En todo el mundo, hay iniciativas para restaurar bosques, ya sea reforestando o permitiendo que la flora regrese en forma natural. A medida que crecen los árboles, puede ser difícil determinar si las comunidades de aves, insectos, ranas y otras formas de vida también están retornando.
Este reportaje fue originalmente publicado en Mongabay Latam
En el Chocó, al noroeste de Ecuador, uno de los bosques lluviosos más biodiversos del mundo, un grupo de científicos alemanes y ecuatorianos midió la recuperación de la biodiversidad en diferentes tipos de terrenos, incluyendo pastos, granjas activas, también las abandonadas donde se regeneran los bosques secundarios jóvenes y bosques primarios adultos.
Con el monitoreo de sonido y muestras de ADN, el equipo encontró que las especies estaban regresando a los bosques en restauración, después de un par de décadas.
Bosque primario en la reserva Canandé de Jocotoco en el Chocó ecuatoriano. Fotografía de Javier Aznar.
“Podemos ver cómo el bosque lluvioso del Chocó se restablece con el tiempo. Después de 25 años, muchas especies han regresado”, dice Martin Schaefer, uno de los coautores del estudio y director de la organización no gubernamental ecuatoriana Fundación Jocotoco. “Es un mensaje positivo que necesitamos llevar al público… En solo tres décadas, los bosques están creciendo de nuevo”.
Los investigadores también descubrieron que analizar sonidos de animales e insectos proporciona información sobre la biodiversidad general del bosque, incluyendo las criaturas silenciosas que no cantan, aúllan, pían o graznan.
El análisis de sonidos, junto con el uso de la inteligencia artificial, es una técnica efectiva y asequible para monitorear la recuperación de la biodiversidad en los bosques tropicales y, según los autores del estudio, estas herramientas son necesarias “para apoyar mecanismos de conservación basados en el mercado que pueden depender de la restauración forestal.
Entre estos, están los pagos por servicios ecosistémicos, compensaciones de biodiversidad y mercados de créditos”.
“Lo que han hecho es presentar un argumento convincente de que efectivamente el monitoreo acústico puede ser utilizado para evaluar la efectividad de un proyecto de restauración forestal”, dice Wesley Hochachka, ecólogo del Laboratorio de Ornitología de la Universidad de Cornell, que no participó en el estudio. “No conozco un examen o demostración más exhaustiva de que el potencial [del monitoreo acústico] es real y puede ser realizado”.
Mapa del estudio de Mueller et al con la ubicación de las parcelas de estudio.
Sonidos que dan pistas
El equipo de investigación estableció 43 parcelas a lo largo del bosque lluvioso de Chocó con diferentes estados de recuperación forestal. En cada parcela, utilizaron tres métodos de monitoreo acústico y uno basado en ADN.
En cada parcela, el equipo instaló cajas de grabación que capturaban todos los sonidos ambientales (como la lluvia y el viento), así como los ruidos realizados por insectos y vertebrados como las ranas, monos y aves.
El primer método acústico empleó expertos para escuchar segmentos grabados de 28 minutos e identificar mamíferos, aves y anfibios, según sus tipos de sonidos. Este es un método usado tradicionalmente, pero está limitado por la cantidad de datos que los humanos pueden procesar con su escucha, además de que puede ser costoso.
Una de las parcelas de pastizales estudiadas, donde el bosque fue talado hace décadas. Fotografía cortesía de la Fundación Jocotoco.
El segundo método utilizó grabaciones para crear un análisis de índice acústico, que describe cualidades como la complejidad y diversidad de sonidos. Por ejemplo, el paisaje sonoro de un bosque maduro es más diverso y, por lo tanto, más denso que el de un pastizal.
Un tercer mecanismo fue el uso de inteligencia artificial (IA), a través de un modelo de aprendizaje profundo (deep learning, en inglés) —un algoritmo de computadora que mejora con el aprendizaje, como el cerebro humano— llamado red neuronal convolucional (CNN, por sus siglas en inglés), un programa digital que asemeja un cerebro y que está enfocado en ver y entender imágenes. Este programa fue entrenado con grabaciones de 75 especies de aves conocidas. Una vez entrenado, el CNN esencialmente hizo el trabajo de los expertos en aves para identificar los sonidos animales, teniendo como insumo semanas de grabaciones en lugar de solo segmentos cortos.
“En lugar de tener que hacerlo manualmente con un experto, esto [la CNN] nos permitió realmente escalar nuestro modelo”, dice Schaefer.
Para el muestreo final con ADN, el equipo estableció trampas de luz para capturar insectos por la noche. Luego, utilizaron una técnica llamada en inglés metabarcoding —que consiste en caracterizar la biodiversidad o asignar taxonómicamente una especie con base en su ADN— para analizar y obtener una idea del tipo de insectos presentes.
Cajas de grabación de sonidos (izquierda) y trampas de luz automáticas (derecha) se instalaron en cada parcela para capturar sonidos e insectos nocturnos para evaluar la biodiversidad. Fotografía cortesía de la Universidad de Wurzburg.
Los datos acústicos de la IA se correlacionaron con los niveles generales de biodiversidad.
“Creo que el hallazgo más importante es que los modelos de IA nos permiten medir los niveles de biodiversidad relativamente bien, incluso en sus versiones simples”, dice Schaefer. “Estos modelos de IA también son un buen indicador para la recuperación de especies que no se escuchan en los paisajes sonoros del bosque”.
El modelo de red neuronal también rastreó los cambios en la comunidad de aves a lo largo de distintos tipos de parcelas estudiadas. Los resultados mostraron que la comunidad de animales cambió a lo largo de la escala de recuperación de las parcelas, con los bosques más maduros teniendo un paisaje sonoro único y más diverso.
Hay algunas salvedades sobre estos métodos. Por ejemplo, el monitoreo acústico no puede determinar si las especies (especialmente las aves) solo están de paso en los lugares donde es tomada su muestra o si habitan constantemente las zonas del estudio. Tampoco puede informar sobre la abundancia de especies en una parcela.
Llevar esta técnica a más bosques requerirá que los modelos de IA sean entrenados con datos de un mayor número y diversidad de sonidos de animales. Bibliotecas de sonidos como Xeno-Canto y la Biblioteca Macauley de Sonidos Naturales de Cornell están avanzando en esos objetivos, pero se necesita más investigación y financiamiento, dice Hochachka.
Sin embargo, el estudio demuestra que las grabaciones de sonido y la IA tienen el potencial de hacer que el monitoreo de la biodiversidad sea más transparente, accesible y que rinda cuentas. Los autores esperan que esto ayude a los administradores a evaluar si sus arduos esfuerzos están restaurando el bosque completo, no solo los árboles.
Únete a la GK Membresía y recibe beneficios como comentar en los contenidos y navegar sin anuncios.
Si ya eres miembro inicia sesión haciendo click aquí.
