Algumas espécies de cetáceos produzem sons identificáveis proporcionando uma oportunidade de utilizar métodos de monitoramento acústico passivo (MAP) para avaliar aspectos ecológicos. Este estudo teve como objetivo desenvolver um protocolo de monitoramento acústico passivo e executar um primeiro passo no estabelecimento de uma biblioteca de assobios de odontocetos capaz de identificar os eventos de detecção de odontocetos registrados acusticamente na costa norte do Estado de São Paulo. Entre 2012 e 2019 na costa do Estado de São Paulo e em Fernando de Noronha foram registradas gravações de emissões sonoras com confirmação visual das seguintes espécies de cetáceos odontocetos: golfinhos-nariz-de-garrafa, Tursiops truncatus (Tt), orcas, Orcinus orca (Oo) , golfinhos-rotadores, Stenella longirostris (Sl), botos-cinza, Sotalia guianensis (Sg) e golfinhos-pintados-do-Atlântico, Stenella frontalis (Sf) . Dessas gravações foram extraídos sete parâmetros acústicos de 967 assobios para compor uma biblioteca de identificação. Entre maio de 2015 e setembro de 2017 no Canal de São Sebastião (CSS), e entre outubro de 2015 a outubro de 2017 no Parque Estadual da Ilha Anchieta (PEIA), foram realizadas gravações em taxa de amostragem de 96 kHz com gravadores autônomos. As assinaturas acústicas de cetáceos foram identificadas após inspeção visual em espectrograma. Foram identificados 30 eventos de detecção de odontocetgos no CSS e 137 detecções no PEIA. Parâmetros acústicos foram analisados dos 5.644 assobios registrados no MAP. O PCA foi utilizado para as análises plotadas com as médias dos parâmetros acústicos dos assobios das cinco espécies em relação aos assobios de cada evento de detecção. Simultaneamente foi considerada a previsão do modelo de classificação Random Forest (RF) para identificação das espécies. Os valores dos parâmetros acústicos de cada assobio descrito da biblioteca de identificação foram utilizados para treinar o modelo RF. A análise multivariada de RF apresentou 64% de precisão nas previsões de identificação das espécies-alvo. As variáveis mais importantes elencadas pelo classificador foram na sequência: duração, e as frequências final, mínima, central e a largura de banda. O melhor classificador de espécie RF foi para S. guianensis, com 91% de acertos nas previsões do modelo. O banco de dados de detectores acústicos foi enriquecido com 3.274 assobios de S. guianensis e 12 assobios de S. frontalis identificados nos eventos de detecção do MAP. O novo modelo RF apresentou 89% de precisão nas previsões do modelo e aumentou a precisão de identificação de S. guianensis para 98%. Com este primeiro passo dado se pavimenta uma importante avenida para aprimorar e expandir o uso do MAP para detecção de cetáceos na costa sudeste do Brasil.

Some species of cetaceans make sounds to provide an opportunity to use passive acoustic monitoring (PAM) to assess ecological aspects. The aim of this study was to develop a passive acoustic monitoring protocol and to perform a first step to establish a library of odontocete whistles capable of identifying acoustically recorded odontocetes detection events on the north coast of the State of São Paulo, Brazil. Between 2012 and 2019 in the coast of São Paulo state and in Fernando de Noronha, it was made acoustic recordings with visual confirmation of the following species of toothed whales: bottlenose dolphins, Tursiops truncatus, orcas, Orcinus orca, spinner dolphins, Stenella longirostris, Guiana dolphins, Sotalia guianensis (Sg) and Atlantic spotted dolphins, Stenella frontalis (Sf). Seven acoustic parameters of 967 whistles were extracted to compose an identification library. Between May of 2015 and September of 2017 in the São Sebastião Channel (CSS), and between October of 2015 and October of 2017 in the State Park of Anchieta Island (PEIA), recordings with 96 kHz sampling rate were realized with automatic records. Whistles signatures of odontocete were identified in spectrogram. We identified 30 detections event in CSS and 137 in PEIA. Acoustic parameters were analyzed from 5,644 whistles recorded with PAM. The PCA was used for the analyzes plotted with the mean acoustic parameters of the whistles of the five species in relation to the whistles of each detection event. In addition, the Random Forest (RF) classification model was considered for species identification. The values of the acoustic parameters of each whistle described from library identification were used to train the RF model. Multivariate RF analysis showed 64% accuracy in predictions of target species identification. The most important variables for the classification model were in the sequence: duration, and the frequencies final, minimum central and bandwidth. The best RF specie classifier was for S. guianensis, with 91% accuracy in the prediction. The acoustic detector database was enriched with 3,274 whistles of S. guianensis and 12 whistles of S. frontalis identified in the PAM detection events. The RF model updated presented 89 accuracy in the predictions and increased the accuracy of identification of S. guianensis to 98%. With this first step, an important avenue is paved to improve and expand the use of PAM for the detection of cetaceans on the southeastern coast of Brazil.