La investigación se realizó a partir de datos recopilados en la isla Robinson Crusoe, en el Archipiélago Juan Fernández, zona declarada Reserva de la Biosfera por la Unesco.
El egresado del Magíster en Medio Ambiente de la Universidad Católica de la Santísima Concepción (UCSC), Diego Sepúlveda, desarrolló un modelo de aprendizaje automático para identificar y clasificar una serie de sonidos submarinos y, de ese modo, optimizar procesos de diagnóstico y evaluación de impacto ambiental.
El estudio, titulado “Desarrollo de modelo de aprendizaje automático para detección de peces por acústica pasiva”, se llevó a cabo en el marco de su proyecto de habilitación para el grado de magíster y contó con el respaldo de su profesor guía, el académico de la Facultad de Ciencias UCSC, Dr. Iván Hinojosa, además de la participación de la Dra. Daniela Mennickent en el rol de evaluadora interna y de la Dra. Julie Patris, de la Aix-Marseille University, en la evaluación externa.
El objetivo de la investigación fue entrenar un modelo para interpretación sonora, especialmente para coros submarinos (producidos por una diversidad de especies, incluyendo peces, erizos de mar y otros invertebrados marinos) dada su importancia para el monitoreo de la salud marina por ser considerados bioindicadores, evaluando al mismo tiempo el impacto producido por el ruido de motores de embarcaciones.
Para alcanzar los resultados, el entonces estudiante del Magíster utilizó datos del entorno acústico submarino recopilados en los periodos de enero y abril de 2025 por un hidrófono instalado en la bahía Cumberland, en la isla Robinson Crusoe (Archipiélago de Juan Fernández). La metodología consistió en realizar un análisis acústico con espectrogramas; es decir, transformar el sonido subacuático en una representación visual de sus frecuencias a lo largo del tiempo.
Posteriormente, se etiquetaron audios según señales de peces, ruido de fondo, motores de embarcaciones y coros, permitiendo interpretar los datos para medir una parte del paisaje sonoro, descomponer los audios en variables matemáticas y entrenar un modelo de clasificación, optimizando la precisión del reconocimiento automatizado.
Uno de los hallazgos fue la sincronización de los coros de peces con el Sol y los ciclos lunares, reflejando patrones de comportamiento y ritmos biológicos. “En luna llena, el coro pierde intensidad, pero aumenta su duración, mientras en luna nueva se vuelve más intenso pero disminuye su duración. Esto está reportado en literatura y tiene que ver con el fotoperiodo en el caso de peces. Además, los coros siempre comienzan al atardecer y hay un coro más leve en la mañana, es similar al comportamiento de las aves, que cantan al amanecer y atardecer. explicó”
De esa manera, el modelo de aprendizaje automático podría permitir monitorear con gran precisión la contaminación acústica en un área determinada, disminuyendo el tiempo de análisis en comparación a métodos tradicionales y permitiendo cuantificar extensas series temporales en menor plazo.
Sobre su paso por el Magíster, el egresado abordó la formación recibida y la aplicabilidad de las materias impartidas, por ejemplo, en contaminación de aguas, legislación ambiental y evaluación de impacto ambiental. “Mi experiencia fue súper buena. Me gustaron las clases. El área ambiental siempre me llamó la atención y en el Magíster pude profundizar en ella y ampliar conocimientos con criterio para abordar las problemáticas asociadas. Lo recomendaría definitivamente”, indicó.
Los resultados del modelo desarrollado en el Magíster proporcionan una cadena de procesamiento de detección validada y una línea de base acústica para el monitoreo a largo plazo de un sistema marino de importancia global.
De esa manera, la UCSC evidencia su compromiso con el desarrollo de investigación científica de alto nivel y la generación de conocimiento aplicado al estudio de ecosistemas marinos.