Model Nicho Distr

(1)

Modelagem de Nicho Ecológico /

Modelagem de Distribuição de Espécies

Maria Lucia Lorini

(2)

Distribuição geográfica

Dist

ribui

ção

(3)

Área de distribuição geográfica

Dist

ribui

ção

... área particular ocupada por um grupo de

organismos (Darlington 1966)

 Embora fundamental em ecologia e biogeografia, o

conceito poucas vezes foi objeto de discussões mais profundas

 Muitas vezes empregado de forma implícita e

intuitiva, associando área e presença detectada da espécie

(4)

... conjunto de células em uma matriz representativa do espaço geográfico onde a presença de indíviduos desta espécie pode ser detectada, sendo este

conjunto definido de modo real ou potencial

(Soberón, 2007) D istr ibui çã o

(5)

A ocorrência de uma espécie em um dado espaço geográfico (distribuição) é determinada por cinco grupos de fatores:

1. Condições abióticas (cenopoéticas): variáveis

independentes de densidade, de condição, reguladoras ou cenopoéticas (clima, ambiente físico etc.). Via de

regra configuram-se em extensão e resolução

espaço-temporal mais ampla, de menor detalhe.

O que determi na a di st ribui ção

(6)

A ocorrência de uma espécie em um dado espaço geográfico (distribuição) é determinada por cinco grupos de fatores:

2. Condições bióticas (bionômicas): variáveis dependentes de densidade, de recurso ou

bionômicas, o conjunto de interações com outras espécies que modificam a capacidade de manter populações (e.g. competidores, predadores,

mutualistas, patógenos). Em geral definem-se em extensão e resolução espaço-temporal mais restrita, de maior detalhe. O que determi na a di st ribui ção

(7)

3. Condições de acessibilidade da área: dependem da configuração da paisagem e das habilidades de dispersão da espécie.

A ocorrência de uma espécie em um dado espaço geográfico (distribuição) é determinada por cinco grupos de fatores: O que determi na a di st ribui ção

(8)

4. Capacidades evolutivas: potencialidade das populações da espécie para adaptação a novas

condições e/ou para diferenciação.

5. Padrão dos distúrbios no ambiente: a extensão, freqüência e severidade dos eventos impactantes, quer sejam de origem natural ou antrópica.

A ocorrência de uma espécie em um dado espaço geográfico (distribuição) é determinada por cinco grupos de fatores: O que determi na a di st ribui ção

(9)

os três primeiros (

condições abióticas

,

bióticas

e de

acessibilidade

) são

fundamentais para entender os

relacionamentos entre áreas distribucionais e

nichos

Os dois últimos fatores (capacidades

evolutivas e distúrbios ambientais) são

estocásticos, logo

(10)

Dist

ribui

ção

e ni

cho

O que determina a distribuição

geográfica das espécies?

“As distribuições geográficas são um

reflexo espacial do nicho...”

B. A. Maurer Um ida d e Temperatura

(11)

Nicho ecológico

O que é?

(12)

G. Evelyn Hutchinson (1944-58)

“região de um hiperespaço n-dimensional

onde cada dimensão representa um intervalo de condições abióticas ou

bióticas necessárias para a sobrevivência e reprodução da espécie” Temperatura Um ida d e Espaço ecológico Nicho ecológico Nicho

(13)

Condições em que um organismo (espécie,

população) pode persistir (sobreviver e reproduzir-se) são em geral maiores do que as condições em que o organismo realmente vive. Esta redução é causada por interações bióticas.

Nicho Fundamental - todos as características do hipervolume de n-dimensões na ausência de outras espécies.

Nicho Realizado - porção do nicho fundamental à qual a espécie foi reduzida devido a interações interespecíficas.

Nicho Fitness (para organismos)

ou taxa de crescimento

populacional (para populações) fora desta linha = 0

Nicho realizado Nicho fundamental Um ida d e Temperatura

(14)

Condições em que um organismo (espécie,

população) pode persistir (sobreviver e reproduzir-se) são em geral maiores do que as condições em que o organismo realmente vive. Esta redução é causada por interações bióticas.

Nicho Fundamental - todos as características do hipervolume de n-dimensões na ausência de outras espécies.

Nicho Realizado - porção do nicho fundamental à qual a espécie foi reduzida devido a interações interespecíficas.

(15)

Nicho no espaço ecológico e no geográfico

Nichos podem ser definidos no espaço ecológico usando os valores das variáveis

ambientais associados às ocorrências Espaço geográfico Espaço ecológico Espaço ecológi co x geográf ico

(16)

Nicho no espaço ecológico e no geográfico

Nichos podem ser definidos no espaço ecológico usando os valores das variáveis

ambientais associados às ocorrências

Espaço geográfico

Espaço ecológico

E podem ser projetados no espaço geográfico para

identificar as áreas potenciais de distribuição Espaço ecológi co x geográf ico

(17)

O nicho e os fatores que

influenciam a distribuição

geográfica de espécies

Diagarama de BA M

Diagrama de BAM (Biotic, Abiotic, Movement)

G

B

M A

(18)

G

Diagarama

de BA

(19)

G

G = espaço geográfico

Diagarama

de BA

(20)

G

G = espaço geográfico

J = subconjunto qualquer de G,

representa a expressão geográfica

dos conjuntos seguintes

Diagarama

de BA

(21)

G

Diagarama

de BA

(22)

A

G

Diagarama

de BA

(23)

A

G

A = região em que as condições abióticas

permitem que haja crescimento da

população (é equivalente à expressão

geográfica do nicho fundamental)

Diagarama

de BA

(24)

A

G

A = J

_F

J

_F

= Área abioticamente adequada

~ nicho fundamental

= J

_F

Diagarama

de BA

(25)

G

Diagarama

de BA

(26)

B

G

Diagarama

de BA

(27)

B

G

B = região onde as variáveis bióticas que

afetam o uso de recursos e as interações

biológicas permitem o crescimento das

populações (lugares em que as relações da

espécie com outras espécies permitem

sua sobrevivência)

Diagarama

de BA

(28)

B

G

Diagarama

de BA

(29)

A

B

G

= J

_F Diagarama de BA M

(30)

A

B

G

= J

_F

J

_R Diagarama de BA M

(31)

A

B

G

= J

_F

J

_R

J

_R

= região que tem condições abióticas

adequadas para o crescimento da

população E onde as interações bióticas

permitem o crescimento das populações

Diagarama

de BA

(32)

A

B

G

= J

_F

J

_R Diagarama de BA M

(33)

A

B

G

= J

_F

J

_R

J

_R

= Área de distribuição potencial

~ nicho realizado

Diagarama

de BA

(34)

G

Diagarama

de BA

(35)

M

G

Diagarama

de BA

(36)

M

G

M = regiões que são acessíveis

considerando a capacidade de

dispersão da espécie

Diagarama

de BA

(37)

A

M

B

G

= J

_F Diagarama de BA M

(38)

A

M

B

G

= J

_F

J

_o Diagarama de BA M

(39)

A

M

B

G

= J

_F

J

_o

J

_o

= região de distribuição da espécie, todos

os locais que podem ser ocupados (em

tempo ecológico) e que possuem condições

abióticas e bióticas ideais para o

crescimento total da população

Diagarama

de BA

(40)

A

M

B

G

= J

_F

J

(41)

A

M

B

G

= J

_F

J

_o

J

_o

= Área de distribuição ocupada

~ nicho ocupado

Diagarama

de BA

(42)

A

M

B

G

= J

_F

J

(43)

A

M

B

G

= J

_F

J

_o Ĵ_o Diagarama de BA M

(44)

A

M

B

G

= J

_F

J

_o

Ĵ

_o

= região de potencial ocorrência da espécie,

todos os locais que possuem condições

abióticas e bióticas favoráveis para o

crescimento total da população, mas que não

estão ocupados devido ao limite de dispersão

Ĵ_o

Diagarama

de BA

(45)

A

M

B

G

= J

_F

J

_o

Ĵ

_o

= Área de distribuição colonizável

~ nicho colonizável

Ĵ_o

Diagarama

de BA

(46)

A

M

B

G

= J

_F

J

_o Ĵ_o

=

J

_SS Diagarama de BA M

(47)

A

M

B

G

= J

_F

J

_o Ĵ_o

=

J

_SS

J

_SS

= Área onde indivíduos podem ser

encontrados

Diagarama

de BA

(48)

A

M

B

G

= J

_F

J

_o Ĵ_o

= J

_SS

J

_SS

= região sob dinâmica de

fonte e ralo

Diagarama

de BA

(49)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(50)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

_SS

fonte

(51)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

_SS

fonte

crescimento populacional positivo, fonte de indivíduos e propágulos Diagarama de BA M

(52)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(53)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

_SS

ralos

(54)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(55)

taxa de crescimento populacional negativa devido à p.ex. exclusão competitiva

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(56)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(57)

taxa de crescimento populacional negativa devido à falta de condições ambientais adequadas

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(58)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(59)

taxa de crescimento populacional negativa devido à condições ambientais e biológicas inadequadas

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(60)

A

M

B

G

J

_o

Ĵ

_o

= J

_F

= J

(61)

Áreas geográficas e nichos ecológicos

Soberón 2007, Peterson et al. 2011

Área abioticamente adequada Área de distribuição potencial Área de distribuição colonizável Área de distribuição ocupada Nicho fundamental Nicho realizado Nicho colonizável (não acessível por dispersão)

Nicho ocupado

(acessível por dispersão)

Espaço geográfico (G) Espaço ecológico (E)

Diagarama

de BA

(62)

Importante lembrar

A - variáveis abióticas, baixa resolução

B - variáveis bióticas, alta resolução A M B O que determi na a di st ribui ção

(63)

Determinantes da ocorrência ESCALA ESPACIAL G lo ba l >1 0 m il k m Co ntinent a l 2 a 1 0 m il k m Reg io na l 2 0 0 a 2 m il k m Pais a g em 1 0 a 20 0 km Lo ca l 1 a10 km Sítio 1 0 a1 0 0 m M icr o <1 0 m F A T OR AM BIEN T AL Clima Topografia Uso da terra Solo Interações bióticas

Modificado de Pearson & Dawnson (2003)

(64)

(65)

(66)

(67)

Modelagem preditiva de

distribuição de espécies

Emergiu no início da década de

1990 e atualmente é a abordagem

mais utilizada para analisar

distribuição geográfica

Preâm

(68)

No início da década de 1990 quatro

coisas aconteceram

1. Bases de dados de registros

de presença

de espécies começam a ficar disponíveis

(digitalização dos acervos de coleções científicas)

1 10 100 1,000 10,000 100,000 1,000,000 10,000,000 1992 1994 1996 1998 2000 2002 2004 Bases de Datos Taxonómicas Biogeográficas Bases de Datos Ecológico Genéticas Fichas de Especies Registros Curatoriales Georreferidos Presupuesto Federal Preâm bulo

(69)

2. GIS

(SIG): geoprocessamento e

Sistemas de Informação

Geográfica tornam-se

amplamente acessíveis para

ecólogos e biogeógrafos

3. Geodatabases

: cresce

vertiginosamente a

disponibilidade de bancos de

dados geográficos de variáveis

ambientais e produtos de

sensores remotos

Preâm

(70)

4. Modelagem de “Nicho”



Na década de 1980 os

australianos começam a fazer

modelagem “bioclimática”, a

príncípio aplicada a propostas

entomológicas (CLIMEX)



Depois desenvolvem os

algoritmos BIOCLIM, DOMAIN

e então GARP



Hoje há dezenas de métodos

para fazer modelagem de

“nicho”, a maioria deles sendo

programas livres

Preâm

(71)

Usando estas ferramentas…



Desde 1995 tem havido uma explosão na

aplicação de métodos de modelagem de

“nicho” ecológico para estimar “áreas de

distribuição”, potenciais ou reais

Preâm

(72)

 Literalmente centenas de artigos têm sido

publicados sobre distribuição potencial e/ou real de milhares de espécies.

Busca na ISI Web of Knowledge: 1978 a 2008, species distribution model* ou ecologic* niche model*

Número de artigos Ano da publicação 1 1 32 304 306 324 391 484 559 ₅₂₉ 585 663 651 657 829 856 1013 1138 1356 1443 1704 0 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 1950 2100 2250 2400 2550 2700 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 Preâm bulo

(73)

Aplicações

Aplicações

 Delimitação geográfica da distribuição de espécies

 Identificação de áreas adequadas para encontrar novas populações ou novas espécies

 de áreas prioritárias para a conservação

 de áreas para reintrodução/translocação de espécies  de áreas potencialmente sucetíveis à invasão

 Previsão do efeito de mudanças climáticas em cenários futuros  Identificação de refúgios históricos para a biodiversidade em

cenários pretéritos

 Distribuição de patógenos e vetores de doenças

 Modelagem da distribuição incluindo interações bióticas

(74)

Identificação de áreas adequadas para encontrar novas populações

Lorini et al. 2010

Predição de distribuição atual

(75)

Identificação de áreas prioritárias para

conservação

Lorini 2007

(76)

Hasselmann 2015

Avaliação de áreas potencialmete sucetíveis

à invasão

Achatina fulica

(77)

Riqueza de espécies de aves endêmicas da

Mata Atlântica no

presente e em 2050 em cenário de aquecimento global (A2 - HadCM3)

Predição para o futuro: mudanças climáticas

Aplicações

(78)

Lutzomyia flaviscutellata

Predição para o futuro: vetores de doenças

(79)

Nogués-Bravo et al. 2008

Woolly mammoth

Mammuthus primigenius

Predição para o passado: extinções

(80)

Modelos de Nicho Ecológico

ENM

-

SDM

(81)

(Ecological Niche Models - ENM)

ENM

-

SDM

Modelos de Distribuição de Espécies

(82)

ENM

-

SDM

(Species Distribution Models – SDM)

(83)

Muitos nomes... Modelos de nicho ambiental de nicho climático de hábitat de envelope climático bioclimáticos preditivos de distribuição preditivos de hábitat ENM - SDM

(84)

Proposta de, Peterson, Soberón e

colaboradores

ENM (

passos de estimação de nicho

)

SDM (

passos de estimação de nicho e de

avaliação de dispersão ou colonização potencial

)

Peterson et al. 2011,

Peterson & Soberón 2012

ENM

-

(85)

ENM - SDM

ENM

-

(86)

ENM - SDM

(abordagem correlativa)

ENM

-

(87)

ENM - SDM (abordagem correlativa) ENM - SDM Registros de ocorrência (presença, ausência?) + Variáveis ambientais 2D/3D

Domínio Espacial (Geográfico)

ENM

-

SDM

(88)

ENM - SDM (abordagem correlativa) ENM - SDM Registros de ocorrência (presença, ausência?) + Variáveis ambientais Modelo do “nicho” em dimensões ecológicas temperatura p recip ita tçã o 5 10 25 50 75 100 125 150 175 200 225 250 275 above Bivariate His togram

2D/3D nD

Domínio Espacial (Geográfico) Domínio de Variáveis (Ecológico)

ENM

-

SDM

Dualidade Hucthinsoniana (Collwell & Rangel 2010)

(89)

2D/3D nD

ENM - SDM Registros de ocorrência (presença, ausência?) 2D/3D

(90)

2D/3D nD

ENM - SDM Registros de ocorrência (presença, ausência?) + Variáveis ambientais 2D/3D

(91)

2D/3D nD

ENM - SDM Registros de ocorrência (presença, ausência?) + Variáveis ambientais 2D/3D

(92)

Domínio Espacial (Geográfico) Domínio de Variáveis (Ecológico) ENM - SDM (abordagem correlativa) ENM - SDM Registros de ocorrência (presença, ausência?) + Variáveis ambientais

Modelagem de “Nicho” Ecológico

Modelo do “nicho” em dimensões ecológicas temperatura p recip ita tçã o 5 10 25 50 75 100 125 150 175 200 225 250 275 above Bivariate His togram

2D/3D nD

Projeção na dimensão geográfica

ENM - SDM Registros de ocorrência (presença, ausência?) + Variáveis ambientais

2D/3D

(93)

2D/3D nD

Modelo do “nicho” em dimensões ecológicas temperatura p recip ita tçã o 2D/3D nD

(94)

2D/3D nD

(95)

ENM - SDM

(abordagem correlativa)

2D/3D nD

Distribuição preditiva

(96)

domínio geográfico domínio ecológico ENM/SDM pr ec ipi tação temperatura

O que a ENM/SDM faz?

(97)

Equilíbrio: a espécie está em equilibrio com as características físicas do ambiente em que ocorre.

Suficiência amostral: a amostra dos registros de ocorrência da espécie, do espaço geográfico, é representativa do espaço ambiental ocupado pela espécie.

Conservação do nicho: as espécies tendem a manter características referentes ao nicho ao longo do tempo.

ENM/SDM -Três premissas básicas

ENM

-

(98)

ENM - SDM Mapear a distribuição conhecida da espécie (registros de ocorrência e às

vezes ausência da espécie)

(99)

ENM - SDM Compilar um camadas ambientais potencialmente preditoras da distribuição da

espécie (e.g. temp., prec., solo,)

Mapear a distribuição conhecida da espécie (registros de ocorrência e às

vezes ausência da espécie)

(100)

vezes ausência da espécie) _{Rodar algoritmo de} modelagem (e.g.

MaxEnt, GLM, GARP)

(101)

vezes ausência da espécie) _{Rodar algoritmo de} modelagem (e.g. MaxEnt, GLM, GARP) Calibrar o modelo (definição de parâmetros, teste da importância de diferentes preditores)

(102)

vezes ausência da espécie) _{Rodar algoritmo de} modelagem (e.g. MaxEnt, GLM, GARP) Calibrar o modelo (definição de parâmetros, teste da importância de diferentes preditores) Criação do mapa de distribuição (presente)

(103)

Teste da capacidade de previsão (campo adicional ou separação de

dados)

Criação do mapa de distribuição

(presente)

(104)

dados) Criação do mapa de distribuição (presente) Previsão da distribuição em diferentes regiões (e.g. invasoras)

ou cortes temporais (e.g. mudanças climáticas)

(105)

Se possível, testar as previsões contra dados observados, como registros de ocorrência em áreas invadidas ou mudanças recentes

da de distribuição

(106)

Se possível, testar as previsões contra dados observados, como registros de ocorrência em áreas invadidas ou mudanças recentes

da de distribuição

(107)

Modelagem de nicho ou de distribuição de espécies

ENM

-

(108)

Idealmente – cinco etapas

ENM

-

(109)

1. Formulação do modelo conceitual (definição de conceitos, pressupostos, hipóteses e escolha de escala, de variáveis

explicativas, de desenho amostral, de algoritmo e de medidas de avaliação)

ENM

-

SDM

(110)

1. Formulação do modelo conceitual (definição de conceitos,

pressupostos, hipóteses e escolha de escala, de variáveis

ENM

-

SDM

(111)

2. Preparação dos dados (pré-processamento dos dados e montagem do banco de dados georreferenciado)

ENM

-

SDM

(112)

2. Preparação dos dados (pré-processamento dos dados e montagem

do banco de dados georreferenciado)

3. Ajuste do modelo (operação do modelo matemático/computacional,

calibração do modelo)

ENM

-

SDM

(113)

3. Ajuste do modelo (operação do modelo matemático/computacional,

4. Predições espaciais (projeção do modelo no espaço geográfico, mapas de favorabilidade / distribuição)

ENM

-

SDM

(114)

4. Predições espaciais (projeção do modelo no espaço geográfico, mapas de favorabilidade / distribuição)

ENM

-

SDM

(115)

4. Predições espaciais (projeção do modelo no espaço geográfico,

mapas de favorabilidade / distribuição)

5. Avaliação do modelo (medidas de adequação do modelo, validação de campo, validação independente, validação cruzada, bootstrap,

jackknife , baseadas em conjuntos de treino e teste)

ENM

-

SDM

(116)

2. Preparação dos dados (pré-processamento dos dados e montagem

4. Predições espaciais (projeção do modelo no espaço geográfico,

jackknife, baseadas em conjuntos de treino e teste)

ENM

-

SDM

(117)

ENM

-

SDM

(118)

ENM

-

SDM

(119)

2. Preparação dos dados (pré-processamento dos dados e montagem do banco de dados georreferenciado)

ENM

-

SDM

(120)

Otospermophilus beecheyi

(121)

Para conseguir dados bióticos

(registros de ocorrência de espécie)

http://splink.cria.org.br

(122)

clima topografia solo dados de sensoriamento remoto Atividade humana/uso do solo Preditores ambientais ENM - SDM

(123)

ENM

-

SDM

Para conseguir dados ambientais (variáveis preditoras)

Por exemplo: http://www.dpi.inpe.br/Ambdata

http://www.landcover.org

http://www2.jpl.nasa.gov/srtm http://www.worldclim.org/

(124)

3. Ajuste do modelo (operação do modelo matemático/computacional, calibração do modelo)

ENM

-

SDM

(125)

4. Predições espaciais (projeção do modelo no espaço geográfico,

ENM

-

SDM

(126)

 Modelos de Similaridade e Distância Ambiental, Envelopes Climáticos (BIOCLIM, DOMAIN)

 Modelo Linear Aditivo (GAM)

 Modelo Linear Generalizado (GLM)

 Modelos Generalizados de Boosting (GBM) ou “Boosted Decision Tree” (BRT)

 “RandomForest” (RF)

 Árvores Aditivas Múltiplas (MART - “Multiple Additive Trees”)

 Modelo de Dissimilaridade Generalizado para Uma Espécie (GDM-SS)

 Análise Discriminante Linear Clássica (LDA)

 Análise Discriminante de Mistura (MDA – “Mixture Discriminant Analysis”)

 Análise Fatorial de Nicho Ecológico (ENFA - “Ecological Niche Factor Analysis”)

 Redes Neurais Artificias (ANN)

 Máquinas de Vetores Suporte (“Support Vector Machines - SVM”)

 Máxima Entropia (Maxent)

 Modelos Bayesianos Hierárquicos

 Algoritmos Genéticos (GARP)

 Modelos Generalizados de Dissimilaridade (“Generalised Dissimilarity Model, GDM”)

 Regressão Adaptativa Multivariada para Comunidades (“Multivariate Adaptative Regression

Splines for Communities, MARS-COMM”)

 etc...

Muitos algoritmos...

Abordagens para associar dados de ocorrência e dados ambientais Modelagem de nicho ou distribuição de espécies

Abordage

ns

de

(127)

Algoritmos de Modelagem

SVM

(support vector machines)

BRT

(boosted regression trees)

prec ip itatio n temperature BIOCLIM prec ip itatio n temperature GLM

(generalized linear models)

prec ip itatio n temperature GAM

(generalized additive models)

prec ip itatio n temperature prec ip itatio n temperature prec ip itatio n temperature Maxent

(128)

4. Predições espaciais (projeção do modelo no espaço geográfico,

jackknife , baseadas em conjuntos de treino e teste)

ENM

-

SDM

(129)

Partição com reposição

aleatório A v ali ação dos m odelos

(130)

aleatório

Partição com reposição

A v ali ação dos m odelos

(131)

aleatório

Partição com reposição

(132)

aleatório

Partição com reposição

(133)

aleatório

Partição com reposição

(134)

aleatório

Partição com reposição

(135)

Partição sem reposição

(136)

aleatório Partição 1 Partição 2 Partição 3 Partição 4 Partição 5

Partição sem reposição

(137)

Jacknife

(138)

aleatório

Jacknife

(139)

aleatório

Jacknife

(140)

aleatório

Jacknife

(141)

aleatório

Jacknife

(142)

Erro de omissão e de sobreprevisão (comissão)

Distribuição geográfica real

(143)

Erro de omissão e de sobreprevisão (comissão)

Distribuição geográfica prevista _{Distribuição geográfica real}

(144)

Erro de omissão e de sobreprevisão (comissão)

Omissão A v ali ação dos m odelos

(145)

Erro de omissão e de sobreprevisão (comissão)

Omissão Sobreprevisão A v ali ação dos m odelos

(146)

ausência (predita) presença (predita) registro de presença registro de ausência 2 7 Matriz de confusão

(147)

Erro de omissão

Em geral, o erro de omissão é considerado um erro verdadeiro

Exceções:

 Registro omitido pertence a outra espécie (erro

de determinação taxonômica)

 Coordenadas do registro omitido estão erradas

(erro de posicionamento)

 Registro omitido refere-se a indivíduos fora do

seu habitat natural (indivíduos introduzidos, cultivados, vagantes) A v ali ação dos m odelos

(148)

Erro de comissão (ou sobreprevisão)

Pode ou não ser um erro e em geral não é considerado um erro “grave”.

A previsão de ocorrência em áreas onde a espécie não tem registro confirmado pode ser devida a:

 A área é habitável pela espécie, porém o esforço

amostral não foi suficiente para detectá-la.

 A área é habitável para a espécie, porém fatores

históricos ou ecológicos (barreiras geográficas,

capacidade de dispersão) ou bióticos (competição, predação, patógenos) impediram a espécie de ter acesso ou de se estabelecer na área.

(149)

Erro de comissão (ou sobreprevisão)

Pode ou não ser um erro e em geral não é considerado um erro “grave”.

A previsão de ocorrência em áreas onde a espécie não tem registro confirmado pode ser devida a:

 A área é habitável pela espécie, porém distúrbios

(naturais ou antrópicos) causaram a extinção na área

 A área é inabitável mesmo, este seria o verdadeiro

erro de sobreprevisão A v ali ação dos m odelos

(150)

Para avaliar o desempenho do modelo

1. Estatísticas baseadas no mapa binário

(dependentes do limiar de corte)

Teste de proporção binomial

Testa a probabilidade do acerto dos pontos de teste ser diferente do acaso em relação a área do modelo gerado. A v ali ação dos m odelos

(151)

Nº pixels da área total --- Nº total de pontos Nº pixels da área do modelo --- Nº acertos

Proporção Binomial

A probabilidade de acertos é diferente do acaso?

(152)

Um modelo pode “acertar” todos os pontos de teste mas em uma área tão grande que o resultado do teste pode não ser

significativo.

A recíproca é verdadeira, ou

seja, o modelo pode não acertar todos os pontos, mas a área do modelo é tão pequena (em

relação à área de estudo) que a chance de acertar aqueles

pontos é significativamente diferente do acaso.

(153)

A proporção binomial não pode ser usada para

comparar diferentes algoritmos pois é

dependente de limite de corte (threshold) usado

para transformar o mapa contínuo em binário

Mapa binário Mapa contínuo A v ali ação dos m odelos

(154)

Frequência no ma pa “Presente” “Ausente” Valor de limiar Mapa binário

Limiar de corte (Threshold)

Transforma mapa contínuo em binário

(155)

Presença (n=5) Ausência (n=5) F requ ênci a no mapa sensibilidade = 0.8 especificidade = 0.8 Se nsi bi lida de ou esp eci ficid ad e 0 0.1 0.2 0.3 1.2 1.0 0.8 0.6 0.4 0.2 0 Limiares possíveis sensibilidade especificidade sensibilidade + especificidade max equal “Presente” “Ausente”

Valores contínuos preditos pelo modelo

Limiar de corte (Threshold)

(156)

TSS (True Skill Statistic )

TSS = (sensibilidade + especificidade) – 1 TSS = ((a/a+c) + (d/b+d))-1

Outras estatísticas (dependentes de limiar)

(157)

KAPPA

Similar a KAPPA, TSS vai de -1 a +1, sendo que valores

negativos indicam uma acurácia preditiva que não é melhor do que um resultado ao acaso. Uma interpretação da acurácia em relação aos valores: <0.00 (péssima), >0.00-0.20 (leve),

>0.20-0.40 (razoável), >0.40-0.60 (moderada), >0.60-0.80 (substancial) e >0.80-1.00 (quase perfeita)

Koch & Landis 1977

(158)

Análise ROC (cálculo da Área Sob a Curva, Area

Under the Curve – AUC)

Avalia a performance do modelo através um único valor, que representa a área sob a curva (AUC).

Pode ser usada para comparar diferentes

algoritmos.

É obtida plotando-se a sensibilidade no eixo y e o valor 1- especificidade no eixo x. Quanto mais próximo de 1 for a área sob a curva, mais distante o resultado do modelo está da previsão aleatória, ou seja, melhor o desempenho do modelo.

2. Estatísticas independentes do limiar de

corte

(159)

AUC (Area Under the Receiver-Operator Curve ) Valor predito fr eq uê nc ia 0 0.5 1 sensitibi li dade 1 - especificidade A B C C B A aus ênc ias pres enç as

Receiver-Operator Curve (ROC):

Plotagem da sensibilidade vs. (1 – especificidade) enquanto o limiar (threshold) é movido de 0 até 1