• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  Science >> Ciência >  >> Biologia
    Inteligência artificial melhora monitoramento de murrelet marmorizado ameaçado
    Murrelet marmorizado. Crédito:Brett Lovelace

    A análise de inteligência artificial de dados coletados por dispositivos de gravação acústica é uma nova ferramenta promissora para monitorar o murrelet marmorizado e outras espécies secretas e difíceis de estudar, mostrou uma pesquisa da Universidade Estadual de Oregon e do Serviço Florestal dos EUA.



    O ameaçado murrelet marmorizado é uma ave marinha icônica do noroeste do Pacífico que está intimamente relacionada aos papagaios-do-mar e aos murres, mas, ao contrário dessas aves, os murrelets criam seus filhotes até 60 milhas para o interior, em florestas maduras e antigas.

    “Existem muito poucas espécies como esta”, disse o co-autor Matt Betts, do OSU College of Forestry. “E não há nenhuma outra ave que se alimente no oceano e viaje distâncias tão longas até locais de nidificação no interior. Este comportamento é super incomum e torna o estudo desta ave realmente desafiador.”

    Uma equipe de pesquisa liderada por Adam Duarte, da Estação de Pesquisa Noroeste do Pacífico do Serviço Florestal dos EUA, usou dados de gravadores acústicos, originalmente colocados para auxiliar no monitoramento das populações de corujas-pintadas do norte, em milhares de locais em florestas gerenciadas pelo governo federal na cordilheira do Oregon e na Península Olímpica de Washington. .

    Os pesquisadores desenvolveram um algoritmo de aprendizado de máquina conhecido como rede neural convolucional para extrair as gravações das chamadas murrelet.

    Resultados, publicados em Indicadores Ecológicos , foram testados contra dados populacionais conhecidos de murrelets e determinados como corretos a uma taxa superior a 90%, o que significa que os gravadores e a IA são capazes de fornecer uma visão precisa de quantos murrelets estão cantando em uma determinada área.

    “A seguir, estamos testando se os sons do murrelet podem realmente prever a reprodução e a ocupação da espécie, mas isso ainda está a alguns passos de distância”, disse Betts.

    O murrelet marmorizado do tamanho de uma pomba passa a maior parte do tempo em águas costeiras comendo krill, outros invertebrados e peixes forrageiros, como arenque, anchova, cheiro e capelim. Murrelets só podem produzir uma prole por ano, se o ninho for bem-sucedido, e seus filhotes precisarem de peixes forrageiros para crescimento e desenvolvimento adequados.

    Os pássaros normalmente colocam seu único ovo no alto de uma árvore, em um galho horizontal de pelo menos 10 centímetros de diâmetro. Os gaios, corvos e corvos de Steller são os principais predadores dos ninhos de murrelet.

    Ao longo da Costa Oeste, murrelets marmorizados são encontrados regularmente de Santa Cruz, Califórnia, às Ilhas Aleutas. A espécie está listada como ameaçada pela Lei de Espécies Ameaçadas dos EUA em Washington, Oregon e Califórnia.

    “O maior número de detecções no nosso estudo ocorreu normalmente onde predomina a floresta de sucessão tardia e mais perto dos habitats oceânicos”, disse Duarte.

    Sucessão tardia refere-se a florestas maduras e antigas.

    “Nossos resultados oferecem uma promessa considerável para a modelagem de distribuição de espécies e monitoramento populacional de espécies raras a longo prazo”, disse Duarte. “O monitoramento exige muito menos trabalho do que a busca de ninhos por meio de telemetria, busca de ninhos no solo ou técnicas audiovisuais tradicionais”.

    Matthew Weldy, do College of Forestry, Zachary Ruff, do OSU College of Agricultural Sciences, e Jonathon Valente, ex-pesquisador de pós-doutorado do estado de Oregon e agora no U.S. Geological Survey, juntaram-se a Betts e Duarte no estudo, junto com Damon Lesmeister e Julianna Jenkins, do o Serviço Florestal.

    Mais informações: Adam Duarte et al, Monitoramento acústico passivo e redes neurais convolucionais facilitam o monitoramento de alta resolução e em larga escala de uma espécie ameaçada, Indicadores Ecológicos (2024). DOI:10.1016/j.ecolind.2024.112016
    Informações do diário: Indicadores Ecológicos

    Fornecido pela Oregon State University



    © Ciência https://pt.scienceaq.com