Análisis preliminar de detección acústica del Caracara Avispero en el norte de Costa Rica
Barra lateral del artículo
Contenido principal del artículo
Resumen
El ruidoso Caracara de Garganta Roja (Ibycter americanus) es una especie cuya población
ha disminuido inexplicablemente a lo largo de su área de distribución y es ahora rara en
ambas vertientes de Costa Rica. Los avances en la detección acústica automática han
transformado la ecología de las aves, permitiendo a los investigadores analizar poblaciones
de aves utilizando algoritmos de coincidencia de patrones, aprendizaje automático y modelos
forestales aleatorios. Aunque estos estudios son limitados en el país, representan un área con
gran potencial interdisciplinario para avances tecnológicos. Este estudio se centró en el uso
de algoritmos de coincidencia de patrones para detectar la presencia del Caracara avispero
en el norte de Costa Rica utilizando una gran cantidad de grabaciones sonoras y su validación
con métricas como Exactitud, Precisión, Valor predictivo negativo, Sensibilidad, Especificidad
y Recall medio no ponderado. Los resultados mostraron un desempeño moderado del modelo
al obtener valores de exactitud y precisión de 0.71 en comparación con los valores obtenidos
en otras investigaciones en las que se utilizó el modelo reportado. Por ello sugerimos explorar
nuevas técnicas y métodos para mejorar la detección de la especie, considerando la particular
estructura acústica, el repertorio de sonidos de la especie y similitudes con vocalizaciones
de otras especies. Esta similitud podría indicar un supuesto comportamiento de defensa antidepredador al “imitar” los sonidos de otras especies con las que comparte el hábitat. Para
optimizar esta detección acústica recomendamos hacer uso de técnicas complementarias
como los filtros de ruido que mejoren la calidad y precisión de los datos.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
Ramírez‐Albores, Jorge E., et al. “Insights for protection of high species richness areas for the conservation of
Mesoamerican endemic birds”. Diversity and Distributions, vol. 27, no 1, p. 18-33,2021.
Chassot, Olivier; Monge-Arias, G. “Connectivity conservation of the Great Green Macaw’s landscape in Costa
Rica and Nicaragua (1994–2012)”. Parks, vol. 18, no 1, p. 61-69, 2012.
Mccann, Sean Michael. “The bird who kicked the wasp’s nest: Red-throated Caracara predation, nesting and
territorial behavior”. Doctoral Thesis. Simon Fraser University, 2014.
Dyer, Dale; Howell, Steve NG. “Birds of Costa Rica”. Princeton University Press, vol. 1, no 1, 2023.
Bardeli, Rolf, et al. “Detecting bird sounds in a complex acoustic environment and application to bioacoustic
monitoring”. Pattern Recognition Letters, vol. 31, no 12, p. 1524-1534, 2010.
Shonfield, Julia; Bayne, Erin M. “Autonomous recording units in avian ecological research: current use and
future applications”. Avian Conservation & Ecology, vol. 12, no 1, 2017.
XIE, Jiangjian, et al. “A review of automatic recognition technology for bird vocalizations in the deep learning
era”. Ecological Informatics, p. 101927, 2022.
Castro, Jorge; Vargas-Masís, Roberto; Alfaro-Rojas, Danny. “Deep multiple instance learning ensemble for the
acoustic detection of tropical birds”. 19th IEEE International Conference on Machine Learning and Applications
(ICMLA). IEEE. p. 264-269, 2020.
Vargas-Masís, Roberto, et al. “Acoustic detection of Red-capped Manakin (Ceratopipra mentalis) in Sarapiquí,
Costa Rica”. 3rd International Conference on BioInspired Processing (BIP). IEEE. p. 1-5, 2021.
Vargas-Masís, Roberto, et al. “Automated bird acoustic detection at Las Arrieras Nature Reserve in Sarapiquí,
Costa Rica”. 4th International Conference on BioInspired Processing (BIP). IEEE. p. 1-8, 2022.
Thiollay, Jean‐Marc; Jullien, Mathilde. “Flocking behaviour of foraging birds in a neotropical rain forest and the
antipredator defence hypothesis”. Ibis, vol. 140, no 3, p. 382-394, 1998.
Ramirez, Angel David Pedroza, et al. “A comparative between mel frequency cepstral coefficients (MFCC)
and inverse mel frequency cepstral coefficients (IMFCC) features for an automatic bird species recognition
system”. Latin American Conference on Computational Intelligence (LA-CCI). IEEE, 2018. p. 1-4, 2018.
Sun, Yuren, et al. “Classification of animal sounds in a hyperdiverse rainforest using convolutional neural networks with data augmentation.” Ecological Indicators 145 (2022): 109621.
Brooker, Stuart A., et al. “Automated detection and classification of birdsong: An ensemble approach”.
Ecological Indicators, vol. 117, p. 106609, 2020.
Muraina, Ismail. “Ideal dataset splitting ratios in machine learning algorithms: general concerns for data scientists and data analysts”. 7th International Mardin Artuklu Scientific Research Conference, 2022.
Bardeli, Rolf, et al. “Detecting bird sounds in a complex acoustic environment and application to bioacoustic
monitoring”. Pattern Recognition Letters, vol. 31, no 12, p. 1524-1534, 2010.