居民點(diǎn)距離、夜間燈光強(qiáng)度和距道路距離表征人類活動影響范圍變量的分析結(jié)果符合基本常識。值得注意的是，夜間燈光強(qiáng)度的標(biāo)準(zhǔn)化β系數(shù)在所有變量中絕對值最大，說明人類夜間活動以及燈光強(qiáng)度對生態(tài)聲景觀的影響是顯著的，在選取常態(tài)化監(jiān)測點(diǎn)中需重點(diǎn)考慮。在表征人類活動影響程度的變量方面，全局整合度的標(biāo)準(zhǔn)化β系數(shù)為-0.206，且顯著性P值為0.059；局部整合度的標(biāo)準(zhǔn)化β系數(shù)為0.138，但在統(tǒng)計(jì)意義上不顯著。這驗(yàn)證了全局整合度越高的空間，其生態(tài)聲景觀要素占比越低，生態(tài)受侵?jǐn)_的概率越大；但局部整合度對生態(tài)的影響微乎不計(jì)。

5 結(jié)論與討論

本文針對現(xiàn)有研究忽略動態(tài)生物要素的問題，基于生態(tài)聲景觀視角結(jié)合深度學(xué)習(xí)和傳統(tǒng)GIS方法對生態(tài)保護(hù)紅線進(jìn)行評估，并分析影響生態(tài)聲景觀的主要因素，得出的主要結(jié)論包括：

1）參考“三生空間”制定了聲景觀要素分類標(biāo)準(zhǔn)，并構(gòu)建深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到分類模型的訓(xùn)練精度為89.88%、驗(yàn)證精度為72.41%。深度學(xué)習(xí)模型的識別結(jié)果與實(shí)地調(diào)研觀察到的聲景觀要素類型基本一致，證實(shí)了通過聲景觀智能化監(jiān)測的方案在日常監(jiān)測中是可靠的。

2）利用深度學(xué)習(xí)模型對案例地聲景觀進(jìn)行分類預(yù)測，并通過計(jì)算生態(tài)聲景觀要素占比實(shí)現(xiàn)生態(tài)保護(hù)紅線的監(jiān)測。監(jiān)測結(jié)果顯示，案例地生態(tài)狀況整體較好，大部分監(jiān)測點(diǎn)的生態(tài)聲景觀要素占比都在60%以上，侵?jǐn)_類型以生活類和交通類為主；從空間分布上看，案例地東側(cè)的生態(tài)狀況明顯優(yōu)于西側(cè)；從時(shí)間上看，案例地在中午時(shí)段受侵?jǐn)_程度相對最高，晚上時(shí)段次之，早上時(shí)段相對最少，這與人類活動規(guī)律基本一致。

3）利用回歸模型分析易受侵?jǐn)_的主要因素，模型的R2為0.472。分析結(jié)果顯示，夜間燈光強(qiáng)度對生態(tài)聲景觀要素占比的影響最大，隨后依次是距離居民點(diǎn)的距離、空間中心性、距道路距離。因此，在聲景觀常態(tài)化監(jiān)測點(diǎn)的選址中應(yīng)按照以上重要次序?qū)@些因素進(jìn)行考慮。此外，NDVI 以及地勢等表征空間本底的因素在模型中并不顯著，這也從側(cè)面驗(yàn)證僅考慮生態(tài)本底而忽略動態(tài)生物要素存在不足。因此，日常監(jiān)測應(yīng)捕捉動態(tài)的侵?jǐn)_因素，做到在發(fā)生重大生態(tài)破壞行為前早發(fā)現(xiàn)。

本文創(chuàng)新地將聲景觀要素納入監(jiān)測體系，符合生態(tài)保護(hù)紅線日常監(jiān)測的基本需求?；诼暰坝^智能識別的監(jiān)測相比較傳統(tǒng)的遙感評估方法各有優(yōu)勢。在大尺度上對區(qū)域生態(tài)本底進(jìn)行評估，遙感圖像解譯具有較大的優(yōu)勢，通過遙感技術(shù)結(jié)合人工糾正的方法劃定生態(tài)保護(hù)紅線也是目前的主流方法。但是，遙感和人工方法對動態(tài)生態(tài)要素把握仍不足導(dǎo)致日常監(jiān)測的準(zhǔn)確性受限?；诼暰坝^智能識別的方法在生態(tài)保護(hù)紅線日常監(jiān)測中具有優(yōu)勢：聲景觀可以反映人類活動、動物活動等動態(tài)要素對生態(tài)環(huán)境的影響，幫助更全面地監(jiān)測生態(tài)保護(hù)狀況；基于聲景觀的智能識別方法可以連續(xù)監(jiān)測長時(shí)序的生態(tài)狀況，并實(shí)現(xiàn)自動分析，可滿足日常監(jiān)測的基本需求；最后，該方法還可以識別出具體的侵?jǐn)_類型，有助于生態(tài)保護(hù)紅線的日常整治。

本研究也存在一些不足，在深度學(xué)習(xí)模型方面，本文創(chuàng)新地制定了一聲景觀要素分類標(biāo)準(zhǔn)，但這份標(biāo)準(zhǔn)的二級分類可能存在要素不全面的問題，并且各分類的梅爾頻譜圖特征區(qū)分度可能不夠，進(jìn)而導(dǎo)致模型無法識別；此外，根據(jù)這份標(biāo)準(zhǔn)收集的訓(xùn)練樣本數(shù)有限，且每個類型的素材數(shù)量也不完全一致，這些都會導(dǎo)致模型精度降低，進(jìn)而對生態(tài)保護(hù)紅線的監(jiān)測結(jié)果產(chǎn)生影響。未來的研究可通過改進(jìn)分類標(biāo)準(zhǔn)和提高訓(xùn)練樣本質(zhì)量以減少模型誤差。進(jìn)一步地，智能化評估方法的精度若在未來能達(dá)到較高精度，還可以作為生態(tài)保護(hù)紅線相關(guān)法律、法規(guī)的數(shù)據(jù)依據(jù)，并規(guī)避人為篡改監(jiān)測結(jié)果的風(fēng)險(xiǎn)，幫助建設(shè)“理論—技術(shù)—法規(guī)”生態(tài)保護(hù)紅線日常監(jiān)測體系。在案例地的監(jiān)測方面，本文通過手持設(shè)備進(jìn)行音頻數(shù)據(jù)收集，沒有完整地模擬日常監(jiān)測的全部時(shí)段，因此所計(jì)算的生態(tài)聲景觀要素占比可能存在偏差。并且，本文沒有對案例地進(jìn)行長期追蹤監(jiān)測，在未來的日常監(jiān)測工作中可以根據(jù)地域特性對生態(tài)聲景觀要素占比設(shè)置不同閾值，占比達(dá)到一定閾值后可視為達(dá)標(biāo)。監(jiān)控達(dá)標(biāo)率的高低可以對監(jiān)測點(diǎn)進(jìn)行預(yù)警，以及對日常整治工作的效果進(jìn)行考核。值得注意的是，案例地代表的是華南的大都市區(qū)遠(yuǎn)郊，其生態(tài)聲景觀類型較豐富，但在一些生態(tài)本底較差地區(qū)，聲景觀變化并不明顯，本文監(jiān)測方案可能對其作用不明顯。

致謝：感謝審稿人對本研究的修改提出寶貴的建議，此外，廖伊彤和張昕在數(shù)據(jù)采集過程中提供了幫助，在此一并表示感謝。