Modelagem espacial bayesiana para riqueza de elasmobrânquios do extremo sul do Brasil

Raye Ivanoff*, Maria Grazia Pennino, Marie-Christine Rufener, Carolus Maria Vooren, Paul Gerhard Kinas

*Corresponding author for this work

Research output: Contribution to journalJournal articleResearchpeer-review

289 Downloads (Pure)

Abstract

Compreender a distribuição espacial de espécies vulneráveis a exploração pesqueira pode subsidiar ações de manejo e conservação. O objetivo deste estudo foi mapear possíveis habitats essenciais para riqueza de elasmobrânquios no sul do Brasil. Os dados são oriundos de cruzeiro científico realizado em fevereiro de 2005 entre o arroio Chuí (33°45'S) e o Cabo de Santa Marta Grande (28°36'S). As informações disponíveis são posições georeferenciadas de 64 estações oceanográficas, a quantificação das capturas de elasmobrânquios e teleósteos com pesca de arrasto de fundo e o registro dos parâmetros ambientais de profundidade, temperatura e salinidade. Os dados foram ajustados a um Modelo Linear Generalizado (GLM) Bayesiano via INLA (Integrated Nested Laplace Approximations) e módulo SPDE (Stochastic Partial Differential Equations), implementados no software R. A qualidade de ajuste e o poder preditivo do modelo foram avaliados mediante DIC (Deviance Information Criterion), WAIC (Watanabe-Akaike Information Criterion) e LCPO (Logarithm Conditional Predictive Ordinate). Foram registradas 16 espécies de elasmobrânquios, cujo número variou de 1 à 9 por lance. No modelo proposto, o efeito espacial e as variáveis ambientais foram relevantes para explicar a variação da riqueza de elasmobrânquios na costa do Rio Grande do Sul. Esta abordagem estatística permite estimar a probabilidade de ocorrência das espécies em áreas não amostradas, levando em conta a autocorrelação espacial dos dados e o conhecimento dos valores das co-variávies ambientais
Original languagePortuguese
Article numbere2019002
JournalRevista CEPSUL - Biodiversidade e Conservação Marinha
Volume8
Publication statusPublished - 2019

Keywords

  • Elasmobranch hot-spots
  • Spatial models
  • R - INLA

Cite this