| Project/Area Number |
23K14055
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 41050:Environmental agriculture-related
|
|---|
| Research Institution | Obihiro University of Agriculture and Veterinary Medicine |
|---|
Principal Investigator |
中島 直久 帯広畜産大学, 畜産学部, 助教 (20869953)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 音声自動判別 / 深層学習 / 外来種 / メタ個体群 / 水田生態系 / カエル類 / メタ個体群動態 / リモートセンシング技術 / 自動識別 / 生息分布モデル |
|---|
| Outline of Research at the Start |
北海道の国内外来種トノサマガエルとトウキョウダルマガエルは拡大抑制が課題であるが局所的な対策のみで成功事例はない。外来両生類の地域的な管理手法の確立には，メタ個体群動態の枠組みを利用して景観スケールで種が存続するメカニズムを評価する必要がある。本研究は，水田地帯に拡散した両種のメタ個体群モデルの構築と検証を目的とした。そのため，(1)鳴声データから機械学習によって生息分布を算定し，(2)鳴声検出率などにかかわる不確実性を考慮した階層ベイズ推定法によるモデル構築を行い，(3)市民調査等の長期の種出現データを用いてモデル検証を実施する。本フレームワークは他の外来両棲類への拡張も期待される。
|
| Outline of Annual Research Achievements |
本研究は北海道に移入した国内外来種であるトノサマガエルとトウキョウダルマガエルの2種を対象に（以下本種），メタ個体群動態の枠組みを利用して景観スケールで種が存続するメカニズムを評価する。そのためには広域調査を時空間的に密に行う必要性から，両種の鳴き声データから深層学習によって在不在の自動判別を行うモデル構築を実施する。
北海道空知及び石狩地域管内における水田地帯約1,000km2から計117地点を選定した。2024年5月中旬～7月中旬にICレコーダ（DR-05 version3，TASCAM社製）を用いて環境音を録音した。録音時間は20時～24時の4時間とした。その後，帯広畜産大学情報基盤センターにある深層学習用ワークステーションDeepLearning BOX IIで録音音声の前処理と深層学習を行った。既報ではニホンアマガエルが同所する場合，鳴き声の周波数帯が重複することから，トノサマガエル属の鳴き声判別は精度が落ちることが示されている。本研究では音声スペクトログラムが重複しても，各種の特徴的な音域を識別するために，学習時に注視して欲しい領域に加工するアテンションと，識別時に判断基準から除くためのノイズリダクションの処理を施した。
教師データは3地点の音源から両種の鳴き声600セグメント（1セグメント1.0秒）と背景音600セグメントを用いた。自動判別には転移学習モデルVGG16を利用し少ない教師データでも精度を上げることを試みた。結果として，正解率・再現率ともに高水準の深層学習モデルを構築した。しかし，検証データを用いた種の検出では，正解率50～70%と精度の著しい低下が見られた。単調な教師データのみで学習させたために，過学習が起きていると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
目標となるトノサマガエルとトウキョウダルマガエルの鳴き声の自動判別モデルを構築することができた。しかしモデル検証段階における著しい精度の低下が見られた。2025年度は自動判別モデルの精度向上に集中し，ニホンアマガエルの鳴き声による雑音の低減手法などを考案し，実際の現場音源を用いた自動判別モデルを構築する。
|
| Strategy for Future Research Activity |
2025年度は従来通りの鳴き声データを収集し，本種の分布状況を把握する。それとともに，生息分布モデルを作成し，パッチ上に広がる本種メタ個体群のソースとシンクを空間的に明らかにすることに取り組む。衛星画像からNDVIやNDWIなどの光学的指標を用いて土地利用の状況を把握する。北海道では水田の多くが畑作に転換されており，その経年変化を明らかにする。生息分布とそれらの土地利用の変遷過程の関係を解析することで，移入種の分散過程やメタ個体群動態について考察する。くわえて本種の鳴き声の自動判別精度を著しく下げるニホンアマガエルによる鳴き声の，学習モデルへの影響を解析する。昨年度構築した学習済みモデルの方法では，教師データ600セグメントすべてが非常に類似したスペクトログラムを呈していたため過学習が起きた。今年度は，教師データにさまざまな本種とニホンアマガエルが同時に鳴いているパターンを学習させ，モデル精度の比較検討を行う。
|
