Handling uncertainty through Bayesian inference for Species Distribution Modelling in the Amazon Basin region

  • Renato O. Miyaji USP
  • Pedro L. P. Corrêa USP

Resumo


Uma das ferramentas mais utilizadas para o monitoramento da biodiversidade é a modelagem de distribuição de espécies. Para a sua aplicação, é necessário possuir uma grande base de dados confiáveis a respeito da ocorrência de espécies. Entretanto, essa condição não é satisfeita quando existem poucos registros de ocorrência. Nesse contexto, podem ser aplicadas técnicas de tratamento de incertezas. Assim, este trabalho buscou utilizar a abordagem Bayesiana para permitir a modelagem de distribuição de espécies na região da Bacia Amazônica próxima a Manaus (AM), com base em dados coletados pelo projeto GoAmazon 2014/15. Os resultados foram comparados com os resultantes de técnicas clássicas, obtendo desempenhos semelhantes.

Referências

Almeida, F. V., Bueno, W. M., Miyaji, R. O., and Corrêa, P. L. P. (2021). Experimento de modelagem de distribuição de espécies baseada em variáveis ambientais e de aerossóis na região próxima a manaus (am). In Anais do XII Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais. SBC.

Di Lorenzo, B., Farcomeni, A., and Golini, N. (2011). A bayesian model for presenceonly semicontinuous data, with application to prediction of abundance of taxus baccata in two italian regions. Journal of Agriculture Biological and Environmental Statistics, 16:339–356.

Ellison, A. M. (2004). Bayesian inference in ecology. Ecology Letters, 7:509–520.

Gelman, A. and Rubin, D. B. (1992). Inference from iterative simulation using multiple sequences. Statistical Science, 7(4):457–511.

Gelman, A. and Rubin, D. B. (1995). Avoiding model selection in bayesian social research. Sociological Methodology, 25:165–174.

Golini, N. (2011). Bayesian Modelling of Presence-only Data. PhD thesis, Spienza Universidade de Roma.

Hegel, T. M., Cushman, A., Evans, J., and Huetmann, F. (2010). Spatial Complexity, Informatics and Wildlife Conservation, chapter Current State of the Art for Statistical Modelling of Species Distributions. Springer.

Hutchinson, G. E. (1991). Population studies: Animal ecology and demography. Bulletin of Mathematical Biology, 53(1-2):193–213.

ICMBio (2021). Portal da biodiversidade do instituto chico mendes de conservação da biodiversidade. https://portaldabiodiversidade.icmbio.gov.br/portal/. Acesso em: 202104-21.

Johnson, R., Chawla, N., and Hellmann, J. (2012). Species distribution modeling and prediction: A class imbalance problem. pages 9–16.

Kunhert, P. M., Martin, T. G., and P, G. S. (2010). A guide to eliciting and using expert knowledge in bayesian ecological models. Ecology Letters, 13:900–914.

Low-Choy, S. L., O’Leary, R., and Mergensen, K. (2009). Elicitation by design in ecology: using expert opinion to inform priors for bayesian statistical models. Ecology, 90(1):265–277.

Martin, S. T., Artaxo, P., Machado, L., Manzi, A. O., Souza, R. A. F. d., Schumacher, C., Wang, J., Biscaro, T., Brito, J., Calheiros, A., et al. (2017). The green ocean amazon experiment (goamazon2014/5) observes pollution affecting gases, aerosols, clouds, and rainfall over the rain forest. Bulletin of the American Meteorological Society, 98(5):981–997.

Martin, T. G., Kuhnert, P. M., Mengersen, K., and Possingham, H. P. (2005). The power of expert opinion in ecological models using bayesian methods: Impact of grazing on birds. Ecological Applications, 15:266–280.

Mateo, R. G., Vanderpoorten, A., Muñoz, J., Laenen, B., and Désamoré, A. (2013). Modeling species distributions from heterogeneous data for the biogeographic regionalization of the european bryophyte ora. PLoS One, 8(2):e55648.

Miyaji, R. O., Bauer, L. O., Ferrari, V. M., Almeida, F. V., Corrêa, P. L. P., and Rizzo, L. V. (2021). Interpolação espacial de variáveis ambientais e aerossóis na região da bacia amazônica próxima a manaus-am. In Anais do XII Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais. SBC.

Niamir, A. (2019). Incorporating knowledge uncertainty into species distribution modelling. Biodiversity and Conservation, 28:571–588.

Phillips, S. J. (2005). Maximum entropy modeling of species geographic distribution. Ecological Modelling, 190:231–259.

Pinaya, J. (2019). Processo de modelagem paleoclimática de distribuição de espécies com enfoque nas mudanças climáticas. Tese apresentada à Escola Politécnica da Universidade de São Paulo.

Pinaya, J. and Corrêa, P. (2014). Metodologia para definição das atividades do processo de modelagem de distribuição de espécies. In Anais do V Workshop de Computação Aplicada a Gestão do Meio Ambiente e Recursos Naturais, pages 45–54, Porto Alegre, RS, Brasil. SBC.

Salvatier, J., Wieck, T. V., and Fonnesbeck, C. (2016). Probabilistic programming in python using pymc3. Peer J Computer Science.
Publicado
29/11/2021
Como Citar

Selecione um Formato
MIYAJI, Renato O.; CORRÊA, Pedro L. P.. Handling uncertainty through Bayesian inference for Species Distribution Modelling in the Amazon Basin region. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 18. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 83-94. ISSN 2763-9061. DOI: https://doi.org/10.5753/eniac.2021.18243.

Artigos mais lidos do(s) mesmo(s) autor(es)