Las grabaciones de sonido y la IA pueden utilizarse para seguir la recuperación de la biodiversidad en los bosques tropicales.
Un estudio realizado en Ecuador descubrió que las especies regresaron a los bosques en regeneración en tan solo 25 años.
El monitoreo acústico y los métodos basados en IA son técnicas potentes y rentables para evaluar los niveles de biodiversidad en los bosques restaurados.
¿Plantar árboles hace volver a los animales? En todo el mundo, las personas trabajan para restaurar los bosques, ya sea plantando árboles o permitiendo que la flora regrese de forma natural. Pero, a medida que crecen los árboles, puede resultar difícil determinar si las comunidades de aves, insectos, ranas y otras formas de vida también se están recuperando.
En el Chocó, en el noroeste de Ecuador, una de las selvas tropicales con mayor biodiversidad del mundo, un grupo de científicos alemanes y ecuatorianos midió la recuperación de la biodiversidad en distintos tipos de terreno, entre ellos pastizales y granjas en activo, granjas abandonadas que se están regenerando hasta convertirse en bosques secundarios jóvenes, y bosques antiguos maduros.
Mediante una combinación de monitoreo acústico y estudios basados en ADN, el equipo descubrió que las especies están regresando a los bosques en regeneración tras apenas un par de décadas.
“Podemos ver cómo la selva tropical del Chocó se restablece con el tiempo. En 25 años, se recupera una gran cantidad de especies”, afirmó Martin Schaefer, uno de los coautores del estudio y director de la ONG ecuatoriana Fundación Jocotoco, en declaraciones a Mongabay. “Es un mensaje positivo que debemos transmitir al público… En solo tres décadas, los bosques se están regenerando.”
Los investigadores también descubrieron que el análisis de los sonidos de animales e insectos proporciona información sobre la biodiversidad general del bosque, incluidas las criaturas silenciosas que no cantan, no llaman, no pían ni chillan.
¿Qué está haciendo el Foro Económico Mundial por la naturaleza?
El Centro para la Naturaleza y el Clima ayuda a los líderes a comprender las interconexiones entre el clima, la naturaleza y el desarrollo económico. Ofrece una plataforma para explorar vías que favorezcan la resiliencia y la prosperidad dentro de los límites planetarios.
Al facilitar la cooperación entre sectores y regiones, el Centro apoya a sus socios en la traducción de un entendimiento compartido en soluciones prácticas para el clima y la naturaleza.
El monitoreo basado en sonido mediante herramientas de inteligencia artificial es una técnica potente y rentable para supervisar la recuperación de la biodiversidad en los bosques tropicales y, según los autores, estas herramientas son necesarias “para respaldar mecanismos de conservación basados en el mercado que puedan depender de la restauración forestal, como los pagos por servicios ecosistémicos, las compensaciones de biodiversidad y los mercados de créditos”.
“Lo que han hecho es presentar un argumento convincente de que, en efecto, el monitoreo acústico puede utilizarse para evaluar la eficacia de un proyecto de restauración forestal”, afirmó Wesley Hochachka, ecólogo del Laboratorio de Ornitología de la Universidad de Cornell que no participó en el estudio, en declaraciones a Mongabay. “No conozco ningún examen o demostración más exhaustivos de que el potencial [del monitoreo acústico] es real y puede materializarse.”
El equipo de investigación estableció 43 parcelas a lo largo de un “gradiente de recuperación forestal” en la selva tropical del Chocó. En cada parcela utilizaron tres métodos de monitoreo acústico y un método basado en ADN.
En cada parcela, el equipo instaló cajas de grabación de sonido que captaban todos los sonidos ambientales (como la lluvia y el viento), así como los insectos y los vertebrados que emiten sonidos, como ranas, monos y aves.
El primer método acústico consistió en que expertos escucharan segmentos grabados de 28 minutos e identificaran mamíferos, aves y anfibios por sus llamadas. Es un método de larga data, pero está limitado por la cantidad de datos que las personas pueden procesar de oído y puede resultar costoso.
El segundo método utilizó las grabaciones para crear un análisis de índice acústico, que describe cualidades como la complejidad y la diversidad de los sonidos. Por ejemplo, el paisaje sonoro de un bosque maduro es más diverso y, por tanto, más denso que el de un pastizal.
Por último, se entrenó un modelo informático de aprendizaje profundo denominado red neuronal convolucional (CNN) con grabaciones de 75 especies de aves conocidas. Una vez entrenada, la CNN realizó, en esencia, el trabajo de los expertos en aves para identificar llamadas a partir de semanas de grabaciones en lugar de segmentos breves.
“En lugar de tener que hacerlo a mano con un experto, esto [la CNN] nos permitió escalar realmente nuestro modelo”, dijo Schaefer.
Para los muestreos finales, mediante ADN, el equipo instaló trampas de luz para capturar insectos por la noche. Después utilizaron una técnica denominada metabarcoding para analizar el ADN de los insectos y obtener una idea de la diversidad de insectos presentes.
Los datos acústicos de la IA se correlacionaron bien con los niveles generales de biodiversidad, según comprobaron, incluso en el caso de especies no detectadas directamente en el audio. Schaefer afirmó que esto era lo esperado, pero que se sentían satisfechos con el buen rendimiento de los modelos de IA.
“Creo que el hallazgo más importante es que los modelos de IA nos permiten medir los niveles de biodiversidad con relativa precisión, incluso en sus versiones sencillas”, dijo Schaefer. “Estos modelos de IA también son un buen indicador de la recuperación de especies que no se oyen en los paisajes sonoros del bosque.”
“Por supuesto, no hay información sobre plantas ni animales silenciosos. Sin embargo, las aves y los anfibios son muy sensibles a la integridad ecológica, por lo que son un muy buen sustituto”, afirmó Jörg Müller, catedrático y ornitólogo del Biocentro de la Universidad de Wurzburgo declaró a AFP
El modelo de red neuronal también siguió con eficacia los cambios en las comunidades de aves a lo largo del gradiente. Los resultados mostraron que la comunidad de animales que emiten sonidos cambió a lo largo del gradiente de recuperación, y que los bosques más maduros presentan un paisaje sonoro distinto y más diverso.
“Lo mejor del artículo es la integración del análisis de sonido, los modelos de redes neuronales y los niveles de biodiversidad que no están conectados con el sonido … en concreto, los datos de insectos”, afirmó Shaefer.
Estos métodos tienen algunas limitaciones. Por ejemplo, el monitoreo acústico no puede determinar si las especies (sobre todo las aves) simplemente están de paso o si viven y utilizan estas parcelas. Tampoco puede informar sobre la abundancia de especies en una parcela.
Para aplicar este método a más bosques se requerirá que los modelos de IA se entrenen con un mayor número y diversidad de sonidos animales. Bibliotecas de sonidos como Xeno-Canto y Biblioteca Macauley de Sonidos Naturales de Cornell, están trabajando en estos objetivos, pero, según Hochachka, se necesitan más investigación y financiación, especialmente en el Sur Global.
Sin embargo, el estudio demuestra que las grabaciones de sonido y la IA tienen el potencial de hacer que el seguimiento de la biodiversidad sea más transparente, responsable y accesible. Los autores esperan que esto ayude a los gestores a determinar si sus arduos esfuerzos están recuperando todo el bosque, y no solo los árboles.
