Sistema de monitoreo para estudiar el movimiento y actividad de la tortuga terrestre argentina Chelonoidis chilensis

KUBISCH, ERIKA; KAZIMIERSKI, LAILA; CATALANO, NICOLAS; ECHAVE, MARIA EUGENIA; IBÁÑEZ MOLINA, MORA; JOSEPH, JULIEN; LANERI, KARINA

Córdoba

Congreso; XXI Congreso Nacional de Herpetología; 2021

Existen grandes vacíos en el conocimiento del comportamiento y ecología de la tortuga terrestre argentina, Chelonoidis chilensis, en la naturaleza. Aquí damos a conocer una nueva tecnología para el estudio del movimiento y actividad de tortugas terrestres. Desarrollamos una unidad de navegación de bajo consumo que consiste en acelerómetros, giróscopos, un módulo GPS y un sensor de temperatura conectados a una unidad de control y procesamiento (Arduino Nano con uso de software libre) que registra los datos de los sensores en una memoria microSD. Tiene la finalidad de registrar la posición y el tipo de actividad, analizando las señales provenientes de los sensores. Esta unidad se probó en 4 ejemplares de C. chilensis en su ambiente natural en las cercanías de San Antonio Oeste. Se instaló el dispositivo de forma temporaria, durante 4 días en enero 2021. Utilizando radiotelemetría se ubicó diariamente a cada ejemplar para el recambio de la batería y descarga de datos. En un análisis preliminar, se pudieron distinguir períodos de reposo y de actividad (fluctuaciones de la señal de los acelerómetros) sugiriendo de 1 hasta 4 momentos de actividad por día. Se estimó un promedio de 3.71hs de actividad diarias (rango: 0.5-7.5). Estos resultados muestran una gran potencialidad de este dispositivo para responder incógnitas de la ecología de la tortuga terrestre argentina como ser, el área de acción, trayectorias, horas de actividad en función de la temperatura y velocidad de locomoción. Por lo tanto, se justifica continuar con el desarrollo de este sistema para mejorar sus características (reducir su costo, tamaño, peso y autonomía, entre otros) y continuar el análisis de los resultados. Por ejemplo, buscaremos correlacionar los patrones de las señales de los distintos sensores con determinados comportamientos (en reposo, caminando, comiendo, bebiendo, copulando, excavando, entre otros) utilizando técnicas de aprendizaje automático (machine-learning).