Automatic Identification of Transformation in the Colombian Tropical Dry Forest Using GMM and UBM-GMM

En particular, el bosque seco tropical (BST) de Colombia es uno de los ecosistemas más amenazados, en razón de factores como el crecimiento de la población, las grandes extensiones de tierras ganaderas y la deforestación para la exploración agrícola desde los tiempos coloniales. Para guiar las políticas de conservación del medio ambiente, es indispensable establecer el estado de perturbación de cada ecosistema. Existen dos indicadores importantes para comprender este estado. El primero es la permanencia, que permite identificar la capacidad de los ecosistemas para persistir en su estado original, a pesar de las distintas perturbaciones. El segundo es la transformación, que se asocia con el grado de transición de un ecosistema alterado. Tradicionalmente, los expertos en conservación miden estos indicadores mediante la observación directa, creando inventarios de especies. Este método tiene varias desventajas, como ineficiencia de costos, mucho tiempo para el análisis de grandes extensiones de tierra y perturbación de los sitios estudiado. Se han propuesto métodos alternativos para medir la transformación y la permanencia de los ecosistemas, como la ecología acústica. Esta disciplina se enfoca en el análisis de los sonidos producidos por los animales para estudiar sus comportamientos, formas de comunicación y áreas de hábitat. La ecología acústica se ha convertido en una herramienta valiosa para la conservación del medio ambiente, ya que permite la detección de cambios en la biodiversidad y la identificación de áreas de conservación prioritarias. Se ha propuesto un método para identificar automáticamente la transformación del bosque seco tropical (BST) de Colombia mediante grabaciones acústicas. El método se basa en dos modelos de clasificación: Gaussian Mixture Models (GMM) y Universal Background Model (UBM). El GMM se ha probado en dos sitios locales (La Guajira y Bolívar) y ha alcanzado una precisión de 93% y 89% para cada uno, respectivamente. El modelo general UBM ha logrado una precisión de 84%.