Bayesian approach to ecological monitoring data: latent growth curve models

Oliveira, Pedro Miguel da Conceição

http://hdl.handle.net/10451/48722

Utilize este identificador para referenciar este registo.

Nome:	Descrição:	Tamanho:	Formato:
TM_Pedro_Oliveira.pdf		4.59 MB	Adobe PDF	Ver/Abrir

Contacte-nos

Autores

Oliveira, Pedro Miguel da Conceição

Orientador(es)

Bermudez, Patrícia Cortés de Zea,1966-

Costa, José Lino Vieira de Oliveira,1964-

Resumo(s)

Os efeitos da influência antropogénica no meio ambiente têm-se manifestado, cada vez mais, como uma das principais razões que contribui para a alteração e redução da biodiversidade local e global. Face ao constante aumento populacional, é expectável que, se não forem adotadas medidas de cariz urgente, muitas espécies fiquem em risco ou em última instância, tais processos nefastos poderão conduzir à sua extinção. Com vista a reverter este processo, ecologistas de todo o Mundo têm vindo a trabalhar continuamente no sentido de desenvolver mecanismos para deteção de riscos variados. Apoios institucionais têm-se revelado fulcrais no decorrer da implementação destes planos, providenciados tanto por autoridades de mitigação, como por entidades de proteção ambiental. No entanto, é importante salientar o papel fulcral da intervenção das comunidades locais. Uma das principais causas da destruição maciça de habitats a nível global tem por base a emissão de substâncias de caráter poluente no meio ambiente. Dentro dos diferentes tipos de substâncias prejudiciais, a matéria orgânica proveniente de descargas de efluentes não tratados em áreas urbanas assume um papel importante na perturbação do equilíbrio e da estabilidade dos ecossistemas circundantes. Por forma a reduzir este tipo de contaminação nos sistemas aquáticos, induzida pela influência antropogénica, mecanismos de tratamento de águas urbanas e industriais têm vindo a ser desenvolvidos e aperfeiçoados, bem como as infraestruturas responsáveis por estes mesmos tratamentos, conhecidas como Estações de Tratamento de Águas Residuais (ETAR). De forma a proceder à monitorização da atividade destas estações especializadas, diferentes planos foram desenhados, implementados e melhorados para avaliar se ao longo do tempo se verifica um efeito prejudicial da construção e funcionamento das infraestruturas supracitadas no meio ambiente. Várias colaborações entre instituições governamentais e especialistas ambientais têm vindo a ser feitas de forma a dar resposta a este tipo de problemas. Mais concretamente, em 2001 deu-se início a uma parceria entre a Câmara Municipal de Almada e o Centro de Ciências do Mar e do Ambiente (MARE), com o principal objetivo de avaliar o impacto ambiental da construção de ETARs municipais drenantes no estuário do Tejo nas comunidades ribeirinhas do concelho de Almada. Em 2003, foi construída uma ETAR no Portinho da Costa, com o propósito de desativar um emissário de efluentes não tratados localizado no Porto do Buxo. Tendo sido obtidos dados relativos a este sistema, o seu tratamento e análise revelou-se necessário. Contudo, os métodos utilizados até então apenas descreviam as principais conclusões possíveis de deduzir, bem como a determinação da qualidade ecológica das águas numa janela temporal restrita através da utilização de um índice de qualidade ecológica. Um índice usado com bastante frequência na Europa é o Índice Biótico Marinho (AMBI - AZTI’s Marine Biotic Index), que se baseia em dois conceitos principais para caracterizar os locais de amostragem, Coeficiente Biótico e Índice Biótico. Com a acumulação de dados ao longo dos anos, para os diferentes locais de amostragem definidos previamente, tornou-se possível uma análise longitudinal dos dados, que permite a descrever tendências e a quantificar alterações nas comunidades biológicas existentes. Neste trabalho serão utilizados estes dados recolhidos entre 2004 e 2011 (completando 8 anos de dados) para a descrição de três importantes variáveis biológicas (Abundância Total de organismos, Riqueza Taxonómica e Coeficiente Biótico). Os Modelos Latentes de Curvas de Crescimento são uma ferramenta estatística frequentemente utilizada na análise de dados longitudinais, uma vez que permitem descrever e quantificar as alterações de uma determinada variável ao longo do tempo. Apesar destes modelos serem maioritariamente usados em Estatística Clássica, têm vindo a ser desenvolvidas abordagens do ponto de vista bayesiano. À luz desta forma de pensamento estatístico, os dados observados são considerados como entidades fixas e os parâmetros são variáveis aleatórias, que possuem a sua própria distribuição de probabilidade. Para a aplicação do método bayesiano, é necessário atribuir uma distribuição inicial aos parâmetros, distribuição a priori, através da informação que se tem até ao momento. A partir desta, e em conjugação com a função de verosimilhança dos dados, uma outra distribuição, denominada distribuição a posteriori, pode ser obtida por meio do Teorema de Bayes. Esta última, fornece a informação renovada acerca dos parâmetros do modelo, após se terem observado os dados. Habitualmente a distribuição a posteriori dos parâmetros é bastante complexa, tendo, por isso, que se recorrer a metodologias de simulação estocástica, tais como o método de Metropolis-Hastings e o método de amostragem de Gibbs, ambos baseados no conceito de cadeias de Markov. Para a aplicação dos Modelos Latentes de Curvas de Crescimento, é necessário ter a medição repetida de uma variável de interesse ao longo do tempo para a mesma unidade experimental. Com estas medições podem ser estimados o nível inicial (L) e o declive inicial (S) para cada unidade experimental. O caráter diferencial desta metodologia quando comparada com os Modelos Lineares Generalizados é a inclusão de um parâmetro extra denominado parâmetro de forma (a). A simplicidade destes modelos permite uma descrição detalhada da variável de interesse utilizando os parâmetros latentes (não observados) acima mencionados. Para a realização deste trabalho foram selecionados os dados referentes a dois locais, Porto do Buxo e Portinho da Costa. Nestes locais, foram definidos radiais e transetos de forma a cobrir uma maior área. Como consequência desta decisão obtiveram-se 9 estações de amostragem no Porto do Buxo (3 transetos e 3 radiais) e 15 no Portinho da Costa (5 transetos e 3 radiais), perfazendo um total de 24 estações de amostragem. Após uma análise detalhada dos dados, algumas decisões foram tomadas com o intuíto de obter resultados mais adequados. Resumidamente, de forma a eliminar o enviesamento provocado por um evento externo (alteração não explicada que ocorreu de igual forma para todas as estações de amostragem) identificado em 2007, for feito um corte aos dados iniciais ficando apenas com os últimos quatro anos (2008 a 2011). Além disso, foram separadas as estações do ano de forma a eliminar o efeito da sazonalidade presente nos dados, ou seja, para cada uma das variáveis de interesse, foram ajustados quatro modelos diferentes, um para cada estação do ano. Para o ajustamento dos modelos, foram geradas 5 cadeias de Markov para cada parâmetro. De forma a não influenciar muito o resultado das simulações, foram utilizadas distribuições a priori vagas para que se pudesse deixar que "os dados falem". Relativamente aos resultados obtidos, de uma forma geral pode-se dizer que, ao longo dos quatro anos em estudo e para todas as estações do ano, os modelos propostos ajustaram-se bem em relação às tendências observadas. Resumidamente, para a abundância total de organismos e a riqueza taxonómica em cada estação do ano e em todas as estações de amostragem, é possível encontrar uma tendência crescente bem definida, com alguma variação em termos do declive. Embora isto pudesse significar que as comunidades biológicas estariam a caminhar para uma melhor saúde no geral, tal não se verifica, uma vez que foi possível encontrar uma tendência crescente no coeficiente biótico, ainda que com um declive reduzido. Por fim, com este trabalho foi possível avaliar a capacidade de ajustamento destes modelos a dados ecológicos. De um modo geral, estes modelos são úteis para a descrição e previsão de tendências em variáveis biológicas. No entanto, é necessário ter em atenção que, para que os resultados sejam o mais corretos possível, efeitos externos ao objeto principal da investigação devem ser atenuados ou eliminados, como foi o caso da sazonalidade. A possibilidade de inclusão de uma componente de sazonalidade no modelo não foi contemplada, ficando essa questão em aberto.

Anthropogenic pressure in the environment has been identified as a great cause of environmental destruction and biodiversity loss worldwide. Pollution by organic matter is one of the many pressures affecting the aquatic communities. With the objective of controlling the effects over these communities, Wastewater Treatment Plants have been developed and constructed near urban areas to reduce the amount of organic matter released to pristine ecosystems. In order to evaluate their functioning, ecological monitoring programs have been designed and implemented over the years. As a result, repeated measurements over the same experimental unit were obtained (longitudinal data). In 2003, the ecological monitoring of 24 sampling stations in Almada performed by the Marine and Environmental Science Center was initiated. This project has the main objective of analysing the data collected from 2004 to 2011 in this monitoring program using Latent Growth Curve Models (LGCM) to describe and quantify the changes in three biological variables (Total Abundance of organisms, Taxonomic Richness and Biotic Coefficient).