Nighthawk: Acoustic monitoring of nocturnal bird migration in the Americas

• Published in: Methods in ecology and evolution Vol. 15; no. 2; pp. 329 - 344
• Main Authors: Van Doren, Benjamin M., Farnsworth, Andrew, Stone, Kate, Osterhaus, Dylan M., Drucker, Jacob, Van Horn, Grant
• Format: Journal Article
• Language: English
• Published: London John Wiley & Sons, Inc 01.02.2024; Wiley
• Subjects: acoustic monitoring; Acoustic tracking; Acoustics; Animal migration; Animals; artificial intelligence; Audio data; bioacoustics; Bird migration; birds; citizen science; Climate change; Data collection; Datasets; Deep learning; evolution; Flight; Flight behavior; machine learning; machine listening; migratory behavior; Migratory birds; Migratory species; Monitoring; movement ecology; Nocturnal; North America; Passeriformes; phenology; Radar; South America; Species; stakeholders; Vocalization behavior; Western Hemisphere; Wildlife conservation; wind; Wind farms; Wind power; South America; North America
• ISSN: 2041-210X; 2041-210X
• DOI: 10.1111/2041-210X.14272

Animal migration is one of nature's most spectacular phenomena, but migratory animals and their journeys are imperilled across the globe. Migratory birds are among the most well‐studied animals on Earth, yet relatively little is known about in‐flight behaviour during nocturnal migration. Because many migrating bird species vocalize during flight, passive acoustic monitoring shows great promise for facilitating widespread monitoring of bird migration. Here, we present Nighthawk, a deep learning model designed to detect and identify the vocalizations of nocturnally migrating birds. We trained Nighthawk on the in‐flight vocalizations of migratory birds using a diverse dataset of recordings from across the Americas. Our results demonstrate that Nighthawk performs well as a nocturnal flight call detector and classifier for dozens of avian taxa, both at the species level and for broader taxonomic groups (e.g. orders and families). It achieves an average precision score above 0.80 for 50 species and a mean average precision of 0.96 across 4 orders. The model accurately quantified nightly nocturnal migration intensity (80% variation explained) and species phenology (78% variation explained) and performed well on data from across North America. Incorporating modest amounts of additional annotated audio (50–120 h) into model training yielded high performance on target datasets from both North and South America (average precision on order Passeriformes >0.99). By monitoring the vocalizations of actively migrating birds, Nighthawk provides a detailed window onto nocturnal bird migration that is not presently attainable by other means (e.g. radar or citizen science). Scientists, managers and practitioners could use acoustic monitoring with Nighthawk for a number of applications, including: monitoring migration passage at wind farms; studying airspace usage during migratory flights; monitoring the changing migrations of species susceptible to climate change; and revealing previously unknown migration routes and behaviours. Overall, this work will empower diverse stakeholders to efficiently monitor migrating birds across the Western Hemisphere and collect data in aid of science and conservation. Resumen La migración animal es uno de los fenómenos más espectaculares de la naturaleza, pero los animales migratorios y sus viajes se encuentran a riesgo en todo el mundo. Las aves migratorias son de los animales mejor estudiados del planeta, pero se sabe relativamente poco sobre su comportamiento en vuelo durante la migración nocturna. Debido a que muchas especies de aves migratorias vocalizan durante el vuelo, el monitoreo acústico pasivo promete facilitar al monitoreo a gran escala de la migración de las aves. Aquí presentamos a Nighthawk, un modelo de aprendizaje profundo diseñado para detectar e identificar a las vocalizaciones de aves migratorias nocturnas. Entrenamos a Nighthawk en las vocalizaciones durante el vuelo de aves migratorias utilizando un conjunto de datos diverso de grabaciones de toda América. Nuestros resultados demuestran que Nighthawk funciona bien como detector y clasificador de llamadas de vuelos nocturnos para docenas de taxones de aves, tanto a nivel de especie como para grupos taxonómicos más amplios (por ejemplo, órdenes y familias). Logra una precisión promedio superior a 0.80 para 50 especies y una precisión promedio de 0.96 en 4 órdenes. El modelo cuantificó con precisión la intensidad de la migración nocturna (explicó al 80% de la variación) y la fenología de las especies (explicó al 78% de la variación) y funcionó bien con datos de toda América del Norte. La incorporación de un poco de audio anotado adicional (50–120 h) en el entrenamiento del modelo logró incrementar la precisión en datos de Norteamérica y Sudamérica (precisión promedio en el orden Passeriformes >0.99). Al monitorear las vocalizaciones de las aves en migración activa, Nighthawk proporciona una ventana detallada a la migración nocturna de las aves que actualmente no es posible lograr por otros medios (por ejemplo, el radar o la ciencia ciudadana). Nighthawk tendrá aplicaciones que benefician a científicos, administradores de recursos naturales y otros profesionales, incluyendo: el monitoreo del paso migratorio en parques eólicos; el estudio del uso del espacio aéreo durante vuelos migratorios; el monitoreo de cambios en las migraciones de especies susceptibles al cambio climático; y el descubrimiento de rutas y comportamientos migratorios previamente desconocidos. Este trabajo apoderará a diversos usuarios en el monitoreo eficiente de las aves migratorias a lo largo del hemisferio occidental y la recopilación de datos en ayuda de la ciencia y la conservación.