<!-- canonical: https://jmrplens.github.io/phonometry/es/underwater/marine-mammal-exposure/ -->
Source: https://jmrplens.github.io/phonometry/es/underwater/marine-mammal-exposure/

Un mamífero marino no oye todas las frecuencias por igual, así que una
evaluación de ruido submarino no puede comparar un nivel de banda ancha con un
único número. La práctica regulatoria **pondera** el espectro con un filtro
con la forma de la sensibilidad del grupo auditivo, suma la energía ponderada,
la acumula sobre toda la actividad y compara el resultado con un criterio de
inicio publicado: la exposición a la que empieza un **desplazamiento temporal
del umbral (TTS)** de sensibilidad auditiva, y la más alta a la que ese
desplazamiento se vuelve permanente, históricamente **PTS** y, desde la guía de
2024, **lesión auditiva (AUD INJ)**. Esta página cubre las tres piezas que la biblioteca aporta
para esa cadena: las curvas de audición, las funciones de ponderación y los
criterios de la guía vigente, y la evaluación de extremo a extremo de una
campaña de hincado.

Los niveles van en dB re 1 µPa (presión acústica), dB re 1 µPa²·s (exposición
sonora) o, para los dos grupos de carnívoros en aire, dB re 20 µPa y
dB re (20 µPa)²·s. Las convenciones de referencia submarinas están en
[Acústica submarina](/phonometry/es/underwater/underwater-acoustics/).

## Grupos auditivos (y por qué chocan los nombres)

Todos los conjuntos de criterios vigentes clasifican a los mamíferos marinos en
grupos auditivos y asignan un filtro a cada uno. Los **códigos de grupo no son
portables entre versiones de guía**, y la colisión es una trampa real:

| Grupo animal | Southall 2019 | NMFS 2024 | NMFS 2018 | Audiograma |
|---|---|---|---|---|
| Ballenas barbadas | LF | LF | LF | no ($F_1$ sin publicar) |
| Cachalote, zifios y la mayoría de delfínidos | HF | HF | **MF** | sí (`"HF"`) |
| Marsopas, *Cephalorhynchus*, *Kogia* | VHF | VHF | **HF** | sí (`"VHF"`) |
| Focas fócidas en agua | PCW | PW | PW | sí (`"PCW"`) |
| Otáridos en agua | OCW | OW | OW | sí (`"OCW"`) |
| Sirenios | SI | — | — | sí (`"SI"`) |
| Focas fócidas en aire | PCA | PA | — | sí (`"PCA"`) |
| Otáridos en aire | OCA | OA | — | sí (`"OCA"`) |

Lee la columna en la que estás trabajando. `auditory_weighting` y
`exposure_criteria` toman el código de la `guidance` que selecciones;
`group_audiogram` toma siempre el código **Southall**, porque los audiogramas
son los de Southall. Así que `group_audiogram(f, "PW")` lanza un error aunque
`"PW"` sea un grupo de ponderación válido de NMFS 2024 (hay que pedir `"PCW"`),
y `auditory_weighting(f, "PCW")` lanza un error con la guía por defecto por la
razón simétrica.
`hearing_groups(guidance)` lista los códigos que define cada versión, y pasar un
código de la versión equivocada lanza un error en vez de devolver en silencio el
filtro incorrecto.

```python
from phonometry import underwater

print(underwater.hearing_groups("nmfs-2024"))
# ('LF', 'HF', 'VHF', 'PW', 'OW', 'PA', 'OA')
print(underwater.hearing_groups("nmfs-2018"))
# ('LF', 'MF', 'HF', 'PW', 'OW')
```

## Audiogramas de grupo

`group_audiogram` evalúa el ajuste paso banda de Southall et al. (2019),
Ecuación (1), según Finneran (2016):

$$
T(f) = T_0 + A \log_{10}\!\left(1 + \frac{F_1}{f}\right) + (f/F_2)^{B},
$$

con $f$ en kilohercios. `normalized=False` (por defecto) usa los parámetros de
la Tabla 2, ajustados a los umbrales conductuales medianos absolutos;
`normalized=True` usa el reajuste de la Tabla 3 sobre umbrales normalizados al
mejor valor de cada individuo. El artículo **no publica un audiograma ajustado
para los cetáceos LF** (no existen datos audiométricos y $F_1$ nunca se imprime),
así que ese grupo se omite deliberadamente en vez de reconstruirlo a ojo.

```python

from phonometry import underwater

freqs = np.logspace(2, 5.3, 400)
audiogram = underwater.group_audiogram(freqs, "VHF")
print(audiogram.best_frequency, audiogram.best_threshold)
audiogram.plot(language="es")   # umbral frente a frecuencia (necesita matplotlib)

print(underwater.AUDIOGRAM_GROUPS)
# ('HF', 'VHF', 'SI', 'PCW', 'OCW', 'PCA', 'OCA')
```

*Los grupos distan decenas de decibelios y más de una década de mejor
frecuencia entre sí: una marsopa oye mejor cerca de 109 kHz con 48 dB re 1 µPa,
un sirenio cerca de 14 kHz con 60 dB. El hueco de la izquierda del panel es el
ajuste LF que falta, y es la razón de que la sección de ponderación de más abajo
tenga un grupo que la de audiogramas no tiene. A la derecha, los dos marcadores
a 50 kHz distan 0,7 dB, y en eso consiste toda la trampa de los tramos. Un
`AudiogramResult` se dibuja a sí mismo con `audiogram.plot()`.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python

fig, (ax_g, ax_o) = plt.subplots(1, 2, figsize=(13.5, 5.6))
f_all = np.logspace(2.0, np.log10(200e3), 700)
for group in underwater.AUDIOGRAM_GROUPS:
    res = underwater.group_audiogram(f_all, group)
    ax_g.semilogx(res.frequencies, res.threshold,
                  "--" if res.in_air else "-", label=group)
    ax_g.plot([res.best_frequency], [res.best_threshold], "o")
ax_g.set_ylim(-20.0, 170.0)
ax_g.set(xlabel="Frecuencia [Hz]", ylabel="Umbral [dB re 1 uPa]")
ax_g.legend(ncols=2)

f_orca = np.logspace(np.log10(500.0), np.log10(80e3), 600)
orca = underwater.orca_audiogram(f_orca)
ax_o.semilogx(orca.frequencies, orca.threshold, label="orca_audiogram")
ax_o.plot([orca.best_frequency], [orca.best_threshold], "o")
ax_o.plot([50e3], [underwater.orca_audiogram(50e3).threshold[0]], "s")
# Lo que habría devuelto el segundo tramo a 50 kHz, a partir del ajuste impreso.
ax_o.plot([50e3], [242.9 * 50.0 ** -0.7578 + 0.5643 * 50.0**1.076],
          "o", markerfacecolor="none")
ax_o.set(xlabel="Frecuencia [Hz]", ylabel="Umbral [dB re 1 uPa]")
ax_o.legend()
plt.show()
```

</details>

Para una especie en vez de un grupo, `orca_audiogram` implementa la curva de
orca de Wensveen y Van Roij (2007) tal como la imprime Ainslie (2010),
Ecuación (11.159), una ley de potencias de tres tramos entre 0,5 y 80 kHz. Su
mínimo es 39,0 dB re 1 µPa a 22,6 kHz, y 51,2 dB re 1 µPa a 50 kHz: este último
exige el **tercer** tramo; evaluar allí el segundo devuelve 50,5 dB, y por eso
los dos puntos publicados están fijados por los tests.

```python
from phonometry import underwater

print(underwater.orca_audiogram(50e3).threshold[0])   # 51.20 dB re 1 uPa
```

Ese valor es el umbral de audición $HT$ del ejemplo de orca frente a salmón de
Ainslie. Una orca que ecolocaliza es un sonar activo: paga la pérdida de
propagación dos veces, así que con un nivel de fuente
$SL = 198{,}2$ dB re 1 µPa²m², una fuerza de blanco del salmón
$TS = -29{,}0$ dB re m² y su propio umbral de audición en lugar de un umbral de
detección, la figura de mérito limitada por audición es
$(SL + TS - HT)/2 = 59{,}0$ dB re m²: la máxima pérdida *de ida* que puede
permitirse. La
[ecuación del sonar](/phonometry/es/underwater/underwater-propagation/#ecuacion-del-sonar)
de la que salen esos términos, y `detection_range`, convierten esa figura en una
distancia.

## Ponderación auditiva y funciones de exposición

Un audiograma y una función de ponderación se parecen y responden a preguntas
distintas, y sustituir uno por la otra es un error frecuente en las
evaluaciones. Un **audiograma** es un umbral de detección, medido por conducta o
por potenciales evocados; responde a preguntas de audibilidad, enmascaramiento y
distancia de detección, y la figura de mérito de la orca frente al salmón de
arriba es exactamente una pregunta de esas. Una **función de ponderación** está
ajustada a datos de *susceptibilidad*, la dependencia con la frecuencia del
desplazamiento temporal del umbral, y es la única de las dos que puede aplicarse
a una exposición antes de compararla con un criterio de TTS o de lesión. Las dos
curvas no tienen la misma forma, porque la frecuencia a la que un animal oye
mejor no siempre es aquella a la que se daña con más facilidad, y un audiograma
invertido no es una función de ponderación legítima. Esa distinción resuelve
además la asimetría entre estas dos secciones: los cetáceos LF tienen función de
ponderación, derivada de susceptibilidad modelada, y no tienen audiograma
ajustado, porque no existen datos audiométricos de ballenas barbadas.

Los tres conjuntos de criterios vigentes usan el mismo filtro paso banda
genérico (NMFS 2018 Ecuación 1, Southall et al. Ecuación 2):

$$
W(f) = C + 10 \log_{10} \frac{(f/f_1)^{2a}}
                       {\left[1+(f/f_1)^2\right]^{a}\left[1+(f/f_2)^2\right]^{b}} ,
$$

con $f$ en kilohercios. $C$ se fija poniendo el máximo de $W$ en 0 dB, de modo
que la **función de exposición** asociada $E(f) = K + C - W(f)$ tiene su mínimo
en el umbral ponderado de inicio de TTS $T_\mathrm{w} = K + C$. Por debajo de $f_1$ el
filtro cae a $20a$ dB/década y por encima de $f_2$ a $20b$ dB/década.

Entre versiones solo cambia la tabla de parámetros, así que la versión es un
argumento explícito y viaja con el resultado:

- **`"nmfs-2024"`** (por defecto): NOAA Fisheries *Updated Technical Guidance*
  v3.0, octubre de 2024. Sustituye a la revisión de 2018, fija $b = 5$ para
  todos los grupos, adopta los nombres de grupo de Southall y reemplaza el
  «inicio de PTS» por el «inicio de lesión auditiva (AUD INJ)».
- **`"nmfs-2018"`**: la revisión de 2018 v2.0, todavía citada por evaluaciones
  en curso.
- **`"southall-2019"`**: los criterios revisados por pares; numéricamente
  idénticos a NMFS 2018 en los cinco grupos comunes y añaden los sirenios y los
  dos grupos de carnívoros en aire.

*Cinco filtros paso banda de la misma forma algebraica, y equivocarse de filtro
cuesta más que el propio criterio. En 1 kHz, que es donde un hincado de pilotes
o un buque ponen la mayor parte de su energía, el filtro LF está en −0,03 dB y
el VHF en −33,84 dB, así que un mismo espectro medido da dos exposiciones
ponderadas separadas por 34 dB antes de aplicar ningún umbral. Las bandas de
paso a −6 dB apenas se solapan (96 Hz-15 kHz para LF frente a 5,9-113 kHz para
VHF), y los umbrales AUD INJ de la leyenda van de 159 a 193 dB, así que el grupo
y el criterio hay que citarlos juntos o el número no significa nada.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python

from phonometry import underwater

freqs = np.logspace(1, 5.4, 700)
fig, ax = plt.subplots()
for group in ("LF", "HF", "VHF", "PW", "OW"):
    res = underwater.auditory_weighting(freqs, group, guidance="nmfs-2024")
    crit = underwater.exposure_criteria(group, guidance="nmfs-2024", impulsive=True)
    ax.semilogx(res.frequencies, res.weighting,
                label=f"{group} (AUD INJ {crit.injury_sel:.0f} dB)")
ax.set(xlabel="Frecuencia [Hz]", ylabel="Amplitud de ponderación W(f) [dB]",
       ylim=(-75, 5))
ax.legend()
ax.grid(True, which="both", alpha=0.3)
plt.show()
```

</details>

```python
from phonometry import underwater

res = underwater.auditory_weighting(1000.0, "LF", guidance="nmfs-2018")
print(res.weighting[0])           # -0.06 dB, el valor publicado del Apéndice D
print(res.weighted_tts_onset)     # Tw = K + C

params = underwater.weighting_parameters("OW", guidance="nmfs-2024")
print(params.a, params.b, params.f1_khz, params.f2_khz, params.c_db)
```

:::note
NMFS 2024 imprime $C = 1{,}37$ dB para el grupo de otáridos en agua y afirma en
la nota al pie de esa misma tabla que el valor debería ser 1,36 dB. La biblioteca
implementa 1,36 (recalcular $C$ como el máximo de $W$ da 1,3643) y conserva el
dígito impreso en `c_db_as_printed`. La Tabla 7 de Southall arrastra cuatro
erratas de nivel de pico corregidas por la fe de erratas de la propia revista, y
los valores corregidos son los implementados. Ambas quedan registradas en
[Erratas encontradas en fuentes publicadas](/phonometry/es/reference/errata/).
:::

*La función de exposición es aquello con lo que se compara de verdad un
nivel de banda medido: un espectro de umbral cuyo mínimo es el inicio de TTS
ponderado del grupo, $T_\mathrm{w} = K + C$. La revisión de 2024 fijó $b = 5$ para
todos los grupos, lo que empina la falda de alta frecuencia de 40 a
100 dB/década y por tanto *descuenta* la energía por encima de $f_2$ mucho
más de lo que la descontaban las tablas de 2018. Las barras enseñan por qué
el grupo importa más que ninguna otra cosa de la cadena: el inicio de TTS
ponderado del grupo de las marsopas queda 24 dB por debajo del de los
cetáceos de baja frecuencia, y su criterio de pico, 20 dB por debajo.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python

f_w = np.logspace(1.0, np.log10(400e3), 800)
groups = ("LF", "HF", "VHF", "PW", "OW")
fig = plt.figure(figsize=(13.5, 9.6))
gs = fig.add_gridspec(2, 2, height_ratios=[1.0, 0.9], hspace=0.32, wspace=0.24)
ax_e, ax_w, ax_c = (fig.add_subplot(gs[0, 0]), fig.add_subplot(gs[0, 1]),
                    fig.add_subplot(gs[1, :]))

for group in groups:
    res = underwater.auditory_weighting(f_w, group, guidance="nmfs-2024")
    exposure = np.asarray(res.exposure_function)
    ax_e.semilogx(res.frequencies, exposure, label=group)
    ax_e.plot([res.frequencies[int(np.argmin(exposure))]], [exposure.min()], "o")
ax_e.set_ylim(135.0, 265.0)
ax_e.set(xlabel="Frecuencia [Hz]",
         ylabel="E(f) = K + C - W(f) [dB re 1 uPa^2 s]")
ax_e.legend(ncols=5)

for guidance in ("nmfs-2024", "nmfs-2018"):
    res = underwater.auditory_weighting(f_w, "LF", guidance=guidance)
    ax_w.semilogx(res.frequencies, res.weighting,
                  label=f"{guidance} (b = {res.parameters.b:g})")
ax_w.set_ylim(-60.0, 5.0)
ax_w.set(xlabel="Frecuencia [Hz]", ylabel="Ponderación W(f) [dB]")
ax_w.legend()

idx = np.arange(len(groups), dtype=float)
for offset, attr in ((-1.5, "tts_sel"), (-0.5, "injury_sel"),
                     (0.5, "tts_peak_spl"), (1.5, "injury_peak_spl")):
    ax_c.bar(idx + offset * 0.2,
             [getattr(underwater.exposure_criteria(g, guidance="nmfs-2024",
                                                   impulsive=True), attr)
              for g in groups], 0.2, label=attr)
ax_c.set_xticks(idx, groups)
ax_c.set_ylim(120.0, 245.0)
ax_c.set(xlabel="Grupo auditivo", ylabel="Criterio de inicio [dB]")
ax_c.legend(ncols=4)
plt.show()
```

</details>

## Criterios de inicio

`exposure_criteria` devuelve los criterios publicados de inicio de TTS y de
lesión de un grupo. El ruido impulsivo lleva una **métrica dual**: un nivel de
exposición sonora ponderado *y* un nivel de pico sin ponderar («plano»), y
gobierna el criterio que produzca la **isopleta** mayor; la isopleta es el
contorno sobre el que el criterio se cumple exactamente, así que la métrica que
la empuja más lejos de la fuente es la que fija la zona de mitigación.

```python
from phonometry import underwater

crit = underwater.exposure_criteria("VHF", guidance="nmfs-2024", impulsive=True)
print(crit.injury_label)        # 'AUD INJ'
print(crit.tts_sel, crit.injury_sel)          # 144, 159 dB re 1 uPa2 s (ponderado)
print(crit.tts_peak_spl, crit.injury_peak_spl)  # 196, 202 dB re 1 uPa (plano)
print(crit.source)
```

Los criterios impulsivos de los cinco grupos en agua, con la guía por defecto,
son los números por los que la mayoría de lectores llega hasta aquí:

| Grupo | SEL de TTS (ponderado) | SEL de AUD INJ (ponderado) | Pico de TTS (plano) | Pico de AUD INJ (plano) |
|---|---:|---:|---:|---:|
| LF | 168 | 183 | 216 | 222 |
| HF | 178 | 193 | 224 | 230 |
| VHF | 144 | 159 | 196 | 202 |
| PW | 168 | 183 | 217 | 223 |
| OW | 170 | 185 | 224 | 230 |

Las columnas de SEL van en dB re 1 µPa²·s y las de pico en dB re 1 µPa; los
grupos en aire PA y OA salen de la misma llamada y usan referencias de 20 µPa.
Los criterios no impulsivos prescinden por completo de las columnas de pico y se
apoyan en sus propios valores de TTS más 20 dB (LF 177 → 197, VHF 161 → 181),
así que no son los números impulsivos con una columna quitada.

Las tablas son internamente consistentes de maneras que la biblioteca fija como
tests: el nivel de lesión no impulsivo es siempre TTS + 20 dB, el inicio de TTS
ponderado publicado es siempre el $K + C$ redondeado, y en la tabla impulsiva de
Southall los criterios de SEL van a TTS + 15 dB y los de pico a TTS + 6 dB, lo
que la tabla de arriba cumple fila a fila.

## Una evaluación resuelta de hincado de pilotes

El hincado percusivo de pilotes es el caso impulsivo canónico. La cadena va del
golpe registrado al veredicto:

1. `strike_sel_spectrum` reparte la exposición sonora de un golpe del registro
   en bandas de fracción de octava (las energías por banda vuelven a sumar el
   `single_strike_sel` de banda ancha de
   [Acústica submarina](/phonometry/es/underwater/underwater-acoustics/#3-sonido-del-hincado-de-pilotes-iso-18406), por
   Parseval);
2. `weighted_exposure` aplica $W(f)$ banda a banda, suma la energía ponderada,
   la acumula sobre el número de golpes (el $+10\log_{10} N$ de la ISO 18406) y
   compara el resultado con los criterios, nivel de pico sin ponderar incluido.

### Qué tiene que cubrir el registro

La suma ponderada recorre las bandas que se le entregan, así que **el registro
tiene que abarcar la banda de paso del grupo auditivo**. Las frecuencias de
transición superiores $f_2$ de NMFS 2024 son 26,6 kHz (LF), 129 kHz (HF),
186 kHz (VHF), 68,3 kHz (PW) y 43,8 kHz (OW), y los rangos auditivos
generalizados llegan aún más lejos (LF hasta 36 kHz, VHF hasta 165 kHz). Como
regla, la frecuencia de muestreo tiene que ser unas 2,5 veces el borde de banda
más alto que importe, así que el registro de 48 kHz de abajo (con bandas
resueltas hasta unos 20 kHz) sirve para LF, va justo para OW y trunca gravemente
HF, VHF y PW. Una evaluación de marsopa necesita unos cuantos cientos de
kilohercios.

`weighted_exposure` no puede detectar un espectro truncado: pondera lo que se
le da, así que un registro corto simplemente informa de un SEL acumulado
menor, sin dar ningún aviso. La mitad de pico sin ponderar de la métrica dual
tiene que salir de ese mismo registro sin recorte y con margen de sobra, que
es la razón por la que la ISO 18406 hace del rango dinámico un requisito de
campaña: una captura saturada se lee como un pico conforme.

```python

from phonometry import underwater

# Un golpe registrado (aquí una ráfaga sintética de 200 Hz con caída). 48 kHz
# basta para el grupo LF usado abajo y para nada por encima de él.
fs = 48_000
t = np.arange(int(0.2 * fs)) / fs
strike = 50.0 * np.exp(-t / 0.06) * np.sin(2 * np.pi * 200.0 * t)

spectrum = underwater.strike_sel_spectrum(strike, fs, fraction=3)
peak = underwater.peak_sound_pressure_level(strike)

res = underwater.weighted_exposure(
    spectrum.frequencies, spectrum.band_sel, "LF",
    guidance="nmfs-2024", impulsive=True, n_events=3000, peak_spl=peak,
)
print(res.unweighted_sel, res.weighted_sel, res.cumulative_sel)
print(res.sel_margin, res.peak_margin)   # positivo significa criterio superado
print(res.exceeds_injury, res.exceeds_tts)
res.plot(language="es")   # espectro ponderado frente a los criterios
```

Lee esos seis números en orden, porque cada uno es un paso. La exposición por
golpe sin ponderar del registro es de **135,7 dB re 1 µPa²·s**; la ponderación
LF la deja en **133,5 dB**, apenas 2 dB de coste, porque un martillo de 200 Hz
cae dentro de la banda de paso de los cetáceos de baja frecuencia. Acumular
3000 golpes añade $10\log_{10}3000 = 34{,}8$ dB y da **168,3 dB**; ese término,
y no la ponderación, es el que suele decidir el desenlace. Después se leen los
márgenes frente a los criterios: `sel_margin` = **−14,7 dB** frente al criterio
de lesión auditiva de 183 dB, así que `exceeds_injury` es `False`, pero el nivel
acumulado supera el inicio de TTS de 168 dB por tres décimas de decibelio, así
que `exceeds_tts` es `True`. El pico plano de este registro es de
153,8 dB re 1 µPa, `peak_margin` = **−68,2 dB**, ni de lejos el criterio de pico
de 222 dB.

Esos son los órdenes de magnitud de un golpe *sintético*, y son bajos. El
hincado percusivo medido en la posición estándar de 750 m llega a niveles de
pico del orden de 200 dB re 1 µPa y a exposiciones por golpe del orden de
175-180 dB re 1 µPa²·s, así que un pilote real se acerca al criterio de lesión
de baja frecuencia de 183 dB, quedándose muy por debajo de él en cuanto se
aplica la ponderación VHF. Un resultado muy fuera de esos rangos es un error de
unidades o de calibración, y no un pilote insólito.

*La misma campaña, juzgada dos veces. Para una ballena barbada la ponderación
cuesta 2 dB y el nivel acumulado cae entre los dos criterios; para una marsopa
la ponderación cuesta 59 dB y el mismo hincado queda 50 dB por debajo de su
criterio de lesión. En eso consiste ponderar, y esa es la razón por la que un
único SEL acumulado sin ponderar no es una evaluación. `res.plot()` dibuja
cualquiera de los dos paneles.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python

fig, axes = plt.subplots(1, 3, figsize=(16.5, 5.4))
spectrum.plot(ax=axes[0], language="es")
for ax, group in zip(axes[1:], ("LF", "VHF"), strict=True):
    verdict = underwater.weighted_exposure(
        spectrum.frequencies, spectrum.band_sel, group,
        guidance="nmfs-2024", impulsive=True, n_events=3000, peak_spl=peak)
    verdict.plot(ax=ax, language="es")
    ax.set_title(f"{group}: acumulado {verdict.cumulative_sel:.1f} dB, "
                 f"margen {verdict.sel_margin:+.1f} dB")
plt.show()
```

</details>

La pregunta operativa que hace una campaña no es «¿3000 golpes superan el
criterio?», sino «¿cuántos golpes se pueden hincar, y qué grupo aprieta
primero?». Eso es un bucle sobre `weighted_exposure` con un `n_events`
creciente.

*Todas las curvas son rectas en un eje log-N, porque la acumulación añade
$10\log_{10}N$ y nada más: el grupo decide la ordenada en el origen y el número
de golpes hace el resto. Para este martillo de 200 Hz solo el grupo de baja
frecuencia llega a alcanzar un criterio, a los 2820 golpes, y ningún grupo
alcanza su criterio de lesión dentro de los 10 000. La curva es un caso peor de
receptor estático: la biblioteca no mueve al animal.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python

counts = np.unique(np.round(np.logspace(0.0, 4.0, 90)).astype(int))
fig, ax = plt.subplots(figsize=(11.5, 6.4))
for group in ("LF", "HF", "VHF", "PW", "OW"):
    curve = [underwater.weighted_exposure(
        spectrum.frequencies, spectrum.band_sel, group, guidance="nmfs-2024",
        impulsive=True, n_events=int(n)).cumulative_sel for n in counts]
    line, = ax.semilogx(counts, curve, label=group)
    crit = underwater.exposure_criteria(group, guidance="nmfs-2024",
                                        impulsive=True)
    ax.axhline(crit.tts_sel, color=line.get_color(), linestyle=":")
    ax.axhline(crit.injury_sel, color=line.get_color(), linestyle="--")
ax.set(xlabel="Número de golpes N",
       ylabel="SEL acumulado ponderado [dB re 1 uPa^2 s]")
ax.legend(ncols=5)
plt.show()
```

</details>

### De un criterio a una isopleta

Un margen no es la salida regulatoria; una **distancia** sí. Una isopleta es el
lugar geométrico sobre el que un criterio se cumple exactamente, así que la
respuesta que debe una evaluación es un radio: la distancia más allá de la cual
el SEL ponderado acumulado deja de superar su criterio y, por separado, la
distancia más allá de la cual el pico plano deja de superar el suyo, gobernando
la mayor de las dos.

El puente de esta página a ese radio pasa por la guía de propagación. Toma el
SEL por bandas a la distancia a la que se midió (750 m, según la ISO 18406),
propágalo a una distancia de prueba con `propagation_loss` en cada frecuencia
central de banda, vuelve a ejecutar `weighted_exposure` sobre el espectro
propagado con el número de golpes de la campaña y lee la distancia en la que
`sel_margin` cruza el cero. Después repítelo para el pico plano, donde solo se
aplica la pérdida de ida.

```python
def band_loss(r):
    """Pérdida de propagación por bandas a la distancia r, en 30 m de agua."""
    return np.array([float(underwater.propagation_loss(
        r, float(f), law="practical", transition_range=30.0).pl[0])
        for f in spectrum.frequencies])

reference = band_loss(750.0)          # la distancia a la que se midió el golpe
for r in (750.0, 800.0, 1000.0, 3000.0):
    out = underwater.weighted_exposure(
        spectrum.frequencies, spectrum.band_sel - (band_loss(r) - reference),
        "LF", guidance="nmfs-2024", impulsive=True, n_events=3000,
        peak_spl=peak)
    print(int(r), round(out.cumulative_sel, 1), round(out.tts_margin, 2))
# 750 168.3 0.27   <- superado
# 800 168.0 -0.01  <- la isopleta de TTS está aquí
# 1000 167.0 -0.98
# 3000 162.2 -5.76
```

Para esta campaña la isopleta de TTS de baja frecuencia queda hacia los
**800 m**, y no hay isopleta de lesión ninguna: el nivel acumulado está 14,7 dB
por debajo del criterio de 183 dB incluso a la distancia de medida. La isopleta
de pico tampoco existe, por la misma razón, que es exactamente el caso en el que
la regla de la isopleta *mayor* no tiene entre qué elegir y la evaluación se
reduce a un solo radio.

De ahí se siguen dos consecuencias, y las dos van en el informe. La métrica que
gobierna puede **cambiar con la distancia**, porque el SEL acumulado lleva el
término $+10\log_{10}N$ y el pico no, así que las dos isopletas encogen a ritmos
distintos. Y un número acumulado no significa nada sin dos datos al lado: la
distancia a la que se midió o se modeló el golpe, y la **ventana de
acumulación**; 3000 golpes significa un pilote hincado dentro de esa ventana,
por convención 24 horas en la guía regulatoria, y no una campaña entera.

## Qué cubre esta guía

`group_audiogram` y `audiogram_parameters` implementan el audiograma de grupo
de Southall et al. (2019) (Ecuación 1) con los ajustes absoluto de la Tabla 2
y normalizado de la Tabla 3; `orca_audiogram` implementa el audiograma de orca
de tres tramos de Ainslie (2010) Ecuación (11.159). `auditory_weighting`
implementa las funciones de ponderación y de exposición paso banda para las
tres versiones de guía seleccionables (NMFS 2024 v3.0, por defecto; NMFS 2018
v2.0; Southall et al. 2019), con las tablas de parámetros accesibles mediante
`weighting_parameters`. `exposure_criteria` devuelve los criterios publicados
de inicio de TTS y de lesión (PTS / AUD INJ), impulsivos y no impulsivos,
incluida la mitad de nivel de pico sin ponderar de la métrica dual.
`weighted_exposure` ejecuta la evaluación: pondera un espectro por bandas, lo
acumula sobre eventos e informa del margen frente a cada criterio aplicable.
`strike_sel_spectrum` aporta ese espectro por bandas a partir de un golpe de
pilote registrado.

No hay audiograma para los cetáceos LF, porque Southall et al. nunca imprimen
su parámetro $F_1$. Los criterios de perturbación conductual (los umbrales de
escalón y de dosis-respuesta usados en las estimaciones de hostigamiento)
quedan fuera de alcance: solo se implementan los criterios de efecto auditivo.
La biblioteca no elige por el usuario ni el grupo auditivo ni el periodo de
acumulación, y no modela el movimiento del animal respecto a la fuente, de
modo que el SEL acumulado que informa es el caso peor de receptor estático.
Tampoco comprueba que el espectro aportado abarque la banda de paso del grupo:
un registro que se queda corto respecto de $f_2$ se pondera tal cual y
subestima la exposición. La propagación de la fuente al receptor pertenece a
[Propagación submarina del
sonido](/phonometry/es/underwater/underwater-propagation/).

## Véase también

- [Acústica submarina: ruido radiado e hincado de pilotes](/phonometry/es/underwater/underwater-acoustics/):
  los niveles de referencia de la ISO 18405 y la exposición por hincado de la
  ISO 18406 que alimentan esta página.
- [Propagación submarina del sonido](/phonometry/es/underwater/underwater-propagation/):
  la pérdida de propagación y la maquinaria de figura de mérito que convierte un
  criterio en una distancia.
- Referencia de la API: [`underwater.bioacoustics.weighting`](/phonometry/es/reference/api/underwater/weighting/) y [`underwater.bioacoustics.audiograms`](/phonometry/es/reference/api/underwater/audiograms/).