Automated detection of frog calls and choruses by pulse repetition rate.

ABSTRACT

Anurans (frogs and toads) are among the most globally threatened taxonomic groups. Successful conservation of anurans will rely on improved data on the status and changes in local populations, particularly for rare and threatened species. Automated sensors, such as acoustic recorders, have the potential to provide such data by massively increasing the spatial and temporal scale of population sampling efforts. Analyzing such data sets will require robust and efficient tools that can automatically identify the presence of a species in audio recordings. Like bats and birds, many anuran species produce distinct vocalizations that can be captured by autonomous acoustic recorders and represent excellent candidates for automated recognition. However, in contrast to birds and bats, effective automated acoustic recognition tools for anurans are not yet widely available. An effective automated call-recognition method for anurans must be robust to the challenges of real-world field data and should not require extensive labeled data sets. We devised a vocalization identification tool that classifies anuran vocalizations in audio recordings based on their periodic structure the repeat interval-based bioacoustic identification tool (RIBBIT). We applied RIBBIT to field recordings to study the boreal chorus frog (Pseudacris maculata) of temperate North American grasslands and the critically endangered variable harlequin frog (Atelopus varius) of tropical Central American rainforests. The tool accurately identified boreal chorus frogs, even when they vocalized in heavily overlapping choruses and identified variable harlequin frog vocalizations at a field site where it had been very rarely encountered in visual surveys. Using a few simple parameters, RIBBIT can detect any vocalization with a periodic structure, including those of many anurans, insects, birds, and mammals. We provide open-source implementations of RIBBIT in Python and R to support its use for other taxa and communities.

RESUMEN

Los anuros (ranas y sapos) se encuentran dentro de los grupos taxonómicos más amenazados a nivel mundial. La conservación exitosa de los anuros dependerá de información mejorada sobre el estado y los cambios en las poblaciones locales, particularmente para las especies raras y amenazadas. Los sensores automatizados, como las grabadoras acústicas, tienen el potencial para proporcionar dicha información al incrementar masivamente la escala espacial y temporal de los esfuerzos de muestreo poblacional. El análisis de dicha información requerirá herramientas robustas y eficientes que puedan identificar automáticamente la presencia de una especie en las grabaciones de audio. Como las aves y los murciélagos, muchas especies de anuros producen vocalizaciones distintivas que pueden ser capturadas por las grabadoras acústicas autónomas y también son excelentes candidatas para el reconocimiento automatizado. Sin embargo, a diferencia de las aves y los murciélagos, todavía no se cuenta con una disponibilidad extensa de herramientas para el reconocimiento acústico automatizado de los anuros. Un método efectivo para el reconocimiento automatizado del canto de los anuros debe ser firme ante los retos de los datos reales de campo y no debería requerir conjuntos extensos de datos etiquetados. Diseñamos una herramienta de identificación de las vocalizaciones la herramienta de identificación bioacústica basada en el intervalo de repetición (RIBBIT), el cual clasifica las vocalizaciones de los anuros en las grabaciones de audio con base en su estructura periódica. Aplicamos la RIBBIT a las grabaciones de campo para estudiar a dos especies la rana coral boreal (Pseudacris maculata) de los pastizales templados de América del Norte y la rana arlequín variable (Atelopus varius), críticamente en peligro de extinción, de las selvas tropicales de América Central. Mostramos que RIBBIT puede identificar correctamente a las ranas corales boreales, incluso cuando vocalizan en coros con mucha superposición, y puede identificar las vocalizaciones de la rana arlequín variable en un sitio de campo en donde rara vez se le ha visto durante censos visuales. Mediante relativamente unos cuantos parámetros simples, RIBBIT puede detectar cualquier vocalización con una estructura periódica, incluyendo aquellas de muchos anuros, insectos, aves y mamíferos. Proporcionamos implementaciones de fuente abierta de RIBBIT en Python y en R para fomentar su uso para otros taxones y comunidades.