Detección automatizada de cantos de aves continúa siendo un desafío: el caso de warbleR y Megascops centralis (búho del Chocó)

Palabras clave

Automatic detection
WarbleR Autodetec
Detección automática

Cómo citar

Hoyos Cardona, L. A., Ulloa, J., & Parra Vergara, J. L. (2021). Detección automatizada de cantos de aves continúa siendo un desafío: el caso de warbleR y Megascops centralis (búho del Chocó). Biota Colombiana, 22(1), 149–163.


El monitoreo acústico permite evaluar cambios espacio-temporales en poblaciones animales. Sin embargo, analizar grandes volúmenes de información es desafiante. Se evaluó el desempeño de una técnica de detección (función autodetec del paquete warbleR de R) para identificar vocalizaciones de Megascops centralis, utilizando 6877 grabaciones de un minuto provenientes de grabadoras ubicadas en 21 sitios alrededor del embalse Jaguas, Andes de Antioquia, Colombia. Las vocalizaciones se anotaron manualmente y se seleccionaron dos sitios (597 grabaciones) con el mayor número de registros (49 y 34) para la evaluación del algoritmo. La función fue utilizada con audios a dos tasas de muestreo (44 100 Hz y 22 050 Hz) y tres umbrales de amplitud (5, 10 y 20). Se evaluó el desempeño de la función en términos de su sensibilidad y especificidad, y se estimó la probabilidad de detección de una vocalización según su calidad. La sensibilidad y especificidad presentaron gran variación (0-0.48 y 0.5-0.98 respectivamente). La probabilidad de detección de una señal aumentó con su calidad (mala: 0.12, media: 0.27 y buena: 0.64). El monitoreo acústico tiene gran potencial, y parte de su éxito depende de herramientas de reconocimiento automático, de acceso abierto y fácil implementación. Este desarrollo puede acelerarse fortaleciendo nuestras colecciones sonoras.


Aide, T. M., Corrada-Bravo, C., Campos-Cerqueira, M., Milan, C., Vega, G., & Alvarez, R. (2013). Real-time bioacoustics monitoring and automated species identification. PeerJ, 2013(1), 1-19.

Almeira, J., & Guecha, S. (2019). Dominant power spectrums as a tool to establish an ecoacoustic baseline in a premontane moist forest. Landscape and Ecological Engineering, 15(1), 121-130.

Analytics, S. (2015). Arbimon II: Bio-acoustics analysis platform. Retrieved from

Araya-Salas, M., & Smith-Vidaurre, G. (2017). warbleR: an r package to streamline analysis of animal acoustic signals. Methods in Ecology and Evolution, 8(2), 184-191.

Araya-Salas, M., & Smith-Vidaurre, G. (2018). Package “warbleR.”

Baldo, S., & Mennill, D. J. (2011). Vocal behavior of Great Curassows, a vulnerable Neotropical bird. Journal of Field Ornithology, 82(3), 249-258.

Bardeli, R., Wolff, D., Kurth, F., Koch, M., Tauchert, K. H., & Frommolt, K. H. (2010). Detecting bird sounds in a complex acoustic environment and application to bioacoustic monitoring. Pattern Recognition Letters, 31(12), 1524-1534.

Bates, D., Maechler, M., Bolker, B., Walker, S., Crhristensen Bojesen, R. H., Singmann, H., … Scheipl, F. (2020). Package “lme4.” R topics docoumented.

Blumstein, D. T., Mennill, D. J., Clemins, P., Girod, L., Yao, K., Patricelli, G., … Hanser, S. . (2011). Acoustic monitoring in terrestrian environments using michrophone arrays: applications, technological considerations and prospectus. Journal of Applied Ecology, 48(3), 758-767.

Byrnes, R. M. (2013). Assessing bioacoustic techniques for inventory and monitoring of forest owls in the Central Sierra Nevada, California. (Tesis). Humboldt State University, Science department. 50 pp.

Campos-Cerqueira, M., & Aide, T. M. (2016). Improving distribution data of threatened species by combining acoustic monitoring and occupancy modelling. Methods in Ecology and Evolution, 7(11), 1340-1348.

Claudino, R. M., Carlos, M.-J. J., & Antonini, Y. (2018). Owl assemblages in fragments of atlantic forest in brazil. Ornitología Neotropical, (29), 281-288.

Dantas, S. M., Weckstein, J. D., Bates, J. M., Krabbe, N. K., Cadena, C. D., Robbins, M. B., … Aleixo, A. (2016). Molecular systematics of the new world screech-owls (Megascops: Aves, Strigidae): Biogeographic and taxonomic implications. Molecular Phylogenetics and Evolution, 94, 626-634.

Darras, K., Furnas, B., Fitriawan, I., Mulyani, Y., & Tscharntke, T. (2018). Estimating bird detection distances in sound recordings for standardizing detection ranges and distance sampling. Methods in Ecology and Evolution, 9(9), 1928-1938.

Deichmann, J. L., Acevedo-Charry, O., Barclay, L., Burivalova, Z., Campos-Cerqueira, M., d’Horta, F., Game, E. T., Gottesman, B. L., Hart, P. J., Kalan, A. K., Linke, S., Nascimento, L. Do, Pijanowski, B., Staaterman, E., & Mitchell Aide, T. (2018). It’s time to listen: there is much to be learned from the sounds of tropical ecosystems. Biotropica, 50(5), 713-718.

Ferraz, G., Sberze, M., & Cohn-Haft, M. (2010). Using occupancy estimates to fine-tune conservation concerns. Animal Conservation, 13(1), 19-20.

Goyette, J. L., Howe, R. W., Wolf, A. T., & Robinson, W. D. (2011). Detecting tropical nocturnal birds using automated audio recordings. Journal of Field Ornithology, 82(3), 279-287.

Heinicke, S., Kalan, A. K., Wagner, O. J. J., Mundry, R., Lukashevich, H., & Kühl, H. S. (2015). Assessing the performance of a semi-automated acoustic monitoring system for primates. Methods in Ecology and Evolution, 6(7), 753-763.

Kalan, A. K., Mundry, R., Wagner, O. J. J., Heinicke, S., Boesch, C., & Kühl, H. S. (2015). Towards the automated detection and occupancy estimation of primates using passive acoustic monitoring. Ecological Indicators, 54, 217-226.

Katz, J., Hafner, S. D., & Donovan, T. (2016). Tools for automated acoustic monitoring within the R package monitoR. Bioacoustics, 25(2), 197-210.

Keen, S. C., Shiu, Y., Wrege, P. H., & Rowland, E. D. (2017). Automated detection of low-frequency rumbles of forest elephants: A critical tool for their conservation. The Journal of the Acoustical Society of America, 141(4), 2715-2726.

König, C., Weick, F., & Jan-Hendrik, B. (2008). Owls of the World. Helm Identification guides. London. 528 pp.

Krabbe, N. K. (2017). A new species of Megascops (strigidae) from the Sierra Nevada de Santa Marta, Colombia, with notes on voices of new world screech-owls. Ornitologia Colombiana, 2017(16).

Kuhn, M. (2011). The caret Package (pp. 1-27). Retrieved from

Marsland, S., Priyadarshani, N., Juodakis, J., & Castro, I. (2019). AviaNZ: A future-proofed program for annotation and recognition of animal sounds in long-time field recordings. Methods in Ecology and Evolution, 10(8), 1189-1195.

Marten, K., Quine, D., & Marler, P. (1977). Sound transmission and its significance for animal vocalization - II. Tropical forest habitats. Behavioral Ecology and Sociobiology, 2(3), 291-302.

Nagy, C. M., & Rockwell, R. F. (2012). Identification of individual Eastern Screech-Owls Megascops asio via vocalization analysis. Bioacoustics-the International Journal of Animal Sound and Its Recording, 21(2), 127-140.

Nyquist, H. (1928). Certain topics in telegraph transmission theory. Transaction American Institute of Electrical Engineers, 614-644.

Ovaskainen, O., Moliterno de Camargo, U., & Somervuo, P. (2018). Animal Sound Identifier (ASI): software for automated identification of vocal animals. Ecology Letters, 21(8), 1244-1254.

Parker, T. (1991). On the use of tape recorders in avifaunal surveys. The Auk: Ornithological Advances, 108(02), 443-444.

Program B. R. (2011). Raven Pro: Interactive sound analysis software (1.5). The Cornell Lab of Ornithology.

Ralph, C. J., Geupel, G. R., Pyle, P., Martin, T. E., & DeSante, D. F. (1993). Handbook of Field Methods for Monitoring Landbirds. Pacific Southwest Research Station, Albany, California.

Ranft, R. (2004). Natural sound archives: Past, present and future. Anais da Academia Brasileira de Ciencias, 76(2), 455-465.

Rosado-Hidalgo, S. (2018). To sing or not to sing: Effects of the moon cycles on the vocal activity of American owls. [Pontificia Universidad Javeriana].,

SACC. (2018). Proposal (771) to South American Classification Committee Break up Megascops guatemalae into several species (II). Retrieved April 18, 2020, from

Sberze, M., Cohn-Haft, M., & Ferraz, G. (2010). Old growth and secondary forest site occupancy by nocturnal birds in a neotropical landscape. Animal Conservation, 13(1), 3-11.

Sethi, S. S., Ewers, R. M., Jones, N. S., Signorelli, A., Picinali, L., & Orme, C. D. L. (2020). SAFE Acoustics: An open-source, real-time eco-acoustic monitoring network in the tropical rainforests of Borneo. Methods in Ecology and Evolution, 2020(February), 1-4.

Stowell, D., Wood, M. D., Pamuła, H., Stylianou, Y., & Glotin, H. (2019). Automatic acoustic detection of birds through deep learning: The first bird audio detection challenge. Methods in Ecology and Evolution, 10(3), 368-380.

Ulloa, J. S., Gasc, A., Gaucher, P., Aubin, T., Réjou-Méchain, M., & Sueur, J. (2016). Screening large audio datasets to determine the time and space distribution of Screaming Piha birds in a tropical forest. Ecological Informatics, 31, 91-99.

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2021 Instituto de Investigación de Recursos Biológicos Alexander Von Humboldt


Los datos de descargas todavía no están disponibles.