Previsão probabilística do branqueamento dos corais: aspectos teóricos e práticos para o desenvolvimento de um sistema de alerta precoce para recifes do Oceano Atlântico
| Ano de defesa: | 2020 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | , , , |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal da Bahia
Instituto de Geociências |
| Programa de Pós-Graduação: |
em Geologia
|
| Departamento: |
Não Informado pela instituição
|
| País: |
brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://repositorio.ufba.br/ri/handle/ri/33276 |
Resumo: | O branqueamento dos corais representa a resposta negativa mais proeminente dos ecossistemas recifais frente às atuais mudanças climáticas. Capaz de promover mortalidade em massa das colônias e significativas alterações nas estruturas das comunidades recifais, estes fenômenos devem tornar-se cada vez mais frequentes, intensos, duradouros e globalmente generalizados, a ponto de comprometer a viabilidade dos ecossistemas recifias nas próximas décadas. A escolha da redes bayesianas para a modelagem do branqueamento advém de sua inerente aptidão em integrar dados e conhecimentos com diferentes características e lidar com as incertezas e complexidades relacionadas a estes fenômenos graças ao uso de probabilidades. Nesta pesquisa razões pelas quais a abordagem Bayesiana pode ser bastante proficiente para modelagem dos ambientes recifais e particularmente para o caso do branqueamento dos corais são apresentadas, e os aspectos mais relevantes de referências-chave são discutidos com maiores detalhes sob a perspectiva do cientista/modelador recifal. Descrevemos a natureza destes modelos e os procedimentos para sua construção, fornecendo recomendações para uma modelagem apropriada em cada uma das principais etapas, e apresentamos um estudo de caso de formalização do modelo conceitual de previsão sazonal do branqueamento dos corais a partir de um caso controle em uma área de reserva ambiental. Para isso, duas ideias bem fundamentadas cientificamente foram avaliadas e confirmadas em relação à sua contundência nos eventos de branqueamento: 1- existe uma relação entre a intensidade do fenômeno El Niño e anomalias térmicas positivas no oceano Atlântico; e 2- o branqueamento dos corais é principalmente influenciado por anomalias térmicas positivas na água do mar. O modelo conceitual formalizado organizou hieraquicamente os indicadores relativos à estes pressupostos em uma estrutura de rede de acordo com seus níveis de influência sobre o branqueamento e foi utilizado como ponto de partida para o desenvolvimento de modelos concorrentes aptos a realizar previsões sazonais para as áreas recifais do oceano Atlântico Norte. Procedimentos de mineração de dados, validação, e testes de pontuação foram utilizados como critério de comparação, demonstrando a viabilidade da abordagem Bayesiana para realizar previsões sazonais do estado de branqueamento com níveis de acurácia acima de 80%. Como alternativas para melhorar a precisão foram desenvolvidos modelos personalizados com bases de dados restritas a situações específicas, mas ao custo da perda da capacidade preditiva. Acreditamos que o modelo de rede Bayesiana desenvolvido, testado e avaliado nesta pesquisa representa um recurso útil para auxiliar os cientistas, governos e gestores ambientais através de um sistema de aviso prévio de branqueamento capaz de fornecer tempo suficiente para planejar campanhas de campo e possíveis ações mitigadoras. Finalmente, sob o ponto de vista evidenciado nesta pesquisa, a abordagem Bayesiana representa uma alternativa com expressivo potencial para auxiliar à gestão dos ecossistemas recifais e deve se estabelecer como uma técnica padrão de análise nos próximos anos. Familiarizar-se com características e procedimentos desta abordagem deve ser de grande valia para estudantes/pesquisadores e gestores empenhados em salvaguardar a viabilidade futura destes inestimáveis ecossistemas. |