Machine learning in avian taxonomy: case studies of cryptic-plumaged Hemitriccus (Aves: Rhynchocyclidae) species

Abstract

Revisões taxonômicas recentes de passeriformes suboscines neotropicais de plumagem críptica têm se baseado em múltiplas fontes de evidência, incluindo dados morfológicos vocais e moleculares. Enquanto a abordagem integrativa é ideal, em casos em que os caracteres morfológicos são inconclusivos ou a amostragem de tecido em toda área de distribuição do táxon demanda logística inexequível, a bioacústica pode oferecer entendimento valioso do limite das espécies. O gênero Hemitriccus apresenta um caso de estudo ideal: inclui 22 espécies com plumagem similar, distribui-se amplamente pela América do Sul, mas conta com extenso arquivo de gravações de suas vocalizações. Foi aplicada uma rede neural convolucional (CNN) recentemente desenvolvida, previamente bem-sucedida em monitoramento acústico de aves e classificação de complexos sons vocais de aves e instrumentais, para conduzir uma revisão taxonômica vocal de três espécies de Hemitriccus com distribuição disjunta na Mata Atlântica. Os modelos obtiveram acurácia muito alta (91-100%) e indicaram que, entre as espécies analisadas, os cantos de populações alopátricas exibiram assinaturas vocais que variam de moderadas à quase idênticas. Isto sugere divergência vocal limitada entre os táxons. Os resultados apoiam a utilização de CNN como uma ferramenta robusta e objetiva para análises vocais na taxonomia de aves, particularmente quando outras linhas de evidência são limitadas ou inconclusivas

Recent taxonomic reviews of Neotropical suboscine passerines with cryptic plumage have been based on multiple sources of evidence, including morphological, vocal, and molecular data. While an integrative approach is ideal, in cases where morphological characters are inconclusive or where tissue sampling across the taxon’s entire range requires logistically unfeasible efforts, bioacoustics can provide valuable insights into species boundaries. The genus Hemitriccus presents an ideal case study: it includes 22 species with similar plumage, is widely distributed throughout South America, and has an extensive archive of recordings of its vocalizations. A recently developed convolutional neural network (CNN) — which had previously been successful in acoustic bird monitoring and the classification of complex bird vocalizations and instrumental sounds — was applied to conduct a vocal taxonomic review of three Hemitriccus species with a disjunct distribution in the Atlantic Forest. The models achieved very high accuracy (91–100%) and indicated that, among the species analyzed, the songs of allopatric populations exhibited vocal signatures ranging from moderately different to nearly identical. This suggests limited vocal divergence among the taxa. The results support the use of CNN as a robust and objective tool for vocal analyses in avian taxonomy, particularly when other lines of evidence are limited or inconclusive.