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:

Método que relaciona dados de ocorrência e ausência ou abundância com informações ambientais para predizer e/ou compreender a distribuição das espécies.

Utilizado para:

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

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)

Nicho Ecológico

Nicho Eltoniano: recurso (escala + simples)

Condição

Adequabilidade

Diagrama de BAM (Biótico-Abiótico-Movimentação)

Mais utilizado pela facilidade na base de dados

Considera:

Ótima representação gráfica dos fatores determinantes da distribuição das espécies

Interações biológicas

Regiões acessíveis

Condições favoráveis

O resultado destes 3 fatores é a distribuição real das espécies

Fundamentação Metodológica

Base Técnica

Variáveis Ambientais

Algoritmo de distribuição (distribuição prevista) (relaciona ocorrência e variáveis)

Ocorrência das espécies (pontos de ocorrência)

Dados da literatura/tese

Bases de dado on-line (Species Link)

Pontos registrados pelo grupo de pesquisadores ✏

Museus

Anotações pessoais ✏

Gazetters

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

Métodos Estatísticos

Métodos de Inteligência Artificial

Métodos de Envelope e Distância

Muito erro, porém bom para fins didáticos

Envelope Bioclim

Simples

Tolerância ambiental para múltiplos preditores

Somente presença

Predição binária

Modelo Linear Generalizado - GLM

Análise de dados e predições

Múltiplas categorias de função resposta

Fala da Adequabilidade

Regressões paramétricas

Entropia Máxima - Maxent

Complexos e avançados

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)

Etapas da Modelagem

1º Capas de Variáveis Ambientais (dados ambientais relevantes, escolhidos manualmente ou pelo programa)

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)

3º Calibração

5º Validação

6º Distribuição das Espécies

4º Mapa de Adequabilidade Ambiental

Utilizar apenas com o que foi selecionado através de testes específicos, próprio modelo ou manualmente

Teste

Treino

O pesquisador define quantas vezes são necessárias as mudanças

Mudança dos parâmetros até chegar no padrão desejado

Construção do(s) mapa(s)

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

Estatísticas de desempenho

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)

Distribuição real vs Distribuição predita, gera a matriz de confusão

Kappa

AUC

TSS (+ utilizado)

Ponto de inflexão

Métodos:
Arbitrário
Menor probabilidade observada
Probabilidade quando especificidade e sensibilidade = 0,5
Valor de Kappa maximizado

Previsão Conjunta

Classes de modelo: GARP

Parâmetros de modelo

Condições iniciais

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%

GARP

Maxent

Árvores de decisão

Rondon Forest

Redes neutrais

Maxent

Árvores de decisão

Rondon Forest

Desvantagens

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

Resultados rígidos que podem desviar da realidade

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