近日，工学院张军国教授团队在人工智能领域国际顶级期刊《Artificial Intelligence Review》（中国科学院一区TOP期刊，五年影响因子14.9）发表重要综述论文，系统阐述了机器学习在利用声景分析评估鸟类多样性方面的意义、挑战与前沿方向，为该领域研究提供了关键指导。

被动声学监测（PAM）正迅速成为生物多样性研究的利器，为声景生态学提供了海量数据基础。面对庞大的声景数据，基于机器学习的自动化分析方法在精准提取生态信息方面优势显著，是推动生态监测智能化发展的核心方向。张军国教授团队的论文《Decoding Nature’s Melody: Significance and Challenges of Machine Learning in Assessing Bird Diversity via Soundscape Analysis》正是聚焦这一前沿领域。

该研究系统探讨了当前用于生物多样性评估的两种主要声景分析方法：声景成分识别和声学指数，并尝试构建统一分析框架。论文重点回顾了近五年基于机器学习的鸟类多样性评估代表性研究，分析了各自的优势与局限，并提出了未来研究的关键问题，为未来研究指明了方向。该研究的见解将增进对机器学习在声景分析中应用的理解，指导后续研究工作，从而更好地支持长期的生物多样性监测和保护计划。

工学院谢将剑教授、博士生谢珊珊为论文第一作者，通讯作者为张军国教授和北京理工大学钱昆教授，中山大学刘阳教授和帝国理工学院Björn W. Schuller教授参与指导。

该研究由北京市自然科学基金项目（5252014）、国家自然科学基金项目(62303063) 和浙江音乐学院数字音乐智能处理技术文化和旅游部重点实验室开放基金项目（2024DMKLB001）等共同资助。

论文链接：https://link.springer.com/article/10.1007/s10462-025-11414-4