Automated acoustic classifiers provide insights into calling patterns of cicadas in tropical Australia
Este estudio demuestra que el modelo de aprendizaje profundo BirdNET puede automatizar eficazmente la detección y el monitoreo de cinco especies de cigarras en la Australia tropical, logrando una alta precisión y proporcionando información ecológicamente consistente sobre sus patrones de canto durante un período de 15 meses.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
En los vastos y soleados paisajes de los trópicos, el aire suele zumbar con el sonido de los insectos. Entre los más ruidosos y persistentes de estos se encuentran las cigarras, criaturas que pasan años bajo tierra antes de emerger para cantar durante unos pocos meses. Para los científicos, escuchar a estos insectos es más que una experiencia auditiva; es una forma vital de comprender la salud de un ecosistema. Los insectos desempeñan un papel crucial en la naturaleza, actuando como polinizadores, fuentes de alimento y recicladores, aunque sus poblaciones están disminuyendo en todo el mundo. Para protegerlos, los investigadores deben saber dónde están, cuándo están activos y cuántos hay. Tradicionalmente, contar estas criaturas ha sido una tarea lenta y laboriosa. Los científicos tenían que caminar por la maleza, escuchar atentamente e identificar manualmente cada especie por su canto, un proceso que es difícil de escalar y fácil de pasar por alto. Sin embargo, una nueva herramienta está cambiando las reglas del juego: dispositivos de escucha automatizados que graban el paisaje sonoro día y noche, combinados con programas informáticos que pueden aprender a reconocer llamadas de insectos específicos, ofreciendo una forma de monitorear la biodiversidad a gran escala.
En las sabanas tropicales del norte de Queensland, Australia, un equipo de investigadores puso a prueba esta tecnología. Querían ver si un programa informático, diseñado originalmente para identificar cantos de aves, podía ser entrenado para reconocer las llamadas de cinco especies diferentes de cigarras. Estos insectos, que incluyen la lesser bladder, la eastern rattler, la corroboree cicada, la northern double-drummer y la fairy dust squawker, viven en un entorno acústico complejo lleno de viento, lluvia y los cantos de otros animales. Los investigadores instalaron dieciocho estaciones de grabación en toda la región, capturando sonido de forma continua durante quince meses. Esto resultó en una biblioteca masiva de audio, que totalizó unas veinticuatro mil horas de grabación. En lugar de escuchar cada minuto de esta cinta, el equipo utilizó un sistema de aprendizaje profundo para escanear las grabaciones. Enseñaron a la computadora cómo sonaba cada una de las cinco especies de cigarras utilizando algunas llamadas de ejemplo claras, y luego dejaron que el sistema buscara a través de las miles de horas de grabaciones de campo para encontrar coincidencias.
Los resultados demostraron que la computadora era notablemente buena en el trabajo. El sistema identificó con éxito las llamadas de las cinco especies de cigarras con alta precisión, distinguiéndolas del ruido de fondo y de los cantos de otros insectos. Los investigadores descubrieron que el programa podía diferenciar de manera fiable entre una llamada real de cigarra y una falsa alarma, incluso cuando los sonidos estaban mezclados. Este éxito significó que ahora podían observar los datos para ver exactamente cuándo y dónde cantaban estos insectos. Descubrieron que cada especie tenía su propio horario único. La eastern rattler y la corroboree cicada estaban activas durante el día, con la eastern rattler aumentando su volumen hacia un coro estruendoso a media mañana y la corroboree cicada cantando continuamente desde temprano en la mañana hasta el atardecer. La northern double-drummer tenía un patrón más complejo, cantando por la mañana, tomando un descanso y luego cantando nuevamente por la tarde y el principio de la noche. En contraste, la lesser bladder cicada era principalmente una cantante del atardecer, llamando mientras el sol se ponía, mientras que la fairy dust squawker estaba activa durante el día pero dejaba de hacerlo antes del anochecer.
Quizás el hallazgo más sorprendente fue cómo se comportaron estos insectos cuando el clima se volvió malo. Aunque a menudo se asume que los insectos dejan de cantar cuando llueve, los detectores automatizados mostraron que estas cigarras siguieron llamando incluso durante lluvias ligeras, moderadas y fuertes. De hecho, los investigadores notaron que los coros a veces parecían volverse más fuertes a medida que la lluvia se intensificaba. Esto sugiere que evitar la lluvia para escuchar a estos insectos podría causar que los científicos pierdan una cantidad significativa de actividad. El estudio también reveló que las cigarras no evitaban estrictamente cantar al mismo tiempo que las otras, incluso cuando sus cantos se superponían. En lugar de tomar turnos para evitar la confusión, dependían de las diferencias en el tono y la estructura de sus llamadas para ser escuchadas. Este hallazgo desafía la idea de que los insectos siempre separan sus tiempos de canto para evitar la interferencia, mostrando en cambio que pueden compartir el espacio acústico de manera efectiva.
Al demostrar que los sistemas automatizados pueden rastrear con precisión estos insectos en la naturaleza, el estudio ofrece una nueva y poderosa forma de monitorear la biodiversidad. El método utilizado fue eficiente, requiriendo mucho menos tiempo humano que los censos tradicionales, al tiempo que proporcionaba una imagen detallada de la vida de los insectos durante largos períodos. Los investigadores encontraron que la tecnología funcionaba bien incluso en los sonidos complejos de la sabana tropical, donde muchas especies diferentes cantan a la vez. Este enfoque permite a los científicos recopilar datos a una escala que antes era imposible, ayudando a construir una comprensión más clara de cómo están cambiando las poblaciones de insectos. Mientras el mundo enfrenta una pérdida de diversidad de insectos, tener una herramienta que pueda escuchar al bosque y contar a sus cantores automáticamente proporciona una forma vital de realizar un seguimiento de estas criaturas esenciales y de los ecosistemas que sustentan.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.