Uma pequena ave canora sobrevoa Ithaca, Nova York, em uma noite de setembro. Ela é uma entre 4 bilhões de aves que formam um grande rio anual de migração pela América do Norte. Enquanto voa, emite o que os ornitólogos batizaram de “chamado de voo noturno” para se comunicar com o grupo. Trata-se de um sinal breve, com apenas 50 milissegundos, emitido em meio às florestas no coração da noite. Ainda assim, ele é captado por um microfone equipado com um funil de captação. Momentos depois, o software BirdVoxDetect—uma colaboração entre a Universidade de Nova York (NYU), o Laboratório de Ornitologia de Cornell e a École Centrale de Nantes—identifica a ave e a classifica até o nível da espécie.
Por muito tempo, biólogos como Andrew Farnsworth, da Universidade Cornell, sonharam em monitorar aves dessa forma. Em um mundo em aquecimento, repleto de infraestrutura humana perigosa para as aves, como arranha-céus de vidro e linhas de energia, as aves migratórias enfrentam ameaças existenciais. Os cientistas utilizam métodos como radar Doppler, GPS e observações de cidadãos cientistas para rastrear migrações, mas cada método tem limitações.
O radar Doppler detecta a biomassa total de aves no ar, mas não consegue diferenciar espécies. Etiquetar aves com GPS em larga escala é caro e invasivo. Além disso, a maioria das aves migra à noite, tornando a identificação visual ainda mais difícil. Durante mais de um século, a monitoração acústica parecia ser a solução ideal, mas permanecia fora do alcance prático.
No final do século XIX, os cientistas perceberam que aves migratórias emitiam “impressões acústicas” específicas de cada espécie. Com o advento dos microfones na década de 1950, começaram a gravar os chamados noturnos. Nos anos 1990, Farnsworth liderou pesquisas nessa área, mas a análise dos curtos sinais era extremamente trabalhosa. O problema se agravava com o aumento de dados digitais: era fácil gravar áudio, mas difícil analisá-lo.
Foi então que Farnsworth conheceu Juan Pablo Bello, diretor do Laboratório de Pesquisa em Música e Áudio da NYU. Bello, que havia usado aprendizado de máquina para identificar poluição sonora em Nova York, reuniu uma equipe em 2015, incluindo o especialista francês Vincent Lostanlen. Nascia o projeto BirdVox para automatizar a detecção dos chamados.
Primeiro, a equipe treinou a rede neural BirdVoxDetect para ignorar ruídos como zumbidos de chuva danificando os microfones. Depois, o sistema foi ensinado a identificar os chamados de voo, diferenciando-os de sons como alarmes de carro. O desafio, diz Lostanlen, era semelhante ao que um alto-falante inteligente enfrenta ao reconhecer sua palavra-chave, mas com muito mais ruído de fundo e sons imprevisíveis.
Com milhares de horas de gravações anotadas à mão pela equipe de Farnsworth, o sistema foi treinado para detectar chamados. Em seguida, enfrentaram um desafio ainda maior: classificar esses chamados por espécie, uma habilidade que poucos ornitólogos têm. Para lidar com a incerteza, a classificação foi feita em uma hierarquia taxonômica, identificando a ordem e a família das aves mesmo quando a espécie exata não podia ser determinada.
Após oito anos de trabalho, a equipe publicou em agosto passado os algoritmos do BirdVoxDetect e disponibilizou o software gratuitamente como código aberto. Em testes, o sistema detectou 233.124 chamados em 6.671 horas de gravações, sendo tão eficaz quanto o radar na estimativa da biomassa total de aves.
Embora o BirdVoxDetect funcione com um subconjunto de aves canoras migratórias norte-americanas, ele pode ser treinado para detectar outras espécies com poucas amostras. Microfones baratos permitem que o sistema seja expandido para regiões sem ornitólogos ou radar Doppler, mesmo em condições de gravação muito diferentes.
A ideia de Lostanlen é criar um modelo fundacional, similar aos usados para linguagem natural, que poderia ser reconfigurado para estudar qualquer espécie—até mesmo animais que não sejam aves.
Embora o projeto BirdVox esteja concluído, outros estão avançando com suas inovações. Benjamin Van Doren, biólogo migratório da Universidade de Illinois Urbana-Champaign, está utilizando o Nighthawk, uma nova rede neural baseada no BirdVoxDetect e no aplicativo de identificação de aves Merlin, para estudar migrações na América do Norte e do Sul. Dan Mennill, da Universidade de Windsor, no Canadá, planeja usar o Nighthawk para acelerar a análise de gravações de chamados no lado canadense dos Grandes Lagos.
Embora o monitoramento acústico tenha limitações, como a incapacidade de detectar altitude ou direção do voo, Mennill está experimentando uma matriz de microfones que resolve esses problemas. Ele acredita que essas ferramentas chegam no momento certo, permitindo iniciativas práticas de conservação, como programas para apagar luzes de arranha-céus à noite e evitar colisões.
“Bioacústica é o futuro da pesquisa de migração, e estamos apenas começando a ter as ferramentas certas,” diz Mennill. “Isso nos leva a uma nova era.”
Christian Elliott é repórter de ciência e meio ambiente em Illinois.
Christian Elliott
