此外，我们还分析了在现场收集的记录的光谱分布，以研究爆炸性繁殖事件之前和期间声学环境的变化，我们首先计算了每个文件的平均频谱，然后，我们使用随机森林程序比较了爆炸性繁殖事件不同时刻的光谱图，我们使用随机森林重要性度量量化并评估了分类准确性和每个特征的重要性。
最后，我们通过计算物种丰富度、基尼-辛普森系数和二次熵来估计每个声学群落的α多样性，丰富度是群落中物种的数量，基尼-辛普森指数考虑了物种的数量及其比例，二次熵，或Rao的多样性系数，基于物种的数量，它们的比例，并包含一个物种间相异性矩阵。
对于每个多样性指数，我们测试了爆炸性繁殖事件时期和事件之间的差异，以及两个因素之间的相互作用，重复测量方差分析，夏皮罗-威尔克和莫齐利检验在使用方差分析检验时分别没有违反正态性和球形度的假设。
最后使用Bonferroni校正进行Tukey测试作为事后程序，以检查时间段之间的成对比较，I型误差设置为标称水平5%，使用R软件计算声学和统计分析，特别是，使用seewave R包计算频谱音频特征和相异矩阵，使用adiv R包计算群落和多样性排序分析，使用随机森林R包计算统计分类。
我们首先使用交叉DPCoA分析了爆炸性繁殖事件的物种组成，从而可以专注于爆炸性繁殖事件，从而消除了与事件之前或之后的时间段相关的交叉因子的影响。
前两个主轴分别表示因子位点主效应变异性的34.8%和30%，第一轴和第二轴都没有呈现特定的模式，爆炸性繁殖事件在很大程度上重叠了社区。
然而，一些地点表现出高度的事件间多样性，每个爆炸性繁殖事件都有特定和独特的物种组合，这些场址的爆炸性繁殖事件的场间和场内变异性具有相同的数量级。
然后，为了揭示群落中的时间变异性，我们消除了因子“事件”与DPCoA的交叉效应，无尾族群落的召唤活动是沿着时间维度构建的，DPCoA的第一轴解释了84.3%的方差，明确区分了两个组合：爆炸前群落和特征爆炸繁殖群落。
在起源附近出现了一个具有两侧物种的过渡群落。虽然爆炸前群落的物种组成部分相似，但t3和t4具有明确而独特的物种组成，爆炸前群落的特征是Phyllomedusa tomopterna，Leptodactylus mystaceus和Dendropsophus counani。
