Please enable JavaScript.

Coggle requires JavaScript to display documents.

MODELAGEM DE NICHO ECOLÓGICO E DISTRIBUIÇÃO DAS ESPÉCIES (ETAPAS DA…

- - - - Precipitação
      - Topografia
      - Temperatura
      - pH
      - Salinidade
    - - Disponibilidade do recurso
      - Presença do competidor/parasita/predador
    - - EXTRAPOLADAS
        
        Estende o padrão de dados com pontos bem conhecidos para uma região não conhecida
      - CATEGORIZADAS
        
        Limita os dados em duas categorias diferentes
      - INTERPOLADAS
        
        Ocorre entre dois pontos observados com dados coletados
  - - - Transparência intermediária
      - Precisão estatística alta
      - Complexidade intermediária
      - Realismo intermediário
      - Exemplo: GLM (Modelo linear generalizado)
    - - Transparência baixa
      - Precisão estatística alta
      - Complexidade alta
      - Realismo intermediário
      - Exemplo: MAXENT (Entropia máxima)
    - - Muitos erros - baixa precisão estatística
      - Baixo realismo
      - Alta transparência
      - Complexidade baixa
      - Vantagem: aprendizagem didática
      - Exemplo: BIOCLIM
- - - - AVALIAÇÃO DO DESEMPENHO
        
        Balanço entre acertos e erros da distribuição no modelo proposto
        
        Tipos de erros
        
        Erro de sobreprevisão/Tipo I/Falso positivo
        
        Prediz distribuição onde não existe
        
        Erro de omissão/Tipo II/Falso negativo
        
        Deixa de predizer distribuição onde existe
        
        Define se o modelo é válido ou não
        
        Limiar de ocorrência
        
        Gerando um mapa binário (ausência/presença)
        
        Pode ser interpretado como um PONTO DE INFLEXÃO, onde há mudança no gráfico de distribuição
        
        Calculado pela menor registro de probabilidade de presença observada
        
        Probabilidade de intersecção entre especificidade e sensibilidade
        
        Arbritrário
        
        Valor de Kappa Maximizado
        
        O ponto onde o Kappa é máximo é o limiar a partir do cálculo de estatística da avaliação
        
        Passa do estado ausente para presente
        
        PREVISÃO CONJUNTA de classes de modelos
        
        Síntese de várias predições condensadas em um único resultado
        
        Definida por estatística de tendência central
        
        Testa diferentes elementos ao longo da construção do modelo para fazer uma predição conjunta
        
        Exemplo: Na condição inicial
        
        Árvores de decisão/ GARP/ MAXENT/ Random Forest
        
        Exemplo Na condição de classes de modelo
        
        GARP
        
        Exemplo: Parâmetros de modelo
        
        Maioria faz esse - processo de CALIBRAÇÃO - Árvores de decisão/ Redes neutrais/ MAXENT/ Random Forest
        
        PREVISÕES CONJUNTAS (ENSENBLE FORECASTING) NOS ARTIGOS RELACIONADAS A UM ÚNICO FATOR
        
        Condições limites
        
        Sobrepõem todos os modelos mostrados e faz uma estatística de tendência central deles para obter a probabilidade
        
        Reduz a probabilidade do falso positivo
        
        Reduz o ruído por uma predição de má qualidade, diluindo os erros
        
        Resultados rígidos que podem desviar da realidade
        
        APLICAÇÃO DOS MODELOS DE NICHO E DISTRIBUIÇÃO
        
        Restauração, translocação e reintrodução de spp
        
        Avaliação do risco de bioinvasão e transmissão de doenças
        
        Seleção e delineamento de reservas/área de conservação
        
        Mensuração do impacto do clima sobre as spp - no passado e no futuro
        
        Descoberta novas populações
        
        Evolução do nicho das spp - ancestral comum, como divergiram...