Funções de Seleção do Recurso (Resource selection functions RSFs ), são geralmente usadas para quantificar o quanto os animais são seletivos durante o período de uso do habitat ou alimento, como dis- cutido por Strickland; McDonald (2006), e outros autores citados nesta publicação. Estas funções foram desenvolvidas por volta de 1980 como uma generalização das funções ajustadas, que eram geralmente usa- das para o estudo da seleção natural sobre as populações de animais (MANLY, 1985). Funções ajustadas estão relacionadas com a probabilidade de seleção da sobrevivência apesar das RSFs estarem relacionadas
com a probabilidade dos recursos serem usados (McDONALD et al., 1990). O uso da RSF depende, em uma população de N unidades de recurso a serem definidos, em que cada unidade é definida pelo valor de p variáveis X1 a Xp.
As unidades de recurso podem ser a quantidade de alimento, em cada caso, dentro das quais as variáveis X podem ser descritas com base em seu tamanho e cor. Alternativamente, as unidades de recurso podem ser unidades do habitat como uma parcela de um hectare dentro de um grande parque nacional, neste caso as variáveis X poderiam descrever a distância da parcela de terra à água, a elevação, e a vegetação dominante na parcela. Para o restante deste capítulo, somente a seleção de habitat será discutida, em geral também se aplica para a seleção dos alimentos.
O número de unidades de recurso N, pode ser muito grande ou até infinito e, pode também não ser conhecido. Por exemplo, Manly et al. (2002), descrevem a situação de 24 grupos de vegetação que foram selecionados por conter ninhos de pardais que durante um período de dois anos, foram comparados com 25 grupos de vegetação selecionados aleatoriamente na área de estudo. Neste caso, as unidades de recurso são os grupos de vegetação, dentro da área de estudo, sendo o número total delas desconhecido, provavelmente muito grande.
Em alguns estudos as unidades de recurso podem ser consideradas como sendo pontos dentro da área de estudo, onde os animais são encontrados. Neste caso poderia haver um número infinito de unidades de recurso dentro da população. Isto pode de qualquer forma ser evitado, se considerarmos a área de estudo consistindo em N parcelas de terra não sobrepostas, com a parcela que está sendo usada, se um ou mais animais são encontrados dentro da parcela. Neste caso o valor de N poderia depender do tamanho da parcela. Por exemplo, se as parcelas são de um quilômetro quadrado, então pode haver milhares destas parcelas na área de estudo, enquanto que se as parcelas são de um metro quadrado, N poderia ser alguns milhões de vezes maior.
Qualquer que seja a definição da unidade do recurso, a RSF é definida como qualquer função
w(x1, . . . , xp), em que esta é proporcional à probabilidade desta unidade com valores de x1 a xp para as
variáveis X1a Xp usadas durante a execução do estudo. Enquanto que a função da probabilidade da seleção
do recurso (RSPF ) é definida como a função w∗(x1, . . . , xp) dando a probabilidade atual de uso para a
unidade com valores de x1 a xp para as variáveis de X1 a Xp.
De qualquer maneira, em situações semelhantes do exemplo anterior dos pardais, onde o número total de grupos de vegetação usados em dois anos do período de estudo, e o número total de grupos de vegetação na a área de estudo são ambos desconhecidos, parece ser irreal esperar uma estimativa com a probabilidade real de uso. Em casos semelhantes, esta RSF poderia ainda ser estimada utilizando a amostra de unidades usadas. A amostra de unidades disponíveis e esta função é necessário para quantificar o processo de seleção (MANLY et al., 2002).
Em princípio, a RSPF pode ser claramente estimada se N, o número total de unidades de recurso na população, e n1, o número total de unidades usadas durante o período de estudo, são ambas conhecidas.
Em muitos estudos não é difícil determinar N. Por exemplo, se a unidade de recurso a ser considerada é uma parcela de um hectare dentro de um parque nacional então, é fácil calcular o número total de parcelas dentro do parque. De outro lado, determinar n1 freqüentemente não é tão fácil. Por exemplo, no estudo da
Então, isso fornece o número de parcelas observadas a serem usadas, mas não têm um meio de conhecer a posição onde o pássaro ficou quando não foi registrado. Em vista disso, propomos que este problema seja estudado pela definição da unidade de recurso usada naquelas que são registradas, como sendo usadas quando as observações de uso são feitas. Isso então fixa o valor de n1 e não há uma resposta sobre o que
isso significa para a unidade a ser usada. Isso também significa que todas as N − n1 unidades, dentro da
população de unidades, não são observadas para o uso, pois pela definição, são as unidades não usadas. Dada esta situação, é possível no início estimar a RSPF usando métodos padrões. Assumimos, de qualquer maneira, que para N grande, não seja possível adicionar os dados sobre todas as N − n1 unidades
não usadas em programa de computador. Por exemplo, poderiam ser vários milhões destas unidades não usadas. Na próxima seção descrevemos um método simples para estimar a RSPF baseada em n1 unidades
observadas a serem mais usadas, em grandes amostras de n2unidades não usadas, retiradas, por exemplo, do
sistema de informação geográfica (GIS). A Regressão logística é atualmente usada, mas a aproximação aqui proposta pode ser usada igualmente como outra função, descrevendo a relação entre a probabilidade de uso e as variáveis X1a Xp medidas na unidade de recurso.
A aproximação da RSPF pode ser estimada usando qualquer programa de regressão logística padrão, mas as variâncias das estimativas dos parâmetros, que são as saídas dos programas, serão também pequenas e a qualidade da estatística ajustada não seria boa. Também, existe algum viés devido ao tamanho amostral pequeno usado na estimativa do parâmetro. Para superar estes problemas, a reamostragem bootstrap de dados é então proposta. Três destes métodos são descritos e estudos de simulação indicam que um destes métodos fornece resultados satisfatórios.
Conclui-se, com a discussão sobre algumas limitações potenciais do uso da regressão logística para estimar a RSPF que por exemplo, se a probabilidade de uso para unidades em um ano de estudo é dada exatamente pela expressão da regressão logística e, esta função também contém um segundo ano de estudo, então a função RSPF descreve a probabilidade de uso para dois anos e, portanto, não pode ser a regressão logística, sendo ela seria correta só para um tempo de duração.