自然界的野生动物是生态系统的重要组成成分,鸟类是野生动物组成中重要的一环,它是一种对生态环境和栖息地变化十分敏感的物种,无论是在自然环境下,还是在人工环境下,对所处的环境的生态功能和生物多样性监测能够有重要的指示作用;同时在城市快速高压的生活环境下,城市中的绿地承载着舒缓心情,恢复注意力的主要场地,鸟鸣作为城市环境,特别是绿地中容易被人们所感知的声源,为城市环境带来积极的作用。本文研究即是以声音识别技术和声景评价方法为支撑,以城市绿地部分常见鸟类鸣声为研究对象,将生物多样性监测识别与人为感知相联系,从而为城市中鸟类分布监测识别提供技术支持,为城市中鸟类声景评价奠定基础。本文的主要工作和结论如下:（1）信号素材库的收集和处理。经过实地调研和资料收集,确定了研究区域的23种常见鸟种,通过世界野生鸟类声音网和实地采集,收集了特定鸟种的鸣声素材,并进行了预加重,分帧加窗等处理。根据本文声音识别技术的特点,建立了研究区域的常见鸟鸣Mel语谱图库。（2）基于ResNet结构深度卷积神经网络的鸟鸣信号识别。针对传统声音识别的出现的识别上的训练时间长,识别率不高的问题,本文提出了将深度学习用于鸟鸣信号识别,传统识别中的效率低下的问题。在对于深度学习中出现的过拟合的问题中,本文提出了使用ResNet50的深度卷积神经网络结构,解决了过拟合的问题并且有泛化能力的优点。然后通过ResNet的训练得出,通过配置合理的参数和训练模型层次,可以用于批量处理信号并进行识别分类。通过实验,ResNet50在18种鸣声信号中,平均识别率达到了 95.44%。（3）提取了基于鸟鸣的愉悦度评价指标并得出长沙常见鸟鸣的愉悦度的评级。本研究在阅读大量的国内外研究资料和文献后,选取了前人在声景观中使用的28个声景评价指标与情绪认知理论中的19个愉悦度评价指标,将两种指标进行初步筛选,在通过试验后取其中的5个指标作为愉悦度的评价指标。将选取的评价指标带入语义细分法的形容词中,通过五级评价尺度获得各个声音得到18种鸟鸣的愉悦度的指标的评价数据,再通过主成分分析法得到每一种鸟类的愉悦度评价,愉悦度评价较好的有白头鹎,矶鹬,乌鸫等,评价较差的有松鸦、山斑鸠、池鹭、牛背鹭。（4）比较不同人群对鸟类的愉悦度评价,探讨了不同人群和愉悦度评分的关系。对被试者人群依据性别、专业、学历,进行分类,发现鸟鸣愉悦度评价与人群没有显著的相关性,总体来说均为积极的评价;其中研究生这一群体对鸟鸣愉悦度评价要高于其他的人群,女生这一群体对鸟鸣愉悦度评价要低于其他的人群。综上所述,本文采用了 ResNet结构深度卷积神经网络对长沙常见的18种鸟类进行了声音信号识别,并且获得了比较好的识别效率和应用能力。并对这些鸟鸣进行了愉悦度评价上的研究得出了不同鸟鸣的愉悦度评价,探究了不同鸟种对不同人群的影响,为鸟类声音识别和鸟类声景评价提供了技术手段和理论依据。