A finales de 2019 comenzamos a evaluar el potencial de las cámaras trampa para entender el uso del hábitat por aves playeras. Las cámaras nos permitieron recolectar mucha información del comportamiento de las aves,pero generaron un nuevo reto, el análisis de miles de fotografías y videos. Es así como nació Tringa, una herramienta de software que usa técnicas de visión artificial para analizar fotografías y video y permite contar aves de manera automática. Las aves playeras, en la costa del Pacífico de Colombia se enfrentan a un hábitat cambiante. Usan planos intermareales que se inundan y despejan con regularidad por acción de la marea con más de 3.5 metros de diferencia entre el nivel más bajo y más alto. En una misma localidad, este hábitat puede extenderse por centenares de hectáreas, lo que hace difícil la observación simultánea de los lugares usados por las aves a lo largo del ciclo mareal. Muchas de estas localidades en Colombia son remotas, de difícil acceso o con una logística costosa y compleja para desplazar equipos numerosos. Un escenario de observación tradicional, es virtualmente imposible en estas circunstancias, incluso si uno contara con todo el personal entrenado, jornadas de observación de más de 6-7h serían un reto para mantener la moral del equipo y garantizar que la fatiga no impacte la calidad de los datos. En estas circunstancias, las cámaras nos permitieron lograr una amplia cobertura simultánea del área de estudio y con una resolución espacial (10x10m) y temporal muy finas (minuto a minuto). https://www.youtube.com/watch?v=lHaFBLys_Ns Las cámaras, fueron configuradas para realizar el monitoreo continuo de un lugar y registrar cada minuto la actividad de las aves. Como resultado obtuvimos varios cientos de archivos, logramos acumular 20.000 fotografías y 3000 videos, en apenas siete días de campo. Para analizar ese volumen de información de manera eficiente, se diseñó Tringa. Tringa es un software de descarga gratuita que incluye módulos para el conteo automático de aves a partir de fotografías y video. Esto es posible gracias a las redes neuronales, una técnica de aprendizaje de máquina entrenada con miles de recuadros de “aves” y “fondos” para detectar aves en planos intermareales. A través de un “umbral” los usuarios pueden ajustar la probabilidad de detección de “ave” y elegir entre varios tipos de modelos. El resultado es el número de aves presentes en cada imagen. El desempeño de los modelos varía según la complejidad del fondo y la distancia a la cual se encuentran las aves. La mayor ventaja de Tringa es una interfaz amigable para usuarios sin experiencia en programación y con videos demostrativos que explican paso a paso las rutinas de análisis. Resultado del módulo de análisis de imagen. El usuario puede elegir una sección de la imagen, los cuadros azules indican aves detectadas. Recomendaciones para usar la aplicación Tringa fue diseñado para cámaras trampa y entrenado con este tipo de imágenes, pero en principio, podría usarse con fotografías o video de cualquier tipo de cámara. En términos generales se requieren imágenes de alta resolución (>20Mp) que abraquen la parcela de interés, por ejemplo, un recuadro de hábitat de 10x10m justo en frente a la cámara. En las sesiones campo se recomienda evitar la incidencia de luz directa y para los videos, soportes estables (trípodes pesados o anclados) o barreras que reduzcan el movimiento asociado al viento. El ángulo de cámara dependerá mucho de condiciones locales, pero en general, se recomienda ubicarla en una posición alta (no sobre el sustrato, sino al menos 1 metro arriba) y la una inclinación hacia la región más próxima. Clic aquí si te interesa ver una presentación sobre Tringa. Tringa es una de las nuevas herramientas para el estudio de ecosistemas costeros que estamos desarrollando como parte del proyecto Estuarios del Futuro. Fue desarrollado por el Grupo Sistemic de la Universidad de Antioquia (tesis de pregrado de ingeniería electrónica de Daniel Lopez) y la Asociación Calidris con el apoyo del programa de Becas de Soluciones Costeras del Laboratorio de Ornitología de Cornell y el grupo de Geociencias de INVEMAR. Cualquier inquietud sobre el software y sus algoritmos puede dirigirla a victoria.isaza@udea.edu.co y cualquier inquietud sobre aplicaciones de este software a otros ecosistemas o especies: richard.johnston@cornell.edu. Por: Richard Johnston Twitter: @johnstongonzal
