Utilização de dados espaciais para determinar a influência de poluentes na ocorrência de espécies na Amazônia
Resumo
Por conta da influência da ação antrópica, os ciclos hidrológicos e energéticos na região da Bacia Amazônica sofreram alterações nas últimas décadas. No entanto, os efeitos dessas mudanças na fauna local ainda não foram profundamente analisados. Neste contexto, neste trabalho buscou-se desenvolver um experimento de Modelagem de Distribuição de Espécies de aves, a partir dos dados meteorológicos e de aerossóis coletados na região de interesse durante o projeto GoAmazon 2014/15, através da aplicação do Modelo de Máxima Entropia, de modo a determinar a influência de poluentes na ocorrência de espécies.
Palavras-chave:
GoAmazon, Modelagem de Distribuição de Espécies, Máxima Entropia
Referências
Almeida, F. V., Bueno, W. M., Miyaji, R. O., and Correa, 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 a Gestão do Meio Ambiente e Recursos Naturais. SBC.
Bertsimas, D., Pawlowski, C., and Zhuo, Y. D. (2018). From predictive methods to missing data imputation: An optimization approach. Journal of Machine Learning Research, 18:1–39.
Carneiro, L. R. d. A., Lima, A. P., Machado, R. B., and Magnusson, W. E. (2016). Limitations to the use of species-distribution models for environmental-impact assessments in the amazon. PLoS One, 11(1):e0146543.
Golini, N. (2011). Bayesian Modelling of Presence-only Data. PhD thesis, Spienza Universidade de Roma
Hegel, T. M., Cushman, S. A., Evans, J., and Huettmann, F. (2010). Current State of the Art for Statistical Modelling of Species Distributions, pages 273–311. Springer Japan, Tokyo.
Hernandez, P. A., Graham, C. H., Master, L. L., and Albert, D. L. (2006). The effect of sample size and species characteristics on performance of different species distribution modeling methods. Ecography, 29(5):773–785.
Hutchinson, G. E. (1991). Population studies: Animal ecology and demography. Bulletin of Mathematical Biology, 53(1-2):193–213.
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, S. T., Artaxo, P., Machado, L. A. T., Manzi, A. O., Souza, R. A. F. d., Schumacher, C., Wang, J., Andreae, M. O., Barbosa, H., Fan, J., et al.(2016). Introduction: observations and modeling of the green ocean amazon (goamazon2014/5). Atmospheric Chemistry and Physics, 16(8):4785–4797.
Mateo, R. G., Vanderpoorten, A., Munoz, J., Laenen, B., and Désamoré, A. (2013). Modeling species distributions from heterogeneous data for the biogeographic regionalization of the european bryophyte flora. PLoS One, 8(2):e55648.
Miyaji, R. O., Bauer, L. O., Ferrari, V. M., Almeida, F. V., Correa, 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 a Gestão do Meio Ambiente e Recursos Naturais. SBC.
Phillips, S. J. (2005). Maximum entropy modeling of species geographic distribution. Ecological Modelling, 190:231–259.
Phillips, S. J., Anderson, R. P., Dudík, M., Schapire, R. E., and Blair, M. E. (2017). Opening the black box: an open-source release of maxent. Ecography, 40:887-893.
Phillips, S. J., Dudik, M., and Schapire, R. E. A. (2004). Maximum entropy approach to species distribution modelling. In Proceedings of the Twenty-First International Conference on Machine Learning, pages 655–662.
Pinaya, J. and Correa, 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.
XGBoost Developers (2020). XGBoost Documentation. https://xgboost.readthedocs.io/en/latest/. Acesso em: 01/07/2021.
Bertsimas, D., Pawlowski, C., and Zhuo, Y. D. (2018). From predictive methods to missing data imputation: An optimization approach. Journal of Machine Learning Research, 18:1–39.
Carneiro, L. R. d. A., Lima, A. P., Machado, R. B., and Magnusson, W. E. (2016). Limitations to the use of species-distribution models for environmental-impact assessments in the amazon. PLoS One, 11(1):e0146543.
Golini, N. (2011). Bayesian Modelling of Presence-only Data. PhD thesis, Spienza Universidade de Roma
Hegel, T. M., Cushman, S. A., Evans, J., and Huettmann, F. (2010). Current State of the Art for Statistical Modelling of Species Distributions, pages 273–311. Springer Japan, Tokyo.
Hernandez, P. A., Graham, C. H., Master, L. L., and Albert, D. L. (2006). The effect of sample size and species characteristics on performance of different species distribution modeling methods. Ecography, 29(5):773–785.
Hutchinson, G. E. (1991). Population studies: Animal ecology and demography. Bulletin of Mathematical Biology, 53(1-2):193–213.
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, S. T., Artaxo, P., Machado, L. A. T., Manzi, A. O., Souza, R. A. F. d., Schumacher, C., Wang, J., Andreae, M. O., Barbosa, H., Fan, J., et al.(2016). Introduction: observations and modeling of the green ocean amazon (goamazon2014/5). Atmospheric Chemistry and Physics, 16(8):4785–4797.
Mateo, R. G., Vanderpoorten, A., Munoz, J., Laenen, B., and Désamoré, A. (2013). Modeling species distributions from heterogeneous data for the biogeographic regionalization of the european bryophyte flora. PLoS One, 8(2):e55648.
Miyaji, R. O., Bauer, L. O., Ferrari, V. M., Almeida, F. V., Correa, 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 a Gestão do Meio Ambiente e Recursos Naturais. SBC.
Phillips, S. J. (2005). Maximum entropy modeling of species geographic distribution. Ecological Modelling, 190:231–259.
Phillips, S. J., Anderson, R. P., Dudík, M., Schapire, R. E., and Blair, M. E. (2017). Opening the black box: an open-source release of maxent. Ecography, 40:887-893.
Phillips, S. J., Dudik, M., and Schapire, R. E. A. (2004). Maximum entropy approach to species distribution modelling. In Proceedings of the Twenty-First International Conference on Machine Learning, pages 655–662.
Pinaya, J. and Correa, 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.
XGBoost Developers (2020). XGBoost Documentation. https://xgboost.readthedocs.io/en/latest/. Acesso em: 01/07/2021.
Publicado
04/10/2021
Como Citar
MIYAJI, Renato O.; CORRÊA, Pedro L. P.; RIZZO, Luciana V..
Utilização de dados espaciais para determinar a influência de poluentes na ocorrência de espécies na Amazônia. In: WORKSHOP DE TRABALHOS DE ALUNOS DA GRADUAÇÃO (WTAG) - SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 36. , 2021, Rio de Janeiro.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 15-21.
DOI: https://doi.org/10.5753/sbbd_estendido.2021.18157.
