Aplicação de métodos de machine learning para detecção do dimorfismo sexual vocal em espécies de aves da família Thamnophilidae

• Processo: 23/09512-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 24 de dezembro de 2023
• Data de Término da vigência: 23 de abril de 2024
• Área de conhecimento: Ciências Biológicas - Zoologia
• Pesquisador responsável: Reginaldo José Donatelli
• Beneficiário: Enrico Lopes Breviglieri
• Supervisor: Larissa Sayuri Moreira Sugai
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Instituição Anfitriã: Cornell University, Estados Unidos
• Vinculado à bolsa: 22/04384-7 - Dimorfismo sexual vocal em três espécies de Thamnophilidae (Aves: Passeriformes) em regiões de Cerrado no Sudeste do Brasil, BP.IC
• Assunto(s): Bioacústica Dimorfismo Aprendizado computacional Comportamento animal Relações interpessoais
• Palavra(s)-Chave do Pesquisador: Bioacústica | dimorfismo | machine learning | Variação vocal | Bioacústica

Resumo

A comunicação é fundamental no estudo do comportamento animal, pois as interações sociais são baseadas na troca de informações. Nas vocalizações, encontramos diferenças entre espécies e uma ampla variação de sinais vocais em diferentes níveis de organização. Nesse contexto, o dimorfismo sexual vocal é um dos elementos que pode ajudar a determinar equilíbrio de populações e outros fatores essenciais para a conservação da biodiversidade. Recentemente, novos métodos têm sido desenvolvidos para detectar e analisar automaticamente as vocalizações das espécies, de forma que cada vez menos tempo seja gasto com essa tarefa. Dessa forma, esse estudo terá por objetivo utilizar modelos de aprendizado de máquina (machine learning) supervisionados e não supervisionados para detectar o dimorfismo sexual nas vocalizações de quatro espécies de Thamnophilidae (Aves: Passeriformes) no Cerrado do estado de São Paulo. As aves da família Thamnophilidae possuem um canto espécie-específico, que é emitido por ambos os sexos e que pode estar envolvido tanto em defesa territorial quanto em comportamento social por meio de duetos produzidos a partir do encontro de parceiros. Quatro espécies da família cujos membros possuem dimorfismo sexual externo foram selecionadas: Herpsilochmus atricapillus, Herpsilochmus longirostris, Thamnophilus doliatus, e Thamnophilus pelzelni. Na primeira etapa do projeto, foi determinado que há dimorfismo sexual vocal nessas espécies. Com os dados coletados anteriormente, as vocalizações serão caracterizadas a partir de diferentes variáveis, e, posteriormente, serão utilizados métodos de análise supervisionados, que nos ajudarão a entender como aplicar a análise automatizada em novas gravações, e não supervisionados, que permitirão uma melhor compreensão de quais são as diferenças entre os cantos de machos e fêmeas. Como métodos supervisionados, serão utilizados os modelos ocultos de Markov, modelos desenvolvidos com o uso de algoritmos como o Koogu e o BirdNET, e o support vector machine. Já como métodos não supervisionados, serão utilizados Affinity Propagation Clustering, K-medoids, e Gaussian mixture model-based clustering. Ao final, validaremos os modelos com métricas de revocação, precisão e o método Area Under the Curve (AUC). A partir desse estudo, espera-se estabelecer modelos para a detecção e análise automatizada do dimorfismo sexual vocal, contribuindo para o monitoramento e a conservação da biodiversidade. (AU)