1、第 43 卷 第 2 期2023 年 2 月Vol.43，No.2Feb.，2023热带地理TROPICAL GEOGRAPHY基于声景观智能识别的生态保护红线日常监测与侵扰因素分析王林森1,2，周素红1,2，赖鹏程1,2，邹丹1,2，宋江宇1,2（1.中山大学 地理科学与规划学院，广州 510006；2.广东省公共安全与灾害工程技术研究中心，广州 510006）摘要：生态保护红线的划定是中国践行生态文明建设的重要举措，已有较多成熟的相关研究和工作利用遥感、人工调查方法对其进行划定。然而，传统生态评估方法忽略了动态要素对生态环境的影响，目前仍缺乏一套生态保护红线的日常监测体系。文章从生态声景观
2、视角出发，先制定一份面向日常监测的声景观要素分类标准，并构建深度学习模型进行训练，得到基于声景观智能识别的分类模型；再利用该模型在共成水库保护区结合传统GIS方法对生态保护红线进行评估，并分析影响生态声景观的主要因素。结果表明：1）参考“三生空间”制定了一份面向日常监测的声景观要素分类标准，并构建深度学习模型进行训练，得到分类模型的训练精度为89.88%；2）利用训练好的深度学习模型对案例地收集的声景观进行智能识别，利用生态声景观要素占比作为衡量生态受侵扰程度的指标，实现了生态保护红线的日常监测评估；3）利用回归模型分析生态易受侵扰的影响因素，模型结果表明夜间灯光强度对生态受侵扰的影响最大，随
3、后依次是距离居民点的距离、空间中心性、距道路距离。关键词：生态保护红线；声景观；智能识别；深度学习；日常监测；共成水库保护区中图分类号：TN912.34；P208；X321 文献标志码：A 文章编号：1001-5221(2023)02-0202-11DOI：10.13284/ki.rddl.003631 开放科学（资源服务）标识码（OSID）：生态环境是生产、生活活动的重要空间依存。随着中国社会经济发展迈向高质量发展的新阶段，生态文明建设的地位逐渐突出。保护生态环境质量、充分发挥生态服务价值是生态文明建设的基础内容（谷树忠 等，2013；刘静 等，2020）。已有研究表明，生态环境质量，尤其是
4、区域动植物多样性，是维系文明稳定的关键（Johann,2004;Losev,2006；沈清基，2013；陈子琦 等，2022）。对于解决生态问题和构建良好生态环境，最核心、最为广泛应用的工作抓手是生态空间的管控与限制。多数国家和地区实行相应的生态空间管控措施，将天然或近天然的区域划作保护地，建立生态空间体系，对物种及其生境进行保护（刘冬 等，2015；何雄伟，2021）。面向生态文明建设的落实需求，中国也开始逐渐进行生态空间管控区域界定的实践探索。生态保护红线的提出是中国生态文明建设的重大政策创新（李干杰，2014；Gao,2019；张琨 等，2022），是中国生态环境保护的重要制度（范玉龙
5、等，2022）。中国生态空间管控区域界定的实践最早在地方层面进行，可以追溯到2003年深圳市编制的深圳市城市近期建设规划（20032005）文件，其中关于基本生态控制线的生态空间管控的开创性做法，逐渐被国内众多城市效仿，各地的相关政策与规划收稿日期：2023-02-04；修回日期：2023-02-13基金项目：广东省重点研发领域研发计划项目（2020B0202010002）；国家自然科学基金项目（42271234）作者简介：王林森（1997），男，苗族，贵州台江人，硕士研究生，研究方向为地理大数据、Geo-AI、时空行为等，（E-mail）；通信作者：周素红（1976），女，广东饶平人，教授，
6、博士生导师，研究方向为城乡问题与城乡规划、城市时空间行为、地理信息科学与应用等，（E-mail）。2003年出台深圳市近期建设规划（20032005年）.http:/ Linsen,Zhou Suhong,Lai Pengcheng,Zou Dan,and Song Jiangyu.2023.Daily Monitoring of Ecological Conservation Red Line Based on Intelligent Recognition of Soundscape and Analysis of Intrusion Factors.Tropical Geography,
7、43(2):202-212.王林森等：基于声景观智能识别的生态保护红线日常监测与侵扰因素分析2 期文件随之陆续发布和实施。2011年国务院颁布了关于加强环境保护重点工作的意见，在全国政策层面上明确指出生态红线划定以及生物多样性保护考量的必要性和战略意义（高吉喜，2014；杨邦杰 等，2014）。随后2014年2月由环保部发布的技术指南文件明确了技术用语为生态保护红线，同年4月颁布的环境保护法将生态保护红线上升至立法高度。生态保护红线规划实践领域逐渐形成较为完善的政策法规体系和理论指导框架。尤其，在目前国土空间规划的发展背景下，越来越多的研究和实践工作致力于将生态保护红线落地，与其他控制线组成“
8、三区三线”，落在一张底图上（王颖 等，2018；魏旭红 等，2019；岳文泽 等，2020；马红 等，2022）。结合国土空间规划统筹意见和技术文件，如“双评价”，生态保护红线得到精确的地理位置划定。生态保护红线已从理论概念转化为推进生态文明建设的有力的空间规划工具和研究目标。生态环境质量评估和生态敏感性分析是生态保护红线相关研究、实践工作的核心内容，主要包括水、土、气要素评估和动植物多样性监测。水、土、气、植被等静态生态要素以及动物、人类活动等动态生态要素是生态环境的2个重要组成方面。对其进行精确、灵敏评估分析是生态保护红线划定和监测的重要前提。目前，已有研究和实践工作的生态环境质量评估和生
9、态敏感性分析方法主要有以下3种：基于遥感图像解译，通过遥感图像对区域水土资源、植被覆盖进行评估分析（王丽霞 等，2017；王燕 等，2017；夏皓轩 等，2020）；基于人工调查，通过土地利用调查、野生动物调查以及气象监测站点等对区域土地利用、生物多样性、气候状况进行评估分析（刘军会 等，2018；伏镭，2021；马星 等，2021）；基于野外红外相机和物联网技术监测，通过设立“相机陷阱”和无线网络传输技术对区域生境、动物多样性进行评估分析（李晟 等，2014；王天明 等，2020）。然而，上述方法均存在一些局限，基于遥感图像解译方法获取的是植被覆盖、水土等静态生态要素的状况，忽略了动物活动与
10、人类活动对生态环境的影响，不利于生态敏感性分析；而基于人工调查的方法耗力又耗时，难以大范围开展，也难以长时序监测，不符合日常监测需求。此外，两者的技术流程过于冗杂，无法实现实时计算和预警，这也导致生态保护红线的日常监测管理工作缺乏技术支撑。而新兴的基于野外红外相机和物联网技术监测方法可在一定程度上获取动态生态要素，利用无线传输技术和人工智能技术也可以实现实时监测，但该方法存在视频数据量大、监测范围有限等局限。一些学者认为生态保护不仅是保护传统生态景观（Landscape Ecology），也要关注生态声景观（Soundscape Ecology）（Pijanowski et al.,2011a
11、）。早在20世纪60年代，Rachel Carson（1962）在其经典著作寂静的春天（Silent Spring）中阐述声景观与生态环境质量的密切关系。生态声景观作为自然环境的重要特性，可以表征动物活动与人类活动的空间分布差异，有助于更全面地反映地域生态环境质量和分析生态敏感性（Pijanowski et al.,2011b）。如遥感影像无法观测到交通工具以及工业机器对生态环境的侵扰，但这种侵扰可以被引擎声音所表征。此外，生态声景观能更好地表征景观生态环境的动态性，更灵敏地反映人类活动的侵扰（Fuller et al.,2015）。已有研究发现，即使是在植被丰富的区域，人为噪音对野生动物有较
12、强的驱离作用（Barber et al.,2011）。声景观的空间异质性、强动态性、灵敏性将更有利于生态敏感性分析。虽然以往受限于理论内涵不全面或技术问题，生态声景观的研究没有得到重视（Merchant et al.,2015），但随着人工智能、物联网技术以及微型声音采集器的普及，基于声景观的生态保护红线的日常监测成为可能。并且，环境声音识别技术的可靠性已在其他 2011年国务院印发关于加强环境保护重点工作的意见。http:/ 2014年2月，环境保护部印发国家生态保护红线生态功能基线划定技术指南（试行），清晰定义生态保护红线体系框架并制定了生态保护红线划定技术流程。http:/ 2 014年
13、 4月修订的 中华人民共和国环境保护法 首次将生态保护红线写入法律。http:/ 2019年11月，国务院印发关于在国土空间规划中统筹划定落实三条控制线的指导意见，以指导生态保护红线在规划落地中的统筹问题。http:/ 2020年1月，自然资源部印发资源环境承载能力和国土空间开发适宜性评价指南（试行），为“三区三线”的落图工作提供技术依据。http:/ 卷热带地理领域得到验证，尤其是基于声音频谱图和卷积神经网络的声音类型识别技术已发展较为成熟（史秋莹，2016；Salamon et al.,2017）。生态保护红线的相关研究及规划实践，在环境保护、生态治理等生态文明建设活动中发挥重要作用，且与
14、其相关的政策法规体系和理论指导框架仍不断发展与完善。然而，以往的规划与研究大部分将工作重心放在生态保护红线的划定上，而生态保护红线的实际生态环境保育效果，已划定的生态保护红线的合理性、可靠性、受侵扰程度的监测和评估等往往被忽视。并且，该领域常使用的基于遥感图像解译和基于人工调查的方法能对生态环境质量的本底进行大致评估，但对动态的生态要素把握不足，无法实现生态保护红线的日常监测。而生态声景观在生态敏感性分析上有良好的表征，在一定程度上可以弥补传统评估分析方法对于动态生态要素的忽视。因此，本文从生态声景观视角出发，先制定一份面向日常监测的声景观要素分类标准，并构建深度学习模型进行训练，得到基于声景
15、观智能识别的分类模型；再利用该模型在共成水库保护区结合传统GIS方法对生态保护红线的日常监测和生态侵扰因素进行探讨。以期探索更科学的生态环境质量评估和生态敏感性分析方法。1 数据与案例地 本研究的技术思路如图1所示：首先，基于现有文献（Schafer,1993;Pijanowski,2011）和国土空间规划特性制定一份声景观要素分类标准，并利用开源声音素材对这些类型进行人工标注，以创建声景观类型数据库；其次，搭建一个基于卷积神经网络和梅尔频谱图特征的声景观类型识别模型，并利用声景观类型数据库进行模型训练；第三，在案例地收集生态保护红线的声景观数据，利用上述模型对生态保护红线沿线监测点的声景观要
16、素类型进行智能识别，并计算生态声景观要素占比，对生态状况进行动态评估，为日常监测提供数据；最后，将分析生态易受侵扰的主要影响因素，包括生态本底特征和人类侵扰分布特征2个方面，通过识别重要侵扰要素，为全域的生态保护红线的常态化监测点选址提供参考。1.1声景观要素分类及标签数据声景观的要素有2种基础的分类体系：一种是以Schafer（1993）为代表的学者，认为声景观由自然声（natural）、人声（human）、社会声（societal）、机器声（mechanical）、信号声（indicators）以及安静声（quiet）组成；另一种是以 Krause和Pijanowski（2011）为代表的学者，将声景观组成要素分为生物声（biophony）、地球物理声（geophony）、人工声（nthrophony）。目前的声景观研究大都以这2种分类为基础进行细分或调整。本文在现有分类体系的基础上，参考国土空间规划的生产空间、生活空间、生态空间的“三生空间”划分声景观要素，制定一份面向生态保护红线日常监测的分类标准（表1）。为获取训练标签，基于全球最大的音频众包平台（Freesound）收集3