iGENTAC - Herramientas innovadoras aplicadas al monitoreo de poblaciones en el entorno de un Área Marina Protegida: inteligencia artificial, GENética y Telemetría ACústica

Temática: 
Eje 4. Áreas protegidas
Objetivos: 

 

Objetivo general:

Desarrollo de herramientas innovadoras, basadas en técnicas de muestreo minimamente invasivas, para la implantación de programas de monitoreo de especies costeras en un área marina protegida. Se utilizarán i) técnicas de inteligencia artificial (IA), como Machine Learning/Deep Learning y usadas con éxito en el proyecto SICAPTOR, para la foto-identificación de ejemplares de especies con rasgos externos variables entre individuos y ii) métodos de genotipado molecular basado en el uso de microsatélites con muestras de tejido en especies donde las técnicas de reconocimiento de imagen no sean aplicables y para validar los resultados obtenidos mediante inteligencia artificial. Las técnicas de telemetría acústica (TA), aplicadas en TAC y DESTAC, servirán de método control para testar los resultados de los modelos de marcaje recaptura obtenidas a partir de i) e ii).

 

Objetivos específicos:

OE1: Desarrollo de técnicas de inteligencia artificial (IA) para la foto-identificación de individuos e implementación de un sistema de captura-marcado-recaptura (CMR).
OE2: Desarrollo de marcadores moleculares para identificar ejemplares de forma individual que permitan implementar un CMR basado en genética.
OE3: Estimación de parámetros poblacionales y actividad espacial de las especies objetivo mediante modelos de CMR aplicados a los datos obtenidos en el OE1 y OE2.
OE4: Comparación y evaluación de los resultados del OE3 usando la red de monitoreo de telemetría acústica como método control.
OE5: Proporcionar asesoramiento en el diseño e implantación de planes de monitoreo de poblaciones de organismos marinos en un AMP.
OE6: Difusión del papel de las AMP en la gestión de ecosistemas costeros y fomentar la participación de los usuarios en los planes de monitoreo.
 

Descripción: 

De la sinergia entre estos tres proyectos (TAC, DESTAC y SICAPTOR), y considerando la potencialidad de las técnicas genéticas en ecología, se plantea un nuevo proyecto, iGENTAC, que incorpora herramientas basadas en inteligencia artificial, genética y biotelemetría, para el monitoreo de poblaciones salvajes en AMP en ecosistemas costeros.

 

Se ha trabajado en el desarrollo y aplicación de técnicas de marcaje-recaptura no invasivas que puedan ser incorporadas en planes de monitoreo de poblaciones de organismos marinos en AMP. Los datos recopilados con estos sistemas innovadores de marcaje-recaptura permiten estimar parámetros poblacionales y de actividad espacial individuales mediante modelos de captura-recaptura espacialmente explícitos.

 

Se han comparado los resultados usando los tres enfoques metodológicos propuestos y se ha transferido el conocimiento en forma de asesoramiento a los organismos gestores del AMP objeto de estudio (Parque Nacional Marítimo-Terrestre das Illas Atlánticas de Galicia) para la implementación o mejora de los planes de monitoreo y gestión. A su vez, el proyecto ha contribuido al Eje 1, Innovación en Pesca, mediante el desarrollo de las herramientas mínimamente invasivas de marcado-recaptura, que serán potencialmente aplicables a estudios de supervivencia de los descartes de especies comerciales.

Resultados del proyecto
Resultados: 

El proyecto trabajó en el monitoreo de una agregación costera de una población local de raya mosaico, Raja undulata, que tiene lugar dentro del Parque Nacional Marítimo-Terrestre das Illas Atlánticas de Galicia (PNMTIAG). Esta especie está considerada como casi amenazada por la IUCN y además es un recurso de importancia para el sector pesquero artesanal.

 

Se desarrollaron algoritmos de aprendizaje profundo para la foto-identificación de ejemplares individuales de Raja undulata que utiliza, por primera vez, una arquitectura de red siamesa. El modelo superó un 90% de precisión sobre el conjunto de validación y logró un 70% de precisión sobre el conjunto de prueba, incluyendo recapturas de algunos individuos. Este trabajo fue el objeto de la tesis de fin de máster de Nuria Gómez Vargas (Universidad de Sevilla) y se ha enviado el trabajo a la revista científica internacional de alto impacto, Methods in Ecology and Evolution.

 

Se han aplicado con éxito herramientas genómicas para generar una huella genética única para cada individuo muestreado de la población local de raya mosaico, creándose una base de datos con este código genético, que permite identificar de forma rápida y precisa a partir de pequeñas muestras de tejido. Esto permitirá su seguimiento a largo plazo. Este trabajo fue parte del trabajo de fin de máster de Miguel López Aguilar (Universidad de Alicante).

 

La telemetría acústica se reveló como una herramienta fundamental para el monitoreo del comportamiento y movimiento de organismos marinos. En este caso, los datos acústicos demostraron un uso estacional de las aguas del PNMTIAG por parte de esta población local de raya mosaico. Estos datos apoyan los resultados de los censos generados durante la adquisición de las imágenes para el desarrollo del algoritmo de deep learning y ha permitido definir una serie de ecotipos en función de la relación de los ejemplares con las aguas del parque: residentes, visitantes estacionales, itinerantes.

 

Estos resultados han sido transferidos al PNMTIAG a través de una continua interacción con el organismo gestor del parque a través de seminarios donde se han expuesto y discutido los principales resultados con implicaciones para la implantación de un monitoreo a largo plazo. Se ha trabajado la comunicación del proyecto a través de talleres y acciones de ciencia ciudadana, fomentando la participación de los usuarios en los planes de monitoreo (captación de imágenes para foto-identificación). 

 

Convocatoria de subvenciones: 
2020
Estado: 
Cerrado
Año de inicio: 
2020
Año de finalización: 
2021
Ámbito de actuación: 
Galicia
Entidades colaboradoras: 

Parque Nacional Marítimo Terrestre das Illas Atlánticas de Galicia (PNMTIAG)