Modelagem de abundância com drones : detectabilidade, desenho amostral e revisão automática de imagens em um estudo com cervos-do-pantanal

• Ano de defesa: 2022
• Autor(a) principal: Brack, Ismael Verrastro
• Orientador(a): Oliveira, Luiz Flamarion Barbosa de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Computação visual; Ecologia de populações; Redes neurais; Veículo aéreo não tripulado
• Palavras-chave em Inglês: Imperfect detection; Aerial surveys; hierarchical models; Population monitoring; Convolutional neural networks
• Link de acesso: http://hdl.handle.net/10183/247228

Entender como a abundância de uma espécie se distribui no espaço e/ou no tempo é uma questão fundamental em ecologia e conservação e ajuda, por exemplo, a elucidar relações entre a heterogeneidade de paisagens e populações ou compreender influência de predação na distribuição de indivíduos. Informações de tamanho populacional também são essenciais para avaliar risco de extinção, monitorar populações ameaçadas e planejar ações de conservação. Modelar a abundância de cervos-do-pantanal (Blastocerus dichotomus), sendo um grande herbívoro da América do Sul, pode ser importante para entender relações da espécie com a variação espacial da produtividade primária, das áreas úmidas que a espécie ocupa e do seu principal predador, a onça- pintada. Além disso, por estar ameaçado de extinção, estimar a abundância de cervos pode contribuir para avaliar populações relictuais da espécie, assim como monitorar populações após grandes eventos, como os incêndios de 2020 no Pantanal. Porém, acessar estimativas de abundância confiáveis de maneira eficiente requer métodos robustos que levem em conta os possíveis erros nas contagens e que forneçam as estimativas em tempo hábil, além de um desenho amostral otimizado para aproveitar os recursos geralmente escassos. Os drones tem aparecido como uma ferramenta versátil e custo-efetiva para amostragem de populações animais e vêm sendo aplicados para várias espécies diferentes nos mais variados contextos ecológicos. Como um método emergente, o uso de drones na ecologia fornece oportunidades para explorar novas possibilidades de amostragem e análise de dados, ao mesmo tempo em que pode apresentar novos desafios. Nesta tese, i) exploro oportunidade e desafios na utilização de drones para modelagem de abundância de animais, abordando questões de erros de detecção, desenho amostral e como lidar com os grandes bancos de imagens gerados; e ii) aplico os métodos desenvolvidos para estudar a variação na abundância de cervo-do- pantanal, assim como estabelecer uma abordagem para monitoramento robusto e efetivo dessa espécie. Assim, no primeiro capítulo, conduzo uma revisão na literatura descrevendo os potenciais erros de detecção que podem enviesar estimativas de abundância com drones, buscando soluções atuais para lidar com esses erros e identificando lacunas que precisam de desenvolvimento. Nessa revisão, destaco o potencial dos modelos hierárquicos para estimar abundância em amostragens com drone. No segundo capítulo, aplico amostragens espaço-temporalmente replicadas com drone, analisadas com modelos hierárquicos N-mixture, para entender o efeito de processos topo-base (distribuição de onças-pintadas) e base-topo (disponibilidade de forragem de qualidade e corpos d’água) na distribuição da abundância de cervos-do- pantanal. Nesse estudo, encontrei que, na época seca, os cervos se concentram em áreas de alta qualidade (maior disponibilidade de forragem e próximas a corpos d’água), mesmo sendo a região em que é esperado maior efeito da predação. No capítulo 3, em um estudo com simulações, avalio o desempenho de modelos N-mixture para estimativas de abundância a partir de amostragens espaço-temporalmente replicadas, explorando otimização de esforço amostral e o impacto de um protocolo com observadores duplos na acurácia das estimativas. No capítulo 4, desenvolvo uma abordagem para estimar abundância com drone usando observadores múltiplos na revisão das imagens, sendo um dos observadores baseado em um processamento semiautomático usando algoritmos de inteligência artificial. Nesse estudo, exploro técnicas de aprendizado profundo de máquina, com redes neurais convolucionais, acessíveis para ecólogos, treinando algoritmos para detectar cervos nas imagens de drone. Além de ajudar a elucidar questões sobre as relações do cervo-do-pantanal com aspectos diferentes da paisagem do Pantanal, as abordagens exploradas e desenvolvidas aqui têm um grande potencial de aplicação, ajudando a estabelecer os drones como uma ferramenta eficiente para modelagem e monitoramento populacional de diversas espécies animais, e particularmente de cervos.