RESUMEN

Trabajos anteriores sobre el lobo han planteado el uso de estudios basados en la acústica para controlar el tamaño de la población y estimar su densidad. Sin embargo, para disminuir el sesgo en las estimaciones de población, como por ejemplo mediante el uso de la captura-marcaje-recaptura, se requiere la identificación de los individuos mediante métodos de clasificación supervisados, especialmente en el caso de especies como el lobo, que de otro modo podrían ser contadas repetidamente. El comportamiento críptico del lobo indio (Canis lupus pallipes) plantea serios problemas a la hora de realizar estudios, por lo que no existe una estimación fiable de su población a pesar de su destacado papel en el ecosistema. Al igual que otros lobos, los lobos indios producen aullidos que pueden detectarse a distancias de más de 6 km, lo que los convierte en candidatos ideales para los estudios acústicos. En este trabajo, los autores exploran el uso de un clasificador supervisado para identificar individuos desconocidos. Entrenaron un modelo supervisado de agrupación jerárquica aglomerativa (del inglés Agglomerative Nesting hierarchical clustering – AGNES) utilizando 49 aullidos de cinco lobos indios y lograron una precisión de identificación individual del 98%. Probaron el poder predictivo de este modelo utilizando 20 aullidos nuevos de otros cuatro individuos (conjunto de datos de prueba) y obtuvieron un 75% de precisión en la clasificación de los aullidos como individuos. El modelo puede reducir el sesgo en las estimaciones de la población mediante captura-marcaje-recaptura y rastrear lobos individuales de forma no invasiva por sus aullidos. Esto tiene potencial para los estudios sobre el uso del territorio de los lobos, la composición de la manada y el comportamiento reproductivo. Este método puede adaptarse potencialmente a otras especies con vocalizaciones distintivas individuales, lo que representa una herramienta avanzada para el seguimiento a nivel individual.

Los autores y otros datos del artículo:

Sadhukhan, S., H. Root-Gutteridge and B. Habib (2021). «Identifying unknown Indian wolves by their distinctive howls: its potential as a non-invasive survey method”. Scientific Reports 11 (1). DOI: 10.1038/s41598-021-86718-w.

La revista Scientific Reports tuvo un factor de impacto en el año 2020 de 4,38 (Web of Science, 2022). 

Categoría de la revista	Total de revistas	Clasificación de la revista	Cuartil
Ciencias multidisciplinares	72	17	Q1

REFERENCIAS

Web of Science (2022). Consultado el 18 de Mayo de 2022. https://www.webofscience.com/wos/woscc/summary/0ca4dfc5-256d-476e-a9f9-dce9ae3304c7-38d4bca9/relevance/1