在全球人為干擾日益加劇下，發展高效率且可長期運作的自動化監測工具，對於評估兩棲類等高 敏感物種之族群動態與棲地需求尤為重要。本研究以亞熱帶臺灣福山植物園水生池中，優勢物種腹斑蛙 (Nidirana adenopleura (Boulenger, 1909))為研究對象，結合被動聲學監測、聲音指數與機器學習技術，建構 一套具備效率與解釋性的蛙鳴預測模型。我們以聲音指數來量化頻率結構、能量分布及生物聲密度等聲學 特徵，並依據聲音的頻率範圍切分，共產生3,604個變數。我們再以逢機森林回歸模型評估這些變數與腹斑 蛙鳴叫次數的關聯性，並篩選出重要的特徵。模型經十折交叉驗證，預測結果與實際鳴叫次數之決定係數 達 R² = 0.95，顯示模型具備良好的預測能力。進一步以此模型推論大量的音訊資料，結果顯示腹斑蛙鳴叫 活動具日週期與季節變化，並與氣溫呈非線性關係，於24–26℃時達活動高峰；降雨則對鳴叫活動具顯著 負向影響。此外，多樣點同步錄音的結果發現，腹斑蛙在水生池空間上的異質性，於水生池左岸靠森林側 有較早的蛙鳴，並在整個繁殖季具較高的鳴叫密度，反映棲地條件對腹斑蛙聚集行為的潛在影響。本研究 展現出被動聲學監測、聲音指數與機器學習技術三者整合的可行性，有助於大幅減少人工聽辨的依賴，並 可作為未來長期自動化監測、棲地管理與保育決策之實用工具。