[{"content":" Qu\u0026rsquo;est-ce qu\u0026rsquo;un suivi acoustique passif ? Définition\nMéthode de suivi de la biodiversité basé sur des enregistrements audio faits par des enregistreurs autonomes, qui peuvent être laissés sur le terrain pendant plusieurs jours à plusieurs mois sans surveillance.\nSource Bradfer‐Lawrence, T., Buřivalová, Z., \u0026amp; Dent, D. (2025). Deriving meaning from acoustic data in hyper-diverse ecosystems. Trends in ecology \u0026amp; evolution. https://doi.org/10.1016/j.tree.2025.03.004.\nHistorique des suivis acoustiques passifs Premières études dans les années 90 Développement dans les années 2000 avec l\u0026rsquo;apparition des enregistreurs automatiques Croissance exponentielle depuis les années 2010 (Figure 1), les suivis acoustiques passifs sont de plus en plus utilisés et dans de plus en plus de contextes différents. Espèces étudiées Les suivis acoustiques passifs sont très utilisés en milieu marin, notamment pour l\u0026rsquo;étude des cétacés (Mellinger et al. 2007). En milieu terrestre, les suivis acoustiques passifs se sont dans un premier temps concentrés principalement sur les chiroptères (Figure 2). Aujourd\u0026rsquo;hui, une grande part des études porte sur les oiseaux\nThèmes de recherche Les suivis acoustiques passifs peuvent être utilisés pour de nombreuses applications (cf page objectifs de l\u0026rsquo;étude)\nLes sujets d\u0026rsquo;études principaux sont : - activité des espèces et communautés (e.g. phénologie) - Utilisation et sélection d\u0026rsquo;habitat - Inventaires d\u0026rsquo;espèces\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/pam_101/","section":"Le suivi acoustique passif de A à Z","summary":"Qu’est-ce qu’un suivi acoustique passif ? Définition\nMéthode de suivi de la biodiversité basé sur des enregistrements audio faits par des enregistreurs autonomes, qui peuvent être laissés sur le terrain pendant plusieurs jours à plusieurs mois sans surveillance.\nSource Bradfer‐Lawrence, T., Buřivalová, Z., \u0026 Dent, D. (2025). Deriving meaning from acoustic data in hyper-diverse ecosystems. Trends in ecology \u0026 evolution. https://doi.org/10.1016/j.tree.2025.03.004.\n","title":"0. Suivi acoustique passif 101","type":"workshop"},{"content":"Un son, c\u0026rsquo;est une vibration qui se propage dans un milieu (l\u0026rsquo;air ou l\u0026rsquo;eau par exemple).\nCette vibration peut être produite par le mouvement d\u0026rsquo;un objet (une corde de guitare, une membrane de tambour).\nEn bougeant dans le milieu, cet objet crée un alternance de pressions et de dépressions dans le milieu.\nCe sont ces variations de pression qui se propagent et qui sont captées par nos oreilles ou par les microphones de nos enregistreurs passifs.\nPour représenter les augmentations puis diminutions susccessives de la pression, on utilise généralement une sinusoïde.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) Il existe deux caractéristiques principales qui permettent de décrire ce son.\nLes sons simples La fréquence Le son est un signal périodique, il se répète à l\u0026rsquo;identique au cours du temps.\nSur le son précédent, on peut identifier le motif le plus cours qui se répète. On appelle ce motif la période.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) x1 = seq(0,1,0.01) y1 = sin(2*pi*x1) points(x1,y1,type=\u0026#34;l\u0026#34;,col=\u0026#34;red\u0026#34;,lwd=2) La fréquence du son, c\u0026rsquo;est le nombre de fois que la période se répète en une seconde. On l\u0026rsquo;exprime en hertz (Hz).\nIci notre signal a une fréquence de 1 Hz, car sa période dure exactement 1 seconde\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) x1 = seq(0,1,0.01) y1 = sin(2*pi*x1) points(x1,y1,type=\u0026#34;l\u0026#34;,col=\u0026#34;red\u0026#34;,lwd=2) abline(v=c(0,1),lty=\u0026#34;dotted\u0026#34;) La sensation auditive associée à la fréquence correspond à des sons perçus comme plus ou moins graves ou aigus. Plus la fréquence est grande (beaucoup de périodes en une seconde), plus le son nous parait aigu.\nL\u0026rsquo;oreille humaine est capable de percevoir des sons allant de 20 à 20000 Hz, soit de 20 à 20000 périodes par seconde. En dessous de 20 Hz, ce sont des infrasons, au dessus de 20 000 Hz, ce sont des ultrasons.\nL\u0026rsquo;amplitude L\u0026rsquo;amplitude d\u0026rsquo;un son représente l\u0026rsquo;intensité de la variation de pression.\nDeux sons peuvent avoir la même fréquence, mais des pressions maximales et minimales différentes.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) y1 = y * 0.5 points(x,y1,type=\u0026#34;l\u0026#34;,col=\u0026#34;blue\u0026#34;) L\u0026rsquo;amplitude d\u0026rsquo;un son, c\u0026rsquo;est l\u0026rsquo;étendue des pressions produites par le son.\nLa sensation auditive associée à l\u0026rsquo;amplitude correspond au volume sonore. Plus l\u0026rsquo;amplitude est grande, plus le son parait fort.\nLes sons complexes La phase En pratique il existe une troisième caractéristique pour décrire un son. Il s\u0026rsquo;agit de la phase.\nDeux sons peuvent avoir exactement la même féquence et la même amplitude, mais être légèrement décalés dans le temps. C\u0026rsquo;est leur phase qui est différente.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) y1 = sin(2*pi*x+0.9) points(x,y1,type=\u0026#34;l\u0026#34;, col=\u0026#34;blue\u0026#34;) Des sons composés Les sons présentés ici sont dits \u0026ldquo;purs\u0026rdquo; car ils ne contiennent qu\u0026rsquo;une seule sinusoïde. Mais en pratique, les signaux sonores sont généralement beaucoup plus complexes. Un son complexe peu être considéré comme un assemblage d\u0026rsquo;une multitude de sons purs de différentes fréquences, amplitudes et phases.\nAinsi, la première étape de l\u0026rsquo;analyse d\u0026rsquo;un signal complexe est bien souvent de décomposer un son complexe en une série de sons simples. C\u0026rsquo;est la fonction du spectrogramme.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/sound/","section":"Le suivi acoustique passif de A à Z","summary":"Un son, c’est une vibration qui se propage dans un milieu (l’air ou l’eau par exemple).\nCette vibration peut être produite par le mouvement d’un objet (une corde de guitare, une membrane de tambour).\nEn bougeant dans le milieu, cet objet crée un alternance de pressions et de dépressions dans le milieu.\nCe sont ces variations de pression qui se propagent et qui sont captées par nos oreilles ou par les microphones de nos enregistreurs passifs.\n","title":"C'est quoi un son?","type":"workshop"},{"content":"Du design du suivi, jusqu\u0026rsquo;aux analyses statistiques, en passant par traitement des données acoustiques le suivi acoustic passif nécessite du code.\nPour assurer la reproductibilité des analyses, il est important de rendre accessible les scripts utilisés.\nPlusieurs solutions existent pour gérer la sauvegarde et le partage de code. La plupart se basent sur Git.\nGit Git est un logiciel permettant la gestion de versions de documents au format texte (.txt, .csv, .R, .py etc\u0026hellip;).\nSa prise en main nécessite un peu de temps mais il existe beaucoup de ressources pédagogiques en ligne.\nGit permet de gérer le code localement sur votre ordinateur, mais il peut être connecté à des services en ligne permettant d\u0026rsquo;effectuer des sauvegardes mais aussi de rendre accessible le code publiquement.\nDépôts Git en ligne Parmis les plus communs on citera:\nGitHub GitLab BitBucket Gitea Codeberg Chacun a ses spécificités mais le fonctionnement reste similaire.\nSi vous ne savez pas par où commencer, choisissez GitHub, c\u0026rsquo;est le plus populaire.\nEt pour les gros fichiers ? Git et les services associés en ligne sont très utiles pour gérer de fichiers au format texte. Ils permettent de gérer principalement les scripts de code et les tableaux de données brutes. Malheureusement, ils ne sont pas adaptés à la gestion des fichiers binaires. Images, pdf, documents Microsoft (Excel, Word) et bien sûr\u0026hellip; fichiers audio.\nPar ailleurs, le volume que représente ces fichiers est parfois considérable. Si la taille du jeu de données est raisonnable, il existe cependant des solutions adaptées.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/communication/code/","section":"Le suivi acoustique passif de A à Z","summary":"Du design du suivi, jusqu’aux analyses statistiques, en passant par traitement des données acoustiques le suivi acoustic passif nécessite du code.\nPour assurer la reproductibilité des analyses, il est important de rendre accessible les scripts utilisés.\nPlusieurs solutions existent pour gérer la sauvegarde et le partage de code. La plupart se basent sur Git.\nGit Git est un logiciel permettant la gestion de versions de documents au format texte (.txt, .csv, .R, .py etc…).\n","title":"Le code","type":"workshop"},{"content":"L\u0026rsquo;outil de base du suivi acoustique passif est l\u0026rsquo;enregistreur autonome.\nIl s\u0026rsquo;agit d\u0026rsquo;un appareil électronique programmable composé d\u0026rsquo;un système de capture du son, d\u0026rsquo;un système d\u0026rsquo;alimentation électrique et d\u0026rsquo;un système de stockage des données.\nProgrammation des enregistrements L\u0026rsquo;intérêt de l\u0026rsquo;enregistreur autonome repose principalement sur la possibilité de pouvoir le programmer. L\u0026rsquo;interface de programmation est différente selon les constructeurs et les modèles mais les options restent similaires.\nIl est généralement possible de programmer la fréquence et la durée des périodes d\u0026rsquo;enregistrement, mais aussi de baser les périodes sur le lever et coucher du soleil.\nCapture du son La capture du son se fait généralement à partir d\u0026rsquo;un microphone, situé sur l\u0026rsquo;appareil ou déporté à l\u0026rsquo;aide d\u0026rsquo;un câble. Certains modèles d\u0026rsquo;enregistreurs possèdent plusieurs microphones.\nPour l\u0026rsquo;utilisation sous l\u0026rsquo;eau, il est possible d\u0026rsquo;utiliser des enregistreurs équipés d\u0026rsquo;hydrophones. Certains modèles sont prévus pour être totalement immergés, d\u0026rsquo;autres doivent être déployés en dehors de l\u0026rsquo;eau et équipés d\u0026rsquo;un câble pour installer l\u0026rsquo;hydrophone sous l\u0026rsquo;eau.\nUn des paramètres les plus importants pour le choix du microphone est sa fréquence d\u0026rsquo;échantillonnage.\nLa qualité d\u0026rsquo;enregistrement et la sensibilité du microphone peuvent varier en fonction des modèles.\nAlimentation électrique La plupart des enregistreurs fonctionnent sur batteries. Il est néanmoins possible d\u0026rsquo;utiliser un système d\u0026rsquo;alimentation externe pour augmenter l\u0026rsquo;autonomie de l\u0026rsquo;appareil (batteries auxiliaires, panneau photovoltaïque)\nStockage des données Le stockage des données se fait généralement à l\u0026rsquo;aide d\u0026rsquo;une carte mémoire de type carte SD. La dimension de la carte nécessaire varie selon les modèles.\nListe non exhaustive de modèles d\u0026rsquo;enregistreurs https://www.openacousticdevices.info/audiomoth https://www.wildlifeacoustics.com/shop https://www.frontierlabs.com.au/acoustic-recorders https://store.birds.cornell.edu/products/swift-recorder https://framagit.org/PiBatRecorderPojects/TeensyRecorders ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/deployment/equipment/","section":"Le suivi acoustique passif de A à Z","summary":"L’outil de base du suivi acoustique passif est l’enregistreur autonome.\nIl s’agit d’un appareil électronique programmable composé d’un système de capture du son, d’un système d’alimentation électrique et d’un système de stockage des données.\nProgrammation des enregistrements L’intérêt de l’enregistreur autonome repose principalement sur la possibilité de pouvoir le programmer. L’interface de programmation est différente selon les constructeurs et les modèles mais les options restent similaires.\nIl est généralement possible de programmer la fréquence et la durée des périodes d’enregistrement, mais aussi de baser les périodes sur le lever et coucher du soleil.\n","title":"Matériel","type":"workshop"},{"content":"Pourquoi choisir de mettre en place un suivi acoustique passif ?\nÀ quelles questions cela permet-il de répondre ?\n1. Étudier une population Un suivi acoustique passif peut permettre de répondre à différentes questions relatives à une espèce d\u0026rsquo;intérêt.\nDétecter la présence Les possibilités de couverture spatiale et temporelle, le caractère non invasif et la capacité à détecter des espèces difficilement observables autrement sont des atouts importants de l\u0026rsquo;utilisation du suivi acoustique passif pour la détection d\u0026rsquo;espèces.\nIl faut néanmoins garder à l\u0026rsquo;esprit que seuls les individus qui vocalisent peuvent être détectables. Cela rend la méthode inefficace pour toutes les espèces silencieuses ainsi que pour les individus qui ne produisent pas de sons.\nExemples d\u0026rsquo;études Campos-Cerqueira, M., \u0026amp; Aide, T. M. (2016). Improving distribution data of threatened species by combining acoustic monitoring and occupancy modelling. Methods in Ecology and Evolution, 7, 1340–1348. https://doi.org/10.1111/2041-210x.12599 Caractériser la phénologie La résolution temporelle du suivi acoustique passif en font un outil pertinent pour documenter la phénologie des espèces à fine ou à large échelle.\nExemples d\u0026rsquo;études Kaczmarski, M., Kaczmarek, J.M., Radzińska, A. et al. Passive acoustic monitoring reveals seasonal patterns in European green toad calling activity but fails to accurately reflect population abundance. Sci Rep 15, 26447 (2025). https://doi.org/10.1038/s41598-025-11706-3 Petrusková, T., Pišvejcová, I., Kinštová, A., Brinke, T., \u0026amp; Petrusek, A. (2016). Repertoire-based individual acoustic monitoring of a migratory passerine bird with complex song as an efficient tool for tracking territorial dynamics and annual return rates. Methods in Ecology and Evolution, 7, 274–284. https://doi.org/10.1111/2041-210X.12496 Identifier un comportement Chez la plupart des espèces, les productions vocales sont associées à un comportement (e.g. reproduction).\nEstimer l\u0026rsquo;abondance Certaines méthodes de suivi et d\u0026rsquo;analyse permettent d\u0026rsquo;obtenir de l\u0026rsquo;information sur l\u0026rsquo;abondance des espèces. Les progrès en localisation notamment peuvent permettre de différencier et éventuellement compter des individus d\u0026rsquo;une même espèce.\nExemples d\u0026rsquo;études Lucas, T. C. D., Moorcroft, E. A., Freeman, R., Rowcliffe, J. M., \u0026amp; Jones, K. E. (2015). A generalised random encounter model for estimating animal density with remote sensor data. Methods in Ecology and Evolution, 6, 500–509. https://doi.org/10.1111/2041-210X.12346 Marques, T. A., Thomas, L., Martin, S. W., Mellinger, D. K., Ward, J. A., Moretti, D. J., \u0026amp; Tyack, P. L. (2013). Estimating animal population density using passive acoustics. Biological Reviews, 88, 287–309. https://doi.org/10.1111/brv.12001 2. Étudier une communauté La diversité des productions vocales entre les espèces permettent de les différencier dans les enregistrements. Cela permet ensuite de mesurer des indices de communauté comme la richesse ou la diversité.\nExemples d\u0026rsquo;études Depraetere, M., Pavoine, S., Jiguet, F., Gasc, A., Duvail, S., \u0026amp; Sueur, J. (2012). Monitoring animal diversity using acoustic indices: Implementation in a temperate woodland. Ecological Indicators, 13(1), 46–54. https://doi.org/10.1016/j.ecolind.2011.05.006 Towsey, M., Wimmer, J., Williamson, I., \u0026amp; Roe, P. (2014). The use of acoustic indices to determine avian species richness in audio-recordings of the environment. Ecological Informatics, 21, 110–119. https://doi. org/10.1016/j.ecoinf.2013.11.007 3. Étudier un écosystème Le suivi acoustique passif peut aussi être utilisé pour caractériser un milieu, un écosystème voire un paysage.\nDans ce cas, on ne se limite pas seulement aux sons produits par la composante biologique de l\u0026rsquo;écosystème, la biophonie, on peut également s\u0026rsquo;intéresser à la géophonie et à l\u0026rsquo;anthropophonie. Des outils comme les indices acoustiques permettent de prendre en compte ces différents aspects du paysage sonore : c\u0026rsquo;est l\u0026rsquo;objet de l\u0026rsquo;écoacoustique.\nExemples d\u0026rsquo;études Merchant, N. D., Fristrup, K. M., Johnson, M. P., Tyack, P. L., Witt, M. J., Blondel, P., \u0026amp; Parks, S. E. (2015). Measuring acoustic habitats. Methods in Ecology and Evolution, 6, 257–265. https://doi. org/10.1111/2041-210X.12330 ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/research_question/objectives/","section":"Le suivi acoustique passif de A à Z","summary":"Pourquoi choisir de mettre en place un suivi acoustique passif ?\nÀ quelles questions cela permet-il de répondre ?\n1. Étudier une population Un suivi acoustique passif peut permettre de répondre à différentes questions relatives à une espèce d’intérêt.\nDétecter la présence Les possibilités de couverture spatiale et temporelle, le caractère non invasif et la capacité à détecter des espèces difficilement observables autrement sont des atouts importants de l’utilisation du suivi acoustique passif pour la détection d’espèces.\n","title":"Objectifs de l'étude","type":"workshop"},{"content":"Pourquoi est-ce utile d\u0026rsquo;utiliser le suivi acoustique passif ?\nDans quel contexte cela n\u0026rsquo;est pas pertinent ?\nAvantages Suivi autonome Méthode non invasive Suivi à long terme Suivi d\u0026rsquo;espèces discrètes Diversité des environnements Limites Nécessite que les espèces produisent des sons Nécessite que les sons produits soient liés à la problématique ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/research_question/advantages_limitations/","section":"Le suivi acoustique passif de A à Z","summary":"Pourquoi est-ce utile d’utiliser le suivi acoustique passif ?\nDans quel contexte cela n’est pas pertinent ?\nAvantages Suivi autonome Méthode non invasive Suivi à long terme Suivi d’espèces discrètes Diversité des environnements Limites Nécessite que les espèces produisent des sons Nécessite que les sons produits soient liés à la problématique ","title":"Avantages et limites","type":"workshop"},{"content":" Oscillogramme Les sons que l\u0026rsquo;on enregistre sont des signaux complexes, composés de différentes fréquences et amplitudes. La représentation la plus simple est celle de la forme d\u0026rsquo;onde, qui affiche la pression en fonction du temps.\nCode t = seq(0, 0.4, 0.00001) Fs = 1 / 0.00001 f1 = seq(100, 500, length.out = length(t)) s1 = sin(2*pi * f1 * t) f2 = seq(800, 600, length.out = length(t)) s2 = sin(2*pi * f2 * t) s3 = sin(2*pi*300*t) signal = s1 *seq(0.3,0,length.out = length(t))+ s2*seq(0,0.4,length.out = length(t)) + 0.5*s3 plot(t, signal, type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps (s)\u0026#34;,ylab=\u0026#34;Amplitude\u0026#34;) Spectrogramme Pour faciliter la visualisation des fréquences et amplitudes composant un signal, on utilise un spectrogramme.\nOn affiche trois éléments en même temps:\nle temps, sur l\u0026rsquo;axe des abscisses ; la fréquence, sur l\u0026rsquo;axe des ordonnées ; et l\u0026rsquo;amplitude, représentée par les gradients de couleurs. Code seewave::spectro( wave = signal, f = Fs, flim = c(0, 1), wl = 1024*6, ovlp = 50, collevels = seq(-40, 0, 1), palette = seewave::spectro.colors, osc=F, scale=F, tlab=\u0026#34;Temps (s)\u0026#34;, flab=\u0026#34;Fréquence (kHz)\u0026#34; ) ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/spectrogram/","section":"Le suivi acoustique passif de A à Z","summary":"Oscillogramme Les sons que l’on enregistre sont des signaux complexes, composés de différentes fréquences et amplitudes. La représentation la plus simple est celle de la forme d’onde, qui affiche la pression en fonction du temps.\nCode t = seq(0, 0.4, 0.00001) Fs = 1 / 0.00001 f1 = seq(100, 500, length.out = length(t)) s1 = sin(2*pi * f1 * t) f2 = seq(800, 600, length.out = length(t)) s2 = sin(2*pi * f2 * t) s3 = sin(2*pi*300*t) signal = s1 *seq(0.3,0,length.out = length(t))+ s2*seq(0,0.4,length.out = length(t)) + 0.5*s3 plot(t, signal, type=\"l\",xlab=\"Temps (s)\",ylab=\"Amplitude\") Spectrogramme Pour faciliter la visualisation des fréquences et amplitudes composant un signal, on utilise un spectrogramme.\nOn affiche trois éléments en même temps:\n","title":"Le spectrogramme","type":"workshop"},{"content":"Pour sauvegarder et partager des fichiers audio, il existe deux solutions principales.\nDépôts en ligne Pour héberger des volumes conséquents de données associées à une étude spécifique, il est souvent possible d\u0026rsquo;utiliser des services de stockage génériques. Ces services permettent généralement d\u0026rsquo;associer un DOI au je de données, ce qui facilite le référencement.\nZenodo Borealis (Canada) Sites spécialisés Certains sites web se sont spécialisés dans la collecte de données naturalistes, et en particulier de sons. Si vos données sont associées à des espèces (grâce à une annotation manuelle par exemple) cela peut être intéressant de les déposer sur ces services.\nXenoCanto iNaturalist ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/communication/sounds/","section":"Le suivi acoustique passif de A à Z","summary":"Pour sauvegarder et partager des fichiers audio, il existe deux solutions principales.\nDépôts en ligne Pour héberger des volumes conséquents de données associées à une étude spécifique, il est souvent possible d’utiliser des services de stockage génériques. Ces services permettent généralement d’associer un DOI au je de données, ce qui facilite le référencement.\nZenodo Borealis (Canada) Sites spécialisés Certains sites web se sont spécialisés dans la collecte de données naturalistes, et en particulier de sons. Si vos données sont associées à des espèces (grâce à une annotation manuelle par exemple) cela peut être intéressant de les déposer sur ces services.\n","title":"Les sons","type":"workshop"},{"content":"Lors de la programmation d\u0026rsquo;un enregistreur, il est généralement nécessaire de spécifier certains paramètres acoustiques. Ces paramètres définissent la façon dont le micro de enregistre la pression sonore.\nGain Le gain est une constante par laquelle l\u0026rsquo;enregistreur multiplie la puissance du signal reçu. Cela peut permettre d\u0026rsquo;augmenter la puissance de signaux faibles ou diminuer la puissance de signaux trop forts.\nMême si cela peut être tentant d\u0026rsquo;augmenter le gain pour obtenir des signaux plus forts, cela entraîne généralement une augmentation du bruit et diminue ainsi la qualité des enregistrements.\nRésolution La résolution (ou bit depth en anglais) définit la façon dont les variations de pressions sont converties en données numériques à partir du signal analogique du microphone.\nFréquence d\u0026rsquo;échantillonnage C\u0026rsquo;est la résolution temporelle de l\u0026rsquo;enregistrement. Plus la fréquence d\u0026rsquo;échantillonnage est élevée, plus des variations de pression rapides pourront être captées.\nLa fréquence de Nyquist\nPour éviter des artefacts sur les enregistrements, la fréquence d\u0026rsquo;échantillonnage doit être au moins deux fois plus élevée que la fréquence maximale que l\u0026rsquo;on souhaite enregistrer.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/deployment/settings/","section":"Le suivi acoustique passif de A à Z","summary":"Lors de la programmation d’un enregistreur, il est généralement nécessaire de spécifier certains paramètres acoustiques. Ces paramètres définissent la façon dont le micro de enregistre la pression sonore.\nGain Le gain est une constante par laquelle l’enregistreur multiplie la puissance du signal reçu. Cela peut permettre d’augmenter la puissance de signaux faibles ou diminuer la puissance de signaux trop forts.\nMême si cela peut être tentant d’augmenter le gain pour obtenir des signaux plus forts, cela entraîne généralement une augmentation du bruit et diminue ainsi la qualité des enregistrements.\n","title":"Réglages des enregistreurs","type":"workshop"},{"content":" Données acoustiques Métadonnées Plan de gestion des données ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/data/","section":"Le suivi acoustique passif de A à Z","summary":"Données acoustiques Métadonnées Plan de gestion des données ","title":"Les données","type":"workshop"},{"content":"Une onde sonore peut être représentée par un signal sinusoïdal.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) Ce signal corespond aux variations de pression au cours du temps dans du milieu de propagation du son.\nCe signal est dit analogique car il varie continuellement au cours du temps.\nPour traiter ce signal avec des appareils numériques, on ne peut pas le garder sous cette forme. On doit créer un signal numérique.\nPour cela on doit discrétiser le signal sur le temps et sur l\u0026rsquo;amplitude.\nDiscrétiser sur le temps: la fréquence d\u0026rsquo;échantillonnage On ne peut pas stocker la valeur d\u0026rsquo;amplitude du signal pour un temps continu, on aurait une infinité de valeurs à stocker.\nCe que l\u0026rsquo;on fait, c\u0026rsquo;est échantillonner la valeur de l\u0026rsquo;amplitude à intervelles réguliers. On peut par exemple réaliser une mesure d\u0026rsquo;amplitude à chaque seconde, dix fois par seconde, cent fois, mille fois\u0026hellip; Le nombre de fois par seconde que l\u0026rsquo;on effectue une mesure correspond à la fréquence d\u0026rsquo;échantillonnage. Plus cette fréquence est élevée, plus on aura une représentation fine du son, et plus on sera capable de détecter des sons aigus (qui eux aussi ont une haute fréquence). Par contre, ça veut aussi dire que l\u0026rsquo;on aura plus de valeurs à stocker, et donc des fichiers audio plus volumineux.\nPar exemple avec une fréquence d\u0026rsquo;échantillonnage de 10 Hz (10 fois par seconde) on a 40 échantillons à stocker pour 4 secondes de signal.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) sf = 10 xp = seq(0,4,length.out=4*sf) yp = sin(2*pi*xp) points(xp, yp, pch=19, col=\u0026#34;red\u0026#34;) Et avec 5 Hz, on en a 20.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) sf = 5 xp = seq(0,4,length.out=4*sf) yp = sin(2*pi*xp) points(xp, yp, pch=19, col=\u0026#34;red\u0026#34;) À partir de ces échantillons on peut reproduire un signal numérique.\nCode sf = 10 xp = seq(0,4,length.out=4*sf) yp = sin(2*pi*xp) plot(xp,yp,col=\u0026#34;red\u0026#34;,pch=19,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) segments(x0=xp, y0=0, x1=xp, y1=yp, col=\u0026#34;red\u0026#34;) x = seq(0,4,0.01) y = sin(2*pi*x) points(x,y,type=\u0026#34;l\u0026#34;,col=\u0026#34;red\u0026#34;,lty=\u0026#34;dotted\u0026#34;) abline(h=0,col = \u0026#34;lightgray\u0026#34;) Discrétiser sur l\u0026rsquo;amplitude: la quantification Une fois que le signal est discrétisé sur le temps, il faut le discrétiser sur l\u0026rsquo;amplitude afin de ne pas avoir une infinité de valeurs possibles à stocker.\nPour ce faire, on décide à l\u0026rsquo;avance du nombre de valeurs possibles que l\u0026rsquo;on souhaite utiliser pour discrétiser l\u0026rsquo;amplitude. On mesure ce nombre de valeurs possible en bits. Avec un bit on peut encoder 2^1 valeurs, soit 2 valeurs. Avec deux bits on peut en encoder 2^2 valeurs (soit 4 valeurs) etc\u0026hellip; On appelle cette valeur la profondeur d\u0026rsquo;encodage.\nEn pratique les appareils actuels ne sont pas vraiment limités. Avec 16 bits, voire 32 bits c\u0026rsquo;est largement suffisant pour enregistrer un son avec une bonne qualité.\nDans notre exemple on pourrait quantifier notre signal en 2 bits. Cela consiste à séparer notre amplitude maximale en 4 intervalles identiques et attribuer à chaque échantillon audio la valeur de l\u0026rsquo;intervalle la plu proche.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x, y, type=\u0026#34;l\u0026#34;, col=\u0026#34;lightgray\u0026#34;, lty=\u0026#34;dotted\u0026#34;, xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) n_bits = 2 n_niveaux = 2^n_bits niveaux = seq(-1, 1, length.out = n_niveaux) abline(h = niveaux, col = \u0026#34;blue\u0026#34;, lty = \u0026#34;dotted\u0026#34;, lwd = 0.8) sf = 10 xp = seq(0, 4, length.out = 4*sf) yp = sin(2*pi*xp) yp_quant = sapply(yp, function(v) niveaux[which.min(abs(niveaux - v))]) segments(x0 = xp, y0 = 0, x1 = xp, y1 = yp_quant, col = \u0026#34;red\u0026#34;) points(xp, yp_quant, col = \u0026#34;red\u0026#34;, pch = 19) abline(h = 0, col = \u0026#34;lightgray\u0026#34;) On pourrait aussi le faire en 3 bits. Les échantillons s\u0026rsquo;ajustent déjà beaucoup mieux à l\u0026rsquo;amplitude.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x, y, type=\u0026#34;l\u0026#34;, col=\u0026#34;lightgray\u0026#34;, lty=\u0026#34;dotted\u0026#34;, xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) n_bits = 3 n_niveaux = 2^n_bits niveaux = seq(-1, 1, length.out = n_niveaux) abline(h = niveaux, col = \u0026#34;blue\u0026#34;, lty = \u0026#34;dotted\u0026#34;, lwd = 0.8) sf = 10 xp = seq(0, 4, length.out = 4*sf) yp = sin(2*pi*xp) yp_quant = sapply(yp, function(v) niveaux[which.min(abs(niveaux - v))]) segments(x0 = xp, y0 = 0, x1 = xp, y1 = yp_quant, col = \u0026#34;red\u0026#34;) points(xp, yp_quant, col = \u0026#34;red\u0026#34;, pch = 19) abline(h = 0, col = \u0026#34;lightgray\u0026#34;) La fréquence de Nyquist Revenons un instant à la fréquence d\u0026rsquo;échantillonnage.\nPlus on augmente la fréquence d\u0026rsquo;échantillonnage, plus on sera capable de mesurer des sons aigus (qui ont une fréquence d\u0026rsquo;oscillation élevée).\nMais dans tous les cas, on doit utiliser une fréquence d\u0026rsquo;échantillonnage équivalente à au moins deux fois la plus haute fréquence que l\u0026rsquo;on doit enregistrer.\nPar exemple avec notre signal de 1 Hz, on doit utiliser une fréquence d\u0026rsquo;échantillonnage minimale de 2 Hz.\nSi l\u0026rsquo;on ne respecte pas cette règle, on risque de voir apparaitre des \u0026ldquo;fréquences fantômes\u0026rdquo; dans notre signal numérique.\nPar exemple si dans notre signal de 1 Hz on utilise une fréquence d\u0026rsquo;échantillonnage de 1 Hz, on aura l\u0026rsquo;apparition d\u0026rsquo;une \u0026ldquo;fréquence fantôme\u0026rdquo; de 0,25 Hz. On parle de repliement de spectre.\nCode sf = 1 x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\u0026#34;l\u0026#34;,xlab=\u0026#34;Temps\u0026#34;, ylab=\u0026#34;Pression\u0026#34;) xp = seq(0,4,length.out=4*sf) yp = sin(2*pi*xp) points(xp,yp,col=\u0026#34;red\u0026#34;,pch=19) ya = sin(2*pi*x*0.25) points(x,ya,col=\u0026#34;red\u0026#34;,type=\u0026#34;l\u0026#34;) segments(x0=xp, y0=0, x1=xp, y1=yp, col=\u0026#34;red\u0026#34;) abline(h=0,col = \u0026#34;lightgray\u0026#34;) ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/deployment/quantization/","section":"Le suivi acoustique passif de A à Z","summary":"Une onde sonore peut être représentée par un signal sinusoïdal.\nCode x = seq(0,4,0.01) y = sin(2*pi*x) plot(x,y,type=\"l\",xlab=\"Temps\", ylab=\"Pression\") Ce signal corespond aux variations de pression au cours du temps dans du milieu de propagation du son.\nCe signal est dit analogique car il varie continuellement au cours du temps.\nPour traiter ce signal avec des appareils numériques, on ne peut pas le garder sous cette forme. On doit créer un signal numérique.\nPour cela on doit discrétiser le signal sur le temps et sur l’amplitude.\n","title":"Numériser le signal","type":"workshop"},{"content":" Les approches Réseaux de neurones Les volumes de données produits par un suivi acoustique passif peuvent être très conséquents, notamment sur des suivis à long terme. L\u0026rsquo;analyse manuelle de la totalité de ces enregistrements est souvent impossible.\nLe développement de l\u0026rsquo;intelligence artificielle et notamment des réseaux de neurones profonds a permis la conception d\u0026rsquo;outils informatiques utiles pour le traitement des gros volumes de données. Il existe désormais des outils tels que BirdNET et YOLO dont les interfaces ne demandent pas de trop grandes compétences en informatique.\nIndices acoustiques Les indices acoustiques sont des métriques mesurées sur le spectrogramme pour résumer la distribution de l\u0026rsquo;énergie acoustique en fonction du temps et de la fréquence.\nLogiciels Plusieurs logiciels offrent des outils de visualisation et d\u0026rsquo;analyse d\u0026rsquo;enregistrements sonores. Certains logiciels open-source gratuits comme Audacity offrent des fonctionnalités de base pour visualiser l\u0026rsquo;enregistrement avant d\u0026rsquo;effectuer une analyse plus poussée sous R ou Python.\nD\u0026rsquo;autres logiciels payants comme Raven ou AviSoft ont des outils d\u0026rsquo;analyse intégrés.\nPackages R Seewave : Package R, fournissant une gamme d\u0026rsquo;outils pour l\u0026rsquo;analyse bioacoustique, notamment la visualisation, l\u0026rsquo;annotation et le calcul d\u0026rsquo;indices acoustiques.\nSoundecology : Package R, fournissant des fonctions pour calculer des indices acoustiques à partir de spectrogrammes.\nWarbleR : Package R, fournissant des fonctions pour le traitement par lots de signaux bioacoustiques, y compris la visualisation de spectrogrammes, l\u0026rsquo;extraction de caractéristiques acoustiques et l\u0026rsquo;évaluation de la qualité d\u0026rsquo;enregistrement.\ntuneR bioacoustics Librairies Python librosa opensoundscape scikit-maad ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/tools/","section":"Le suivi acoustique passif de A à Z","summary":"Les approches Réseaux de neurones Les volumes de données produits par un suivi acoustique passif peuvent être très conséquents, notamment sur des suivis à long terme. L’analyse manuelle de la totalité de ces enregistrements est souvent impossible.\nLe développement de l’intelligence artificielle et notamment des réseaux de neurones profonds a permis la conception d’outils informatiques utiles pour le traitement des gros volumes de données. Il existe désormais des outils tels que BirdNET et YOLO dont les interfaces ne demandent pas de trop grandes compétences en informatique.\n","title":"Les outils","type":"workshop"},{"content":" Évolution de la tension Effet de la température ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/deployment/battery/","section":"Le suivi acoustique passif de A à Z","summary":"Évolution de la tension Effet de la température ","title":"Gestion de la batterie","type":"workshop"},{"content":"Le type d\u0026rsquo;analyses statistiques à effectuer dépend de la question de recherche donc nous n\u0026rsquo;allons pas ici entrer dans le détail des différentes analyses, mais simplement mentionner des points à garder en tête pour vos analyses.\nNon-indépendance des données La non-indépendance des données est rarement prise en compte dans les analyses statistiques faites sur les données issues de suivis acoustiques passifs. Pourtant, il y a souvent autocorrélation temporelle et spatiale entre les enregistrements issus de ces études, due au fait qu\u0026rsquo;un même enregistreur produise différents enregistrements et que plusieurs enregistreurs peuvent être présents sur un même site.\nIl faut aussi garder en tête que chaque vocalisation ne correspond pas à un individu différent, et il est souvent difficile de déterminer quelles vocalisations sont produites par le même individu.\nProbabilité de détection De la même manière, les vocalisations enregistrées ne correspondent pas à la totalité des vocalisations émises sur le site. Il est donc intéressant de prendre en compte dans vos modèles la probabilité de détection, qui dépend à la fois de la probabilité qu\u0026rsquo;un individu ou une espèce vocalise et de la probabilité que cette vocalisation soit enregistrée par le dispositif. Pour augmenter cette dernière, il est important d\u0026rsquo;avoir un protocole qui optimise la distribution temporelle et spatiale des enregistrements. L\u0026rsquo;habitat (densité de végétation, bruit de fond\u0026hellip;) va aussi affecter la probabilité de détection.\nFaux positifs La probabilité de détection permet de prendre en compte les faux négatifs (l\u0026rsquo;espèce est présente mais pas détectée), mais l\u0026rsquo;analyse des vocalisations peut également produire des faux positifs en cas d\u0026rsquo;erreur d\u0026rsquo;identification (l\u0026rsquo;espèce est détectée sur un enregistrement alors qu\u0026rsquo;elle n\u0026rsquo;est pas présente).\nL\u0026rsquo;enjeu des faux positifs est d\u0026rsquo;autant plus important que l\u0026rsquo;utilisation d\u0026rsquo;algorithmes d\u0026rsquo;intelligence artificielle pour identifier les vocalisation est très susceptible d\u0026rsquo;occasionner des erreurs d\u0026rsquo;identification.\nLa validation manuelle permet de limiter ce risque, mais même une faible proportion de faux-positifs peut biaiser les résultats (Clare et al., 2018).\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/bias/","section":"Le suivi acoustique passif de A à Z","summary":"Le type d’analyses statistiques à effectuer dépend de la question de recherche donc nous n’allons pas ici entrer dans le détail des différentes analyses, mais simplement mentionner des points à garder en tête pour vos analyses.\nNon-indépendance des données La non-indépendance des données est rarement prise en compte dans les analyses statistiques faites sur les données issues de suivis acoustiques passifs. Pourtant, il y a souvent autocorrélation temporelle et spatiale entre les enregistrements issus de ces études, due au fait qu’un même enregistreur produise différents enregistrements et que plusieurs enregistreurs peuvent être présents sur un même site.\n","title":"Les biais","type":"workshop"},{"content":" Qu\u0026rsquo;est-ce que l\u0026rsquo;écoacoustique ? Définition :\nL\u0026rsquo;écoacoustique est une discipline qui utilise les sons de l\u0026rsquo;environnement (le paysage_sonore) pour étudier la biodiversité et les écosystèmes. L\u0026rsquo;écoacoustique se distingue de la bioacoustique car elle considère le son dans un contexte de processus écologiques plutôt que comme simple signal de communication.\nLes indices acoustiques sont les principaux outils utilisés en écoacoustique.\nSource Sueur, J. \u0026amp; Farina, A. (2015). Ecoacoustics: the Ecological Investigation and Interpretation of Environmental Sound. Biosemiotics, 8, 493–502.\nArticles fondateurs en écoacoustique Le terme d\u0026rsquo;écoacoustique n\u0026rsquo;apparaît qu\u0026rsquo;en 2015, mais le concept était déjà présent depuis la fin des années 2000.\nVoici quelques articles qui ont marqué l\u0026rsquo;évolution de la discipline :\nSueur J, Pavoine S, Hamerlynck O, Duvail, S. 2008. Rapid acoustic survey for biodiversity appraisal. PLOS ONE 3 (art. e4065). \u0026ndash;\u0026gt; Premier indice acoustique : Acoustic Entropy Index, créé sur le même principe que l\u0026rsquo;indice de Shannon Pijanowski BC, Villanueva-Rivera LJ, Dumyahn SL, Farina A, Krause BL, Napoletano BM, Gage SH, Pieretti N. 2011. Soundscape ecology: The science of sound in the landscape. BioScience 61: 203–216. \u0026ndash;\u0026gt; définition du concept de soundscape ecology, sur le modèle de landscape ecology avec les notions de biophonie, anthropophonie et géophonie Sueur J, Farina A. 2015. Ecoacoustics: The ecological investigation and interpretation of environmental sound. Biosemiotics 8: 493–502. \u0026ndash;\u0026gt; Apparition du terme d\u0026rsquo;écoacoustique Les indices acoustiques Qu\u0026rsquo;est-ce qu\u0026rsquo;un indice acoustique ? Un indice acoustique quantifie la distribution et la structure de l\u0026rsquo;énergie acoustique dans un enregistrement sonore. Il permet ainsi de caractériser les caractéristiques spectrales et temporelles d\u0026rsquo;un paysage sonore. Cette quantification de la diversité ou complexité acoustique est utilisée comme une estimation de la diversité ou complexité biologique présente dans l\u0026rsquo;écosystème.\nApplications Les indices acoustiques peuvent être mis en relation avec la biodiversité, les caractéristiques du paysage et changements anthropiques.\nExemples d\u0026rsquo;applications Caractérisation de l\u0026rsquo;intégrité d\u0026rsquo;un habitat forestier ([[references|Sueur et al. 2008]]) Estimation de la richesse spécifique sur des sites forestiers ([[references|Depraetere et al. 2012]]) Suivi de tendances spatio-temporelles de la biophonie, géophonie ou anthropophonie ([[references|Halfwerk et al. 2011; Tucker et al. 2014; Erbe et al. 2015; Fuller et al. 2015]]) Étude de la phénologie de communautés ([[references|Farina et al. 2011; Desjonquères et al. 2015; Nedelec et al. 2015; Bittencourt et al. 2016]]) Quels indices acoustiques existent ? Plus de 60 indices acoustiques ont été développés ces 15 dernières années (Buxton et al., 2018), mais certains sont plus couramment utilisés que d\u0026rsquo;autres. Les indices acoustiques les plus utilisés sont:\nAcoustic Complexity Index (ACI) Acoustic Diversity Index (ADI) Acoustic Evenness Index (AEI) Bioacoustic Index (BIO) Total Entropy (H) Normalized Difference Soundscape Index (NDSI) Indice Description Valeurs Interprétation Référence Acoustic Complexity Index (ACI) Quantifie la variabilité des intensités sonores, en minimisant l’influence des bruits anthropiques [0, +∞] Valeurs élevées : forte variabilité (e.g. chants d’oiseaux, stridulation d’insectes, ou anthropophonie) Valeurs faibles: sons constants (e.g. chants de cigale) Pieretti et al. (2011) Acoustic diversity index (ADI) Mesure la distribution de l’énergie sonore dans les bandes de fréquence du spectrogramme [0, log(N)]\nN = nombre de fréquences de bande de 10Hz Valeurs élevées : sons répartis dans l’ensemble des bandes de fréquence (i.e. diversité des fréquences)\nValeurs faibles : son concentré dans une bande de fréquence.\nSelon l’Acoustic Niche Hypothesis, des valeurs élevées devraient donc traduire un nombre important d’espèces Villanueva-Rivera et al. (2011) Acoustic Evenness Index (AEI) Divise le spectrogramme en bandes de fréquence et utilise le coefficient de Gini (Gini, 1921) pour mesurer l’uniformité du son dans ces bandes de fréquence [0, 1] Inverse de l’ADI.\nUne forte biodiversité devrait être associée à de faibles valeurs d’AEI Villanueva-Rivera et al. (2011) Bioacoustic Index (BIO) Produit de l’amplitude et du nombre de bandes de fréquences occupées [0, +∞] Valeurs élevées : forte disparité entre l’amplitude des bandes de fréquence. Indice fortement associé à la richesse spécifique aviaire (Eldridge et al. 2018, Bradfer-Lawrence et al. 2020) Boelman et al.(2007) Total Entropy (H) Basé sur l’indice de Shannon, estime la dispersion de l’énergie à partir des caractéristiques temporelles et spectrales [0, 1] Valeurs proches de 1 : bonne répartition des fréquences émises (i.e. grande diversité de signaux, forte richesse spécifique) Sueur et al. (2008) Normalized Difference Soundscape Index (NDSI) Ratio entre sons d’origine anthropique (fréquence de 1-2 kHz) et d’origine biologique (fréquence entre 2 et 8 kHz) [-1, 1] Valeurs proches de -1 : paysage sonore dominé par l’anthropophonie\nValeurs proches de +1 : paysage sonore dominé par la biophonie\nCorrélé à la diversité des sons biotiques et abiotiques Kasten et al. (2012 Comment calculer un indice acoustique ? Plusieurs librairies R et Python ont été développées pour calculer des indices acoustiques à partir d\u0026rsquo;enregistrements. Les plus utilisées sont Seewave et Soundecology sur R, Scikit-Maad sur Python.\nComment les interpréter ? Pour en savoir plus L\u0026rsquo;Acoustic Index User\u0026rsquo;s Guide détaille comment chaque indice est calculé avec différents exemples d\u0026rsquo;enregistrements. C\u0026rsquo;est un bon guide tant pour choisir l\u0026rsquo;indice acoustique à utiliser que pour interpréter les résultats.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/ecoacoustics/","section":"Le suivi acoustique passif de A à Z","summary":"Qu’est-ce que l’écoacoustique ? Définition :\nL’écoacoustique est une discipline qui utilise les sons de l’environnement (le paysage_sonore) pour étudier la biodiversité et les écosystèmes. L’écoacoustique se distingue de la bioacoustique car elle considère le son dans un contexte de processus écologiques plutôt que comme simple signal de communication.\nLes indices acoustiques sont les principaux outils utilisés en écoacoustique.\nSource Sueur, J. \u0026 Farina, A. (2015). Ecoacoustics: the Ecological Investigation and Interpretation of Environmental Sound. Biosemiotics, 8, 493–502.\n","title":"Écoacoustique et paysages sonores","type":"workshop"},{"content":" Le suivi acoustique passif de A à Z Ce site web a été conçu comme support pédagogique d’un atelier interactif d’introduction au suivi acoustique passif. Le contenu est amené à être complété périodiquement et mis à jour à partir des échanges réalisés lors des ateliers. Commencer Prefer reading in English? Go to the english version of this website.\nCe travail est sous licence CC BY 4.0\n","externalUrl":null,"permalink":"/pam-workshop/fr/","section":"","summary":"Le suivi acoustique passif de A à Z Ce site web a été conçu comme support pédagogique d’un atelier interactif d’introduction au suivi acoustique passif. Le contenu est amené à être complété périodiquement et mis à jour à partir des échanges réalisés lors des ateliers. Commencer Prefer reading in English? Go to the english version of this website.\n","title":"","type":"page"},{"content":"Le suivi acoustique passif est une méthode de plus en plus utilisée pour le suivi de la biodiversité. Cette première partie donne un aperçu de la diversité des contextes dans lesquels le suivi acoustique passif est utilisé, et des objectifs de recherche pour lesquels cette méthode peut être pertinente.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/research_question/","section":"Le suivi acoustique passif de A à Z","summary":"Le suivi acoustique passif est une méthode de plus en plus utilisée pour le suivi de la biodiversité. Cette première partie donne un aperçu de la diversité des contextes dans lesquels le suivi acoustique passif est utilisé, et des objectifs de recherche pour lesquels cette méthode peut être pertinente.\n","title":"1. Problématique de recherche","type":"workshop"},{"content":"Le déploiement des enregistreurs sur le terrain est une étape importante d\u0026rsquo;un suivi acoustique passif. Il est nécessaire de prendre en compte certains éléments avant d\u0026rsquo;aller sur le terrain.\nEspèces ciblées : cela influence les lieux et périodes d’enregistrement mais aussi les paramètres acoustiques Environnement ciblé : en milieu aquatique, en milieu éloigné\u0026hellip; Heures et périodes ciblées : cela dépend de la problématique de recherche Durée : dépend de l\u0026rsquo;autonomie des batteries, de la fréquence des enregistrements et des paramètres acoustiques. ","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/deployment/","section":"Le suivi acoustique passif de A à Z","summary":"Le déploiement des enregistreurs sur le terrain est une étape importante d’un suivi acoustique passif. Il est nécessaire de prendre en compte certains éléments avant d’aller sur le terrain.\nEspèces ciblées : cela influence les lieux et périodes d’enregistrement mais aussi les paramètres acoustiques Environnement ciblé : en milieu aquatique, en milieu éloigné… Heures et périodes ciblées : cela dépend de la problématique de recherche Durée : dépend de l’autonomie des batteries, de la fréquence des enregistrements et des paramètres acoustiques. ","title":"2. Déploiement des enregistreurs","type":"workshop"},{"content":"","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/analyses/","section":"Le suivi acoustique passif de A à Z","summary":"","title":"3. Analyse des données","type":"workshop"},{"content":"La communication des résultats, des méthodes et des données d\u0026rsquo;un projet de recherche est un élément important pour l\u0026rsquo;ouverture et la reproductibilité de la science. Il existe de nombreuses méthodes, outils et bonnes pratiques permettant cette démarche.\nDans le cadre du suivi acoustique passif, il est possible d\u0026rsquo;utiliser certains outils et méthodes qui ont été développés pour d\u0026rsquo;autres domaines ainsi que d\u0026rsquo;autres spécifiquement conçus pour les données acoustiques.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/communication/","section":"Le suivi acoustique passif de A à Z","summary":"La communication des résultats, des méthodes et des données d’un projet de recherche est un élément important pour l’ouverture et la reproductibilité de la science. Il existe de nombreuses méthodes, outils et bonnes pratiques permettant cette démarche.\nDans le cadre du suivi acoustique passif, il est possible d’utiliser certains outils et méthodes qui ont été développés pour d’autres domaines ainsi que d’autres spécifiquement conçus pour les données acoustiques.\n","title":"4. Communication des résultats","type":"workshop"},{"content":"","externalUrl":null,"permalink":"/pam-workshop/fr/authors/","section":"Authors","summary":"","title":"Authors","type":"authors"},{"content":"","externalUrl":null,"permalink":"/pam-workshop/fr/categories/","section":"Categories","summary":"","title":"Categories","type":"categories"},{"content":"Souhaitez-vous intégrer le suivi acoustique passif dans vos projets? Ou voulez-vous simplement découvrir ce qui se cache derrière cette méthode largement répandue en recherche fondamentale et appliquée? Cet atelier de 4 heures vous propose une initiation pratique aux fondamentaux du suivi acoustique passif, autour de quatre axes de discussion:\nFormuler une question de recherche adaptée au suivi acoustique; Déployer efficacement le matériel sur le terrain; Analyser les enregistrements sonores et en extraire des informations utiles; Partager vos données, vos méthodes et vos résultats. Déroulement Chaque groupe de participant⋅es explorera l\u0026rsquo;ensemble de ces thématiques à travers une mise en situation guidée par les instructeur⋅rices. Une feuille de route ainsi que du matériel pédagogique seront mis à votre disposition. L\u0026rsquo;atelier s\u0026rsquo;achèvera par une mise en commun des réflexions et outils pour permettre à chacun⋅e de repartir avec une vision claire des étapes à suivre pour mettre en place un suivi acoustique passif.\nObjectifs pédagogiques À la suite de cet atelier, vous serez capable:\nde décrire la démarche globale du suivi acoustique passif; d\u0026rsquo;expliquer les avantages et les limites du suivi acoustique passif; d\u0026rsquo;identifier les outils et méthodes adaptés à vos objectifs; de trouver les ressources pertinentes pour passer à l\u0026rsquo;action. Aucune expérience préalable requise, seulement de la curiosité!\nFeuille de route Ouvrir la feuille de route dans Google Docs Modules Cliquez sur les fiches ci-dessous pour explorer les différents modules de l\u0026rsquo;atelier.\n","externalUrl":null,"permalink":"/pam-workshop/fr/workshop/","section":"Le suivi acoustique passif de A à Z","summary":"Souhaitez-vous intégrer le suivi acoustique passif dans vos projets? Ou voulez-vous simplement découvrir ce qui se cache derrière cette méthode largement répandue en recherche fondamentale et appliquée? Cet atelier de 4 heures vous propose une initiation pratique aux fondamentaux du suivi acoustique passif, autour de quatre axes de discussion:\nFormuler une question de recherche adaptée au suivi acoustique; Déployer efficacement le matériel sur le terrain; Analyser les enregistrements sonores et en extraire des informations utiles; Partager vos données, vos méthodes et vos résultats. Déroulement Chaque groupe de participant⋅es explorera l’ensemble de ces thématiques à travers une mise en situation guidée par les instructeur⋅rices. Une feuille de route ainsi que du matériel pédagogique seront mis à votre disposition. L’atelier s’achèvera par une mise en commun des réflexions et outils pour permettre à chacun⋅e de repartir avec une vision claire des étapes à suivre pour mettre en place un suivi acoustique passif.\n","title":"Le suivi acoustique passif de A à Z","type":"workshop"},{"content":" Documents Audio Ouvrir le dossier des exemples de fichiers audio Google Colab Google Colab est un service permettant d\u0026rsquo;éxécuter du code (R, Python) sur un ordinateur à distance.\nNous fournissons quelques exemples permettant de se familiariser avec les bases de l\u0026rsquo;analyse de données pour le suivi acoustique passif.\nDétection automatique avec BirdNET Lecture des données et métadonnées audio Échantillons audio et spectrogrammes Calcul d\u0026rsquo;indices acoustiques avec Python Calcul d\u0026rsquo;indices acoustiques avec R Références Références clés Bradfer-Lawrence, T., Desjonqueres, C., Eldridge, A., Johnston, A., Metcalf, O., 2023. Using acoustic indices in ecology: guidance on study design, analyses and interpretation. Methods Ecol. Evol. 14, 2192–2204. https://doi.org/10.1111/2041- 210X.14194 Browning, E., Gibb, R., Glover-Kapfer, P., \u0026amp; Jones, K. E. (2017). Passive acoustic monitoring in ecology and conservation (No. 2; WWF Conservation Technology Series, p. 75). WWF-UK Gibb, R., Browning, E., Glover‐Kapfer, P., \u0026amp; Jones, K. E. (2019). Emerging opportunities and challenges for passive acoustics in ecological assessment and monitoring. Methods in Ecology and Evolution, 10(2), 169-185. https://doi.org/10.1111/fwb.13356 Sugai, L.S.M., Desjonquères, C., Silva, T.S.F. and Llusia, D. (2020), A roadmap for survey designs in terrestrial acoustic monitoring. Remote Sens Ecol Conserv, 6: 220-235. https://doi.org/10.1002/rse2.131 Bittencourt, L., Barbosa, M., Secchi, E., Lailson-Brito, J. \u0026amp; Azevedo, A. (2016). Acoustic habitat of an oceanic archipelago in the Southwestern Atlantic. Deep Sea Res. Part I Oceanogr. Res. Pap., 115, 103–111. Boelman, N. T., Asner, G. P., Hart, P. J., \u0026amp; Martin, R. E. (2007). Multitrophic invasion resistance in Hawaii: Bioacoustics, field surveys, and airborne remote sensing. Ecological Applications, 17(8), 21372144. https:// doi.org/10.1890/07-0004.1 Bonthoux, S., and G. Balent. 2012. Point count duration: five minutes are usually sufficient to model the distribution of bird species and to study the structure of communities for a French landscape. J. Ornithol. 153, 491. Bradfer-Lawrence, T., B. Duthie, C. Abrahams, M. Adam, R. J. Barnett, A. Beeston, J. Darby, B. Dell, N. Gardner, A. Gasc, B. Heath, N. Howells, M. Janson, M.-V. Kyoseva, T. Luypaert, O. C. Metcalf, A. E. Nousek-McGregor, F. Poznansky, S. R. P.-J. Ross, S. Sethi, S. Smyth, E. Waddell, et J. S. P. Froidevaux. 2024. The Acoustic Index User’s Guide : A practical manual for defining, generating and understanding current and future acoustic indices. Methods in Ecology and Evolution. Buxton, R. T., M. F. McKenna, M. Clapp, E. Meyer, E. Stabenau, L. M. Angeloni, K. Crooks, et G. Wittemyer. 2018. Efficacy of Extracting Indices from Large-Scale Acoustic Recordings to Monitor Biodiversity. Conservation Biology 32 :11741184. Campos-Cerqueira, M., \u0026amp; Aide, T. M. (2016). Improving distribution data of threatened species by combining acoustic monitoring and occupancy modelling. Methods in Ecology and Evolution, 7, 1340–1348. https://doi.org/10.1111/2041-210x.12599 Depraetere, M., S. Pavoine, F. Jiguet, A. Gasc, S. Duvail, and J. Sueur. 2012. Monitoring animal diversity using acoustic indices: implementation in a temperate woodland. Ecol. Indic. 13, 46. Desjonquères, C., Rybak, F., Depraetere, M., Gasc, A., Le Viol, I., Pavoine, S., et al. (2015). First description of underwater acoustic diversity in three temperate ponds. PeerJ, 3, e1393. Dorcas, M. E., S. J. Price, S. C. Walls, and W. J. Barichivich. 2009. Auditory monitoring of anuran population. in C. K. Dodd, ed. Conservation and ecology in amphibians: 281–298. Oxford University Press, Oxford, UK. Erbe, C., Verma, A., McCauley, R., Gavrilov, A. \u0026amp; Parnum, I. (2015). The marine soundscape of the Perth Canyon. Prog. Oceanogr., 137, 38–51. Farina, A., Pieretti, N. \u0026amp; Piccioli, L. (2011). The soundscape methodology for long-term bird monitoring: A Mediterranean Europe case-study. Ecol. Inform., 6, 354–363. Fuller, S., Axel, A.C., Tucker, D. \u0026amp; Gage, S.H. (2015). Connecting soundscape to landscape: Which acoustic index best describes landscape configuration? Ecol. Indic., 58, 207–215. Halfwerk, W., Holleman, L.J.M., Lessells, C.M. \u0026amp; Slabbekoorn, H. (2011). Negative impact of traffic noise on avian reproductive success. J. Appl. Ecol., 48, 210–219. Kaczmarski, M., Kaczmarek, J.M., Radzińska, A. et al. Passive acoustic monitoring reveals seasonal patterns in European green toad calling activity but fails to accurately reflect population abundance. Sci Rep 15, 26447 (2025). https://doi.org/10.1038/s41598-025-11706-3 Kasten, E. P., Gage, S. H., Fox, J., \u0026amp; Joo, W. (2012). The remote environmental assessment laboratory\u0026rsquo;s acoustic library: An archive for studying soundscape ecology. Ecological Informatics, 12, 50–67. https:// doi.org/10.1016/j.ecoinf.2012.08.001 Lucas, T. C. D., Moorcroft, E. A., Freeman, R., Rowcliffe, J. M., \u0026amp; Jones, K. E. (2015). A generalised random encounter model for estimating animal density with remote sensor data. Methods in Ecology and Evolution, 6, 500–509. https://doi.org/10.1111/2041-210X.12346 Marques, T. A., Thomas, L., Martin, S. W., Mellinger, D. K., Ward, J. A., Moretti, D. J., \u0026amp; Tyack, P. L. (2013). Estimating animal population density using passive acoustics. Biological Reviews, 88, 287–309. https://doi.org/10.1111/brv.12001 Merchant, N. D., Fristrup, K. M., Johnson, M. P., Tyack, P. L., Witt, M. J., Blondel, P., \u0026amp; Parks, S. E. (2015). Measuring acoustic habitats. Methods in Ecology and Evolution, 6, 257–265. https://doi. org/10.1111/2041-210X.12330 Nedelec, S.L., Simpson, S.D., Holderied, M., Radford, A.N., Lecellier, G., Radford, C., et al. (2015). Soundscapes and living communities in coral reefs: temporal and spatial variation. Mar. Ecol. Prog. Ser., 524, 125–135. Petrusková, T., Pišvejcová, I., Kinštová, A., Brinke, T., \u0026amp; Petrusek, A. (2016). Repertoire-based individual acoustic monitoring of a migratory passerine bird with complex song as an efficient tool for tracking territorial dynamics and annual return rates. Methods in Ecology and Evolution, 7, 274–284. https://doi.org/10.1111/2041-210X.12496 Pieretti, N., Farina, A., \u0026amp; Morri, D. (2011). A new methodology to infer the singing activity of an avian community: The Acoustic Complexity Index (ACI). Ecological indicators, 11(3), 868-873. Shirose, L. J., C. A. Bishop, D. M. Green, J. M. Cameron, R. J. Brooks, and J. H. Natalie. 1997. Validation tests of an amphibian call count survey technique in Ontario, Canada. Herpetologica 53, 312. Sueur, J., T. Aubin, et C. Simonis. 2008. Seewave, a free modular tool for sound analysis and synthesis. Bioacoustics 18 :213‑226. Towsey, M., Wimmer, J., Williamson, I., \u0026amp; Roe, P. (2014). The use of acoustic indices to determine avian species richness in audio-recordings of the environment. Ecological Informatics, 21, 110–119. https://doi. org/10.1016/j.ecoinf.2013.11.007 Tucker, D., Gage, S.H., Williamson, I. \u0026amp; Fuller, S. (2014). Linking ecological condition and the soundscape in fragmented Australian forests. Landsc. Ecol., 29, 745–758. Villanueva-Rivera, L. J., Pijanowski, B. C., Doucette, J., \u0026amp; Pekin, B. (2011). A primer of acoustic analysis for landscape ecologists.Landscape Ecology, 26(9), 1233–1246. https:// doi.org/10.1007/s10980- 011-9636-9 Bonthoux, S., and G. Balent. 2012. Point count duration: five minutes are usually sufficient to model the distribution of bird species and to study the structure of communities for a French landscape. J. Ornithol. 153, 491. Bradfer-Lawrence, T., Desjonqueres, C., Eldridge, A., Johnston, A., Metcalf, O., 2023. Using acoustic indices in ecology: guidance on study design, analyses and interpretation. Methods Ecol. Evol. 14, 2192–2204. https://doi.org/10.1111/2041- 210X.14194 Browning, E., Gibb, R., Glover-Kapfer, P., \u0026amp; Jones, K. E. (2017). Passive acoustic monitoring in ecology and conservation (No. 2; WWF Conservation Technology Series, p. 75). WWF-UK Dorcas, M. E., S. J. Price, S. C. Walls, and W. J. Barichivich. 2009. Auditory monitoring of anuran population. in C. K. Dodd, ed. Conservation and ecology in amphibians: 281–298. Oxford University Press, Oxford, UK. Gibb, R., Browning, E., Glover‐Kapfer, P., \u0026amp; Jones, K. E. (2019). Emerging opportunities and challenges for passive acoustics in ecological assessment and monitoring. Methods in Ecology and Evolution, 10(2), 169-185. https://doi.org/10.1111/fwb.13356 Shirose, L. J., C. A. Bishop, D. M. Green, J. M. Cameron, R. J. Brooks, and J. H. Natalie. 1997. Validation tests of an amphibian call count survey technique in Ontario, Canada. Herpetologica 53, 312. Sugai, L.S.M., Desjonquères, C., Silva, T.S.F. and Llusia, D. (2020), A roadmap for survey designs in terrestrial acoustic monitoring. Remote Sens Ecol Conserv, 6: 220-235. https://doi.org/10.1002/rse2.131 Hanf‐Dressler, T., Nouioua, R., Thomisch, K., Cazau, D., De Selys Longchamps, S., \u0026amp; Darras, K. (2026). Software Tools for Passive Acoustic Monitoring in Aquatic and Terrestrial Bio- and Ecoacoustics: A Living Systematic Review. F1000Research, 15. https://doi.org/10.12688/f1000research.173495.1. Mellinger, D. K., Stafford, K. M., Moore, S. E., Dziak, R. P., \u0026amp; Matsumoto, H. (2007). An overview of fixed passive acoustic observation methods for cetaceans. Oceanography, 20(4), 36-45. Clare, J. D. J., P. A.Townsend, and B.Zuckerberg. 2021. Generalized model-based solutions to false-positive error in species detection/nondetection data. Ecology102(2):e03241. 10.1002/ecy.3241 Pijanowski BC, Villanueva-Rivera LJ, Dumyahn SL, Farina A, Krause BL, Napoletano BM, Gage SH, Pieretti N. 2011. Soundscape ecology: The science of sound in the landscape. BioScience 61: 203–216. Sueur J, Farina A. 2015. Ecoacoustics: The ecological investigation and interpretation of environmental sound. Biosemiotics 8: 493–502. ","externalUrl":null,"permalink":"/pam-workshop/fr/ressources/","section":"","summary":"Documents Audio Ouvrir le dossier des exemples de fichiers audio Google Colab Google Colab est un service permettant d’éxécuter du code (R, Python) sur un ordinateur à distance.\n","title":"Ressources","type":"page"},{"content":"","externalUrl":null,"permalink":"/pam-workshop/fr/series/","section":"Series","summary":"","title":"Series","type":"series"},{"content":"","externalUrl":null,"permalink":"/pam-workshop/fr/tags/","section":"Tags","summary":"","title":"Tags","type":"tags"},{"content":"Vous avez participé à notre atelier ? Prenez 2 minutes pour nous dire ce que vous en avez pensé ! Vos retours nous aiderons à améliorer le contenu et le déroulé ! Merci !\nRemplir le questionnaire ","externalUrl":null,"permalink":"/pam-workshop/fr/feedback/","section":"","summary":"Vous avez participé à notre atelier ? Prenez 2 minutes pour nous dire ce que vous en avez pensé ! Vos retours nous aiderons à améliorer le contenu et le déroulé ! Merci !\nRemplir le questionnaire ","title":"Votre avis nous intéresse !","type":"page"}]