Die vorliegende Thesis untersucht die Zusammenhänge zwischen Passive Audio Monitoring System (PAMS) Algorithmen zur Klassifikation sowie Lokalisation und schallverschattenden Objekten, der Schallausrichtung und den genutzten in vitro Vogellauten drei verschiedener Vogelarten. Im Detail werden vier Hypothesen geprüft:

Die Güte der Klassifikation korreliert positiv mit der Güte der Lokalisation.

Die Güte der Lokalisation ist abhängig von:

Der Schallverschattung des Schallgebers zum Mikrofon,

Der Art des Schalls,

Der Richtung des Schalls.

Zur Untersuchung wurden ein aus vier Raspberry Pis bestehendes PAMS installiert und eingemessen. An Fünf ebenfalls eingemessenen Lautsprecherpositionen wurden jeweils Strophen der Vogelarten Alauda arvensis, Carduelis carduelis und Phylloscopus collybita abgespielt. Die Aufnahmelogik wurde in Python unter Verwendung des pyalsaaudio Packages programmiert und die Aufnahmen als WAV-Dateien mit über NTP synchronisiertem Zeitstempel gespeichert. Für Klassifikation der aufgenommenen Daten wurde die spectrogramm cross correlation des R package monitoR genutzt. Die Lageverortung wurde als Optimierungsproblem behandelt und über das SciPy.minimize Modul durchgeführt. Als Maß der Schallverschattung von Signalposition zu den Sensoren wurden die Laserscan Returns des Digitalen Oberflächenmodells NRW verwendet.

Insgesamt konnten für die fünf Signalpositionen 15.412 Vogellaute erfasst werden. Hierbei sind ~14.8% der Phylloscopus collybita, ~15.5% der Alauda arvensis sowie 100% der Carduelis carduelis Detektionen falsch klassifiziert worden. Die Carduelis carduelis Detektionen wurden zu ~81.5% als Phylloscopus collybita und zu ~18.5% als Alauda arvensis klassifiziert. Die Lokalisation ergab Abweichungen vom Signal zum verortetem Punkt von x̄ 34.96 ±19.49m (min: 1.1, max: 95.8m), mit Häufungen bei 10 und 45m Abweichung zu unterschiedlicher Zeit und an verschiedenen Abspielpositionen.

Es konnte eine sehr schwache negative Korellation zwischen der Güte der Klassifikation und der Güte der Lokalisation festgestellt werden (Pearson's product-moment correlation ~-0.016, p-value 0.042). Zwischen der Schallverschattung und der Verortungsgenauigkeit konnte eine signifikante negative Korellation ermittelt werden (Pearson's product-moment correlation -0.29, p-value < -2.2 -16). Die abgespielte Vogelart hat einen signifikanten Einfluß auf die Lageverortungsgüte (Kruskal-Wallis rank sum test, p-Value 1.6 -7). Für die Abspielrichtung der Vogellaute konnte keine maßgebliche Korellation zur Güte der Lokalisierung festgestellt werden (Pearson's product-moment correlation -0.07, p-value < -2.2 -16).

This thesis investigated the correlation between Passive Audio Monitoring Systems (PAMS) algorithms for classification and localization and sound obstacles, the direction of the sound and in vitro songs of three different species. Four hypotheses were analyzed:

The sound classification accuracy positively correlates with the localization accuracy

The localization accuracy is determined by the number of obstacles between signal source and microphone (sound shading)

The localization accuracy is determined by the type and kind of sound (species, song type)

The localization accuracy is determined by the direction of the sound

An of four Raspberry Pi consisting PAMS was installed and a speaker was used to play songs of Alauda arvensis, Carduelis carduelis und Phylloscopus collybita at five different signal locations. The setup and signal locations were surveyed with a tachymeter. The used recording logic was programmed in Python by using the pyalsaaudio package. The Network Time Protocol was used to synchronize the DateTime stamped WAV files. The spectrogram cross-correlation classification was performed with the R package monitoR. To localize the signals a SciPy.minimize based optimization algorithm was used. To measure the degree of sound shading LIDAR data from the DSM North-Rhine Westfalia was used.

The five signal sources yielded a total of 15.412 classified and localized data points. The classification resulted in ~14.8% Phylloscopus collybita and ~15.5% Alauda arvensis false-positives, and 100% false-negatives for Carduelis carduelis. The Carduelis carduelis samples have been wrongly classified as Phylloscopus collybita (~81.5%) and Alauda arvensis (~18.5%). Localization accuracy was measured as x̄ 34.96; ±19.49m (min: 1.1, max: 95.8m) with clusters at 10 and 45m at different signal locations and sound directions.

A very weak negative correlation between classification and localization accuracy was determined (Pearson's product-moment correlation, ~-0.016, p-value 0.042). No significant correlation could be determined between sound shading and localization accuracy (Pearson's product-moment correlation -0.29, p-value < -2.2 -16). The species had a significant impact on location accuracy (Kruskal-Wallis rank sum test, p-Value 1.6 -7). The direction of the sound had no significant impact on location accuracy (Pearson's product-moment correlation -0.07, p-value < -2.2 -16).