skip to main content
Invitado
Mi portal
Mi Cuenta
Cerrar sesión
Identificarse
This feature requires javascript
Tags
Periódicos Eletrónicos
Libros Eletrónicos
Bases de Datos
Bibliotecas de USP
Ayuda
Ayuda
Idioma:
Inglés
Castellano
Portugués (Brasil)
This feature required javascript
This feature requires javascript
Primo Search
Búsqueda General
Búsqueda General
Colección Física
Colecciones Físicas
Producción Intelectual USP
Producción USP
Search For:
Clear Search Box
Search in:
Búsqueda General
Or hit Enter to replace search target
Or select another collection:
Search in:
Búsqueda General
Búsqueda Avanzada
Búsqueda por Índices
This feature requires javascript
Tipo de recurso
criteria input
en cualquier parte del registro
en el título
como autor/creador
en materias
Fecha de creación
lsr01
lsr02
lsr03
lsr04
Orientador
Show Results with:
en el título
Show Results with:
en cualquier parte del registro
en el título
como autor/creador
en materias
Fecha de creación
lsr01
lsr02
lsr03
lsr04
Orientador
Ver resultados con:
criteria input
que contiene las palabras de la búsqueda
con la frase exacta
empieza por
Ver resultados con:
Sumario
criteria input
Y
O
NO
This feature requires javascript
Avaliação do impacto da qualidade
de
dados em modelos
de
distribuição
de
espécies.
Barbosa, Wesley Lourenço
Biblioteca Digital
de
Teses e Dissertações da USP; Universidade
de
São Paulo; Escola Politécnica 2023-03-03
Acceso en línea
Recurso en línea
Detalles
Comentarios y Etiquetas
Servicios adicionales
This feature requires javascript
Acciones
Agregar a Mi Portal
Eliminar de Mi Portal
Correo Electrónico
Imprimir
Enlae permanente
Cita bibliográfica
EasyBib
EndNote
RefWorks
Delicious
Exportación RIS
Exportar BibTeX
This feature requires javascript
Título:
Avaliação do impacto da qualidade
de
dados em modelos
de
distribuição
de
espécies.
Autor:
Barbosa, Wesley Lourenço
Orientador:
Souza, Solange Nice Alves
de
Materias:
Espécies Virtuais
;
Modelos
De
Distribuição
De
Espécies
;
Qualidade
De
Dados
;
Simulação
;
Viés
;
Data Quality
;
Simulation
;
Bias
;
Species Distribution Models
;
Virtual Species
Notas:
Dissertação (Mestrado)
Notas locales:
Programa Engenharia Elétrica
Descripción:
Os modelos
de
distribuição
de
espécies se tornaram uma ferramenta importante em ecologia, biogeografia, sustentabilidade e, mais recentemente, em gestão
de
conservação. No entanto, problemas
de
qualidade presentes nos dados utilizados na modelagem
de
distribuição
de
espécies podem resultar em modelos imprecisos e que não refletem o real padrão
de
distribuição das espécies. Como consequência, estratégias
de
conservação baseadas em modelos
de
distribuição gerados por dados enviesados, podem resultar em desperdício
de
recursos financeiros ou perda importante
de
biodiversidade. Assim, o objetivo deste trabalho é investigar como problemas
de
qualidade
de
dados afetam os resultados dos modelos
de
distribuição
de
espécies. A metodologia do trabalho emprega uma estratégia
de
simulação que consiste na criação
de
duas bases
de
dados, uma base
de
controle e outra
de
erros. A base
de
controle é constituída por dados ambientais e dados simulados
de
presença e ausência
de
uma espécie virtual. A base
de
erros é imputada com problemas de qualidade e utilizada para a amostragem de diferentes gradientes de erros para teste. Os resultados da revisão de escopo indicaram que erros de localização, erros de identificação e viés geográfico são os mais comuns em dados de ocorrência de espécies. Os algoritmos de Maximum Entropy Modeling (Maxent), Random Forest (RF) e Generalized Linear Model (GLM), Neural Network (NN) e Extreme Gradient Boosting (XGBoost) foram utilizados e avaliados quanto a robustez e capacidade de generalização mesmo para amostras de treinamento com erros de qualidade de dados. O XGBoost gerou modelos bastante robustos a diversos tipos e intensidades de erros. O GLM gerou os modelos mais sensíveis aos problemas de qualidade. O tipo de erro de viés geográfico foi o que teve maior efeito sobre os resultados dos modelos, enquanto os erros de localização, embora muito discutidos na literatura científica, só geraram impacto expressivo quando a amostra estava contaminada por erros de alta intensidade. A métrica AUC (Area Under the Curve), comumente utilizada para validar modelos de aprendizado de máquina para tarefas de classificação, mostrou-se pouco susceptível à presença de erros nos dados de treinamento, por outro lado, as métricas Kappa, MCC (Matthews Correlation Coefficient), TSS (True Statistics Skill) estão entre as mais sensíveis a problemas de qualidade. Este trabalho empregou a simulação de espécies virtuais, geradas a partir do comportamento identificado de 6 espécies de nicho ecológico amplo e restrito obtidas no repositório de dados de biodiversidade GBIF, para avaliar o impacto de diferentes gradientes de três tipos de erros de qualidade de dados em modelos de distribuição de espécie. Os resultados trazem um aprofundamento importante no entendimento dos impactos dos erros nos dados de ocorrência de espécies, e contribuem para avanço da área de estudos de qualidade de dados em estudos de biodiversidade e conservação.
DOI:
10.11606/D.3.2023.tde-11052023-080858
Editor:
Biblioteca Digital
de
Teses e Dissertações da USP; Universidade
de
São Paulo; Escola Politécnica
Fecha de creación:
2023-03-03
Formato:
Adobe PDF
Idioma:
Portugués
Enlaces
Este registro en el Catálogo
Teses e Dissertações USP
E-mail do autor
E-mail do orientador
This feature requires javascript
This feature requires javascript
Volver a la lista de resultados
Anterior
Resultado
10
Siguiente
This feature requires javascript
This feature requires javascript
Buscando en bases de datos remotas, por favor espere
Buscando por
en
scope:(USP_VIDEOS),scope:("PRIMO"),scope:(USP_FISICO),scope:(USP_EREVISTAS),scope:(USP),scope:(USP_EBOOKS),scope:(USP_PRODUCAO),primo_central_multiple_fe
Mostrar lo que tiene hasta ahora
This feature requires javascript
This feature requires javascript