
|
|
|
Automated remote data collection as a new tool to monitor tropical biodiversity and exotic species. Acevedo Torres, Miguel*,1, Aide, T. Mitchell1, Corrada-Bravo, Carlos1, Villanueva-Rivera, Luis*,1, 1 University of Puerto Rico, Río Piedras, PR, USA ABSTRACT- Our present understanding of biological systems is inadequate because our knowledge is based on a very limited spatial and temporal coverage. Given the cost of having experts in the field, data collection is concentrated in a few sites (e.g. research stations), and this highly aggregated distribution of information limits our ability to understand large-scale ecological processes and to properly manage large areas. From both a conceptual and management perspective there is an urgent challenge to increase biological data collection over large areas. Here we present a protocol and preliminary data on an Automated Remote Biodiversity Monitoring Network (ARBIMON). We will test ARBIMON in 16 sites located at high elevation (>800 m) in the island of Puerto Rico. In each site a monitoring station composed of an omni directional microphone and transmitter will collect long term acoustic data of birds and amphibians continuously for 24 hours. The sound data is sent to a by a wireless transmitter to a data analysis node were mini computers will automatically identified species using machine learning algorithms such as artificial neural networks, turbo-code hidden markov models and decision trees. We have already modeled amphibians as a decision tree, in which frequency of call, duration of call and time between calls identifies each species. Given the more complex structure of bird calls, artificial neural networks or turbo-code Hidden Markov Models will be used to automate the species identification process. ARBIMON will be useful to increase the spatial and temporal coverage of data available to study natural fluctuations in bird and amphibian communities and also to keep track of exotic species invasions in real time. SPANISH ABSTRACT- Nuestro conocimiento actual sobre sistemas biológicos es inadecuado porque la mayor parte está basado en una escala espacial y temporal pequeña. El alto costo de tener expertos en el campo colectando datos hace que el conocimiento que tenemos esté restringido a algunos pocos sitios (e.g. estaciones biológicas), y esta distribución altamente agregada limita nuestra capacidad para entender procesos ecológicos a grandes escalas y manejar áreas a la escala del paisaje. Desde un punto de vista conceptual y de manejo existe la necesidad de colectar datos a grandes escalas. Presentamos un nuevo protocolo y datos preliminares sobre una red remota y automatizada para el monitoreo de biodiversidad (ARBIMON por sus siglas en inglés). Probaremos ARBIMON en 16 sitios localizados en altas elevaciones (>800 m) en la isla de Puerto Rico. En cada sitio una estación de monitoreo compuesta de un micrófono omni direccional y un transmisor colectarán datos a largo plazo de sonido de aves y anfibios continuamente por 24 horas. Estos datos de sonido son enviados por un transmisor inalámbrico a un nodo de análisis donde mini-computadoras llevarán a cabo la identificación automática de especies por medio de algoritmos de inteligencia artificial como redes neurálgicas artificiales, turbo-code/cadenas ocultas de Markov, y árbol decisional. Nosotros hemos modelado los anfibios como un árbol decisional en el cual la frecuencia de la llamada, la duración de la llamada y el tiempo entre llamadas identifican las distintas especies. Dada la estructura más compleja de los cantos de las aves, redes neurálgicas artificiales y turbo-code/cadenas ocultas de Markov serán necesarias para identificar automáticamente estas especies. ARBIMON será útil para aumentar la cobertura espacial y temporal de los datos disponibles para estudiar fluctuaciones naturales en comunidades de aves y anfibios y también para detectar la invasión de especies exóticas en tiempo real. |
All materials copyright The Ecological Society of America (ESA), and may not be used without written permission.