Florence Erbs, Mike van derSchaar, Miriam Marmontel, Marina Gaona, Emiliano Ramalho, Michel André · Remote Sensing in Ecology and Conservation · 2025

Amazonian manatee critical habitat revealed by artificial intelligence‐based passive acoustic techniques

Resumo em português

RESUMO Para muitas espécies em risco, os desafios de monitoramento relacionados à baixa detectabilidade visual e comportamento evasivo limitam o uso de métodos visuais tradicionais para coletar informações críticas, dificultando o desenvolvimento de estratégias eficazes de conservação. A acústica passiva pode adquirir dados terrestres e subaquáticos de longo prazo de forma econômica. No entanto, para extrair informações valiosas de grandes conjuntos de dados, métodos automáticos precisam ser desenvolvidos, testados e aplicados. Combinando acústica passiva com modelos de aprendizado profundo, desenvolvemos um método para monitorar o secreto peixe-boi amazónico (Trichechus inunguis) ao longo de duas estações consecutivas de cheia nas planícies de inundação da Amazônia brasileira. Subsequentemente, investigamos parâmetros do comportamento vocal com base nas frequências de vocalização e características temporais no contexto do uso do habitat. Um modelo de Rede Neural Convolucional detectou com sucesso vocalizações do peixe-boi amazónico com precisão média de 0,98 nos dados de treinamento. Desempenho similar de classificação em termos de precisão (variação: 0,83–1,00) e sensibilidade (variação: 0,97–1,00) foi alcançado para cada ano. Usando este modelo, avaliamos a presença acústica do peixe-boi ao longo de um total de 226 dias compreendendo os períodos de gravação em 2021 e 2022. Vocalizações do peixe-boi foram consistentemente detectadas durante ambos os anos, alcançando até 94% de ocorrência temporal diária em 2021, e até 11 horas por dia com detecções durante o pico de presença. Os chamados do peixe-boi foram caracterizados por frequência enfatizada alta e alta taxa de repetição, sendo produzidos principalmente em sequências rápidas. Este comportamento vocal indica fortemente uma troca entre fêmeas e seus filhotes. Combinando monitoramento acústico passivo com modelos de aprendizado profundo, estendendo o monitoramento temporal e aumentando a detectabilidade da espécie, demonstramos que a abordagem pode ser usada para identificar habitats críticos do peixe-boi conforme a sazonalidade. O método combinado representa uma técnica confiável, econômica e escalável de monitoramento ecológico que pode ser integrada a protocolos padronizados e de longo prazo para espécies aquáticas. Isso pode beneficiar consideravelmente o monitoramento de regiões inacessíveis, como os sistemas de água doce da Amazônia, que enfrentam ameaças imediatas pelo aumento da construção de usinas hidrelétricas.

Resumo original em inglês

Abstract For many species at risk, monitoring challenges related to low visual detectability and elusive behavior limit the use of traditional visual surveys to collect critical information, hindering the development of sound conservation strategies. Passive acoustics can cost‐effectively acquire terrestrial and underwater long‐term data. However, to extract valuable information from large datasets, automatic methods need to be developed, tested and applied. Combining passive acoustics with deep learning models, we developed a method to monitor the secretive Amazonian manatee over two consecutive flooded seasons in the Brazilian Amazon floodplains. Subsequently, we investigated the vocal behavior parameters based on vocalization frequencies and temporal characteristics in the context of habitat use. A Convolutional Neural Network model successfully detected Amazonian manatee vocalizations with a 0.98 average precision on training data. Similar classification performance in terms of precision (range: 0.83–1.00) and recall (range: 0.97–1.00) was achieved for each year. Using this model, we evaluated manatee acoustic presence over a total of 226 days comprising recording periods in 2021 and 2022. Manatee vocalizations were consistently detected during both years, reaching 94% daily temporal occurrence in 2021, and up to 11 h a day with detections during peak presence. Manatee calls were characterized by a high emphasized frequency and high repetition rate, being mostly produced in rapid sequences. This vocal behavior strongly indicates an exchange between females and their calves. Combining passive acoustic monitoring with deep learning models, and extending temporal monitoring and increasing species detectability, we demonstrated that the approach can be used to identify manatee core habitats according to seasonality. The combined method represents a reliable, cost‐effective, scalable ecological monitoring technique that can be integrated into long‐term, standardized survey protocols of aquatic species. It can considerably benefit the monitoring of inaccessible regions, such as the Amazonian freshwater systems, which are facing immediate threats from increased hydropower construction.

Espécies citadas

• Trichechus inunguis · peixe-boi amazónico
  ?

  Nomes populares variam entre regiões e uma mesma palavra pode designar espécies diferentes. Confira sempre o nome científico: Trichechus inunguis.