Ponentes
Descripción
El monitoreo acústico pasivo emplea grabadoras automáticas para registrar el paisaje sonoro y genera volúmenes masivos de audio que superan la capacidad del procesamiento convencional. En esta propuesta evaluamos el potencial del aprendizaje no supervisado para detectar y caracterizar señales acústicas como proxy de la biodiversidad. Como prueba de concepto (PoC), usamos submuestras del estudio en la Reserva Natural Tapytá (Bosque Atlántico del Alto Paraná, Paraguay): ~20 TB de datos (>10 años de audio en tiempo real) recogidos en múltiples sitios que abarcan bosques, pastizales y plantaciones de eucalipto. Para la PoC analizamos la temporada húmeda subtropical nocturna de noviembre–diciembre 2024, período de inicio de la vocalización de anfibios. Las grabaciones (18:00–06:00 h) se obtuvieron con grabadoras AudioMoth (44.100 Hz, mono, 16 bits). Definimos las instancias de señal, tal que sea $\mathcal{X}=\{x_i\}_{i=1}^N$ el conjunto de segmentos de 4s con $N\approx1.852.000$ con 2s de solapamiento. Luego aplicamos una atenuación adaptativa (6--12\,kHz, hasta $-9$ dB,atenuando el coro de insectos). Se extrajeron los coeficientes cepstrales en las frecuencias de Mel (percepción auditiva humana) por frames, MFCC $f$: $z_i=f\big(A(x_i)\big)\in\mathbb{R}^{40}$. Luego, para reducir el ruido y aumentar la eficacia computacional, se aplicaron una estandarización robusta $S=s(p50, IQR)$ y un PCA que conserva el $95\%$ de la varianza: $y_i=P\big(S(z_i)\big)\in\mathbb{R}^d$. Para la visualización y el agrupamiento utilizamos un embebido no lineal $\Phi_{\mathrm{UMAP}}:\mathbb{R}^d\to\mathbb{R}^3$ (métrica del coseno, $n_{\mathrm{neighbors}}=60,\ \mathrm{min\_dist}=0.3$): $u_i=\Phi_{\mathrm{UMAP}}(y_i)\in\mathbb{R}^3$. Para la detección de conglomerados se utilizó HDBSCAN el cual asigna etiquetas $c_i=C(u_i;\theta)\in\{1,\dots,K\}\cup\{-1\}$ y produce persistencias $p_k$. Además, se usó un refinamiento jerárquico $R$ para subdividir clústeres: $c'_i=R(c_i)$ para detectar subclústeres de especies mediante señuelos previamente etiquetados. Para caracterizar la diversidad del paisaje sonoro, definimos las siguientes métricas por sitio. Para un sitio $s$ con $n_s$ segmentos y abundancias $q_{k,s}=n_{k,s}/n_s$: $\text{Riqueza:}\quad R_s=|K_s|$; $\text{Entropía:}\quad H_s=-\sum_{k\in K_s} q_{k,s}\log q_{k,s}$. Las diferencias entre hábitats se evalúan mediante pruebas de permutación (10.000 réplicas) de $R_s,H_s,D_s$. La calidad del agrupamiento se mide mediante \emph{silhouette}, \emph{Davies--Bouldin} y la fracción de ruido de HDBSCAN. El agrupamiento HDBSCAN identificó 265 clústeres globales, con una silueta positiva en 19 de los 20 sitios. Un segundo nivel jerárquico refinó 161 de los 265 clusters (66,8$\%$), revelando subgrupos heterogéneos. La complejidad acústica mostró diferencias entre: pastizal 33,2 clusters/sitio; $21,0\%$ ruido HDBSCAN, bosque (8,1; 3 $1\%$) y eucaliptal (3,6; $0,0\%)$; la baja riqueza y ruido en monocultivo de Eucalyptus, evidencian el empobrecimiento del hábitat. En el sitio de pastizal PA-17, la inspección espectral y auditiva mediante búsqueda de audios señuelos etiquetados, siguiendo el marco metodológico de (Thomas, M. et al., J. Anim. Ecol. 91(8), 1567–1581, 2022), reveló tres clústeres de vocalización de anfibio espectralmente similares, con actividad temporal escalonada: picos a las 18:00, 21:00 y 00:00 h. Este patrón es consistente con la partición temporal de anuros del Bosque Atlántico brasileño (Donnelly, A. et al., Conservation 6(1), 24, 2026). Esta PoC del uso del aprendizaje no supervisado en una etapa temprana de los estudios de paisajes sonoros muestra un claro potencial para caracterizar y descomponer los patrones espaciotemporales de la biodiversidad. Agradecimientos: PINV01-530 y ARASY ESTR01-23.