Sensibilidade de modelos de distribuição de espécies a erros de posicionamento de dados de coleta

• Ano de defesa: 2007
• Autor(a) principal: Fábio Iwashita
• Orientador(a): Antonio Miguel Vieira Monteiro, Silvana Amaral Kampel
• Banca de defesa: Gilberto Câmara Neto, Marinez Ferreira de Siqueira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: The study of environmental and its relationships with species spatial distribution is an old concern in biogeography. Mathematics allied with computers tools make possible a forecast of species distribution. The models know as Species Distribution Models uses occurrence field data and environmental variables to point out suitable places for species. Despite of many works that evaluate species distributions models performance, the placement accuracy influence over habitat suitability models remain unevaluated. We assess the models sensibility for sample placement errors. To keep an experimental design with few unknown factors, a control of sampling conditions are needed. Further, for placement errors analysis, a control over different error is necessary. To fulfill this purpose, placement errors were evaluate through artificial data. We simulated a fundamental niche for virtual plant specie and used a couple of error insertion methods; sample coordinates projection towards cellular center point and errors with normal distribution in polar coordinates parameters. We evaluated BIOCLIM, GARP Best Subsets and Maximum entropy. All models present placement errors sensibility. BIOCLIM exhibited the highest performance decrease. GARP Best Subsets had low sensibility to placement errors, nevertheless predicted a wide range occurrence. The maximum entropy presented the best performance despite of errors placement. These results show the importance to take account the effects of placement errors in modelling process. We need specific cautions, like method choice, its premises and sample placement accuracy.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m17@80/2007/06.13.12.04

Os chamados modelos de distribuição de espécies utilizam dados de ocorrência de campo e variáveis ambientais para indicar locais adequados para a ocorrência de uma espécie. Apesar dos inúmeros trabalhos que avaliam os mais diversos aspectos dos modelos de distribuição de espécies, os erros posicionamento ainda não foram avaliados. Este trabalho avaliou a sensibilidade dos modelos de distribuição de espécies a erros de posicionamento de dados de coleta. Para que a avaliação dos modelos possa ser efetuada sobre um desenho experimental onde existe um número menor de fatores que podem influenciar o resultado, é preciso ter controle sobre a amostragem. No caso da avaliação da influência dos erros de posicionamento, também é necessário ter um controle dos diferentes tipos de erros de posicionamento. Para cumprir estes propósitos, os erros de posicionamento foram avaliados através de dados artificiais. Foram simulados o nicho fundamental e os pontos de ocorrência de uma espécie vegetal hipotética. Dois métodos de introdução de erros foram desenvolvidos e utilizados, a projeção das coordenadas das amostras para centróides de células e erros com distribuição normal com parâmetros em coordenadas polares. Os erros de posicionamento foram avaliados para os modelos BIOCLIM, GARP Best Subsets e MAXENT. Todos os modelos analisados apresentaram sensibilidade aos erros de posicionamento. O BIOCLIM apresentou a maior queda de desempenho. O GARP Best Subsets tem baixa sensibilidade a erros de posicionamento, mas prevê uma extensa área de ocorrência. O modelo máxima entropia apresentou a menor sensibilidade a erros. Estes resultados demonstram que a influência dos erros de posicionamento tem que ser considerada no processo de modelagem. São necessários cuidados específicos, como a escolha do método, suas premissas e o conhecimento sobre a precisão dos pontos de ocorrência.