Estimativa da abundância de mamíferos marinhos através da amostragem de distância com detecção imperfeita
Autor: Fernando Roberto Guilherme Silveira (Currículo Lattes)
Resumo
Estimar abundância é primordial no estudo e gerenciamento de populações selvagens. Um dos métodos amplamente utilizado com essa finalidade é o Distance Sampling (DS). Em sua formulação convencional, DS tem entre suas prerrogativas a detecção de todos os indivíduos sobre a linha percorrida. No ambiente marinho, a violação dessa prerrogativa é comum e decorre da dificuldade de avistar os indivíduos quando submersos. Nesse caso o não atendimento à premissa causará subestimativas na abundância, fenômeno conhecido por viés de percepção. Ao propormos a estruturação hierárquica dos modelos DS com a incorporação de dois observadores simultaneos e independentes e uma abordagem inferencial bayesiana, procuramos incluir a estimativa do viés de percepção simultaneamente com abundância, para assim evitar esta limitação dos modelos convencionais. Os resultados mostraram que a incorporação da informação do segundo observador permite estimar o viés de percepção para cada um dos observadores, corrige a estimativa da abundância e reduz o desvio padrão desta estimativa em relação aos modelos que ignoraram a dupla observação. Implementamos e testamos uma extensão que permite identificar a máxima probabilidade de detecçao a distâncias positivas. Finalmente, aplicamos os modelos hierárquico a uma população de toninhas (Pontoporia blainvillei) residente da Baía de Babitonga, SC. Usamos uma distância de truncamento de 87m utilizada em campo mas também efetuamos ajuste com os dados completos, sem truncamento. Para dados truncados, o melhor modelo estima a máxima probabilidade de detecção (MPD) sobre a derrota (distância = 0). Para dados não-truncados o melhor modelo estima a MPD a distâncias maiores que zero. Os melhores ajustes (menor DIC) indicam curvas MPDs distintas para cada observador tanto para dados truncados quanto não-truncados. O ajuste para dados não-truncados evitou a eliminação de 26% dos dados e indica que a distância média ideal para truncamento é de 123m, superior àquela utilizada em campo (87m). A densidade de grupos foi estimada em 1.219 Ngkm2 (ICr95%: 0.739 a 2.075). A contribuição deste trabalho ao contexto oceanográfico diz respeito ao fato da modelagem bayesiana em código BUGS permitir uma fácil compreensão dos modelos e flexibilização, que outras propostas não contemplam. E a obtenção de distribuições posteriores da distância de máxima probabilidade de detecção, taxa de recaptura e viés de percepção.