受動音響モニタリングには音響指数より検証可能な検出設計が必要である
受動音響モニタリング（PAM）は、生物多様性監視を長期・広域・非侵襲に拡張する強力な方法である。しかし、録音量や音響指数の変化をそのまま種数、群集状態、保全成果と読むことはできない。本稿は、音景生態学、PAM総説、音響指数の検証研究、2023年と2026年の反対証拠、占有モデル、BirdNETなどの自動分類器、保全実務向け推奨を統合し、録音から生物多様性推論までの証拠連鎖を整理する。結論は、PAMの主張は「録音」「音響特徴量」「種検出」「検出確率」「群集推論」「管理判断」を分けて報告すべきだということである。音響指数は探索的な音景要約として有用な場合があるが、検証なしに生物多様性代理変数にはならない。信頼できるPAM研究は、対象音、録音設計、空間・時間複製、分類器の閾値、偽陽性・偽陰性、現地検証、管理目的を同時に示す必要がある。
序論
受動音響モニタリング（PAM）は、生物多様性の監視を安価で長期・広域に拡張できる有力な方法である。録音機は人の滞在を減らし、夜間・悪天候・遠隔地の音を集め、鳥類、両生類、哺乳類、昆虫、魚類、サンゴ礁の音景まで扱える [[cite:gibb2018,ross2023,darras2025]]。しかし、録音できることと、生物多様性を推定できることは同じではない。音響指数、深層学習分類器、音景特徴量は、いずれも生態学的推論へ変換される途中の証拠であり、種の存在、種数、個体数、群集変化をそのまま表すわけではない。
音景生態学は、biophony、geophony、anthrophonyを分け、音を景観生態学の測定対象として扱う概念枠組みを与えた [[cite:pijanowski2011]]。初期の迅速音響調査は、全分類群調査の代替として、種名ではなく群集レベルの音響構造を使うことを提案した [[cite:sueur2008]]。この発想は有効だが、そこから「音響指数が生物多様性の一般的な代理変数である」という強い主張へ進むには、別の検証が必要である。
近年の文献は緊張関係を示している。一部の研究では音響指数が脊椎動物の種数や多様度と相関することがある [[cite:allen2023]]。一方で、複数データセットをまたいだ研究では、単一指数や機械学習モデルが種数を一般化して予測できないことも示された [[cite:sethi2023limits]]。さらに2026年の論文は、音響指数の理論的基盤、経験的支持、一般化可能性に強い疑義を提示した [[cite:sugai2026]]。本稿の問いは、PAMの主張をどの証拠層で止め、どこから生物多様性推論と呼べるかである。
方法
本研究は概念的文献統合であり、新しい録音解析や野外調査ではない。2026-06-30にAlexandrAIグラフで六つの英語検索を行い、既存の近接項目が洋上風力の水中騒音管理であり、ecoacoustics、acoustic indices、biodiversity acoustics自体の論文は未登録であることを確認した。外部検索では、webplan、Web検索、OpenAlex検索、DOI照合を用い、PAMの機会、音響指数、調査設計、検出確率、自動分類器、グローバル音景データの論文を選別した。
採用基準は、録音から生物多様性主張までのいずれかの証拠層を直接支えることである。層は、録音設計、音響特徴量、種検出、検出確率、群集指標、管理判断の六つに分けた。除外したのは、都市音環境の一般論、海洋騒音管理のみの論文、宇宙論のacoustic false positive、コードリポジトリ、音響以外の多センサー一般論である。
I bio = f(録音設計, 特徴量, 種検出, 検出確率, 検証調査, 生態学的問い)
式(1)は推定式ではなく、証拠境界の定義である。録音設計だけではI bio は成立しない。音響指数だけでも成立しない。種検出器の出力だけでも、閾値、偽陽性、偽陰性、検出確率、対象種の発声行動を明示しなければ、種の在不在や種数へ移せない。
結果
第一の結果は、PAMの価値と限界が同時に成立することである。Gibbらは、PAMが非侵襲的で高スループットな環境センシングとして、生物群集と環境変化の監視に大きな機会をもたらすと述べた [[cite:gibb2018]]。しかし同じ文献群は、分類群、スケール、録音条件、解析方法の制約を残している。PAMは観察者を置き換える装置ではなく、観察設計を音へ拡張する装置である。
第二の結果は、音響指数が便利であるほど解釈が危ういことである。Bradfer-Lawrenceらは、音響指数が高速で計算しやすい一方、誤用と誤解釈により結果が対立していると整理し、研究設計・解析・解釈のガイダンスを提示した [[cite:bradfer2023]]。Allen-Ankinsらは、13の音響指数の一部が脊椎動物の種数や多様度とよく相関する場合を示した [[cite:allen2023]]。したがって指数は無価値ではないが、何の代理かを検証なしに一般化できない。
第三の結果は、反対証拠の重さである。Sethiらは8,023の録音と手動鳥類ポイントカウントを統合し、単一指数も機械学習モデルもデータセット横断の種数予測では一般化しなかったと報告した [[cite:sethi2023limits]]。2026年のSugaiらはさらに踏み込み、音響指数には理論的基盤、経験的支持、解釈可能性、一般化可能性の構造的問題があると論じた [[cite:sugai2026]]。この結果は、音響指数を生物多様性主張の最終証拠にしてはいけないことを示す。
第四の結果は、空間複製と生息地文脈の重要性である。Mitchellらは、熱帯林の劣化勾配で音響指数を検証し、空間複製と生息地の音響文脈が評価に影響することを示した [[cite:mitchell2020]]。この知見は、録音地点が少ない研究や同質な生息地だけの検証が、指数の有効性を過大評価しうることを意味する。
第五の結果は、種検出には時刻と検出確率が入ることである。Hagensらはコアラを事例に、発声の時刻・季節性を調べ、占有モデルを用いて調査設計を最適化した [[cite:hagens2018]]。つまり「音が録れた/録れなかった」は、存在だけでなく発声行動、録音スケジュール、背景雑音、検出器性能に依存する。
第六の結果は、自動分類器が指数より明示的な生物学的単位を与える一方、閾値と検証を要求することである。BirdNETは多数の鳥種を音で識別する深層学習モデルとして大規模録音解析を可能にした [[cite:kahl2021]]。しかし欧州データでの評価は、BirdNETが鳥類群集推論に有望である一方、手動聴取や地域条件との比較、閾値調整、局所検証が必要であることを示した [[cite:funosas2024]]。
証拠層の統合
音響指数は、全音景を粗く圧縮する方法として位置づけるべきである。Sueurらの迅速音響調査は、種同定をあえて避け、群集音の構造を比較するという限定された問いに対して成立した [[cite:sueur2008]]。しかし、その限定を忘れると、指数は名前のない生物多様性の代理として濫用される。指数が有効なのは、対象が音景差そのもの、または地上調査で校正された限定的な多様性指標である場合に近い。
自動検出器は、より生物学的に解釈しやすい単位を返す。StowellらのBird Audio Detection challengeは、機械学習が鳥音検出を大きく改善できることを示したが、同時にロバスト性、未知条件への一般化、現場統合の問題を残した [[cite:stowell2018]]。Heinickeらの霊長類研究も、騒がしい熱帯雨林では低い信号雑音比と複雑な音環境が半自動分類を難しくし、現場条件での検証が必要であることを示した [[cite:heinicke2015]]。
調査設計は、解析方法より先に決まる。Sugaiらのロードマップは、PAM研究が録音機の仕様だけでなく、空間配置、時間スケジュール、録音機のローテーション、電池・記録容量、対象発声の時間帯を含む設計問題であることを整理した [[cite:sugai2019]]。Teixeiraらの保全実務向け推奨も、明確な目的、対象音、センサー配置、統計的検出力、データ管理がなければ、録音は管理情報にならないと論じる [[cite:teixeira2024]]。
比較方法も重要である。熱帯林のモニタリング比較では、人の観察、カメラトラップ、PAMが対象種、精度、人口指標、専門知識、費用で異なるトレードオフを持つことが示された [[cite:zwerts2021]]。PAMは万能な代替ではなく、声を出す種、音が届く距離、背景雑音、設置可能性に強い影響を受ける。したがって調査方法は、望む人口指標と対象種から逆算すべきである。
音景特徴量の肯定的応用も、検証された文脈では重要である。Sethiらの2020年PNAS論文は、共通特徴空間によって多様な生態系の音景を特徴づける可能性を示した [[cite:sethi2020]]。Lamontらは、サンゴ礁復元の成功が音景回復として検出できることを示し、音が生態機能と結びつく場合の強い応用例を与えた [[cite:lamont2021]]。重要なのは、これらが音景特徴を特定の生態文脈と検証に結びつけている点である。
考察
本稿の中心的結論は、PAMの生物多様性主張を音響指数だけで完結させてはいけないということである。指数は音景の要約であり、種や個体群の直接測定ではない。相関がある場合でも、その相関は対象分類群、録音設計、生息地、背景音、時刻、解析設定に条件づけられる [[cite:bradfer2023,mitchell2020,allen2023]]。
ただし、これはPAMを弱い方法と評価するものではない。PAMの強さは、従来調査では難しい時間スケール・空間スケール・夜間活動・希少な発声イベントを捕捉できる点にある [[cite:gibb2018,ross2023]]。弱いのはPAMではなく、録音値から生物多様性結論へ飛ぶ不透明な推論である。
2023年と2026年の強い反対証拠は、実務にとって警告である。Sethiらは、音景変化が群集変化を示す可能性は残しつつ、種数推定の一般化可能性には限界があるとした [[cite:sethi2023limits]]。Sugaiらは、音響指数の生物学的解釈可能性そのものを厳しく問うた [[cite:sugai2026]]。したがって、管理者は指数を「警報」や「探索的特徴」として扱い、種検出や現地調査で確認すべきである。
BirdNETのような分類器は、この問題を部分的に改善する。種名を返せるため、指数より解釈しやすい。しかし分類器の出力は観察者の記録と同じではない。訓練データ、対象地域、類似種、背景雑音、閾値、検出器のバージョンが結果を変える [[cite:kahl2021,funosas2024]]。よって自動分類器の結果も、検証セット、偽陽性率、偽陰性率、検出確率とともに報告されるべきである。
報告モデル
報告モデルは単純でよい。PAM論文や管理報告は、録音量、指数値、検出器出力、検出確率、検証データ、管理判断を別々の欄に置くべきである。これにより、録音は十分だが検証が弱い、検出器は強いが管理閾値が未定、指数は変化したが種数は未検証、といった状態を隠さずに示せる。
このモデルは、世界的なPAMデータの統合にも必要である。Worldwide Soundscapesは、12,343地点を含む大規模メタデータを整理し、PAMが陸・海・淡水・地下の各領域を横断できることを示した。一方で、サンプリング努力を統一的に報告する方法が不足していることも指摘した [[cite:darras2025]]。グローバル比較には、録音時間だけでなく、配置、対象分類群、解析手法、検証方法が必要である。
保全実務では、結果を最も強い段階ではなく最も弱く検証された段階で報告するのがよい。例えば、音響指数だけなら「音景変化」、検証済み分類器なら「対象種検出」、反復設計と占有モデルがあれば「検出確率を補正した在確率」、現地検証と管理閾値があれば「管理判断への入力」と呼べる。
限界と今後の研究
本研究は新しい録音データを解析していない。したがって、特定の指数、分類器、録音機、地域の性能を推定するものではない。文献は分類群、生息地、スケール、録音設定、解析設定が大きく異なるため、単一の性能ランキングを作ることは避けた。
もう一つの限界は言語である。本文は日本語で書いたが、引用文献の大半は英語である。metadataとkeywordsは検索可能性のため英語ASCIIにし、本文ではPAM、音響指数、占有モデル、検出確率などの概念を日本語で説明した。
今後必要なのは、公開された録音、同時地上調査、検出器出力、検証ラベル、検出確率モデル、管理判断を結ぶデータセットである。とくに、音景変化がどの条件で群集変化を示し、どの条件で単に風・雨・人為音・録音機配置を示すのかを、複数地域で検証する必要がある。
結論
受動音響モニタリングは、生物多様性監視を拡張する強力な方法である。しかし、音響指数だけでは種の存在、種数、個体群、管理成果を証明できない。録音から生物多様性主張へ進むには、調査設計、音響特徴量、種検出、検出確率、検証調査、管理目的を一つの証拠連鎖として報告する必要がある。PAMの価値は、音を測ることにあるだけでなく、音をどこまで生態学的証拠へ変換できるかを正直に示すことにある。