Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10495/13302
Título : Methodology for ecosystem change assessing using ecoacoustics analysis
Autor : Duque Montoya, Diana Carolina
metadata.dc.contributor.advisor: Isaza Narváez, Claudia Victoria
metadata.dc.subject.*: Ecoacoustics analysis
Ecosystem change
Gaussian mixture emissions
Methodology
Fecha de publicación : 2019
Citación : Duque Montoya, D. C. (2019). Methodology for ecosystem change assessing using ecoacoustics analysis (Tesis de maestría). Universidad de Antioquia, Medellín, Colombia.
Resumen : RESUMEN: La ecoacústica se ha convertido en un área de creciente interés para el monitoreo de ecosistemas. Entre las principales ventajas que presenta sobre las técnicas tradicionales se encuentran su bajo costo, poca afectación al entorno y simplicidad; además de que la distribución de varias grabadoras hace posible la recolección de más información. Sin embargo, para estudios de largo plazo, la cantidad de datos hace que la inspección manual de las grabaciones sea una tarea tediosa y por consiguiente el análisis sea limitado. Como alternativa a la inspección manual, una serie de índices han sido propuestos para resumir la información acústica de las grabaciones. No obstante, estos índices han sido aplicados principalmente a estudios de biodiversidad y su relación con el estado del ecosistema no es claro aún. En este trabajo se confió en la robustez del ANOVA frente a datos que no se distribuyen normalmente para proponer una metodología de selección de los mejores índices o descriptores acústicos para una aplicación específica y usarlos para modelar los patrones del paisaje acústico del ecosistema con modelos ocultos de Markov y emisiones por mezclas Gaussianas (GMMHMM). Además, el conjunto de descriptores que entran al modelo incluye por defecto un indicador de biodiversidad para cada banda de 1kHz. Esta metodología fue aplicada a dos casos colombianos con tipos de ecosistema definidos. En el primer caso, una serie de grabaciones de bosque, rastrojo y pastizal fueron colectados por más de un año en el este de Antioquia. La segunda aplicación buscaba encontrar patrones de paisaje acústico de las transformaciones de bosque seco en dos regiones del caribe colombiano. El modelo identificó seis y tres patrones acústicos para la primera y segunda base de datos respectivamente. En la primera aplicación, se encontraron sonidos continuos, alta intensidad biofónica y ocupación de varias bandas en los patrones asociados a bosque, mientras que en los rastrojos se presentó más entropía, que se relaciona con alta presencia geofónica, lo que limita la actividad biofónica. Finalmente los paisajes acústicos de pastizal alternaron entre periodos de alta geofonía y alta complejidad frecuencial, haciéndolo un ecosistema intermedio en el sentido acústico. La adaptación del modelo para clasificación resultó en la identificación del 81% de las muestras de bosque, 96,6 % de las muestras de rastrojo y 51,2 % de las muestras de pastizal. Los resultados de clasificación para la segunda aplicación no fueron altos, con 68% para las muestras de baja transformación, 58,9% para la transformación media y 31,8% para la transformación alta. No obstante, las matrices de confusión indicaron que las muestras de entrenamiento no fueron suficientes, y que debería proporcionarse mayor muestreo para obtener mejores resultados. Dado que GMMHMM es un modelo secuencial, también presentó la configuración temporal de los patrones acústicos dadas sus probabilidades de transición. Esta característica nos permitió destacar la importancia de la conservación, cuando encontramos que los estados más estables e inaccesibles fueron asociados a los ecosistemas más diversos acústicamente.
ABSTRACT: Ecoacoustics has become a field of growing interest for ecosystem monitoring. Its main advantages over traditional methods include cost effectiveness, non-invasiveness and simplicity; besides the distribution of many recorder units makes possible the recollection of more information. However, for long term studies, the quantity of collected data makes the manual inspection of recordings a cumbersome task, leading to reduced analysis. As an alternative to manual inspection, a series of indices have been proposed to summarize the acoustical information in recordings. Nonetheless, these indices have been applied mainly to biodiversity studies and their connection to ecosystem state is still not clear. In this work we trusted ANOVA robustness for non-normal data for proposing a methodology that selected the best acoustical indices or features for a specific application and used them to model the ecosystem soundscape patterns with hidden Markov models and Gaussian mixture emissions (GMMHMM). Additionally, the set of input features included by default a biodiversity indicator per 1kHz band. This methodology was applied to two Colombian cases with defined ecosystem types. In the first case, a series of forest, stubble and pasture recordings were collected for over a year in the east of Antioquia. The second application aimed to find the soundscape patterns of dry forests transformations in two regions of the Colombian Caribbean. The model identified six and three soundscape patterns for the first and second dataset respectively. In the first application, continuous sounds, high biophonic intensity and multiple occupied frequency bands were found in the patterns associated to forest sites; on the other hand, stubble sites presented more general entropy, which we related to high geophonic presence, preventing biophonic activity. Lastly, pasture soundscapes alternated between periods of high geophony and high frequency complexity, making it an intermediate ecosystem in the acoustical sense. The adaptation of the model for classification resulted in the identification of 81% of the forest samples, 96.6% of the stubble samples and 51.2% of the pasture samples. The classification results for the second application were not as high, with 68% for the low transformation samples, 58.8% for the medium transformation and 31.8% for the high transformation. Nonetheless, the confusion matrices indicated that the training samples were not enough, and more sampling should be provided for attaining better results. Given that GMMHMM is a sequential model, it also presented the temporal configuration of the acoustical patterns by their transition probabilities. This feature allowed us to emphasize the importance of conservation, when we found that the most stable and inaccessible states were associated to the most acoustically diverse ecosystems.
Aparece en las colecciones: Maestrías en Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MIE 12708.pdfTesis de maestría1.93 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons

 


Gestión de T.I. /Sistema de Bibliotecas / Universidad de Antioquia / Cl. 67 Nº 53 - 108 - Bloque 8 Conmutador: 219 51 51- 219 51 40 bibliotecadigital@udea.edu.co Medellín - Colombia