Assessing the Impact of Propagation Distance on the Classification of Cheetah Vocalizations

Abstract

Die Laute des Geparden (Acinonyx jubatus) sind akustisch untypisch für ein großes Landraubtier: hochfrequent und von kurzer Dauer, was den bioakustischen Prinzipien für große Säugetiere widerspricht. Die Hypothese der akustischen Krypsis geht davon aus, dass dies eine Anpassungsstrategie darstellt, um nicht entdeckt zu werden. Es bleibt jedoch unklar, ob Prädatoren oder Konkurrenten biologisch relevante Informationen, nach der durch die Ausbreitung verursachten Verschlechterung der Signalqualität, erkennen können. Diese Arbeit untersuchte die automatisierte Alters- und Geschlechtsklassifizierung von Geparden anhand von Chirp-Lautäußerungen unter variierenden Ausbreitungsbedingungen. Es wurden drei Methoden evaluiert: transfer learning mit BirdNet, traditionelle Klassifizierung basierend auf herkömmlichen Audio Features, sowie ein Ansatz basierend auf dem kompakten YAMNet Modell. Die Modelle wurden auf etwa 4 000 annotierten Chirps trainiert und anhand von Ausbreitungsexperimenten (acht Entfernungen von 25 m bis 500 m, 80–90 dB SPL; 17 500 Aufnahmen) evaluiert. BirdNet erzielte mit vollständigem Fine-tuning und Augmentation die höchste Leistung (Macro F1: 0,972 für das Alter und 0,924 für das Geschlecht) auf Kontrolldaten, die ohne Abstand aufgenommen wurden. Ohne Augmentation fielen alle Modelle bei 25 m unter die Zufallswahrscheinlichkeit. Mit Augmentation blieb die Leistung bis zu 500 m bei 90 dB über dem Vergleichswert, verschlechterte sich jedoch bei 80 dB. Erfolgreiche Altersklassifizierung auf die weiteste Distanz vollbrachte allerdings eine traditionelle ML Methode trainiert auf Werte der Grundfrequenz (f0). Die Altersklassifizierung schnitt durchweg besser ab als die Geschlechtsklassifizierung. Statistiken zur f0 waren für die Altersklassifizierung am aussagekräftigsten, was frühere biologische Erkenntnisse bestätigt. Allerdings modellieren CNN-basierte Modelle f0 nicht explizit, was die Robustheit gegenüber durch die Ausbreitung bedingten Qualitätsverlusten einschränken könnte. Die Ergebnisse zeigen, dass Informationen zu Alter und Geschlecht bei 90 dB SPL bis zu einer Entfernung von 500 m erkennbar bleiben, bei niedrigeren Schalldruckpegeln in Entfernungen von über 400 m jedoch an Qualität verlieren. Dies hat wichtige Implikationen für die Hypothese der akustischen Krypsis: Trotz der Verschlechterung der Audioqualität über weitere Entfernungen, deuten die Ergebnisse dieser Arbeit darauf hin, dass Artgenossen oder Prädatoren unter günstigen Bedingungen dennoch biologisch relevante Informationen in ökologisch relevanten Entfernungen erkennen.

Cheetah (Acinonyx jubatus) chirps are acoustically atypical for a large terrestrial carnivore: high-frequency and short-duration, contrary to bioacoustic principles for large mammals. The acoustic crypsis hypothesis proposes this represents an adaptive strategy to avoid detection. However, it remains unknown whether conspecifics can extract biologically relevant information after propagation-induced degradation. This thesis investigated automated age and sex classification of cheetahs from chirp vocalizations under varying propagation conditions. Three methodologies were evaluated: BirdNet transfer learning, traditional feature-based classification and a method based on the compact YAMNet model. Models were trained on approximately 4 000 annotated chirps and evaluated using propagation experiments (eight distances from 25 m to 500 m, 80–90 dB SPL; 17 500 recordings). BirdNet with full fine-tuning and augmentation achieved the highest performance (macroF1: 0.972 for age and 0.924 for sex) on control data recorded without considerable distance. Without augmentation, all models dropped below random baseline at 25 m. With augmentation, performance remained above baseline up to 500 m at 90 dB but degraded at 80 dB. Successful classification of age at the furthest distance was however achieved by a traditional ML method trained on fundamental frequency (f0) statistics. Age classification consistently outperformed sex classification. F0 statistics were most discriminative for age classification, confirming prior biological findings. However, CNN-based models do not explicitly model f0, which may limit robustness to propagation-induced degradation. The findings demonstrate that age and sex information remains detectable up to 500 m at 90 dB SPL, but degrades at lower sound pressure levels at 300 m to 400 m. This has important implications for the acoustic crypsis hypothesis: While cheetah chirps may reduce detection range, the results of this thesis indicate that conspecifics or predators can still extract biologically relevant information at ecologically relevant distances under favorable conditions.