Changsoo Kim, GuhnHyeok Ko, Dong-Guk Paeng · Ecological Informatics · 2026

Beyond approach distance: A drone–hydrophone integrated framework for quantifying vessel noise masking risk to free ranging wild dolphins

Resumo em português

Quantificar os níveis de ruído recebidos em posições georreferenciadas de mamíferos marinhos livres requer a fusão de fluxos de dados heterogêneos e de alta resolução provenientes de múltiplas modalidades sensoriais — um desafio ainda não abordado. Este estudo apresenta uma estrutura de informática ecológica que integra vídeo aéreo baseado em drone, detecção de embarcações baseada em YOLO, um algoritmo personalizado de geoconversão (GeoConvertor) para transformação de pixels em coordenadas geográficas utilizando telemetria de voo, e monitoramento acústico passivo simultâneo para estimar níveis acústicos fonte específicos de embarcações e exposição ao ruído espacialmente explícita em posições georreferenciadas dos animais. A estrutura foi implantada em um cenário costeiro de observação de golfinhos próximo à Ilha de Jeju, Coreia do Sul, processando 187 trajetórias de passagem de embarcações em quatro categorias e 471 eventos anotados de surfacing do golfinho-nariz-de-garrafa-do-Índico (Tursiops aduncus) ao longo de 11 dias de observação. O GeoConvertor alcançou estabilidade posicional quadro a quadro sub-métrica (erro médio: 0,15 ± 0,08 m), com erro quadrático médio (RMSE) na estimativa de velocidade de 1,27–3,11 km/h (0,68–1,68 kt) para alvos terrestres em velocidades de 15–35 km/h e de 0,23–0,79 kt para alvos marítimos em velocidades de 3–18 kt a 100 m de altitude operacional. A regressão linear da velocidade de embarcações derivada do drone contra os níveis acústicos fonte medidos por hidrofone revelou relações fortemente dependentes da categoria da embarcação, com coeficientes angulares variando de 0,17 a 1,77 dB/kt em bandas de frequência que se sobrepõem à faixa de assobios dos golfinhos (5,3–12,5 kHz). A análise espacial centrada no golfinho e o mapeamento de superação de limiares indicaram que embarcações de pequeno porte exibiram a maior proporção de encontros que excederam o conservador critério de mascaramento de 3 dB (93%). Em comparação, embarcações de grande porte apresentaram alta superação do limiar de 6 dB (25%), apesar de manterem maiores distâncias de afastamento, sendo o tipo de embarcação — e não a proximidade — o preditor dominante da exposição ao ruído. A estrutura demonstra como a fusão de dados multissensoriais e a detecção de objetos baseada em aprendizado profundo podem gerar estimativas de exposição ao ruído espacialmente explícitas e ecologicamente aplicáveis em posições georreferenciadas de surfacing animal inacessíveis a qualquer modalidade única de monitoramento, com potencial de aplicação em outros contextos de turismo com cetáceos e monitoramento de ruído de embarcações.

Resumo original em inglês

Quantifying received noise levels at georeferenced positions of free-ranging marine mammals requires the fusion of heterogeneous, high-resolution data streams from multiple sensor modalities — a challenge that has not been addressed. This study presents an ecological informatics framework that integrates drone-based aerial video, YOLO-based vessel detection, a custom geoconversion algorithm (GeoConvertor) for pixel-to-geographic coordinate transformation using flight telemetry, and concurrent passive acoustic monitoring to estimate vessel-specific acoustic source levels and spatially explicit noise exposure at georeferenced animal positions. The framework was deployed in a coastal dolphin-watching setting off Jeju Island, South Korea, processing 187 vessel passage tracks across four vessel categories and 471 annotated Indo-Pacific bottlenose dolphin ( Tursiops aduncus ) surfacing events over 11 observation days. The GeoConvertor achieved sub-metric frame-to-frame positional stability (mean error: 0.15 ± 0.08 m), with velocity estimation RMSE of 1.27–3.11 km/h (0.68–1.68 kt) for land-based targets across speeds of 15–35 km/h and 0.23–0.79 kt for maritime targets across speeds of 3–18 kt at 100 m operational altitude. Linear regression of drone-derived vessel speed against hydrophone-measured source levels revealed strongly vessel-category-dependent relationships, with slope coefficients ranging from 0.17 to 1.77 dB/kt across frequency bands overlapping the dolphin whistle range (5.3–12.5 kHz). Dolphin-centric spatial analysis and threshold exceedance mapping showed that small-sized boats exhibited the highest proportion of encounters exceeding the conservative 3 dB masking criterion (93%). In comparison, large-sized boats showed the high exceedance of the 6 dB threshold (25%) despite maintaining greater standoff distances, with vessel type — rather than proximity — emerging as the dominant predictor of noise exposure. The framework demonstrates how multi-sensor data fusion and deep learning-based object detection can generate ecologically actionable, spatially explicit noise exposure estimates at georeferenced animal surfacing positions that are inaccessible to any single monitoring modality and are potentially transferable to other cetacean tourism settings and vessels noise monitoring contexts.

Espécies citadas

• Tursiops aduncus · golfinho-nariz-de-garrafa-do-Índico
  ?

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