As estimativas de densidade do modelo espacialmente explícito de captura-recaptura foram realizadas no pacote secr 3.1.3 (Efford, 2013) no software R versão 3.3.2 (R Development Core Team, 2011).
Considerando que o número de registros foi robusto devido ao longo tempo de amostragem e ao grande número de armadilhas fotográficas, foi utilizada a abordagem da máxima verossimilhança ao invés da abordagem Bayesiana, devido a fatores como maior rapidez no processamento de dados e devido a sua maior flexibilidade para processos como a seleção de modelos (Efford, 2011).
As armadilhas fotográficas são definidas como detectores do tipo proximity, as quais registram os indivíduos sem restringir seus movimentos, considerando que o mesmo indivíduo possa ser capturado na mesma ocasião em localidades diferentes. Por isso, dentre os três modelos possíveis de serem utilizados no SECR (distribuição Poisson, Binomial e Multinominal), aquele que se mostra mais adequado é o modelo 1 (Poisson) na qual um
indivíduo pode ser registrado várias vezes (definido arbitrariamente) em vários detectores em qualquer ocasião da amostragem.
Novamente, nessa análise a ocasião é um período arbitrário definido pelo pesquisador, sendo considerada cada ocasião correspondente a um período de 5 dias, definido de acordo com a facilidade para a organização dos históricos de captura.
Foi realizado um Closure Test (Otis et al., 1978) em cada um dos históricos para averiguar se a população estava estatísticamente fechada em cada um dos períodos utilizados para as estimativas de densidade populacional.
Foi utilizado no modelo como covariável individual, o sexo, que define que há variação nas probabilidades de captura entre os indivíduos, visto que as fêmeas de onça-pintada tem áreas de vida menores e consequentemente taxas de captura mais baixas (Silveira, 2004; Soisalo & Cavalcanti, 2006; Sollmann et al., 2011). Como covariáveis da estação amostral foram definidas: o esforço amostral total de cada detector (armadilha) por ocasião, a localidade em que essa foi instalada (se dentro ou fora de estradas) e a covariável espacial, que diferencia áreas que são ou não de habitat, inserida através do shapefile excluindo a parte da área de estudos que a espécie não pode ocupar (corpos d’água).
Para inserir os dados no R foram criadas duas tabelas (input) para a geração dos modelos, uma referente às capturas e uma referente aos detectores, no formato TrapID. Esses dois componentes, detector e capture são integrados para formar o histórico de captura (capthist), através da função make.capthist.
A entrada de dados das capturas consiste na identificação da sessão (session), identificação numerada dos indivíduos (ID), a ocasião de detecção (occasion), a identificação numerada do detector (detector) no qual ocorreu o registro e a covariável individual de sexo (sex) (Figura 5).
FIGURA 5. Exemplo do input de capturas no formato de inserção trapID, com covariável individual de sexo para o período de Setembro a Novembro de 2013.
Quanto à lista de detectores (Detector) as informações inseridas foram: a Identificação numerada de cada detector conforme a ordem de instalação, as coordenadas geográficas (x,y) no formato GMS e o esforço amostral (em horas) do detector para cada ocasião numerada de amostragem (Figura 6).
FIGURA 6. Exemplo do input dos detectores com esforço amostral por ocasião no formato trapID.
A covariável espacial referente à localização dos detectores, se dentro ou fora de estradas foi adicionada posteriormente ao histórico de captura através da função add.covariates.
Foram colocados sete modelos em concorrência sob o Critério de Informação de Akaike (AIC), para selecionar aqueles que melhor se adequam aos dados de cada um dos períodos escolhidos para as estimativas de densidade. O Critério de Informação de Akaike (AIC) assume a existência de um modelo verdadeiro que é o que descreve perfeitamente os dados, sendo esse desconhecido, e avalia entre um grupo de modelos selecionados o que mais se aproxima do modelo verdadeiro sob o critério da parcimônia, ou seja, o modelo que explica a variação na variável resposta com o menor número de parâmetros possíveis (Bozdongan, 1987). Foi utilizado o índice corrigido para pequenas amostras e verificado o ΔAIC, sendo esse o mais fácil de interpretar, mostra a diferença relativa entre o modelo concorrente e o modelo verdadeiro, sendo que quanto mais baixo é esse índice mais o modelo se aproxima do modelo real (Burnham et al., 2002).
Para a criação dos modelos híbridos (pmix), em que os principais parâmetros são: a densidade populacional em animais por hectare (D), a probabilidade de detecção (g), a magnitude(intercepto) da função de detecção (g0) e a escala espacial da função de detecção (sigma), esses podem ser constantes (~1), ou variar de acordo com classes, como o sexo
(~h2), a estação amostral (~onoff) ou esforço amostral (~tcov).Outros parâmetros avaliados incluem respostas comportamentais após o primeiro registro (b), respostas comportamentais em relação ao local de amostragem (bk), e resposta comportamental após o primeiro registro, variando ao longo do tempo (b+T). Foi utilizada a função secr.fit para gerar os modelos colocados em concorrência (Quadro 1).
QUADRO 1. Descrição dos modelos mistos postos em concorrência sob o critério de informação de Akaike (AIC).
Modelos híbridos em concorrência Descrição
D~1 g0~1 sigma~1 pmix~h2 Modelo de detecção constante
D~1 g0~h2 sigma~h2 pmix~h2 Modelo de heterogeneidade individual
D~1 g0~b+T sigma~1 pmix~h2
D~1 g0~bk sigma~1 pmix~h2 Modelo global comportamental Fonte: Adaptado de Trinca, 2014.
Após criado o histórico de captura com as localizações dos detectores foram definidos os valores de buffer, sendo que a soma de todos os valores de buffer é igual à área efetivamente amostrada, também chamada de máscara de habitat.
As análises foram realizadas com ambas as abordagens para a criação da máscara de habitat , atráves do buffer sugerido estatisticamente de acordo com cada histórico de captura , através da função suggest.buffer com a função de detecção do tipo ‘halfnormal’, e a inserção de um shapefile das áreas de água a serem descontadas da máscara de habitat.
Foram realizadas também, simulações com diferentes valores de buffer que as através da função mask.check, para garantir que as estimativas de densidade estariam estabilizadas dentro dos valores sugeridos pelo SECR para cada um dos períodos utilizados para estimar a
densidade. A variação nos valores de buffer foi realizada a cada 1000 metros no intervalo entre 1000 e 12000 metros, considerando pouco provável que a estabilização das estimativas aconteça de fora desse intervalo devido ao valores sugeridos pela função suggest.buffer ao longo de três períodos diferentes.
Foram geradas as estimativas de densidade para os três períodos definidos para considerar uma população fechada, posteriormente foi utilizada a função ms.capthist para uma quarta estimativa, que utiliza o histórico de captura dos três períodos para gerar uma estimativa média da densidade populacional. Essa abordagem é importante pois, apesar de os períodos de 90 dias serem utilizados para garantir uma população fechada, não é realista supor que grandes mamíferos não se desloquem para dentro ou fora de um grid de armadilhas durante um longo período de amostragem, podendo portanto as estimativas populacionais variarem ao longo do tempo, visto que a população pode apresentar indivíduos residentes e ocasionais em relação à amostragem, dependendo se as áreas de vida estão totalmente inseridas ou se elas se sobrepõe apenas parcialmente com a área amostrada.
Os centros de atividade dos indivíduos em relação ao conjunto de detectores (armadilhas) foram gerados para cada um dos períodos de amostragem, através da função fxi.countour. Os centros de atividade são aproximações da área de vida dos indivíduos gerados com base nas probabilidade de captura e dos pontos em que esse foi registrado.
4.
RESULTADOS
Foram obtidos ao todo 129 registros de onça-pintada, dos quais 16 registros não apresentaram qualidade para visualização dos padrões de rosetas, devido a fatores como distância ou por só estarem visíveis partes do corpo de difícil identificação , como parte traseira, cauda ou cabeça.
Foram identificados através dos padrões de rosetas, 12 indivíduos de onça-pintada sendo oito machos, duas fêmeas e dois juvenis, filhotes da fêmea 1, tendo sido registrados com a mesma durante os três período de amostragem. A razão sexual dos indivíduos adultos para cada um dos períodos de amostragem esta representada na Tabela 3.
TABELA 3. Razão sexual (macho:fêmea) obtida em cada um dos três períodos utilizados nas estimativas populacionais.
Período Macho Fêmea (M:F)
Set – Novembro 2013 4 2 2:1
Maio – Julho 2014 6 1 6:1
Ago – Novembro 2014 7 2 3,5:1
Total 8 2 4:1