Experimento de modelagem de distribuição de espécies baseada em variáveis ambientais e de aerossóis na região próxima a Manaus (AM)
Resumo
A região da Floresta Amazônica é considerada como sendo a que concentra a maior biodiversidade do mundo. Visto por muitos como um laboratório único de estudos, são inúmeras as possibilidades de aplicações de modelos computacionais para extrair valor de dados colhidos na região. Este trabalho apresenta um experimento de modelagem de distribuição de espécies localizadas em região próxima a Manaus (AM). Esta modelagem foi baseada em variáveis ambientais e de aerossóis, cujos dados brutos foram obtidos em repositório do projeto GOAmazon. A integração de dados ambientais com dados de ocorrência de espécies da fauna brasileira permitiu aos modelos descritos prever a probabilidade de uma espécie estar presente na área estudada.
Palavras-chave:
Goamazon, Distribuição De Espécies, Nicho Ecológico
Referências
Berg, A., Gardenfors, U., and von Proschwitz, T. (2004). Logistic regression models for predicting occurrence of terrestrial molluscs in southern sweden: Importance of environmental data quality and model complexity. Ecography, 27(1):83–93.
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.
Cirino, G., Brito, J., Barbosa, H. M., Rizzo, L. V., Tunved, P., de Sá, S. S., Jimenez, J. L., Palm, B. B., Carbone, S., Lavric, J. V., et al. (2018). Observations of manaus urban plume evolution and interaction with biogenic emissions in goamazon 2014/5. Atmospheric Environment, 191:513–524.
Effrosynidis, D., Tsikliras, A., Arampatzis, A., and Sylaios, G. (2020). Species distribution modelling via feature engineering and machine learning for pelagic fishes in the mediterranean sea. Applied Sciences, 10(24).
Elith, J. and Leathwick, J. R. (2009). Species distribution models: Ecological explanation and prediction across space and time. The Annual Review of Ecology, Evolution and Systematics, 40:677–697.
Friedman, J. H. (2002). Stochastic gradient boosting. 38(4):367–378.
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, 53:193–213.
Johnson, R., Chawla, N., and Hellmann, J. (2012). Species distribution modeling and prediction: A class imbalance problem. pages 9–16.
Leidenberger, S., Obst, M., Kulawik, R., Stelzer, K., Heyer, K., Hardisty, A., and Bourlat, S. J. (2015). Evaluating the potential of ecological niche modelling as a component in marine non-indigenous species risk assessments. Marine Pollution Bulletin, 97(1):470–487.
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., Muñoz, 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., Almeida, F. V., Bueno,W., and Corêa, P. L. P. (2021). Dados bioclimáticos para modelagem de distribuição de espécies baseada em variáveis ambientais e aerossóis na região próxima a manaus (am). Zenodo. DOI: 10.5281/zenodo.4824365.
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
Radosavljevic, A. and Anderson, R. P. (2014). Making better maxent models of species distributions: complexity, overfitting and evaluation. Journal of Biogeography, 41(4):629–643.
Scikit-learn Developers (2020). Scikit-learn: User guide. https://scikit-learn.org/stable/user_guide.html. Acesso em: 13/03/2021.
The Imbalanced-learn Developers (2021). Imbalanced-learn documentation. https://imbalanced-learn.org/stable/. Acesso em: 18/03/2021.
Wei, D., Fuentes, J. D., Gerken, T., Trowbridge, A. M., Stoy, P. C., and Chamecki, M. (2019). Influences of nitrogen oxides and isoprene on ozone-temperature relationships in the amazon rain forest. Atmospheric Environment, 206:280–292.
XGBoost Developers (2020). XGBoost Documentation. https://xgboost.readthedocs.io/en/latest/. Acesso em: 20/03/2021.
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.
Cirino, G., Brito, J., Barbosa, H. M., Rizzo, L. V., Tunved, P., de Sá, S. S., Jimenez, J. L., Palm, B. B., Carbone, S., Lavric, J. V., et al. (2018). Observations of manaus urban plume evolution and interaction with biogenic emissions in goamazon 2014/5. Atmospheric Environment, 191:513–524.
Effrosynidis, D., Tsikliras, A., Arampatzis, A., and Sylaios, G. (2020). Species distribution modelling via feature engineering and machine learning for pelagic fishes in the mediterranean sea. Applied Sciences, 10(24).
Elith, J. and Leathwick, J. R. (2009). Species distribution models: Ecological explanation and prediction across space and time. The Annual Review of Ecology, Evolution and Systematics, 40:677–697.
Friedman, J. H. (2002). Stochastic gradient boosting. 38(4):367–378.
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, 53:193–213.
Johnson, R., Chawla, N., and Hellmann, J. (2012). Species distribution modeling and prediction: A class imbalance problem. pages 9–16.
Leidenberger, S., Obst, M., Kulawik, R., Stelzer, K., Heyer, K., Hardisty, A., and Bourlat, S. J. (2015). Evaluating the potential of ecological niche modelling as a component in marine non-indigenous species risk assessments. Marine Pollution Bulletin, 97(1):470–487.
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., Muñoz, 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., Almeida, F. V., Bueno,W., and Corêa, P. L. P. (2021). Dados bioclimáticos para modelagem de distribuição de espécies baseada em variáveis ambientais e aerossóis na região próxima a manaus (am). Zenodo. DOI: 10.5281/zenodo.4824365.
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
Radosavljevic, A. and Anderson, R. P. (2014). Making better maxent models of species distributions: complexity, overfitting and evaluation. Journal of Biogeography, 41(4):629–643.
Scikit-learn Developers (2020). Scikit-learn: User guide. https://scikit-learn.org/stable/user_guide.html. Acesso em: 13/03/2021.
The Imbalanced-learn Developers (2021). Imbalanced-learn documentation. https://imbalanced-learn.org/stable/. Acesso em: 18/03/2021.
Wei, D., Fuentes, J. D., Gerken, T., Trowbridge, A. M., Stoy, P. C., and Chamecki, M. (2019). Influences of nitrogen oxides and isoprene on ozone-temperature relationships in the amazon rain forest. Atmospheric Environment, 206:280–292.
XGBoost Developers (2020). XGBoost Documentation. https://xgboost.readthedocs.io/en/latest/. Acesso em: 20/03/2021.
Publicado
18/07/2021
Como Citar
DE ALMEIDA, Felipe V.; BUENO, Weslley M.; MIYAJI, Renato O.; CORRÊA, Pedro L. P..
Experimento de modelagem de distribuição de espécies baseada em variáveis ambientais e de aerossóis na região próxima a Manaus (AM). In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 12. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 87-96.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2021.15740.
