Análise e modelação de dados ambientais

Objetivos

1. Pretende-se que os alunos adquiram aptidão para integrar ferramentas e estratégias oriundas das áreas da modelação ecológica e ambiental, na resolução de problemas ambientais e de questões ecológicas.

2. Serão consolidados conhecimentos de base em ecologia numérica, incluindo a descrição de parâmetros ambientais a nível do solo, da atmosfera e da hidrosfera, e ecológicos relativos à distribuição de espécies, à estrutura e composição das comunidades biológicas, aos padres de rigueza e diversidade específica, e às respetivas interdependências.

3. Serão desenvolvidas competências práticas na utilizacão de ferramentas de modelação dos parâmetros ambientais e da informação ecológica, recorrendo a aplicações informáticas de utilização live e a situações ecológicas reais.

4. Finalmente, pretende-se o desenvolvimento das competências e da aptidão para o trabalho em equipa, de modo interdisciplinar, integrando alunos com diferentes formações de base em exercicios conjuntos.

Programa

1. Ferramentas para a descrição dos parâmetros ambientais.

II. Ferramentas para a descrição de parâmetros biológicos e ecológicos.

III. Desenvolvimento da Ecologia Numérica numa perspetiva histórica.

IV. Análise dos padrões de distribuição de espécies e da sua relação com os parâmetros abióticos, bióticos e antropogénicos

V. Ferramentas para a descrição das comunidades ecológicas e dos padrões de riqueza específica.

VI. Índices de similaridade, distâncias e índices de diversidade biológica.

VII. Ordenação das espécies, das comunidades e dos fatores ambientais.

VIII. Modelos aplicados aos parâmetros ambientais e ecológicos sem espacialização.

IX. Modelos aplicados aos parâmetros ambientais e ecológicos com espacialização.

X. Processos de treino, validação, seleção e projeção de modelos ecológicos e ambientais.

XI. Alguns métodos de vanguarda em ecologia numérica: aprendizagem de máquina, modelos bayesianos.

XII. Métodos de modelação disponíveis em aplicações de uso livre.

Métodos de Ensino

As aulas serão lecionadas em regime teórico-prático, com uma introdução breve do tema pelo docente, a discussão entre pares de estudos de caso e de artigos científicos, a clarificação dos temas abordados e o desenvolvimento de competências relativas à descrição e análise dos diferentes tipos de parâmetros ambientais e ecológicos. As sessões incluirão sempre a exploração de aplicações informáticas, especialmente as de uso livre, incluindo R e QGIS, de modo a permitir o contacto com dados reais, também eles preferencialmente de acesso livre (e.g. uso do solo, clima). Será seguida uma estratégia de sala de aula invertida, em que os alunos preparam a componente presencial através da leitura de artigos, da visualização de vídeos e do recurso a ficheiros tutoriais, no período assincrono. Serão usados fóruns de discussão para incentivar essa preparação.

Bibliografia

Borcard D, Gillet F, P Legendre (2011). Numerical Ecology with R. Springer, New York, 306 pp.

Danilson, Romeiras Maria M, Silva Luís. Implications of climate change on the distribution and conservation of Cabo Verde endemic trees.

Global Ecology and Conservation 34 (2022): e02025.

Dutra Silva L, Elias RB, Silva L (2021). Modelling invasive alien plant distribution: A literature review of concepts and bibliometric analysis.

Environmental Modelling and Software, 145: 105203.

Humphries G, Magness DR, Huettmann Falk (Eds.) (2018) Machine learning for ecology and sustainable natural resource management.

Springer International Publishing, 441 pp.

Pavão D, Elias R, Silva L (2019) Comparison of discrete and continuum community models: Insights from numerical ecology and Bayesian methods applied to Azorean plant communities. Ecological Modelling, 402: 93-106.

Scutari M. Denis J-B (2015) Bayesian networks with examples in R. CRC Press, Taylor &amp: Francis Group, Boca Raton, 221 pp.

Método de Avaliação

• Participação qualitativa e quantitativa - 15 %
• Questionário individual - 50 %
• Relatório em grupo sobre um exercício de modelação - 35 %