Survey coverage, recording duration and community composition affect observed species richness in passive acoustic surveys

• Published in: Methods in ecology and evolution Vol. 12; no. 5; pp. 885 - 896
• Main Authors: Wood, Connor M., Kahl, Stefan, Chaon, Philip, Peery, M. Zachariah, Klinck, Holger, Desjonquères, Camille
• Format: Journal Article
• Language: English
• Published: London John Wiley & Sons, Inc 01.05.2021
• Subjects: Acoustic surveying; Acoustics; Algorithms; artificial intelligence; Assessments; Asymptotes; avian diversity; bioacoustics; Biodiversity; bird community; Community composition; convolutional neural network; Datasets; Diminishing marginal utility; ecoacoustics; Empirical analysis; Learning algorithms; Machine learning; Performance evaluation; point count; Probability; Rare species; Rarefaction; Recording; Species richness; Time dependence; United States > US; Nevada
• ISSN: 2041-210X; 2041-210X
• DOI: 10.1111/2041-210X.13571

Bioacoustic assessments of species richness are rapidly becoming attainable, but uncertainty regarding the optimal acoustic survey design remains. Selecting the duration of recording and the number of recording units are critical decisions, and we used both simulated and empirical data to quantify the trade‐offs those choices present. We evaluated the performance of 30 hypothetical acoustic survey designs (e.g. continuous recording, every other 5 min, etc.). Simulated bird species' (n ≤ 60) abundance across the study area, probability of daily availability and time‐dependent probability of vocal activity varied randomly within ranges of realistic values. Field data, collected in central New York, USA (747 hr) and in the northern Sierra Nevada, USA (1,090 hr), was analysed with a novel machine‐learning algorithm, BirdNET. All three datasets were subsampled at 5‐min intervals, observed species richness was compared across survey designs, and detection probability was calculated for each species. Observed species richness increased with survey coverage (number of recording units) and with recording duration in all three datasets. The impact of differences in survey coverage decreased as recording duration decreased. Species' detection probabilities were negatively affected by reducing the number of days of recording and by reducing the daily recording duration. The more rare species a community had, the more species richness was underestimated as survey coverage decreased. Rarefaction curves indicated that increasing recording time has diminishing marginal utility but that the asymptote varies among communities. The cost per species observed decreased with increasing recording duration. Discontinuous and reduced‐coverage sampling may still yield fairly accurate assessments of biodiversity but reducing recording duration or coverage will result in different species remaining undetected. Whether the performance of a study design is ‘good’ or ‘bad’ depends on researchers' constraints and scientific questions to be answered. More hardware and longer recording durations are not always better, but we caution researchers against doing the bare minimum required for their present needs without pressing financial reasons to do so. Resumen Las evaluaciones bioacústicas de la riqueza de especies son cada vez más viables, pero existe incertidumbre sobre el diseño óptimo de los estudios acústicos. La selección de la duración de la grabación y el número de unidades de grabación son decisiones críticas, y utilizamos datos simulados y empíricos para cuantificar las implicaciones de estas elecciones. Evaluamos el desempeño de 30 diseños hipotéticos de estudios acústicos (ej. grabación continua, cada cinco minutos, etc.). La abundancia de las especies de aves simuladas (n ≤ 60) en el área de estudio, la probabilidad de disponibilidad diaria y la probabilidad de actividad vocal dependiente del tiempo, variaron aleatoriamente dentro de rangos de valores realistas. Los datos de campo de Nueva York (Estados Unidos) (747 horas) y de el norte de Sierra Nevada (Estados Unidos) (1.090 horas), se analizaron con un novedoso algoritmo de aprendizaje automático, BirdNET. Los tres conjuntos de datos fueron submuestreados a intervalos de cinco minutos, se comparó la riqueza de especies observada en los distintos diseños y se calculó la probabilidad de detección para cada especie. La riqueza de especies aumentó con la cobertura del estudio (número de unidades de grabación) y con la duración de las grabaciones en los tres conjuntos de datos. El impacto de las diferencias en la cobertura del estudio disminuyó a medida que se redujo la duración de la grabación. Las probabilidades de detección de las especies se vieron afectadas negativamente al reducir el número de días de grabación y al reducir la duración diaria de grabaciones. Al haber más especies raras en una comunidad, más se subestimó la riqueza de especies al disminuir la cobertura del estudio. Las curvas de rarefacción indicaron que el aumento del tiempo de grabación tiene una utilidad marginal decreciente, pero que la asíntota varía según las comunidades. El costo por especie observada disminuye al aumentar la duración de la grabación. El muestreo discontinuo y de cobertura reducida puede producir evaluaciones bastante precisas de la biodiversidad, pero la reducción de la duración de la grabación o de la cobertura, hará que queden sin detectar diferentes especies. El hecho de que el rendimiento de un diseño de estudio sea ‘bueno’ o ‘malo’ depende de las limitaciones de los investigadores y de las preguntas científicas. No siempre es mejor tener mayor número de equipos y mayor duración de las grabaciones. Pero recomendamos a los investigadores que no se limiten a hacer lo mínimo necesario a no ser de que haya razones económicas de peso para hacerlo.