Publication
Site description and investigation of the use of SfM photogrammetry for generating ultra-fine scale variables with species distribution modelling of Lophelia pertusa at various spatial scales in Fangorn Bank, Northeast Atlantic
| datacite.subject.fos | CiĂȘncias Naturais::Outras CiĂȘncias Naturais | pt_PT |
| dc.contributor.advisor | Engelen, Aschwin Hillebrand | |
| dc.contributor.advisor | McGonigle, Chris | |
| dc.contributor.author | McCracken, Maya Elizabeth Kathleen | |
| dc.date.accessioned | 2024-04-03T13:16:39Z | |
| dc.date.available | 2024-04-03T13:16:39Z | |
| dc.date.issued | 2023-12-12 | |
| dc.description.abstract | Nas Ășltimas duas dĂ©cadas, houve um aumento sig nificativo no uso de Modelos de Distribuição de EspĂ©cies (MDE) para estudar e gerenciar espĂ©cies marinhas. Esse aumento se deve principalmente Ă disponibilidade generalizada de variĂĄveis preditoras globais e Ă facilidade de implementação das tĂ©cnicas de MD E. Os pesquisadores estĂŁo cada vez mais focados em entender a distribuição de espĂ©cies no mar profundo. No entanto, a tradução dessa pesquisa em ferramentas prĂĄticas de gestĂŁo para lidar com as mudanças climĂĄticas e a crescente exploração dos recursos do m ar profundo tem sido mais lenta, mas Ă© imperativa. O MDE, conforme definido por Zurrel (2020), Ă© um modelo de biodiversidade baseado empiricamente que utiliza mĂ©todos estatĂsticos e de aprendizado de mĂĄquina. Esses modelos associam registros de biodiversid ade geogrĂĄfica, incluindo presenças observadas e Ă s vezes ausĂȘncias ou contagens medidas, Ă s caracterĂsticas abiĂłticas e/ou biĂłticas em locais especĂficos. Os MDEs sĂŁo usados de forma intercambiĂĄvel com termos como Modelos de Nicho EcolĂłgico (MNE), model os de adequação de habitat e outros, destacando diferentes aspectos das entidades que estĂŁo sendo modeladas e do tipo de dados usados. O crescimento dos MDEs Ă© atribuĂdo a dois fatores chave: aumento da capacidade computacional e aprimoramento dos mĂ©todos de aquisição de dados. Esse crescimento tornou os Modelos de Adequação de Habitat (MAHs) ferramentas essenciais para avaliar implicaçÔes ecolĂłgicas e ambientais, especialmente diante de pressĂ”es sociais e da expansĂŁo da economia azul. AlĂ©m disso, o aquecimento dos oceanos e as mudanças na concentração de aragonita aumentaram a necessidade de tais modelos. A contĂnua diminuição da biodiversidade, conhecida como a sexta extinção em massa, destaca a urgĂȘncia de reverter essa tendĂȘncia. InformaçÔes conf iĂĄveis sobre a ecologia e a distribuição das espĂ©cies sĂŁo essenciais para a proteção de habitats, a mitigação das mudanças ambientais e a tomada de decisĂ”es informadas. No entanto, o uso de modelos inadequados pode levar a resultados custosos e ineficazes, enfatizando a importĂąncia da identificação de baixo desempenho do modelo e alta incerteza. A formalização de mĂ©todos de modelagem e critĂ©rios de avaliação Ă© crucial para previsĂ”es precisas e para evitar decisĂ”es equivocadas. A Teoria do Nicho EcolĂłgico Ă© fundamental para as abordagens de MDE, postulando que as espĂ©cies prosperam em condiçÔes ambientais especĂficas. Modelos de adequação de habitat (MAHs) tĂȘm sido usados para entender os impactos da conectividade de habitats em larga escala, prevendo a dis tribuição de espĂ©cies e os fatores subjacentes. Adotar uma abordagem multi escala pode aumentar a precisĂŁo preditiva dos MAHs, mas frequentemente Ă© estatisticamente complexa e computacionalmente intensiva. A transparĂȘncia e a reprodutibilidade sĂŁo essencia is para os modelos usados em avaliaçÔes de impacto ecolĂłgico, planejamento de conservação, tomada de decisĂ”es e anĂĄlises de biodiversidade. Zurrel et al. (2020) desenvolveram um procedimento de modelagem chamado ODMAP, que aprimora a transparĂȘncia e a re produtibilidade nos MDEs. Embora os MDEs tenham se tornado amplamente utilizados em ecologia, evolução e conservação, ainda hĂĄ falta de padronização e documentação em relação aos protocolos de modelagem. Essa revisĂŁo, incluĂda neste documento, tem como obj etivo avaliar o conhecimento atual em modelagem de distribuição de espĂ©cies, seleção de dados e abordagens de modelagem em ecologia, com foco em ambientes marinhos e terrestres. A seleção de dados e preditores Ă© uma etapa inicial crĂtica. Os autores devem fornecer nomes taxonĂŽmicos, sistemas de referĂȘncia taxonĂŽmica, desenhos de amostragem espacial e temporal, tamanhos de amostra e prevalĂȘncia de tĂĄxons focais. Eles tambĂ©m devem considerar erros e vieses potenciais nos dados. A seleção de preditores envolve a escolha de variĂĄveis ambientais que influenciam a distribuição das espĂ©cies. Isso pode incluir caracterĂsticas topogrĂĄficas, fatores biĂłticos e variĂĄveis abiĂłticas. Testar a colinearidade Ă© crucial para evitar redundĂąncia e superajuste. A escala Ă© outra consideração crĂtica. A modelagem de Ășnica escala usando um grĂŁo e extensĂŁo de preditor universais Ă© comum, mas MAHs multi escala, que integram preditores medidos em sua "escala de efeito", fornecem previsĂ”es mais precisas e insights ecolĂłgicos mais profu ndos. A escolha da escala pode influenciar significativamente a precisĂŁo e a utilidade do modelo. Dados de Muito Alta Resolução (MAR), como fotogrametria Structure from Motion (SfM), oferecem dados em escala fina para prever a distribuição de espĂ©cies, esp ecialmente em ambientes complexos como recifes de coral. Essas tecnologias aprimoram a precisĂŁo e a exatidĂŁo dos MDEs, capturando variaçÔes microambientais anteriormente inacessĂveis. A seleção de algoritmos Ă© essencial, com vĂĄrias opçÔes como Modelos Line ares Generalizados (GLM), MaxEnt, Random Forest e Support Vector Machine disponĂveis. Modelos de conjunto que combinam vĂĄrios algoritmos podem fornecer previsĂ”es robustas. MĂ©todos de avaliação desempenham um papel crucial na avaliação do desempenho do mode lo. MĂ©tricas como EstatĂsticas de Habilidades Verdadeiras (TSS), coeficiente Kappa, curvas Receiver Operating Characteristic (ROC) e Ărea Sob a Curva (AUC) devem ser usadas para medir a precisĂŁo e a adequação do modelo. No mar profundo, os MDEs sĂŁo ferrame ntas valiosas para identificar potenciais habitats para corais e esponjas de ĂĄguas profundas (CCEAs) e informar decisĂ”es de gerenciamento. Modelos de conjunto e aqueles que usam dados de presença ausĂȘncia sĂŁo preferidos, aproveitando informaçÔes entre tĂĄxo ns e facilitando inferĂȘncias comunitĂĄrias. A Modelagem de Distribuição de EspĂ©cies tornou se uma ferramenta vital em ecologia e conservação. A seleção adequada de dados, a escolha de preditores, a consideração da escala e os mĂ©todos de avaliação sĂŁo crucia is para previsĂ”es precisas e confiĂĄveis. Fontes de dados de MAR, como fotogrametria SfM, tĂȘm potencial para aprimorar a precisĂŁo do modelo. No mar profundo, os MDEs sĂŁo valiosos para o gerenciamento do habitat de CCEAs. Compreender e implementar esses prin cĂpios de modelagem Ă© essencial para a tomada de decisĂ”es informadas em um mundo em rĂĄpida transformação. A batimetria de alta resolução (HR) derivada de dados MBES e dados de vĂdeo em alta definição (HD) foi adquirida na expedição CE21010 'Recursos de Rockall'. Os dados primĂĄrios desta expedição foram utilizados neste estudo para prever o habitat adequado do Coral de Ăgua Fria (CWC) Lophelia pertusa. Um fluxo de trabal ho para a geração de modelos digitais de elevação em escala muito fina usando tĂ©cnicas de fotogrametria SfM Ă© delineado neste estudo usando o software Agisoft Metashape. Registros de ocorrĂȘncia foram desenvolvidos a partir de anotaçÔes de imagens de vĂdeo de ROV de observaçÔes de estruturas de coral vivo. Um conjunto de camadas ambientais foi gerado a partir de dados de batimetria HR usando a Ferramenta TASSE no ArcGIS Pro e utilizado como camadas de dados ambientais para o procedimento de modelagem. A tĂ©cn ica de Ărvores de RegressĂŁo Impulsionada (BRT) foi utilizada para criar diversos modelos em resoluçÔes amplas, de escala fina e ultra fina. RestriçÔes de encolhimento e validação cruzada foram usadas para evitar o excesso de ajuste, e restriçÔes monotĂŽnica s foram usadas para reduzir a complexidade do modelo. Em todos os modelos, L. pertusa mostrou preferĂȘncia por alta complexidade de terreno e picos topogrĂĄficos. As faixas de profundidade para a ocorrĂȘncia da espĂ©cie estavam entre 1.000 m e 800 m. O model o de escala fina obteve o melhor desempenho, com um valor de AUC de 0,970, e uma pontuação de sensibilidade de 0,980 e especificidade de 0,965. O modelo de escala ampla obteve um valor de AUC de 0,951 e uma pontuação de sensibilidade de 0,875, com uma espe cificidade de 0,939 e um valor geral de TSS de 0,814. A precisĂŁo das previsĂ”es para o modelo de escala ampla nĂŁo foi tĂŁo alta quanto a do modelo de escala fina, indicando que os modelos treinados com dados de escala fina produzem previsĂ”es mais confiĂĄveis. O modelo de ultra fina escala (UFS) obteve um valor de AUC de 0,834. Embora o modelo UFS tenha tido o pior desempenho geral, a tĂ©cnica de fotogrametria SfM apresentada aqui mostra promessa para pesquisas futuras na geração de modelos digitais de elevação em ultra fina escala derivados de dados de vĂdeo para serem usados em modelos de distribuição de espĂ©cies para melhorar a precisĂŁo das previsĂ”es. Vinte e seis grupos faunĂsticos distintos foram registrados durante a anotação do ROV, juntamente com quatro tipos de substrato primĂĄrio. Uma cadeia de caracterĂsticas de montes de ĂĄguas profundas foi revelada por meio da anĂĄlise GIS de dados MBES, sendo a caracterĂstica de monte mais alta medida com 2,4 km de elevação. A Fangorn Bank demonstrou ser um local biol ogicamente complexo sustentado por um alto grau de complexidade de terreno de altas rochas inclinadas e fundos lamacentos planos que levam aos ricos e diversos ecossistemas encontrados aqui. A identificação de 26 grupos faunĂsticos e suas caracterĂsticas n este local de estudo destaca sua notĂĄvel biodiversidade e a importĂąncia de sua preservação. | pt_PT |
| dc.identifier.tid | 203470044 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.1/20571 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | pt_PT |
| dc.subject | Dados mbes | pt_PT |
| dc.subject | Rov | pt_PT |
| dc.subject | Fotogrametria sfm | pt_PT |
| dc.subject | Sdms | pt_PT |
| dc.subject | Cwcs | pt_PT |
| dc.subject | Brt | pt_PT |
| dc.title | Site description and investigation of the use of SfM photogrammetry for generating ultra-fine scale variables with species distribution modelling of Lophelia pertusa at various spatial scales in Fangorn Bank, Northeast Atlantic | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.grantor | Universidade do Algarve. Faculdade de CiĂȘncias e Tecnologia | |
| thesis.degree.level | Mestre | |
| thesis.degree.name | Mestrado em Biologia Marinha | pt_PT |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Maya McCracken Masters Thesis (a74336) - Unsigned.pdf
- Size:
- 1.76 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 3.46 KB
- Format:
- Item-specific license agreed upon to submission
- Description: