Uso de redes neuronales convolucionales para contar las entradas a nidos de loros en fotografías de la colonia más grande conocida de psitaciformes. Articulo de Investigacion Abstracto El conteo de poblaciones animales es fundamental para comprender los procesos ecológicos. Los conteos permiten estimar el tamaño de una población animal en puntos específicos del tiempo, lo cual es información esencial para comprender el cambio demográfico. Sin embargo, en el caso de poblaciones grandes, los conteos consumen mucho tiempo, en particular si se realizan manualmente. Aquí, aprovechamos las redes neuronales convolucionales (CNN) para contar el número total de entradas de nidos en 222 fotografías que cubren la colonia de Psittaciformes (Aves) más grande conocida en el mundo. Realizamos nuestro estudio en la colonia más grande de loros barranqueros Cyanoliseus patagonus , ubicada en un acantilado frente al océano Atlántico en las cercanías de la aldea El Cóndor, en el noreste de la Patagonia, Argentina. También nos propusimos investigar la distribución de las entradas de nidos a lo largo del acantilado donde se encuentra la colonia. Para esto, utilizamos tres arquitecturas CNN, U-Net, ResUnet y DeepLabv3. La arquitectura U-Net mostró el mejor desempeño, contando una media de 59.842 entradas de nidos de loros barranqueros en toda la colonia, con un error absoluto medio de 2,7 entradas de nidos en las áreas de prueba, medido como la diferencia entre los recuentos reales y previstos por área. En comparación con un estudio previo realizado en la colonia El Cóndor hace más de 20 años, las arquitecturas CNN también detectaron diferencias notables en la distribución de las entradas de nidos a lo largo del acantilado. Mostramos que los fuertes cambios observados en la distribución de las entradas de nidos son un efecto medible de un largo historial de perturbaciones inducidas por el hombre en la colonia de loros barranqueros en El Cóndor. Dada la importancia primordial de la colonia de loros barranqueros en El Cóndor, que concentra el 71% de la población mundial de esta especie, defendemos que es imperativo reducir tal grado de perturbación antes de que los loros alcancen el límite de su capacidad de adaptación. 1 INTRODUCCIÓN La cuantificación de las poblaciones animales proporciona información fundamental para comprender los procesos y mecanismos ecológicos y evolutivos (Liu et al., 2020 ; Robinson et al., 2022 ; Volkov et al., 2003 ). También es un requisito básico para determinar la frecuencia relativa de una especie dentro de una comunidad, su tendencia poblacional y su estado de conservación (Eikelboom et al., 2019 ; Keeping & Pelletier, 2014 ; Volkov et al., 2003 ). Conocer la abundancia de una especie a lo largo del tiempo ayudará a comprender los cambios en la mortalidad natural, los efectos del cambio ambiental en la supervivencia, el impacto del grado actual de cambio ambiental antropogénico, identificar amenazas y facilitar medidas de conservación efectivas (Brlík et al., 2021 ; Dénes et al., 2015 ; Kellenberger et al., 2021 ; Ripple et al., 2022 ). Numerosas especies animales, incluidas muchas aves, se reproducen en grandes colonias (Ainley et al., 2003 ; Liu et al., 2020 ; Masello et al., 2006 ). Se han utilizado varias técnicas para estimar el tamaño de sus poblaciones, incluidos estudios terrestres, recuentos a partir de fotografías e imágenes satelitales y el uso de cámaras trampa y vehículos aéreos desocupados (Bibby et al., 1993 ; Boersma, 1998 ; Dickens et al., 2021 ; Fretwell y Trathan, 2021 ; Masello et al., 2006 ; Santangeli et al., 2022 ; Suwanrat et al., 2015 ). Todos estos métodos tienen ventajas y limitaciones en cuanto a viabilidad, costos o perturbaciones a la vida silvestre, pero una característica común es que los conteos manuales involucrados suelen consumir mucho tiempo (Bowler et al., 2020 ; Kellenberger et al., 2021 ; Wang et al., 2019 ). Hoy en día, el uso creciente de técnicas de análisis de imágenes está facilitando conteos de vida silvestre más eficientes (Acevedo y Villanueva-Rivera, 2006 ; Grenzdörffer, 2013 ; Hollings et al., 2019 ; Youngflesh et al., 2021 ). Algunos algoritmos de aprendizaje automático supervisado, en particular aquellos capaces de realizar una regresión de un mapa de densidad, permiten la detección de una gran cantidad de individuos a partir de imágenes con un esfuerzo manual y una inversión de tiempo reducidos (Fiaschi et al., 2012 ; Lempitsky y Zisserman, 2010 ; Xie et al., 2018 ). Estos algoritmos de aprendizaje automático se entrenan proporcionándoles muestras de pares de entrada-salida deseados, en lugar de la tarea más compleja de programar reglas para anticipar respuestas para cada entrada posible. Estas entradas son parches de las imágenes originales en las que necesitamos contar objetos, y las salidas son mapas de densidad correspondientes a los parches de entrada (Lempitsky y Zisserman, 2010 ). Las redes neuronales convolucionales (CNN) están diseñadas para procesar datos de píxeles y, por lo tanto, pueden procesar datos organizados en múltiples matrices como fotografías en color, que contienen intensidades de píxeles en los tres canales de color (revisado en LeCun et al., 2015 ; Dujon y Schofield, 2019 ). Las CNN se han utilizado con éxito para contar aves a partir de imágenes en los últimos años (Akçay et al., 2020 ; Borowicz et al., 2018 ; Bowler et al., 2020 ; Hong et al., 2019 ; Kellenberger et al., 2021 ; Liu et al., 2020 ; Wang et al., 2023 ). El loro barranquero ( Cyanoliseus patagonus ) es un psitaciforme neotropical (Aves) de las regiones arbustivas áridas a semiáridas de Argentina y Chile (Masello et al., 2011 , 2015 ). Son aves coloniales que utilizan piedras blandas o acantilados de tierra, donde las aves excavan sus nidos. Las colonias reproductivas del loro barranquero, particularmente en Argentina, varían mucho en tamaño, y la gran mayoría de ellas oscilan entre 5 y 420 nidos (Masello et al., 2011 , 2015 ). Siguiendo la estratificación del acantilado, las parejas reproductoras del loro barranquero excavan sus madrigueras en las capas más blandas, que varían de 0,6 m a más de 3,5 m de profundidad (Masello et al., 2001 , 2006 ). Las entradas de los nidos tienen una forma aproximadamente elíptica, con el eje mayor horizontal (ancho medio 26,4 cm) y el eje menor vertical (altura media 12,9 cm; Masello et al., 2006 ; véase también el recuadro de la Figura 1 ). Las parejas reproductoras utilizan repetidamente la madriguera que han cavado y profundizado en temporadas anteriores (Masello et al., 2006 ; Masello y Quillfeldt, 2002 ). Sólo una pareja ocupa cada madriguera (Masello y Quillfeldt, 2002 ). La colonia más grande de loros barranqueros se encuentra en un acantilado frente al océano Atlántico, adyacente al
Contacto