Sito web di informazione ecologica e gestione faunistica INTRODUZIONE ALL US0 DEL DISTANCE SAMPLING a cura di Riccardo Scipioni

Transcript

1 Sito web di informazione ecologica e gestione faunistica INTRODUZIONE ALL US0 DEL DISTANCE SAMPLING a cura di Riccardo Scipioni

2 Sommario PREMESSA... 3 I MONITORAGGI... 4 Caratteristiche dei metodi di stima di densità IL DISTANCE SAMPLING... 5 DISTANCE SAMPLING CONVENZIONALE... 5 Disegno sperimentale... 6 Probabilità di contatto (o di osservazione) (p)... 6 Indice di incontro medio... 7 Istogramma delle distanze perpendicolari... 7 Frequenza relativa... 8 Funzione di contattabilità g(x)... 9 Akaikes s Information Criterion (AIC)... 9 Lo studio pilota... 9 La rilevazione Area di campionamento Periodo di campionamento ESERCITAZIONE Esecuzione del monitoraggio alle lepri su transetti con l uso del faro: contesto CREATE PROJECT IMPORT DATA WIZARD PROJECT BROWSER Data Filter Proprieties Model Definition Properties Result

3 PREMESSA La crescente attenzione alle tematiche gestionali in ambito biologico, ha stimolato i vari settori di interesse a generare nel tempo, strumenti di utilità tecnologica utili alle esigenze emergenti. Le tecnologie, soprattutto informatiche, create a supporto di elaborazioni e decisioni di pianificazione quali le cartografie digitali, GPS, GIS, strumenti digitali, software applicati, hanno dato un sostanziale contributo a rendere l approfondimento conoscitivo sempre più attento e preciso. Parallelamente sono diventate un interesse comune anche le varie attività di applicazione in campo, sempre più orientate verso procedure e metodologie standardizzate per una reciprocità di interpretazione e crescita. Ad oggi, nella conservazione della fauna selvatica applicata, il mondo accademico e i pochi che sono riusciti a ritagliarsi uno spazio o una competenza, detengono l onere e l onore di promuovere e sostenere la gestione faunistica nelle nostre realtà territoriali. Le figure tecniche preparate nei nostri eccellenti centri di formazione a fatica trovano la giusta collocazione ed equilibrio tra l ambito della ricerca e la gestione diretta. Dalla prima dovranno trarre conoscenze, capacità e metodo per poi dedicarsi con competenza, concretezza ed efficacia sui territori, nei quali si spera verranno sempre più chiamati ad operare. Per questo ho predisposto questa raccolta di appunti, derivanti da generosi contributi e soprattutto dalla bella ed utile pubblicazione di Franzetti B. e Focardi S., La stima di popolazioni di ungulati mediante distance sampling e termocamera a infrarossi., Min.Politiche Agricole, Alimentari e Forestali INFS, usata come traccia. Scopo della proposta è promuovere e la conoscenza e l uso del Distance Sampling come strumento per lo studio delle popolazioni animali attraverso l approccio agevolato di una esercitazione, senza dover rinunciare per poca dimestichezza con concetti statistici o con la lingua straniera che per eventuali ed opportuni approfondimenti dovranno comunque, in seguito, essere necessariamente affrontati. Per la stesura di questo testo ho sentito particolarmente, pazienti e vicini: Meriggi Alberto, Anna Vidus Rosin, Marco Zaccaroni, Noemi Giannini, Andrea Cadei. A loro i miei più sentiti ringraziamenti. 3

4 I MONITORAGGI I metodi di monitoraggio vengono comunemente utilizzati quando si vuole individuare indici o stime di densità I monitoraggi si affidano a metodologie statistiche per individuare lo stato e andamenti di tendenza delle dinamiche di popolazione della specie osservata nello spazio e nel tempo. Caratteristiche dei metodi di stima di densità. Accuratezza: livello di conformità dei risultati di una stima con il valore di densità reale esistente sul territorio monitorato. Vizio: differenza tra il dato di consistenza reale e quello di stima. Può essere sia negativo che positivo. - Negativo quando si campionano aree con densità minori della media. Si sottostima. - Positivo quando si prediligono aree con densità maggiori della media. Si sovrastima. Bisogna scegliere le aree di censimento con migliore rappresentatività media del territorio. Precisione: grado di vicinanza dei valori di diverse stime effettuate sulla stessa popolazione. Valida: una stima di densità ha maggior validità quando maggiore è la sua precisione ed accuratezza. Potenza statistica: capacità di un metodo di monitoraggio di identificare una variazione nell andamento di un trend di una popolazione, cioè la sua risoluzione. Essa dipende da: 1) Numero delle stime disponibili per i confronti; 2) Modalità di distribuzione dei valori intorno alla linea di tendenza di cui si deve stimare l inclinazione; 3) Errore con cui le stime sono ottenute. Per aumentare la potenza si deve intervenire con un aumento del numero dei campionamenti disponibili (costanza nella metodologie di monitoraggio). 4

5 IL DISTANCE SAMPLING Rappresenta una serie di metodi statistici che utilizzano gli stimatori per elaborare ed interpretare i dati dei monitoraggi. E un software disponibile gratuitamente nella rete web. Il distance sampling prevede che ci sia la possibilità di non riuscire ad incontrare tutti gli animali presenti e permette di determinare la probabilità di contattabilità lungo i transetti percorsi. Per fare questo utilizza le distanze perpendicolari tra animali e transetto. Più aumenta la distanza più diminuiscono i contatti Il sito web di riferimento è curato dal RUWPA (Research Unit for Wildlife Population Assessment). Per un primo approfondimento sull argomento è disponibile sul sito da me condotto, all indirizzo nella sezione Approfondimenti, la pubblicazione: Franzetti B. e Focardi S., La stima di popolazioni di ungulati mediante distance sampling e termocamera a infrarossi, Min. Politiche Agricole, Alimentari e Forestali INFS. L utilizzazione del Distance Sampling è subordinato al rispetto di quattro assunti fondamentali: 1. Gli oggetti sulla linea del transetto sono registrati con certezza (g(0) = 1). 2. L animale deve essere contattato prima che si muova in risposta alla presenza dell osservatore. 3. Le misure sono esatte. 4. Le osservazioni sono indipendenti. DISTANCE SAMPLING CONVENZIONALE Modello di stato: è la rappresentazione della distribuzione spaziale di una popolazione condizionate dalle proprietà biologiche e demografiche. Quando la distribuzione è uniforme in tutto lo spazio, con la stessa probabilità di densità. La legge che determina la posizione degli animali è definita processo stocastico. Altrimenti si possono avere concentrazioni di animali diverse. Il modello di stato non è statico, ma muta nel tempo a causa delle abitudini ed esigenze animali. Per questo si devono considerare solo delle istantanee della situazione reale rispetto alla dinamicità spaziale della specie. Per analizzare il modello di stato si usano due metodi: a) con un disegno sperimentale per stimarne delle proprietà; b) con dei modelli per rappresentare la distribuzione spaziale. Il disegno sperimentale è quello usato nel Distance Sampling convenzionale. 5

6 Disegno sperimentale Basato su regole probabilistiche per selezionare un certo numero di unità di campionamento nell area totale di studio, anche se la scelta del disegno sperimentale è spesso basata sul campionamento casuale semplice dei transetti di campionamento. Dai transetti di campionamento disposti in modo casuale, si misureranno le distanze perpendicolari dagli animali censiti al percorso con telemetro e bussola digitale. Ponendo casualmente dei transetti si possono avere delle sovrapposizioni di percorsi, quindi sarà meglio definire prima una griglia di transetti e poi posizionare casualmente la griglia sul territorio. I transetti possono essere anche chiusi con un percorso che al termine torna all origine. Quindi noi definiamo una proprietà fondamentale del nostro modello di stato, cioè che le distanze rilevate sono distribuite uniformemente rispetto alla distribuzione spaziale degli animali. Alla fine del campionamento viene costruito un diagramma del numero degli avvistamenti per le varie lunghezze rilevate. Probabilità di contatto (o di osservazione) (p) Quando si effettuano censimenti faunistici tradizionali si ha la certezza che se l animale è presente venga censito. Poniamo il valore 1 a questa probabilità. Quindi se l animale c è e viene avvistato, la probabilità di contatto vale 1. Il valore varia da 1 a 0. Quando non si ha la sicurezza di avvistare tutti gli animali presenti, il valore della probabilità p sarà < di 1. 6

7 Indice di incontro medio L indice di incontro medio è il rapporto tra il numero di animali censiti per unità di lunghezza percorsa (n/l) e viene calcolato su ciascun transetto. Istogramma delle distanze perpendicolari Dopo avere raccolto le rilevazioni del campionamento, su un transetto largo W si raccolgono i dati in gruppi per classi di distanza e costruisce l istogramma delle distanze perpendicolari rilevate. In ascissa si avranno i valori delle distanze, mentre in ordinata si avranno i valori delle frequenze di contatto, la frequenza assoluta. Siccome il primo assunto del Distance Sampling dice appunto che a distanza 0 tutti gli individui vengono contattati, a distanza 0 il valore di probabilità di osservazione p sarà 1. Avendo anche definito dal disegno sperimentale che il numero di animali non cambia con la distanza del transetto, teoricamente io potrei calcolare il numero degli animali presenti. Esempio: In un campionamento con transetto largo 35 metri, nel raggruppamento di contatti a distanza 0 si sono rilevati 6 animali f (0) (probabilità di osservazione p =1), il numero ipotetico di animali N che l osservatore dovrebbe aver visto in tutta l area sarà dato da 6 (f (0)) x 35 (W) = 210 (N). 7

8 Se poi in realtà, ne sono stati avvistati meno, poniamo a caso 65 (n), allora la nostra probabilità di osservazione media p sarà stimata come il rapporto tra il numero rilevato e quello che si sarebbe dovuto vedere, p = n / f (0) x W. quindi : p = 65/(6 x 35) = 0,309 Ipotizzando che i nostri transetti abbiano coperto una percentuale dell area A del nostro territorio pari al 12,5%, la popolazione N sarà il risultato tra il rapporto tra il numero degli animali contati e il prodotto tra il valore della probabilità di contatto e la percentuale di copertura del transetto. N = n / ( p x %A) Avremo allora: 65 / (0,309 x 0,125) = 1682 animali Frequenza relativa Se si trasformano i numeri censiti per singoli transetti in valori relativi (numero censito per unità / la sommatoria degli animali censiti) avremo che la sommatoria totale dei contatti sarà pari a 1. Avendo trasformato la nostra frequenza assoluta in una frequenza relativa il nostro calcolo per la nostra probabilità di contatto, se p =1, sarà p = 1 / (f(0) x W). Dati: L, la lunghezza totale dei transetti; A, la superficie dell area di studio, dall equazione N = n / (p x %A), dopo qualche sostituzione e semplificazione si arriva ad ottenere: N = A x n x f (0) / 2L Che può essere scritta in termini di densità ( D ) D = N / A Quindi, sostituendo e semplificando: D = n x f(0) / 2L Nel caso si abbia la necessità di definire la densità di animali in gruppi compatti, Distance offre la possibilità di ottenere queste correzioni. 8

9 Funzione di contattabilità g(x). Il programma Distance Sampling automaticamente ci restituisce una rappresentazione grafica della funzione continua della probabilità di contattare un animale. Il grafico contiene delle particolarità comuni a tutte le funzioni di contattabilità. La curva disegnata ha un caratteristico andamento con una spalla di livello massimo, in prossimità di una distanza prossima allo 0 (p =1). Il valore della funzione si mantiene alto in prossimità della distanza minima, poi decresce con l aumentare della distanza vino a raggiungere una coda alle distanze più lontane. Akaikes s Information Criterion (AIC) Al fine di adattare le funzioni di contattabilità ai dati reali, si applicano chiavi di correzioni che riescono meglio allo scopo. Fortunatamente il programma fornisce la possibilità di sceglierne alcune tra cui quella di nostro interesse: l AIC. L AIC verrà applicato per giudicare la bontà del nostro modello ai dati reali disponibili, confrontandolo con altri simili. Dobbiamo considerarlo come metodo di paragone. Il modello migliore avrà il punteggio AIC minore. Lo studio pilota Fondamentale è la definizione del piano di campionamento dove si studia e pianificano le azioni che si dovranno svolgere. Importante: Conoscere la zona o farsi accompagnare con qualcuno che la conosca; Avere conoscenze approfondite della specie che si deve monitorare; Avere collaboratori che sappiano quali dati sono utili al fine dell elaborazione del Distance; Informare dello scopo del campionamento per definirne il grado di precisione; Conoscere la distribuzione spaziale della specie; Sapere se è una popolazione chiusa o aperta; Considerare l influenza demografica della stagione in cui viene effettuato il lavoro. 9

10 La rilevazione Per limitare errori di rilevazione, quindi della funzione di contattabilità, durante la realizzazione del campionamento è fondamentale: cercare di osservare tutti gli animali che sono sulla linea di transetto a distanza 0; evitare lo spostamento degli animali prima di averli avvistati; rilevare con precisione le misure; dimensione dei gruppi e loro posizione; per ottenere un rilievo attendibile con una buona stima dei parametri sarebbe opportuno effettuare circa rilevazioni che possono scendere a se aumenta la qualità ottenendo una funzione di contattabilità con una buona spalla e l indice di incontro risulta abbastanza preciso. Per gruppi di animali occorrono contatti. Per raggiungere l obiettivo di un buon campionamento, si può valutare attraverso lo studio pilota le scelte più idonee, decidendo anche la lunghezza totale dei transetti per raccogliere il numero ideale di contatti. Per aumentare la dimensione del campione è possibile anche ripetere il campionamento per cumulare i dati raccolti preferibilmente usando uno schema di transetti diverso anche se quello definito in origine è spesso il migliore. La ripetizione dei campionamenti è possibile con intervalli di tempo da 1 a 4 settimane, ricordando che il passar del tempo può avere diverse influenze sui comportamenti animali. Area di campionamento Per valutare la consistenza di una popolazione l ideale sarebbe considerare l areale di presenza degli animali anche se spesso bisogna utilizzare i confini amministrativi di aree come limite della nostra stima. Questa particolarità dovrà essere considerata per valutare eventuale spostamenti o migrazioni stagionali degli animali. Il numero minimo di transetti (con almeno una osservazione) da utilizzare sarà variabile tra 10 e 20, ordinandoli con codice di riconoscimento. La disposizione dello schema dei transetti dovrebbe seguire un disegno sistematico, con transetti paralleli, partendo da un punto casuale anche se in ambienti più difficili è possibile percorrere dei transetti con curve o percorsi. Effettuando molti campionamenti di notte e su autovetture (alle lepri con il faro) è opportuno affidarsi alla viabilità carrabile esistente. Sull uso dell auto si evidenza il minor disturbo che arreca alla fauna selvatica. 10

11 Se gli animali stagionalmente si spostano preferibilmente verso determinate aree, sarà opportuno assecondare l orientamento dei transetti verso il gradiente di concentrazione in modo da minimizzare la varianza campionaria. Periodo di campionamento La definizione del periodo di campionamento sarà deciso considerando: gli obiettivi dell attività di campionamento (es. per definizione piani di abbattimento); percorribilità dell ambiente; il ciclo biologico e uso dello spazio da parte della specie in relazione al periodo dell anno; stato della vegetazione presente; necessità di effettuare ripetizioni per aumentare il numero dei campionamenti; presenza di attività di gestione che influenzino la distribuzione degli animali (foraggiamento, caccia). ESERCITAZIONE Esercitazione tratta anche dalle lezioni del dott. Marco Zaccaroni al corso di Conservazione della Natura al Corso di Laurea Magistrale in Scienze e Gestione delle Risorse Faunistico Ambientali presso la Facoltà di Agraria di Firenze. Esecuzione del monitoraggio alle lepri su transetti con l uso del faro: contesto. Inizio del censimento al tramonto, procedendo su autovettura a velocità minima per illuminare l area nel miglior modo possibile. I transetti da utilizzare, possono essere strade poderali, o tratti di terreno utilizzati per attraversare o costeggiare il campo con i mezzi agricoli, vengono percorsi in modo da poter avere la migliore visibilità sia a destra che a sinistra. Se ci sono vigneti si costeggiano in modo da avere il filare totalmente visibile e illuminabile (il fascio di luce viene fatto passare tipo a pettine lungo i filari: dall'inizio del filare fino a dove arriva!). Ogni volta che si avvista una lepre ci si ferma, si prende il punto GPS sulla perpendicolare al transetto, quando siamo allineati al punto dove era stata rilevata (se poi si è spostata) oppure dove è ferma la lepre. Questo non è così difficile dato che il fascio di luce viene tenuto più perpendicolarmente possibile alla macchina, e di conseguenza al transetto. Si prende la distanza (col distanziometro) da dove la lepre è partita, cioè il punto dove è stata avvistata la prima volta e non dove la troviamo dopo che si è spostata. Sul foglio si scrive l'ora, la specie, il numero, la distanza e l'ambiente (incolto, vigna, olivo, medica,...). 11

12 Per praticità creo un file in Excel dove inserisco le rilevazioni del monitoraggio; Devo rispettare i nomi di questi campi salvo con nome in formato.txt (testo delimitato da tabulazioni); per l importazione dei dati 12

13 Apro Distance ed eseguo i comandi: File mio nuovo progetto New project; Attribuisco le caratteristiche al 1- CREATE PROJECT in Create project decido la cartella di destinazione file (di default propone la cartella My Distance Projects) e il nome del file. clicco Create; Step 1: Type of project : clicco Analyze a survey that has been completed ; Step 2: Setup for Analyze a Survay : clicco Next ; 13

14 Step 3 Survey method : Uso transetti Singole osservazioni Distanze perpendicolari Obiettivi singoli (es.lepri), Cluster per gruppi di animali Step 4 Measurement units: distanze in metri; transetti in chilometri e aree in ettari; 14

15 Step 5 Multipler: non scelgo nessuna opzione Next; Step 6 Finished : scelgo Procedet to data Entry Wizard per importare i dati; Finish. Finish 15

16 2 - IMPORT DATA WIZARD Step 1 Introduction : Next Step 2 : File Containing Data to import : Mi chiede dove è il file txt, lo scelgo e con OK lo carico 16

17 Step 3 Data destination : chiede dove devono essere caricati i dati. Lascio così; Next 17

18 Step 4 Data File Format : Delimiter : Tab, Fleggo ; Ignore row (ignora la prima riga); Decimal symbol, Scelgo e provo. (serve per la punteggiatura dei decimali nei file txt) Next. Step 5.Data File Structure : assegno ai campi le categorie di appartenenza Next. 18

19 Step 6 Finished :scelgo Owerwrite existing data Finish. Finish 19

20 3 - PROJECT BROWSER Faccio elaborare il programma Analyses Run La palla è grigia se devo ancora elaborare il programma 20

21 Clicco due volte il pallino grigio oppure Run Diventa verde se tutto ok; Diventa arancione se con avviso Clicco due volte sul pallino Log 21

22 Analysis 1 Imposto le proprietà su Inputs Data Filter Proprieties Data Filter Proprieties Intervals Definisco il numero di intervalli Definisco il numero di Inserisco per prima la distanza massima 22

23 Data Filter Proprieties -Truncation Clicco OK Destra: Elimina osservazioni oltre Sinistra: Elimina osservazioni oltre Con Truncation decido se non voglio considerare le osservazioni a destra e a sinistra per la lunghezza che voglio (es presenza di un fossato). OK Data Filter Proprieties Units Clicco OK 23

24 Model Definition Properties Model Definition Properties Estimate 24

25 Model Definition Properties - Delection function Con il tasto + aggiungo le funzioni al modello Cliccando nei record seleziono le funzioni Seleziono il modello matematico AIC Clicco OK 25

26 RUN Torno alla schermata Log 26

27 Result Estimation Option Listing Glossario dei termini Nota bene 27

28 Delecton Fct/Global/Plot:detection Probability per visualizzare la curva di contattabilità Curva di contattabilità tipo Si prosegue con Next Estimation summary 28

29 Densità e abbondanza 29