Para que modelar a distribuição

Transcrição

1 Disciplina: Diversificação e Biogeografia da Biota Neotropical Ricardo Pinto da Rocha Novembro 2014 Imagem base de dados. Imagem obtida. Fonte: Cottrell - Maximum Entropy Modelling of Noisy and Incomplete Data O que é modelagem de distribuição de espécies? distribuição em áreas onde a espécie tem potencial de estar = modelagem de nicho Modelo de distribuição das condições ambientais referentes aos pontos de ocorrência da espécie, baseada nos dados ambientais utilizados. Amostra da distribuição real da espécie. Amostra das variáveis ambientais responsáveis pela distribuição da espécie Barreiras geográficas não são incluídas. Interações entre espécies são difíceis de contemplar. Para que modelar a distribuição Prever potencial distribuição de: possíveis áreas de ocorrência; espécie ameaçada, rara e/ou endêmica; espécie invasora; espécie indicadora; padrões de distribuição no passado ou futuro. O que é necessário para modelar? Conceito de nicho Registro de ocorrência de espécies Dados ambientais (mapas temáticos) Algoritmos de modelagem Grinnell (1904, 1917, 1924): Conceito de nicho Distribuição geográfica dos indivíduos de uma espécie na ausência de interações entre espécies Característica ambiental 1

2 Conceito de nicho A modelagem mostra, no espaço geográfico, a distribuição potencial da espécie referente às condições ambientais utilizadas na construção do modelo. precipitação nicho fundamental distribuição potencial valores dos registros de ocorrência das espécies Modelagem algoritmo Registros de ocorrência (pontos de presença) Variáveis ambientais temperatura precipitação topografia nicho realizado temperatura Distribuição Potencial Passos para iniciar uma modelagem 1. Definir a pergunta 2. Estabelecer a abrangência geográfica/ambiental do estudo 3. Verificar se a qualidade e a quantidade de dados bióticos e abióticos são suficientes 4. Definir quais dados (bióticos e abióticos) serão utilizados 5. Escolher o algoritmo para modelagem 1. Definir a pergunta O que você quer modelar e por quê? espécie ameaçada, rara e/ou endêmica; espécie invasora; espécie indicadora; padrões potenciais de riqueza de espécies; testes metodológicos. 2. Definir a abrangência Onde você quer realizar a modelagem? Qual a abrangência geográfica do estudo? Qual a escala melhor se aplica a essa modelagem? Qual resolução melhor se aplica a essa escala? Escala mostra a relação entre a medida do mapa e a realidade Resolução é o tamanho do pixel (célula) dos mapas/imagens. 3. Qualidade dos dados Dados bióticos:qualidade taxononômica e qualidade do georeferenciamento (ponto área localidade município) Dados abióticos (mapas temáticos): verificar a especificidade ambiental da espécie; biologia/ecologia da espécie 2

3 4. Definir quais dados (bióticos e abióticos) serão utilizados Escolha baseada em: 5. Algoritmo quantidade de dados bióticos disponíveis adequação à pergunta adequação à qualidade dos dados Tipos de algoritmos de modelagem Bioclim ED GARP MaxEnt Avaliação do modelo gerado Gerar um conjunto de teste que não foram utilizados para treinar o modelo Coletar novos dados (trabalho de campo ou levantamento da literatura Dividir os dados em conjuntos (treino e teste) antes de realizar a modelagem Bioclim (algoritmo de envelope bioclimático ou ambiental) Um dos primeiros a ser desenvolvido Binário Environmental Distance ED Simples Pouco robusto Aplicável em poucos pontos de ocorrência Genetic algorithm for ruleset production (GARP) Algoritmo não determinístico Sujeito variações geradas ao acaso Produz um resultado diferente a cada vez que é rodado (mesmo conjunto de dados) MaxEnt (Máxima Entropia) Realiza previsões com informações incompletas. Estima a probabilidade de ocorrência da espécie encontrando distribuição de a probabilidade de máxima entropia (que é a distribuição mais espalhada, mais próxima da distribuição uniforme). Partição de dados em treino e teste Tipos de partições de dados: 1. com reposição (ex. bootstrapping e jackknife) 2. sem reposição (ex. crossvalidation e subsample) Avaliação da qualidade do modelo : 1. Conjunto de teste: a. Coletar novos dados (trabalho de campo ou levantando da literatura) b. Dividir o dados em conjuntos (treino e teste) antes de realizar a modelagem Tipos de erro Presença prevista Ausência prevista Presença Real a c Ausência Real b d aleatório espacial a, d = previsões corretas b = erro de sobreposição (falso positivo) c = erro de omissão (falso negativo) Avaliar o modelo 3

4 distribuição geográfica prevista Tipos de erro Distribuição geográfica real Validação dos modelos Pensar na utilização/aplicação do modelo: escolher qual o limiar de corte a ser aplicado Limite de corte = valor a partir do qual os valores de adequabilidade gerados serão considerados presença para a espécie Assumir entre sobreprevisão ou omissão... Sobreprevisão Omissão Modelos com alto erro de omissão são ruins (corte padrão 10%) Verificar a identidade da espécie Verificar o georeferenciamento da espécie Limite de corte (threshold) Estabelecer o que será considerado presença da espécie no modelo teste gerado ausência presença O limite de corte mais utilizado na literatura é o menor valor de adequabilidade ambiental associado ao conjunto de treino Limite de corte: menor valor de adequabilidade ambiental associado ao conjunto de treino Cumulative threshold Logistic threshold Description Minimum training presence 10 percentile training presence Equal training sensitivity and Maximum training sensitivity plus Equal test sensitivity and Maximum test sensitivity plus Balance training omission, predicted area and threshold value Equate entropy of thresholded and original distributions Fractional predicted area Training omission rate Test omission rate P value E E E E E E E E E E E 15 Resumindo Obtenção dos registros das espécie Obtenção de dados climáticos Escolha do algoritmo Gerar modelos testes Escolher seu limite de corte Associar/avaliar o modelo gerado dentro desse limite de corte 2. Dados abióticos (mapas digitais contínuos) Worldclim dados climáticos mensais (para o mundo todo) de temperatura (máxima, média, mínima, precipitação e altitude em 4 diferentes resoluções (10, 5, 2.5, e 30 ). Hidro1K Elevation derivative database, resolução 1 km (todo mundo), fonte Earth Resources observation and Science (EROS). USGS US Geological Surveys, dados de imagens de satélite, Advanced very high resolution radiometer (AVHRR). IPCC Intergovernmental Panel on Climate Change, dados de clima (presente e projeção do passado e futuro). Resolução 50 km. 4

5 1. Preparação do arquivo com registros 1. Preparação do arquivo com registros especie, dd lat, dd long bimaculatus, , bimaculatus, , bimaculatus, , bimaculatus, , bimaculatus, , bimaculatus, , bimaculatus, , Paper carnaval capa Carnaval figuras 5