Please enable JavaScript.
Coggle requires JavaScript to display documents.
MODELAGEM DE NICHO ECOLÓGICO E DISTRIBUIÇÃO DAS ESPÉCIES (Etapas da…
MODELAGEM DE NICHO ECOLÓGICO E DISTRIBUIÇÃO DAS ESPÉCIES
Distribuição das Espécies
Sabe-se pouco da maior parte das espécies
Para pouquíssimas espécies há conhecimento profundo. Ex.: Tolerância à salinidade.
Muita informação de poucas espécies
*Os dados gerais das espécies diminuem a lacuna espacial e espécie específica
Modelagem de Nicho Ecológico e Distribuição das Espécies
Obtenção de mapa de adequabilidade ambiental a partir de um modelo que descreva o nicho das espécies.
Usado porque:
Projetos para diferentes condições, espaço ou tempo
Incorpora novas informações e aprimora modelos (não é estático)
É replicável
Avalia a importância das variáveis, principais incertezas, regiões mais robustas e limiares
Testa diferentes premissas
Método que relaciona dados de ocorrência e ausência ou abundância com informações ambientais para predizer e/ou compreender a distribuição das espécies.
Utilizado para:
Orientar coleta de dados (em área já conhecida)
Descobrir novas questões (acréscimo de variáveis)
Explicar
Disciplinar questões científicas
Predizer
Expor conhecimento disseminados, porém incompatíveis com dados existentes
Fundamentação Teórica e Conceitual
Espaço Geográfico vs Espaço Ecológico
(Expressão Ambiental) (Expressão Espacial)
Nicho Grinneliano:
condição
(escala + ampla)
Mais utilizado pela facilidade na base de dados
Nicho Ecológico
Condição
Adequabilidade
Nicho Eltoniano:
recurso
(escala + simples)
Diagrama de BAM (Biótico-Abiótico-Movimentação)
Considera:
Interações biológicas
Regiões acessíveis
Condições favoráveis
Ótima representação gráfica dos fatores determinantes da distribuição das espécies
Fundamentação Metodológica
Base Técnica
Variáveis Ambientais
Interpolação: ocorre entre 2 pontos observados (estimativa/generalização)
Extrapolação: extrapolar para o não conhecido, mas com grande base de dados que diminui o erro
Recursos: disponibilidade de alimento (prod. primária) e presença de competidor, predador, parasita
Categorização: ou positivo ou negativo. Ex.: Tipo de cobertura de solo
Condições: temperatura, precipitação, topografia, pH, salinidade (espacial)
Base de Dados:
Marspec: variáveis oceânicas
IPCC: mudanças climáticas
WordClim: clima global, interpolado e extrapolado
USGS: cobertura do solo, índices de vegetação
IBGE
Algoritmo de distribuição (distribuição prevista) (relaciona ocorrência e variáveis)
Métodos Estatísticos
Modelo Linear Generalizado - GLM
Múltiplas categorias de função resposta
Fala da Adequabilidade
Regressões paramétricas
Análise de dados e predições
Métodos de Inteligência Artificial
Entropia Máxima - Maxent
Valores para os dados de registros positivos (valor ótimo = média dos valores observados)
Variáveis não tem importância igual para as espécies
Maximiza a entropia
Predições contínuas (0-100)
Complexos e avançados
Métodos de Envelope e Distância
Muito erro, porém bom para fins didáticos
Envelope Bioclim
Tolerância ambiental para múltiplos preditores
Somente presença
Predição binária
Simples
Ocorrência das espécies (pontos de ocorrência
)
Dados da literatura/tese
Bases de dado on-line (Species Link)
Pontos registrados pelo grupo de pesquisadores :pencil2:
Museus
Anotações pessoais :pencil2:
Gazetters
Etapas da Modelagem
1º Capas de Variáveis Ambientais
(dados ambientais relevantes, escolhidos manualmente ou pelo programa)
Utilizar apenas com o que foi selecionado através de testes específicos, próprio modelo ou manualmente
Pontos de ocorrência ou densidade + Capas de variáveis ambientais
Algoritmo de distribuição (vários processos interferem nas etapas até chegar ao fim)
Distribuição das espécies
2º Criar dois Subconjuntos
(um deles gera a previsão)
Teste
Treino
3º Calibração
O pesquisador define quantas vezes são necessárias as mudanças
Mudança dos parâmetros até chegar no padrão desejado
5º Validação
Estatística de desempenho e limiar
Utilizar o que não foi usado na 2º etapa (reservado para esta etapa)
Avaliação do desempenho
Balanço entre erros (de sobreprevisão e de omissão) e acertos de predição
Distribuição real vs Distribuição predita, gera a matriz de confusão
Estatísticas de desempenho
Kappa
AUC
TSS (+ utilizado)
Define se o modelo pode ser usado
Limiar de ocorrência: Adequabilidade ambiental que estabelece a mudança discreta da distribuição de 1 espécie (de inexistente para existente)
Ponto de inflexão
Métodos:
Arbitrário
Menor probabilidade observada
Probabilidade quando especificidade e sensibilidade = 0,5
Valor de Kappa maximizado
6º Distribuição das Espécies
4º Mapa de Adequabilidade Ambiental
Construção do(s) mapa(s)
Previsão Conjunta
Classes de modelo: GARP
Parâmetros de modelo
Redes neutrais
Maxent
Árvores de decisão
Rondon Forest
Condições iniciais
GARP
Maxent
Árvores de decisão
Rondon Forest
Condições de limite e projeções: media/mediana de todos os modelos juntos
Junção de várias predições e retirada de um padrão
São importantes porque os modelos diferem entre perda de 92% e ganho de 322%
Desvantagens
Resultados rígidos que podem desviar da realidade
Vantagens
Reduz o ruído causado por uma predição de má qualidade
Pode-se ponderar o peso de modelo final pelas estatísticas de avaliação
Reduz a probabilidade de falso positivo
Aplicação dos Modelos de Nichos e Distribuição
Restauração, translocação e reintrodução
Avaliar o risco de invasão e transmissão de doenças
Seleção e delineamento de reservas
Impactos do clima (passado e futuro) sobre as espécies
Descobrir novas populações
Evolução do Nicho
O resultado destes 3 fatores é a distribuição real das espécies